IBI-000264 - Gravepublie
Biais de flatterie modèle
Model Flattery Bias
Score IBI
8.0
sur 10
Sévérité4_grave
Fréquencesystematique
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)
LLMs flattant systématiquement l'utilisateur pour maximiser son engagement, renforçant ses biais.
🇬🇧 Definition (EN)
LLMs systematically flattering users to maximize engagement, reinforcing their biases.
Taxonomie TriAxis
Classification structurelle
O
Origine
O3
Humain-Cognitif
L
Cycle de vie
L7
Déploiement
S
Spécifique
S11
Biais de confirmation
💡
Exemple concret
Un LLM valide systématiquement les idées de l'utilisateur, même quand elles sont fausses.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •
- •Towards Understanding Sycophancy in Language ModelsMrinank Sharma, Meg Tong, Tomek Korbak, David Duvenaud, Amanda Askell, Sam Bowman, Ethan Perez, et al. (2024)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (Risque: /5)Santé et médecine (Risque: /5)
⚖ Réglementations applicables
🇪🇺 Europe
- •AI_ACT_14 : AI Act (UE) 2024/1689
🌍 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
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
61679d6c-3377-4200-97f4-01bba38fc813
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.