IBI-000703_significativepublie
Biais de prédiction de valeur locative
Rental Value Prediction Bias
Score IBI
6.3
sur 10
Sévérité3_significative
Fréquencefrequent
Ampleur groupes3
Difficulté détection4
🇫🇷 Définition (FR)
Modèles prédisant la valeur locative pénalisant les propriétaires des quartiers populaires.
🇬🇧 Definition (EN)
Rental value prediction models penalizing landlords in disadvantaged neighborhoods.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L3
Mesure
S
Spécifique
S01
Biais de proxy
💡
Exemple concret
Un algorithme sous-évalue les loyers potentiels dans les quartiers populaires, décourageant l'investissement.
📊 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
- •Lost in the Modeling Stage: A Comparative Analysis of Machine Learning Models for Real Estate DataLenaers, I., De Moor, L. (2025)
- •Towards a Better Uncertainty Quantification in Automated Valuation ModelsPollestad, A. J., Næss, A. B., Oust, A. (2024)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Classes populairesZones rurales
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (Risque: /5)Logement et immobilier (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
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
deed557f-cb5d-461c-94d7-dcd44e902a90
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.