IBI-000053_significativepublie
Biais de consommation énergétique
Energy Consumption Bias
Score IBI
7.0
sur 10
Sévérité3_significative
Fréquencesystematique
Ampleur groupes4
Difficulté détection3
🇫🇷 Définition (FR)
Coût environnemental disproportionné des grands modèles, affectant les populations vulnérables.
🇬🇧 Definition (EN)
Disproportionate environmental cost of large models, affecting vulnerable populations.
Taxonomie TriAxis
Classification structurelle
O
Origine
O1
Systémique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S25
Biais économique
💡
Exemple concret
L'entraînement de GPT-3 a consommé 1 287 MWh et émis 552 tonnes de CO2.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Energy and Policy Considerations for Deep Learning in NLPStrubell, E., Ganesh, A., McCallum, A. (2019)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Classes populaires
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (Risque: /5)Énergie et environnement (Risque: /5)
⚖ Réglementations applicables
🌍 International
- •ISO_42001 : ISO/IEC 42001:2023
- •UNESCO_2021 : UNESCO - Recommandation sur l'éthique de l'IA
- •OECD_AI_PRINCIPLES : OCDE - Principes IA
- •COE_AI_CONVENTION_INT : Conseil de l'Europe - Convention IA
🇪🇺 Europe
- •RGPD_22 : RGPD (UE) 2016/679
🌐 autre
- •IN_DPDP_RULES : Inde - Digital Personal Data Protection Rules
- •BR_LGPD : Brésil - LGPD
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
fda7ada1-bd57-403f-b946-849f62212303
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.