IBI-001795 - Critiquepublie
Biais de détection de fraude
Fraud Detection Bias
Score IBI
9.2
sur 10
Sévérité5_critique
Fréquencesystematique
Ampleur groupes5
Difficulté détection4
🇫🇷 Définition (FR)
Systèmes anti-fraude signalant disproportionnellement les transactions des populations minoritaires.
🇬🇧 Definition (EN)
Anti-fraud systems disproportionately flagging transactions from minority populations.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L3
Mesure
S
Spécifique
S18
Biais d'attribution de groupe
💡
Exemple concret
Les clients des quartiers populaires sont 3× plus souvent bloqués pour suspicion de fraude.
📊 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
- •Consumer-Lending Discrimination in the FinTech EraRobert Bartlett, Adair Morse, Richard Stanton, Nancy Wallace (2019)
- •
🛡 Impact & Mitigation
🔬 Preuves documentées (Études & Incidents)
- Thousands of Michiganders falsely accused of unemployment fraud get $20M settlement : Source : https://michiganadvance.com/briefs/thousands-of-michiganders-falsely-accused-of-unemployment-fraud-get-20m-settlement/
Impact :
🎯 Groupes vulnérables impactés
Personnes noires / afro-desc.Classes populairesZones ruralesPersonnes non-binairesJeunes (18-25 ans)Seniors (60+)Handicap moteurPersonnes arabes / MENAPersonnes asiatiquesLocuteurs langues minoritairesFemmesPersonnes LGBTQ+
🛠 Méthodologies de mitigation
- DEMO_PARITY : Parité démographique
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Finance et services bancaires (Risque: /5)
⚖ Réglementations applicables
🇪🇺 Europe
- •AI_ACT_10 : AI Act (UE) 2024/1689
🇺🇸 États-Unis
- •US_TX_TRAIGA : Texas Responsible AI Governance Act (HB 149)
🌍 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
🇫🇷 France
- •FR_CNIL_AI : CNIL - Recommandations IA
🌐 Canada
- •CA_AIDA : Canada - Loi sur l'IA et les données (AIDA)
📋 Métadonnées
Contributeur
Mohamadou SIDIBE
Institution
AI BIAIS INITIATIVE
Version
1
Créé le
14 octobre 2026
Mis à jour le
4 novembre 2026
UUID
489f16e8-46df-4fcf-bd2a-76a8e6816ad0
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.