Score IBI
8.7
sur 10
Sévérité5_critique
Fréquencefrequent
Ampleur groupes5
Difficulté détection4
🇫🇷 Définition (FR)
Contournement des garde-fous d'un LLM par des prompts sophistiqués, révélant des biais cachés.
🇬🇧 Definition (EN)
Bypassing LLM guardrails via sophisticated prompts, revealing hidden biases.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S28
Biais d'interaction
💡
Exemple concret
Un utilisateur force un LLM à générer du contenu raciste via un prompt en plusieurs étapes.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Universal and Transferable Adversarial Attacks on Aligned Language ModelsAndy Zou, Zifan Wang, Nicholas Carlini, Milad Nasr, J. Zico Kolter, Matt Fredrikson (2023)
- •Jailbreak Attacks and Defenses Against Large Language Models: A SurveySibo Yi, Yule Liu, Zhen Sun, Tianshuo Cong, Xinlei He, Jiaxing Song, Ke Xu, Qi Li (2024)
- •JailbreakRadar: Comprehensive Assessment of Jailbreak Attacks Against LLMsJunjie Chu, Yugeng Liu, Ziqing Yang, Xinyue Shen, Michael Backes, Yang Zhang (2025)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (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
ca797310-1867-491f-aa6a-5bc339bfcc05
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.