AI 용어집
인공지능 완전 사전
Chances Égalisées
Critère d'équité exigeant que les taux de vrais positifs soient égaux entre différents groupes démographiques. Garantit que le modèle a des performances de détection similaires pour tous les groupes.
Impact Adverse
Métrique quantifiant la discrimination systémique lorsqu'un taux de sélection diffère significativement entre groupes. Seuil légal typiquement fixé à 80% selon les règles EEOC.
Attributs Protégés
Caractéristiques démographiques légalement protégées contre la discrimination (race, genre, âge, religion, etc.). Leur identification est cruciale pour l'évaluation de l'équité algorithmique.
Indice de Theil
Métrique d'inégalité issue de l'économie mesurant la disparité des prédictions entre groupes démographiques. Valeur de zéro indique une équité parfaite entre tous les groupes.
Parité Statistique
Métrique mesurant la différence entre les taux de sélection positifs des groupes démographiques. Zéro indique une parité parfaite dans les résultats du modèle.
Effet de Traitement Hétérogène
Analyse des différentes impacts d'un modèle selon les sous-groupes démographiques. Crucial pour identifier les discriminations cachées dans les prédictions.
Difference d'Opportunités Égales
Métrique mesurant l'écart des taux de vrais positifs entre groupes privilégiés et défavorisés. Quantifie la disparité dans les opportunités offertes par le modèle.
Contrainte d'Équité
Restriction mathématique imposée durant l'entraînement pour garantir des critères d'équité spécifiques. Équilibre performance et équité dans l'optimisation du modèle.
Score d'Impact Disparate
Ratio calculé entre les taux de sélection des groupes défavorisés et privilégiés. Inférieur à 0,8 indique une discrimination potentielle selon les standards réglementaires.
Analyse de Sous-groupes
Évaluation détaillée des performances du modèle sur des segments démographiques spécifiques. Permet de détecter des biais masqués par les métriques globales.