IBI-000665 - Critiquepublie
Biais de proxy discriminant
Discriminatory Proxy Bias
Score IBI
9.0
sur 10
Sévérité5_critique
Fréquencefrequent
Ampleur groupes5
Difficulté détection5
🇫🇷 Définition (FR)
Variable apparemment neutre servant de substitut statistique à un attribut protégé.
🇬🇧 Definition (EN)
Apparently neutral variable serving as statistical substitute for a protected attribute.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L3
Mesure
S
Spécifique
S01
Biais de proxy
💡
Exemple concret
Amazon 2018 : système de tri CV pénalise le mot féminin. Corrélation proxy/genre : 0,67.
📊 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
- •Big Data's Disparate ImpactSolon Barocas, Andrew D. Selbst (2016)
- •Proxy Non-Discrimination in Data-Driven SystemsAnupam Datta, Matt Fredrikson, Gihyuk Ko, Piotr Mardziel, Shayak Sen (2017)
🛡 Impact & Mitigation
🔬 Preuves documentées (Études & Incidents)
- Acceptation de 3 recommandations IA incorrectes sur 5 en chirurgie robotique : Étude contrôlée à deux phases mesurant le biais d'automatisation chez 19 chirurgiens. Les participants ont accepté 60,6 % des suggestions d'une IA factice incorrecte.
Impact : Taux d'acceptation des recommandations incorrectes : 60,6% (43/71). Spécificité de rejet : 39,4%. Confiance auto-déclarée : +0,65 (p < 0,001).
🎯 Groupes vulnérables impactés
FemmesPersonnes non-binairesPersonnes noires / afro-desc.
🛠 Méthodologies de mitigation
- SHAP_GROUP : Analyse SHAP par groupe
- COUNTERFACT : Équité contrefactuelle
- DISPARATE_IMPACT : Test impact disparate
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (Risque: /5)Logement et immobilier (Risque: /5)Ressources humaines et recrutement (Risque: /5)Justice et sécurité (Risque: /5)Assurance (Risque: /5)
⚖ Réglementations applicables
🇪🇺 Europe
- •AI_ACT_10 : AI Act (UE) 2024/1689
- •AI_ACT_9 : AI Act (UE) 2024/1689
- •RGPD_22 : RGPD (UE) 2016/679
🌍 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
239c885a-5b46-462a-ba1b-49aad8064dee
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.