IBI-000515 - Critiquepublie
Biais de propagation multi-agents
Multi-agent Propagation Bias
Score IBI
9.0
sur 10
Sévérité5_critique
Fréquencefrequent
Ampleur groupes5
Difficulté détection5
🇫🇷 Définition (FR)
Amplification des biais par interaction entre plusieurs agents IA.
🇬🇧 Definition (EN)
Amplification of bias through interaction between multiple AI agents.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S02
Biais de feedback
💡
Exemple concret
Des agents IA négociant entre eux amplifient des biais de marché au détriment des petits acteurs.
📊 Métriques de détection
Feedback Loop RatioDemographic Parity Difference
⚙ Seuils d'alerte
Feedback Loop Ratio0.15
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Multi-Agent Risks from Advanced AILewis Hammond, Alan Chan, Jesse Clifton, Jason Hoelscher-Obermaier, Akbir Khan et al. (2025)
- •Understanding the Information Propagation Effects of Communication Topologies in LLM-based Multi-Agent SystemsXu Shen, Yixin Liu, Yiwei Dai, Yili Wang, Rui Miao, Yue Tan, Shirui Pan, Xin Wang (2025)
- •Emergence of Biased Consensus in Multi-Agent LLM DebatesMaya Okawa (2026)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (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
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
7a1530ae-e494-48a1-a7f5-f6f24ebb43b2
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.