IBI-001494 - Gravepublie
Dette technique ML cachée
Hidden ML Technical Debt
Score IBI
7.5
sur 10
Sévérité4_grave
Fréquencefrequent
Ampleur groupes4
Difficulté détection4
🇫🇷 Définition (FR)
Complexité cachée dans les systèmes ML entraînant des défaillances silencieuses.
🇬🇧 Definition (EN)
Hidden complexity in ML systems causing silent failures.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S07
Dérive de distribution
💡
Exemple concret
Des pipelines ML non documentés produisent des prédictions biaisées après mise à jour.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Hidden Technical Debt in Machine Learning SystemsD. Sculley et al. (2015)
🛡 Impact & Mitigation
🔬 Preuves documentées (Études & Incidents)
- Seattle-based Zillow to get out of home flipping, layoff 25% of workforce (KIRO Newsradio, citant GeekWire) : Source : https://mynorthwest.com/?p=3217931
Impact :
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- 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
bb96b89b-efe2-452f-8dd1-43bdc909a8b4
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.