Accueil›Biais›IBI-00239
IBI-002395 - Critiquepublie

Biais de classification de genre

Gender Classification Bias

Score IBI
8.9
sur 10
Sévérité5_critique
Fréquencesystematique
Ampleur groupes5
Difficulté détection3
🇫🇷 Définition (FR)

Systèmes de vision classifiant le genre avec des taux d'erreur très différents selon le groupe ethnique.

🇬🇧 Definition (EN)

Vision systems classifying gender with highly different error rates across ethnic groups.

Taxonomie TriAxis

Classification structurelle

O
Origine
O2
Computationnel & Statistique
L
Cycle de vie
L2
Représentation
S
Spécifique
S16
Biais d'exclusion
💡
Exemple concret

Gender Shades : 34,7% d'erreur sur femmes noires vs 0,8% sur hommes blancs.

📊 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

FemmesPersonnes noires / afro-desc.

🛠 Méthodologies de mitigation

  • DEMO_PARITY : Parité démographique
  • AUDIT_TIERS : Audit par tiers indépendant

🏢 Secteurs concernés

Justice et sécurité (Risque: /5)Santé et médecine (Risque: /5)

⚖ Réglementations applicables

🇪🇺 Europe
  • •
    AI_ACT_10 : AI Act (UE) 2024/1689
🌍 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
7659a7ec-174f-4ca4-8ca6-a6839fc7fdbb

Explorer d'autres biais

250 biais documentés, classés par la taxonomie TriAxis.