Aperçu moduleModule previewVista previa del módulo
Aperçu limité, 3 premières étapesLimited overview, first 3 stepsVisibilidad limitada, 3 primeras etapas

Biais & non-discrimination : auditer avec des CV synthétiquesBias & non-discrimination: auditing with synthetic CVsSesgos y no discriminación: auditar con CV sintéticos

Parcours : IA pour les RH · OpérationnelCourse: AI for HR · PractitionerCurso: IA para RR. HH. · Operativo

Biais & non-discrimination : auditer avec des CV synthétiques
1/7
ÉtapeStepEtapa 1 / 7

≈ 15 min

Contexte

Pourquoi un outil RH peut être biaisé alors qu’il semble neutre.

Au programme de ce moduleIn this moduleEn el programa de este módulo

  1. 01Contexte≈ 15 min
  2. 02Explication≈ 20 min
  3. 03Démonstration≈ 20 min
  4. 04Cas pratique≈ 20 min
  5. 05Étude de cas≈ 20 min
  6. 06Exercice≈ 20 min
  7. 07Quiz≈ 5 min
Durée totaleTotal durationDuración total≈ 120 min
voix de synthèse

Un modèle apprend sur des données historiques. Si ces données reflètent des recrutements passés inégalitaires, l’IA peut reproduire et amplifier ces biais, tout en paraissant objective parce qu’elle « calcule ». La neutralité apparente est le piège le plus dangereux : une décision biaisée habillée de mathématiques semble plus légitime qu’une décision biaisée prise à voix haute, alors qu’elle l’est tout autant, voire davantage si elle s’applique à grande échelle.

C’est le module qui outille le rempart évoqué au module 3 (l’audit qui a sauvé l’entreprise du scoring biaisé). On y apprend une technique concrète et reproductible, le test à CV synthétiques jumeaux, qui révèle des biais que les statistiques globales masquent.

Déjà vu, origine des biais dans un LLM : parcours « Fondamentaux de l’IA & IA Générative », module 3. Rappel en une phrase : un modèle hérite des biais de ses données d’entraînement ; ici nous mesurons et corrigeons ce biais sur un cas RH.

Objectifs d’apprentissage

Niveau N3, Industrialiser. À l’issue de ce module, vous saurez Identifier l’origine des biais (données, proxys, boucle de rétroaction), Industrialiser un audit de biais récurrent à l’aide de CV synthétiques (test à profils jumeaux, taux par groupe) et Décider des mesures correctives appropriées.