Accueil›Biais›IBI-00231
IBI-002314 - Gravepublie

Biais d'interprétabilité mécaniste

Mechanistic Interpretability Bias

Score IBI
8.3
sur 10
Sévérité4_grave
Fréquencesystematique
Ampleur groupes4
Difficulté détection5
🇫🇷 Définition (FR)

Difficulté à identifier les circuits neuronaux responsables des biais dans les grands modèles.

🇬🇧 Definition (EN)

Difficulty identifying neural circuits responsible for bias in large models.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L6
Évaluation
S
Spécifique
S27
Biais émergent
💡
Exemple concret

Les chercheurs ne peuvent pas localiser ni corriger précisément un biais dans un LLM de 1T paramètres.

📊 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

🛡 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
12e6f645-3412-488d-88ed-107be38f50a7

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.