IBI-001084 - Gravepublie
Biais de métrique unique
Single Metric Bias
Score IBI
6.9
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection2
🇫🇷 Définition (FR)
Utilisation d'une seule métrique d'évaluation masquant les compromis et les biais.
🇬🇧 Definition (EN)
Use of a single evaluation metric masking trade-offs and biases.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S17
Erreur de mesure
💡
Exemple concret
Une équipe optimise uniquement la précision et rate les biais de rappel sur les minorités.
📊 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
- •
- •A Systematic Analysis of Performance Measures for Classification TasksSokolova, M., Lapalme, G. (2009)
- •Fairness and Abstraction in Sociotechnical SystemsSelbst, A. D., boyd, d., Friedler, S. A., Venkatasubramanian, S., Vertesi, J. (2019)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- EQ_ODDS : Égalité des chances
- DEMO_PARITY : Parité démographique
- CALIBRATION : Calibration par groupe
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (Risque: /5)Santé et médecine (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
77f31509-8027-4506-9b21-cb6253115128
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.