IBI-001913_significativepublie
Biais de génération de code stéréotypé
Stereotyped Code Generation Bias
Score IBI
6.3
sur 10
Sévérité3_significative
Fréquencefrequent
Ampleur groupes3
Difficulté détection4
🇫🇷 Définition (FR)
Assistants de code générant du code avec des biais de nommage ou de logique.
🇬🇧 Definition (EN)
Code assistants generating code with naming or logic biases.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S18
Biais d'attribution de groupe
💡
Exemple concret
GitHub Copilot génère des exemples avec « John » comme CEO et « Maria » comme secrétaire.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
FemmesClasses populairesLocuteurs langues minoritairesPersonnes LGBTQ+Personnes non-binairesZones ruralesSeniors (60+)Jeunes (18-25 ans)Personnes noires / afro-desc.Handicap moteurPersonnes arabes / MENAPersonnes asiatiques
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Éducation et formation (Risque: /5)Médias et plateformes sociales (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
f31d1062-39b0-4bcb-85b4-b0292c64958b
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.