IBI-000325 - Critiquepublie
Biais d'enquête algorithmique
Algorithmic Investigation Bias
Score IBI
8.2
sur 10
Sévérité5_critique
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)
Algorithmes d'aide à l'enquête orientant vers des suspects selon des biais implicites.
🇬🇧 Definition (EN)
Investigation support algorithms steering toward suspects based on implicit biases.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S11
Biais de confirmation
💡
Exemple concret
Un algorithme de police scientifique confirme les hypothèses des enquêteurs en ignorant les contre-preuves.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •The forensic confirmation bias: Problems, perspectives, and proposed solutionsSaul M. Kassin, Itiel E. Dror, Jeff Kukucka (2013)
- •What happened and what proves you wrong? Combatting confirmation bias in police investigations through evidence reconstruction and falsificationSarah Lenz, Tara Zohrevand, Eric Rassin, Bruno Verschuere (2026)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Justice et sécurité (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
154abb5f-be8a-4daf-89e1-0358f367fd3e
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.