Comment vérifier qu’un modèle reste équitable entre plusieurs groupes d’usagers ou contextes ?
Mise à jour1 septembre 2026
Lecture1 minute
Réponse rapide
L’équité d’un modèle se vérifie par performances, accès, calibration, erreurs et conséquences comparés entre groupes, contextes, capteurs et intersections de caractéristiques.
Définir
Choisissez groupes, métriques, seuils, confidentialité, taille et contexte d’usage avec les personnes concernées.
Comparer
Rapportez dispersion, cas rares, latence, couverture et impact de décision et distinguez biais de données, capteur, modèle et procédure.
Corriger
Ajustez données, seuils, interface ou finalité et surveillez les écarts après déploiement sans sacrifier une réalité importante.
Sources et références
- [1] CNIL — Commission nationale de l’informatique et des libertés
- [2] AI Risk Management Framework — NIST