IBI-001404 - Gravepublie
Biais de WER (Word Error Rate)
Word Error Rate Bias
Score IBI
7.2
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection3
🇫🇷 Définition (FR)
Le WER masque les disparités de performance des systèmes de reconnaissance vocale selon les accents.
🇬🇧 Definition (EN)
WER masks disparities in speech recognition performance across accents.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S22
Biais linguistique
💡
Exemple concret
Les systèmes de reconnaissance vocale ont un WER 2× plus élevé sur les accents noirs américains.
📊 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
- •Racial disparities in automated speech recognitionAllison Koenecke, Andrew Nam, Emily Lake, Joe Nudell, Minnie Quartey, Zion Mengesha, Connor Toups, John R. Rickford, Dan Jurafsky, Sharad Goel (2020)
- •
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Personnes noires / afro-desc.Locuteurs langues minoritaires
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (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
8f299d10-9885-46a5-b997-9d75f4d82364
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.