IBI-001163_significativepublie
Biais de préférence de format
Format Preference Bias
Score IBI
6.5
sur 10
Sévérité3_significative
Fréquencesystematique
Ampleur groupes3
Difficulté détection3
🇫🇷 Définition (FR)
Modèles accordant de meilleures évaluations aux contenus formatés en Markdown ou listes.
🇬🇧 Definition (EN)
Models giving better evaluations to Markdown-formatted or bulleted content.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S29
Biais de présentation
💡
Exemple concret
Un juge LLM préfère une réponse en bullet points à une réponse en prose, même moins précise.
📊 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
- •Judging LLM-as-a-Judge with MT-Bench and Chatbot ArenaZheng, L., Chiang, W.-L., Sheng, Y., et al. (2023)
🛡 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
e52c80a8-a94c-45d8-af12-d2457a5cc6b6
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.