1. Pourquoi le biais de données se produit-il même sans mauvaise intention ?

A Parce que les développeurs sont inattentifs B Parce que les données d'entraînement reflètent la réalité historique — y compris les inégalités passées C Parce que les modèles d'IA discriminent de manière aléatoire

2. Qu'est-ce qu'une boucle de rétroaction dans le contexte des biais de l'IA ?

A Les utilisateurs signalent des erreurs au système B La sortie de l'IA devient le nouvel input et renforce le biais. C Le modèle apprend à partir des retours des utilisateurs.

3. Un outil de recrutement évalue systématiquement les candidats de certains codes postaux de manière moins favorable. Quelle est la première étape ? 2 pts

A Supprimer le code postal des données d'entrée B Système à retirer immédiatement du processus de candidature et à examiner C Informer le fournisseur et attendre un correctif

4. Quelle méthode simple aide à détecter les biais sans être expert en IA ?

A Lire le code source du modèle B Vérifier la répartition des résultats par groupes : tous sont-ils traités de manière égale ? C Réentraîner le modèle

5. Qu'exige l'Art. 10 du EU AI Act pour les systèmes à haut risque ?

A Qu'ils soient offerts gratuitement B Que les données d'entraînement soient pertinentes, représentatives et aussi exemptes d'erreurs que possible. C Qu'ils ont été développés dans l'UE

6. Quels sont les signaux d'alerte pour un biais potentiel ? (Plusieurs possibles) 2 pts

A Un groupe est systématiquement évalué de manière inférieure. B Le système est très rapide C Le système 'connaît' des choses qu'il ne devrait pas avoir apprises directement. D Le fournisseur ne peut pas fournir d'explication pour les décisions