Méthodologie · Taxonomie
La taxonomie TriAxis
Chaque biais est classé selon 3 axes orthogonaux qui répondent à 3 questions simples : D'où vient le biais ?, à quelle étape survient-il, et quelle est sa nature précise.
Pourquoi TriAxis
Une classification qui résiste au temps
La plupart des taxonomies existantes classent les biais par symptôme (ce que le biais fait) ou par domaine (santé, justice, recrutement…). Ces approches sont utiles mais elles vieillissent mal : de nouveaux biais apparaissent en permanence dans de nouveaux contextes.
TriAxis adopte une approche structurelle : elle décrit chaque biais par 3 propriétés fondamentales qui ne dépendent ni du domaine, ni de la technologie. Un biais reste classable de la même manière qu'il soit détecté en 2020 ou en 2035.
Origine
D'où vient le biais ? 3 possibilités : Systémique, computationnel ou humain-cognitif.
Lifecycle
À quelle étape du cycle de vie IA? 7 étapes de L1 (historique) à L7 (déploiement).
Spécifique
Quelle est la nature précise? 30 catégories de S01 (proxy) à S30 (interaction).
Les 3 axes
Détail des axes O, L et S
Axe Origine
D'où vient le biais ??
Systémique
Le biais est inscrit dans les structures sociales, historiques ou institutionnelles. Il précède l'IA et se reflète dans ses données.
computationnel
Le biais naît de l'algorithme lui-même : choix de modèle, optimisation, représentation des données, boucles de rétroaction.
Humain-cognitif
Le biais vient des biais cognitives des concepteurs, annotateurs ou utilisateurs : ancrage, confirmation, disponibilité.
Axe Lifecycle
À quelle étape du cycle de vie IA?
Historique
Données historiques, archives, corpus anciens qui portent les traces du passé.
Représentation
Choix des variables, encodages, tokenisation, vecteurs de représentation.
Mesure
Métriques, seuils, labels. Ce que l'on mesure détermine ce que le modèle apprend.
Agrégation
Fusion de sources, pondérations, moyennes qui effacent des disparités.
Évaluation
Choix des jeux de test, métriques de performance, seuils d'acceptation.
Déploiement
Mise en production, drift, feedbacks utilisateurs, dégradation progressive.
Axe Spécifique
Quelle est la nature précise du biais?
30 catégories couvrant l'ensemble des mécanismes de biais identifiés dans la littérature. Exemples :
Liste complète dans la base (30 catégories).
Système de notation
Le score IBI
Chaque biais reçoit un score IBI (0 à 10) calculé à partir de 4 dimensions quantitatives : sévérité, fréquence, ampleur des groupes impactés et difficulté de détection.
Sévérité
De 1 (mineur) à 5 (critique). Impact potentiel sur les personnes.
Fréquence
Rare, occasionnel, fréquent, systématique.
Ampleur groupes
Nombre de groupes protégés impactés (1 à 5).
Détection
Difficulté à identifier le biais (1 = facile, 5 = très difficile).
Échelle de sévérité (niveaux officiels)
Exemple
TriAxis en action
Voici comment un biais classique est décrit avec TriAxis.
Biais de proxy discriminant
Variable apparemment neutre servant de substitut statistique à un attribut protégé.
Naît de l'algorithme et du choix des variables.
Se manifeste dans le choix des métriques.
Substitution par variable corrélée.
Explorer la base
250 biais, 68 réglementations, 21 vues analytiques. Tout est consultable, citable et ouvert.