INITIATIVE INDÉPENDANTE · DOI 10.5281/zenodo.24043894

Le référentiel mondial des biais algorithmiques

Une base de connaissances scientifique rigoureuse pour répondre aux inquiétudes mondiales sur les biais de l'IA aux côtés d'autres institutions.

250
Biais documentés
1 512
Liens réglementaires mondiaux
883
Populations protégées
409
Sources scientifiques

Répondre aux inquiétudes mondiales

Les dirigeants des grands laboratoires d'IA, les chercheurs, les ONG et les institutions internationales alertent depuis plusieurs années sur les dangers des développements actuels de l'intelligence artificielle.

Cette initiative est une réponse indépendante à ces alertes : une base de connaissances scientifique rigoureuse pour répondre aux inquiétudes mondiales sur les biais de l'IA aux côtés d'autres institutions.

Chaque biais est classé selon la taxonomie TriAxis (Origine × Lifecycle × Spécifique) et associé aux réglementations applicables.

O

Axe Origine

D'où vient le biais ? Systémique (O1), computationnel (O2) ou humain-cognitif (O3).

L

Axe Lifecycle

A quelle etape? De L1_historique (collecte) a L7_deploiement (production).

S

Axe Spécifique

Nature précise : proxy, feedback, sampling, annotation... (30 catégories).

Framework de gouvernance

AEXIA - Gouvernance de l'IA explicable

AEXIA (Accountable, Ethical, eXplainable, Interpretable, Auditable AI) est un cadre intégré qui articule la dimension méthodologique de l'explicabilité, la maturité organisationnelle et la maturité individuelle des systèmes déployés.

Decouvrir AEXIA
🧭

Double axe

AEXIA-O (organisation) et AEXIA-S (système), croisés en matrice de décision.

🧩

DCME, ECS, RAD

Trois contributions originales : explication causale multi-echelle, score de consistance, dette de responsabilite.

🛡️

4 mecanismes

Maillon faible, portes probantes, rétrogradation spécifique à l'IA, proportionnalité au risque.

Citer ce travail

Si vous utilisez cette API ou ces données dans vos travaux scientifiques, merci de citer :

@software{sidibe_2026_ia_biais,
  author    = {SIDIBE, Mohamadou},
  title     = {AI BIAIS Initiative - API REST},
  year      = 2026,
  publisher = {Zenodo},
  version   = {1.0.0},
  doi       = {10.5281/zenodo.24043894}
}

Rejoignez l'initiative

Chercheurs, décideurs, ONG, institutions - cette base est ouverte. Contribuez, citez, critiquez. Ensemble, faisons de l'IA un outil équitable pour tous.