IBI-002145 - Critiquepublie
Biais de reconnaissance d'émotions
Emotion Recognition Bias
Score IBI
9.2
sur 10
Sévérité5_critique
Fréquencesystematique
Ampleur groupes5
Difficulté détection4
🇫🇷 Définition (FR)
Systèmes de reconnaissance d'émotions moins précis sur les visages non blancs.
🇬🇧 Definition (EN)
Emotion recognition systems less accurate on non-white faces.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L2
Représentation
S
Spécifique
S18
Biais d'attribution de groupe
💡
Exemple concret
Les systèmes attribuent plus souvent la colère aux visages noirs neutres.
📊 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 Influence on Automated Perceptions of EmotionsLauren Rhue (2018)
- •Metrics for dataset demographic bias: a case study on facial expression recognitionIris Dominguez-Catena, Daniel Paternain, Mikel Galar (2024)
🛡 Impact & Mitigation
🔬 Preuves documentées (Études & Incidents)
- HireVue renonce � l'analyse faciale des candidats apr�s une plainte d�pos�e aupr�s de la FTC : Source : https://epic.org/hirevue-facing-ftc-complaint-from-epic-halts-use-of-facial-recognition/
Impact :
🎯 Groupes vulnérables impactés
Personnes noires / afro-desc.Personnes asiatiquesClasses populairesLocuteurs langues minoritairesFemmesPersonnes LGBTQ+Zones ruralesPersonnes non-binairesJeunes (18-25 ans)Seniors (60+)Handicap moteurPersonnes arabes / MENA
🛠 Méthodologies de mitigation
- DEMO_PARITY : Parité démographique
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Ressources humaines et recrutement (Risque: /5)Justice et sécurité (Risque: /5)Santé et médecine (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
2b43848d-766d-478c-912d-a09dfaa92615
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.