En février 2026, j’ai participé à une enquête collective basée exclusivement sur l’intelligence open-source (OSINT) pour contextualiser les références vagues contenues dans les dossiers publics des tribunaux publiés par le département de la Justice des États-Unis (DOJ) en lien avec l’affaire Epstein. Cette publication - l'une des plus grandes jamais liées au financier condamné Jeffrey Epstein - a rendu des millions de pages accessibles au public à partir de janvier 2026, sous le soi-disant . Epstein signe la loi sur la transparence Ce qui a commencé comme une analyse collaborative au sein des communautés en ligne a évolué, en quelques jours, en contributions techniques qui soutiennent les actions institutionnelles formelles.Le différenciateur clé était le travail d'une petite équipe d'enquête combinant des outils modernes avec une curation humaine rigoureuse et une communication hautement efficace - en pratique, fonctionnant plus agilement que des structures beaucoup plus grandes. Cette mise en place a permis une collaboration directe avec le journalisme d’investigation, qui a élargi la portée et la contextualisation des données publiques grâce à des rapports approfondis, et avec le ministère public fédéral du Brésil (Ministério Público Federal – MPF).Ces interactions se sont révélées essentielles pour accélérer les procédures officielles, notamment l’ouverture d’une enquête administrative et son escalade ultérieure à une unité nationale spécialisée dans les crimes transnationaux. Ci-dessous, une description chronologique du flux de travail technique adopté. Méthodologie technique (étape par étape) Extraction d'entité initiale et guérison humaine (Jours 1 à 3 février 2026) Les documents publics – principalement des courriels et des extraits des dossiers judiciaires de 2011 publiés dans les ensembles de données du DOJ – ont été examinés manuellement et avec des outils de support de base. La majeure partie de la valeur analytique primitive provient de la curation humaine : une lecture attentive des descriptions socio-économiques, des références géographiques vagues et des éléments logistiques implicites. Résolution d’entité et cartographie OSINT avec des outils spécialisés (environ le 4 février) En utilisant exclusivement des sources publiques, nous avons effectué une corrélation multi-sources impliquant les registres d’entreprises, les structures d’entreprise et les ensembles de données d’archives ouvertes. Maltego a été utilisé pour cartographier les réseaux numériques et les connexions en ligne associées. les techniques de résolution d'entité ont priorisé les correspondances contextuelles, telles que: un lien géographique approximatif, l’historique de la migration ou du déplacement, des modèles logistiques et temporels récurrents, des relations indirectes mais persistantes. Réseaux sociaux ouverts et résultats En conséquence, une entité intermédiaire clé a été résolue en quelques heures. Construction et visualisation de graphiques avec Neo4j et Mermaid.js Des entités et des relations résolues ont été importées dans Neo4j, permettant la modélisation de réseaux d'enquête complexes et l'exécution de requêtes graphiques axées sur: La centralisation, Les intermédiaires et les intermédiaires, Hubs institutionnels et logistiques. Cette représentation basée sur des graphiques a révélé des modèles temporels et géographiques qui n'étaient pas évidents grâce à l'analyse linéaire des documents. L'ensemble du flux de travail a été visuellement documenté à l'aide de Mermaid.js, en adoptant une approche diagrammes-as-code intégrée à Markdown. le processus de flowcharts, les timelines, Graphiques de relations entre entités. Cela a grandement facilité l’examen collaboratif, la traçabilité et la transparence méthodologique. Support d’IA (Grok) pour la chronologie et l’analyse partielle Grok a été utilisé comme outil auxiliaire pour: Consolidation du calendrier des événements, identifier les dates des mentions et des publications de documents, Résumez les textes sélectionnés suggérer des requêtes optimisées et des liens candidats entre entités. L'IA a été utilisée strictement comme un accélérateur opérationnel.Toutes les validations et les décisions critiques sont restées sous la responsabilité humaine et la vérification manuelle des sources. Déclaration responsable, collaboration et impact immédiat (du 4 au 9 février) Jour 4: divulgation publique contrôlée des entités résolues au sein de communautés en ligne spécialisées, avec référence à une communication formelle soumise à l’autorité de poursuite compétente (MPF). Journées 4 à 6: amplification par des journalistes d’investigation indépendants, qui se sont appuyés sur les mêmes données publiques pour publier des rapports approfondis, élargissant la visibilité et la pression institutionnelle. Jours 7 à 8 : extension de la cartographie aux références supplémentaires dans les fichiers publiés, y compris les hubs internationaux potentiels et les entités cotées au public. Journées 8 à 9 : l’escalade observée de la procédure administrative à une unité nationale spécialisée dans les crimes transnationaux, en accord avec la consolidation rapide et la documentation des résultats de l’OSINT. Principes directeurs se fier strictement à des sources ouvertes et accessibles au public; la collecte ou la divulgation d’informations sensibles au-delà de ce qui était déjà public; la reconnaissance explicite du caractère collectif et collaboratif de l’œuvre (communités en ligne, journalisme d’investigation et MPF); L’accent est mis sur la guérison humaine afin d’assurer l’exactitude, les normes éthiques et la responsabilité. Les leçons apprises et leur impact Ce cas montre comment une petite équipe bien coordonnée – utilisant Neo4j pour la modélisation graphique, Maltego pour la cartographie réseau, Mermaid.js pour la documentation visuelle et Grok pour le support analytique et chronologique – peut produire des résultats disproportionnés dans les enquêtes open-source. Le facteur central n’était pas l’automatisation, mais la rigoureuse référence transversale des données publiques combinée à une documentation structurée et audible.La collaboration directe avec le journalisme d’investigation et avec le Service fédéral du Procureur brésilien a permis de transformer l’analyse technique en apport institutionnel pratique. Il fournit un exemple concret de l'utilisation éthique et responsable de l'OSINT et de l'IA dans un contexte social à fort impact comme l'affaire Epstein. Pour les professionnels travaillant avec OSINT, les bases de données graphiques, la visualisation des processus d'enquête ou l'analyse assistée par l'IA, ce flux de travail peut être adapté à des scénarios tels que la conformité, la diligence raisonnable, les enquêtes d'entreprise et la recherche indépendante. Flux de travail d'équipe, curation de données et cadres légers L'enquête a été organisée en utilisant un flux de travail léger et inspiré de Kanban pour coordonner les tâches, contrôler la qualité des données et assurer la traçabilité tout au long du processus OSINT. Toutes les découvertes ont été transmises à travers un pipeline structuré de traitement des données humaines, dans lequel les extraits bruts ont été examinés, normalisés et validés avant d'être promus aux couches de graphique et de documentation partagées.Chaque carte dans le flux de travail représentait une seule hypothèse d'enquête ou un cluster d'entités et a suivi un cycle de vie clair: découverte, validation préliminaire, corroboration à plusieurs sources, intégration de graphiques et documentation prête à la publication. La curation a joué un rôle central dans la prévention de la confusion des entités, la gestion des références ambiguës et l'évitement de l'attribution prématurée. Une attention particulière a été accordée au nom de la désambiguïté, de l'incertitude géographique, de la cohérence temporelle et de la provenance de la source. Seules les entités soutenues par des sources publiques indépendantes et la cohérence contextuelle ont été incorporées dans la documentation Neo4j et Mermaid.js. Cette combinaison d’un cadre d’équipe simple (coordination de style Kanban) avec une couche de guérison humaine rigoureuse a assuré la rapidité opérationnelle sans sacrifier la rigueur méthodologique, les normes éthiques et l’audibilité du processus d’enquête. Positive operational and institutional impacts L'adoption d'un flux de travail d'équipe léger et inspiré par Kanban combiné à une couche de réparation de données humaines rigoureuse a produit des avantages opérationnels et institutionnels mesurables. visibilité des tâches et étapes de réparation bien définies ont réduit la duplication des efforts, minimisé les hypothèses contradictoires et accéléré la convergence vers des entités de confiance élevée. D’un point de vue externe, la cohérence des ensembles de données curés, la provenance claire des sources et le flux de décision traçable ont permis une réutilisation plus rapide du matériel par les journalistes d’investigation et par le Service fédéral du Procureur brésilien (MPF).
