Accueil›Biais›IBI-00047
IBI-000474 - Gravepublie

Biais de bulle de filtre

Filter Bubble Bias

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

Enfermement de l'utilisateur dans une bulle d'information homogène via les algorithmes de recommandation.

🇬🇧 Definition (EN)

Locking the user in a homogeneous information bubble via recommendation algorithms.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S02
Biais de feedback
💡
Exemple concret

YouTube recommande uniquement du contenu extrême à un utilisateur ayant regardé une vidéo politique.

📊 Métriques de détection

Feedback Loop RatioDemographic Parity Difference

⚙ Seuils d'alerte

Feedback Loop Ratio0.15
Demographic Parity Difference0.1

🛡 Impact & Mitigation

🔬 Preuves documentées (Études & Incidents)

  • Facebook reportedly ignored its own research showing algorithms divided users (The Verge, d'apr�s le Wall Street Journal) : Source : https://mediawell.ssrc.org/news-items/facebook-reportedly-ignored-its-own-research-showing-algorithms-divided-users-the-verge/?pdf=58495
    Impact :

🎯 Groupes vulnérables impactés

Aucun groupe spécifique.

🛠 Méthodologies de mitigation

  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Médias et plateformes sociales (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
  • •
    DSA_27 : Digital Services Act (UE) 2022/2065

📋 Métadonnées

Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
d1787ad5-89c5-457d-b079-84cc9b7f1a34

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.