Score IBI
8.0
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes5
Difficulté détection4
🇫🇷 Définition (FR)
Algorithmes de microfinance discriminant les femmes dans les pays du Sud Global.
🇬🇧 Definition (EN)
Microfinance algorithms discriminating against women in Global South countries.
Taxonomie TriAxis
Classification structurelle
O
Origine
O1
Systémique
L
Cycle de vie
L3
Mesure
S
Spécifique
S01
Biais de proxy
💡
Exemple concret
Les femmes entrepreneures en Afrique reçoivent des montants de microcrédit 30% inférieurs aux hommes.
📊 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
- •How do loan officer-borrower gender-driven behavioural differences impact on the microfinance lending market?Blanco-Oliver, A., Samaniego, A., Palacín-Sánchez, M. J. (2024)
- •
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
FemmesClasses populaires
🛠 Méthodologies de mitigation
- DEMO_PARITY : Parité démographique
- 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
🇪🇺 Europe
- •RGPD_22 : RGPD (UE) 2016/679
🌐 autre
- •IN_DPDP_RULES : Inde - Digital Personal Data Protection Rules
- •BR_LGPD : Brésil - LGPD
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
33f69deb-0b80-409e-b2b3-94040e81621e
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.