Biais algorithmique

Ce que le corpus d’entraînement fait pencher, dans un sens ou dans l’autre

Un biais algorithmique est l’inclination systématique d’un modèle, héritée de ce que contient — ou ne contient pas — son corpus d’entraînement. L’absence d’un point de vue y pèse autant que la surreprésentation d’un autre.

D’où il vient

Un biais algorithmique ne vient pas d’une erreur de programmation. Un modèle ne raisonne pas : il puise dans un corpus considérable, qui porte les proportions du monde qui l’a produit, y compris ses angles morts.

L’absence compte autant que l’excès

Un terme qui ne figure nulle part, un raisonnement jamais formulé, une langue peu représentée : le manque oriente le résultat aussi sûrement que la surreprésentation d’un autre point de vue.

Là où l’effet est le plus marqué

Sur les questions qui appellent un jugement. Le modèle produit alors une moyenne des positions les plus courantes de son corpus — ce qui n’est pas la même chose qu’un avis fondé.

Ce qui limite la portée du problème

Employer ces outils là où la vérification reste possible, et savoir que la réponse doit toujours être ramenée au contexte de l’entreprise avant d’être suivie.

Mise à jour : 20 août 2026