IBI-001273_significativepublie
Biais de coréférence de genre
Gender Coreference Bias
Score IBI
6.5
sur 10
Sévérité3_significative
Fréquencesystematique
Ampleur groupes3
Difficulté détection3
🇫🇷 Définition (FR)
Association automatique de pronoms masculins à des professions stéréotypées.
🇬🇧 Definition (EN)
Automatic association of male pronouns to stereotyped professions.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L2
Représentation
S
Spécifique
S22
Biais linguistique
💡
Exemple concret
« Le médecin a vu le patient. Il a prescrit... » - le modèle choisit systématiquement « il ».
📊 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
- •Gender Bias in Coreference ResolutionRachel Rudinger, Jason Naradowsky, Brian Leonard, Benjamin Van Durme (2018)
- •Gender Bias in Coreference Resolution: Evaluation and Debiasing MethodsJieyu Zhao, Tianlu Wang, Mark Yatskar, Vicente Ordonez, Kai-Wei Chang (2018)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
FemmesPersonnes non-binaires
🛠 Méthodologies de mitigation
- SHAP_GROUP : Analyse SHAP par groupe
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (Risque: /5)Ressources humaines et recrutement (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
f378eed2-46b3-4ba0-b218-4181b45cd9f0
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.