Accueil›Biais›IBI-00105
IBI-001054 - Gravepublie

Biais d'évaluation

Evaluation Bias

Score IBI
7.2
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection3
🇫🇷 Définition (FR)

Métriques globales masquant les disparités par sous-groupe.

🇬🇧 Definition (EN)

Global metrics masking subgroup disparities.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S17
Erreur de mesure
💡
Exemple concret

Un modèle annonce 95% de précision globale mais seulement 60% pour un groupe minoritaire.

📊 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

🔬 Preuves documentées (Études & Incidents)

  • Scores de risque COMPAS dans le comt� de Broward (Floride) : Source : https://incidentdatabase.ai/reports/36
    Impact :

🎯 Groupes vulnérables impactés

Personnes noires / afro-desc.Femmes

🛠 Méthodologies de mitigation

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

🏢 Secteurs concernés

Finance et services bancaires (Risque: /5)Justice et sécurité (Risque: /5)Santé et médecine (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : AI Act (UE) 2024/1689
🌍 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
aa72b3e5-1c3f-4ca6-a417-d6f907a26e91

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.