Accueil›Biais›IBI-00067
IBI-000674 - Gravepublie

Biais de prédiction d'attrition

Attrition Prediction Bias

Score IBI
7.5
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)

Modèles prédisant le départ des employés avec des biais selon les groupes démographiques.

🇬🇧 Definition (EN)

Models predicting employee departure with demographic biases.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L3
Mesure
S
Spécifique
S01
Biais de proxy
💡
Exemple concret

Un modèle prédit plus souvent le départ des femmes en congé maternité, justifiant des non-promotions.

📊 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

🛡 Impact & Mitigation

🎯 Groupes vulnérables impactés

FemmesSeniors (60+)

🛠 Méthodologies de mitigation

  • DEMO_PARITY : Parité démographique
  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Ressources humaines et recrutement (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : 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
b3ed9980-158c-47cd-ba00-15f77b27817b

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.