Difference between revisions of "Algorithmes :contrôle des biais S.V.P. (Q4129)"
Jump to navigation
Jump to search
(Created claim: quote (P203): Soutenir l’émergence de labels pour renforcer la confiance du citoyen·e dans les usages critiques et accélérer la diffusion des algorithmes bénéfiques) |
(Created claim: see also (P12): Algorithmes : biais, discrimination et équité (Q3890)) |
||
| (3 intermediate revisions by the same user not shown) | |||
| label / en | label / en | ||
| + | Algorithmes :contrôle des biais S.V.P. | ||
| description / en | description / en | ||
| + | Institut Montaigne's report published in March 2020 (in French) | ||
| Property / quote | |||
| + | Donner à la puissance publique une capacité d’audit des algorithmes à fort impact | ||
| Property / quote: Donner à la puissance publique une capacité d’audit des algorithmes à fort impact / rank | |||
| + | Normal rank | ||
| Property / see also | |||
| + | |||
| Property / see also: Algorithmes : biais, discrimination et équité / rank | |||
| + | Normal rank | ||
Latest revision as of 11:30, 12 March 2020
Institut Montaigne's report published in March 2020 (in French)
| Language | Label | Description | Also known as |
|---|---|---|---|
| English |
Algorithmes :contrôle des biais S.V.P.
|
Institut Montaigne's report published in March 2020 (in French)
|
Statements
full report
0 references
summary
0 references
9 March 2020
0 references
8 recommendations: Déployer des bonnes pratiques pour prévenir la diffusion de biais algorithmiques (chartes internes, diversité des équipes)
0 references
| Former les technicien · nes et ingénieur ·es aux risques de biais, et améliorer la connaissance citoyenne des risques et opportunités de l'IA |
0 references
| Tester les algorithmes avant utilisation en s’inspirant des études cliniques des médicaments
0 references
|Adopter une démarche d’équité active autorisant l’usage de variables sensibles dans le strict but de mesurer les biais et d’évaluer les algorithmes
0 references
|Mettre à disposition des bases de données de test publiques pour permettre aux entreprises d’évaluer les biais de leur méthodologie
0 references
Être plus exigeant· e pour les algorithmes ayant un fort impact sur les personnes (droits fondamentaux, sécurité, accès aux services essentiels)
0 references
Soutenir l’émergence de labels pour renforcer la confiance du citoyen·e dans les usages critiques et accélérer la diffusion des algorithmes bénéfiques
0 references
Donner à la puissance publique une capacité d’audit des algorithmes à fort impact
0 references