Techniques et méthodologies pour identifier, mesurer et réduire les biais algorithmiques et les distorsions dans les systèmes d’intelligence artificielle. Inclut des stratégies d’équilibrage des données, des tests d’équité (fairness testing), l’audit de modèles, le débiaisage en pré-traitement et post-traitement, des métriques d’équité et des approches pour garantir des décisions d’IA non discriminatoires concernant le genre, l’ethnicité, l’âge et d’autres caractéristiques protégées.