Глоссарий ИИ
Полный словарь искусственного интеллекта
Égalité des Opportunités (Equalized Odds)
Critère d'équité qui stipule que les taux de vrais positifs et de faux positifs d'un modèle doivent être égaux entre les différents groupes démographiques, assurant une performance prédictive uniforme.
Audit d'Équité (Fairness Audit)
Processus systématique d'évaluation d'un modèle d'IA pour identifier, quantifier et documenter les biais et les disparités de performance entre les groupes, en utilisant des métriques d'équité et des analyses statistiques.
Débiaisage (Debiasing)
Ensemble de techniques visant à réduire ou à éliminer les biais dans les données d'entraînement, les algorithmes ou les prédictions d'un modèle, incluant le pré-traitement, le traitement en cours et le post-traitement.
Attributs Sensibles
Variables démographiques ou caractéristiques personnelles (telles que la race, l'ethnie, le genre, l'âge, la religion) qui sont protégées par la loi et dont l'utilisation dans la prise de décision automatisée peut entraîner une discrimination.
Score d'Équité (Fairness Score)
Métrique agrégée qui quantifie le niveau global d'équité d'un modèle en combinant plusieurs indicateurs de biais (comme la parité démographique ou l'égalité des chances) en une seule valeur comparable.
Pondération Équitable (Fair Reweighing)
Technique de pré-traitement qui ajuste le poids des exemples d'entraînement pour différents groupes démographiques afin de corriger les déséquilibres et de satisfaire des critères d'équité spécifiques comme la parité démographique.
Test de Robustesse Équitable (Fairness Robustness Test)
Évaluation qui vérifie si les métriques d'équité d'un modèle restent stables face à de légères perturbations des données ou à des changements dans la distribution de la population, garantissant une équité durable.