Biais Cognitifs
5 article(s)Une IA présentée comme une femme reçoit 10 % d’argent en moins pour le même travail
📖 Lire sur Vigie24Une étude menée en réalité virtuelle démontre que des participants rémunèrent moins un agent IA présenté comme une femme que son équivalent masculin pour un travail identique. Malgré un modèle de langage identique, l'avatar féminin a reçu en moyenne 10 % de fonds en moins.

Les IA GPT-4o, Gemini et Claude jugent les visages avec les mêmes préjugés que les humains, pour prendre des décisions en matière d'embauche et désigner un criminel probable. Pas de CV, pas d'antécédents
📖 Lire sur Vigie24Une étude révèle que les modèles GPT-4o, Gemini et Claude reproduisent les préjugés humains en jugeant la compétence ou la fiabilité d'une personne uniquement sur son apparence physique. Ces biais visuels influencent indûment des décisions critiques comme l'embauche ou l'identification de criminels potentiels.

Psychologie : cette étude montre que les personnes promues au poste de dirigeant ne sont pas forcément les plus performantes
📖 Lire sur Vigie24Une étude en psychologie révèle que les promotions vers des postes de direction favorisent souvent la visibilité des employés plutôt que leur efficacité réelle. Ce biais cognitif montre que les dirigeants ne sont pas systématiquement les collaborateurs les plus performants.

La Serbie, ce délicieux objet de dégoût pour les médias
📖 Lire sur Vigie24L'auteur critique le traitement médiatique biaisé de la Serbie, soulignant le contraste entre la couverture massive des funérailles du criminel de guerre Ratko Mladic et l'indifférence envers les mouvements démocratiques locaux. Il soutient que ce dédain médiatique et diplomatique freine l'intégration européenne du pays et fragilise l'équilibre régional.

ChatGPT, Claude, Gemini… pourquoi les IA semblent-elles obsédées par le nombre 17 ?
📖 Lire sur Vigie24L'article explore la tendance paradoxale des grands modèles de langage (LLM) à choisir fréquemment le nombre 17 lorsqu'on leur demande un chiffre aléatoire. Ce phénomène révèle des biais dans les données d'entraînement et souligne la différence entre le hasard réel et la perception statistique des IA.