Le deuxième axe concerne l'équité algorithmique — c'est-à-dire la capacité à détecter, mesurer et corriger les biais dans les systèmes d'IA. Le groupe travaille sur des méthodologies d'audit des algorithmes adaptées aux institutions marocaines : administrations publiques, banques, compagnies d'assurance, systèmes judiciaires.
Un biais algorithmique peut se glisser à n'importe quelle étape du cycle de vie d'un système IA : dans les données d'entraînement (si elles ne représentent pas équitablement toutes les populations), dans la définition des objectifs (si l'objectif d'optimisation encode des inégalités existantes), ou dans l'interprétation des résultats (si les décideurs humains lisent les sorties du modèle de manière sélective).
Le groupe développe des outils d'audit accessibles aux non-spécialistes — des listes de contrôle, des tests statistiques simples, des protocoles d'évaluation — pour que la vigilance éthique ne soit pas réservée aux seuls experts en machine learning.
Comment contribuer