IBI-002255 - Critiquepublie
Biais d'émergence non anticipée
Unforeseen Emergence Bias
Score IBI
8.5
sur 10
Sévérité5_critique
Fréquenceoccasionnel
Ampleur groupes5
Difficulté détection5
🇫🇷 Définition (FR)
Apparition de biais imprévus dans des systèmes à grande échelle non anticipés par les concepteurs.
🇬🇧 Definition (EN)
Appearance of unforeseen biases in large-scale systems not anticipated by designers.
Taxonomie TriAxis
Classification structurelle
O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L7
Déploiement
S
Spécifique
S27
Biais émergent
💡
Exemple concret
GPT-4 développe des comportements discriminatoires non présents dans GPT-3, non anticipés.
📊 Métriques de détection
Distribution ShiftDemographic Parity Difference
⚙ Seuils d'alerte
Distribution Shift0.1
Demographic Parity Difference0.1
📚 Sources & Références Scientifiques
- •Predictability and Surprise in Large Generative ModelsDeep Ganguli, Danny Hernandez, Liane Lovitt, Amanda Askell, Yuntao Bai et al. (2022)
- •Are Emergent Abilities of Large Language Models a Mirage?Rylan Schaeffer, Brando Miranda, Sanmi Koyejo (2023)
- •Large Language Models and Emergence: A Complex Systems PerspectiveDavid C. Krakauer, John W. Krakauer, Melanie Mitchell (2025)
🛡 Impact & Mitigation
🎯 Groupes vulnérables impactés
Aucun groupe spécifique.
🛠 Méthodologies de mitigation
- AUDIT_TIERS : Audit par tiers indépendant
🏢 Secteurs concernés
Médias et plateformes sociales (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
ecd57a00-0899-464f-8033-03a2215bd9e1
Explorer d'autres biais
250 biais documentés, classés par la taxonomie TriAxis.