Réponse rapide
On limite les biais en auditant représentation et annotations, mesurant erreurs par groupe et contexte, corrigeant données et pipeline, puis en adaptant supervision et seuils au risque.
Repérer
Comparez présence, qualité, résolution, cadrage et labels entre groupes et lieux. Cherchez classes absentes, proxies, doublons et décisions historiques biaisées.
Mesurer
Rapportez rappel, faux positifs, confiance, délai et abstention par condition, avec incertitude. Contrôlez capteur et procédure avant d’attribuer l’écart au modèle.
Corriger
Collectez exemples ciblés, reviséz règles, pondérez, calibrez et ajoutez alternative humaine. Un biais critique ou inexplicable limite le déploiement.
Sources et références
- [1] Robotics and Autonomous Systems — NIST