Le contexte
Vous êtes recruteur(euse) dans une entreprise et un poste de chef(fe) de projet vient d’être ouvert.
Face à un grand nombre de candidatures, une collègue propose d’utiliser une IA pour agiliser la sélection des candidatures.
Vous lui fournisez l'historique des recrutements suivant afin d'entraîner l'IA.
Regardons les données
Par le passé les hommes sont toujours recrutés dans cet organisme, même sans qualifications, tandis que les femmes ne le sont pas.
Les données d'entraînement sont fortement biaisées !
Voici le CV (simplifié) de Cléo
Afin de vérifier l'impact des données biaisées, on va s'intéresser au CV d'une candidate
très bien qualifiée pour le poste.
Que pense l'IA du CV de Cléo ?
Nous allons entrainer l'IA avec les données d'entrainement, puis lui soumettre le CV de Cléo pour avis.
Le modèle entraîné avec ces données biaisées n'est pas favorable au recrutement de "Cléo"
bien qu'elle ait des qualifications supérieures à n'importe quel autre candidat récruté
par le passé.
Corrigons les données biasées
Le modèle entraîné avec ces données biaisées ne recrute pas "Cléo",
bien qu'elle ait des qualifications supérieures.
Relançons l'IA sur les données corrigées
Les données corrigées privilégient les profils à forte expérience. En prenant appui sur ces données, L'IA vous conseillera de retenir la candidature de Cléo.
A vous de jouer
Faîtes des modifications sur le tableau de données en cliquant sur les cellules.
Cliquez ensuite sur le bouton vert pour voir quel est l'avis de l'IA.