Accueil›Biais›IBI-00056
IBI-000563_significativepublie

Biais d'étiquetage

Label Bias

Score IBI
6.8
sur 10
Sévérité3_significative
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)

Étiquetage incohérent ou subjectif produisant des prédictions biaisées.

🇬🇧 Definition (EN)

Inconsistent or subjective labeling producing biased predictions.

Taxonomie TriAxis

Classification structurelle

O
Origine
O3
Humain-Cognitif
L
Cycle de vie
L2
Représentation
S
Spécifique
S06
Biais d'étiquetage
💡
Exemple concret

Un dataset médical où les symptômes atypiques sont systématiquement mal étiquetés.

📊 Métriques de détection

Representation BiasSample Size Ratio

⚙ Seuils d'alerte

Sample Size Ratio0.8
Representation Bias0.2

📚 Sources & Références Scientifiques

🛡 Impact & Mitigation

🔬 Preuves documentées (Études & Incidents)

  • Algorithme commercial de gestion des soins sous-estimant les besoins des patients noirs (co�t utilis� comme proxy de la sant�) : Source : https://pubmed.ncbi.nlm.nih.gov/31649194/
    Impact :

🎯 Groupes vulnérables impactés

Femmes

🛠 Méthodologies de mitigation

  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Santé et médecine (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : 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
e22ac47f-e5bd-4e67-b764-f7cd33ba18e1

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.