AI 词汇表
人工智能完整词典
Équité Intersectionnelle
Principe éthique garantissant que les systèmes d'IA ne produisent pas de discriminations combinées basées sur l'intersection de plusieurs caractéristiques protégées comme le genre, l'ethnie ou l'âge.
Biais Algorithmique Multiple
Phénomène où un algorithme présente simultanément plusieurs types de biais discriminatoires qui interagissent et s'amplifient mutuellement lors de la prise de décision automatisée.
Matrice de Discrimination
Outil analytique représentant les interactions entre différentes caractéristiques protégées pour identifier et quantifier les schémas de discrimination combinée dans les prédictions algorithmiques.
Métriques d'Équité Intersectionnelle
Indicateurs quantitatifs spécifiquement conçus pour mesurer l'équité des systèmes d'IA au niveau des sous-groupes définis par l'intersection de multiples attributs protégés.
Analyse de Disparité Combinée
Méthodologie statistique évaluant les différences de traitement ou d'impact entre des groupes définis par la combinaison de plusieurs caractéristiques démographiques ou sociales.
Principe de Parité des Chances Intersectionnel
Extension du principe de parité des chances garantissant que les taux de vrais positifs sont égaux non seulement entre groupes principaux mais aussi entre leurs sous-groupes intersectionnels.
Audit Algorithmique Intersectionnel
Processus d'évaluation systématique des biais algorithmiques prenant en compte spécifiquement les effets discriminatoires résultant de l'intersection de multiples caractéristiques protégées.
Justice Distributive Multi-dimensionnelle
Cadre théorique évaluant l'équité de la distribution des ressources ou opportunités selon plusieurs dimensions simultanées, évitant ainsi les simplifications excessives des analyses unidimensionnelles.
Pondération Intersectionnelle
Technique d'ajustement des poids dans les modèles d'IA pour compenser spécifiquement les biais affectant les sous-groupes intersectionnels les plus vulnérables aux discriminations combinées.
Corrélation de Caractéristiques Protégées
Analyse des dépendances statistiques entre différents attributs protégés dans les données d'entraînement, essentielle pour comprendre et mitiger les biais intersectionnels émergents.
Débiaisage Contextuel
Approche de correction des biais algorithmiques qui considère le contexte social et historique des discriminations intersectionnelles plutôt que de traiter chaque caractéristique isolément.
Équité de Groupe Croisé
Critère d'évaluation garantissant que les performances algorithmiques sont équivalentes entre tous les croisements possibles de groupes définis par différentes caractéristiques protégées.
Segmentation Multi-attributs
Technique de partitionnement des données en sous-groupes basée sur la combinaison simultanée de multiples attributs pour révéler et analyser les biais intersectionnels masqués.
Impact Différentiel Agrégé
Mesure composite quantifiant l'effet discriminatoire global d'un algorithme sur les populations subissant simultanément plusieurs formes de discrimination basées sur leurs caractéristiques intersectionnelles.
Score de Risque Intersectionnel
Indicateur numérique évaluant la probabilité qu'un individu appartenant à un sous-groupe intersectionnel spécifique subisse une discrimination algorithmique par rapport aux autres groupes.
Équité Contre-factuelle Multi-variée
Principe garantissant que les prédictions d'un modèle resteraient inchangées si plusieurs caractéristiques protégées étaient modifiées simultanément, assurant une équité robuste aux intersections.
Optimisation Multi-objectif Équitable
Paradigme d'entraînement de modèles d'IA cherchant à optimiser simultanément la performance prédictive et l'équité intersectionnelle selon plusieurs métriques contradictoires.
Test de Significativité Intersectionnel
Procédure statistique déterminant si les différences observées entre sous-groupes intersectionnels sont statistiquement significatives ou résultent du hasard dans les prédictions algorithmiques.