Score IBI
6.0
sur 10
Sévérité3_significative
Fréquencefrequent
Ampleur groupes3
Difficulté détection3
🇫🇷 Définition (FR)
Tendance à se fier excessivement à la première information reçue lors d'un jugement.
🇬🇧 Definition (EN)
Tendency to rely too heavily on the first piece of information offered.
Taxonomie TriAxis
Classification structurelle
O
Origine
O3
Humain-Cognitif
L
Cycle de vie
L6
Évaluation
S
Spécifique
S12
Biais d'ancrage
💡
Exemple concret
Un LLM génère un diagnostic médical initial incorrect et s'y ancre dans tout le raisonnement ultérieur.
📊 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
- •Judgment under Uncertainty: Heuristics and BiasesAmos Tversky, Daniel Kahneman (1974)
- •Anchoring Bias in Large Language Models: An Experimental StudyJiaxu Lou, Yifan Sun (2024)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- SHAP_GROUP : Analyse SHAP par groupe
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (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
b7a8bbcc-7206-46ca-bebc-97bcfba6b8c3
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.