Accueil›Biais›IBI-00020
IBI-000204 - Gravepublie

Biais des dossiers patients

Patient Records Bias

Score IBI
8.0
sur 10
Sévérité4_grave
Fréquencesystematique
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)

Dossiers médicaux électroniques contenant des biais historiques reproduits par les modèles.

🇬🇧 Definition (EN)

Electronic health records containing historical biases reproduced by models.

Taxonomie TriAxis

Classification structurelle

O
Origine
O1
Systémique
L
Cycle de vie
L1
Historique
S
Spécifique
S24
Biais institutionnel
💡
Exemple concret

Les notes médicales contiennent des termes stigmatisants pour les patients noirs, reproduits par les LLMs.

📊 Métriques de détection

Demographic Parity DifferenceDisparate Impact RatioEqualized Odds Difference

⚙ Seuils d'alerte

Disparate Impact Ratio0.8
Equalized Odds Difference0.1
Demographic Parity Difference0.1

📚 Sources & Références Scientifiques

🛡 Impact & Mitigation

🎯 Groupes vulnérables impactés

Personnes noires / afro-desc.

🛠 Méthodologies de mitigation

  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Santé et médecine (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : AI Act (UE) 2024/1689
  • •
    RGPD_9 : RGPD (UE) 2016/679
  • •
    RGPD_22 : RGPD (UE) 2016/679
🌍 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
🌐 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
e018f701-607e-4f3e-8e99-9fe19343093d

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.