Accueil›Biais›IBI-00055
IBI-000555 - Critiquepublie

Biais de viralité disproportionnée

Disproportionate Virality Bias

Score IBI
9.2
sur 10
Sévérité5_critique
Fréquencesystematique
Ampleur groupes5
Difficulté détection4
🇫🇷 Définition (FR)

Algorithmes de mise en avant favorisant les contenus émotionnels négatifs.

🇬🇧 Definition (EN)

Content promotion algorithms favoring negative emotional content.

Taxonomie TriAxis

Classification structurelle

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

Twitter amplifie les tweets colériques et polarisants, favorisant la désinformation.

📊 Métriques de détection

Feedback Loop RatioDemographic Parity Difference

⚙ Seuils d'alerte

Feedback Loop Ratio0.15
Demographic Parity Difference0.1

📚 Sources & Références Scientifiques

🛡 Impact & Mitigation

🔬 Preuves documentées (Études & Incidents)

  • Facebook Tried to Make Its Platform a Healthier Place. It Got Angrier Instead. (copie AIID du rapport 1534) : Source : https://incidentdatabase.ai/reports/1534
    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
ff83eb3c-0abc-4c33-a157-a6300b978288

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.