Fair Data Auditor

Le Fair Data Auditor propose des évaluations automatisées et reproductibles de l’équité des données pour les ensembles utilisés en analytique et en apprentissage automatique. Il s’adresse aux chercheurs, data scientists, équipes de gouvernance et responsables conformité qui nécessitent des KPI rigoureux et audités avant la modélisation ou le reporting.
L’outil profile les attributs, calcule les métriques d’équité et de représentativité, et génère des rapports adaptés à la gouvernance. Idéologiquement, il combine le profilage du jeu de données avec le calcul des métriques et une échelle de qualité pour révéler les biais ou les groupes sous-représentés.
Il prend en charge les données numériques et catégorielles, gère les données manquantes et peut appliquer des pondérations ou des échantillonnages pour des estimations robustes. Un différenciateur clé est le workflow end-to-end auditable qui produit des sorties lisibles pour la machine et des récits humains pour la documentation de la gouvernance.
Des modules optionnels pour les plug-ins de métriques et les options de localisation permettent d’adapter l’outil aux normes régionales et aux exigences de protection des données. Exemples d’utilisation : pré-vetting des données avant déploiement ML, documentation de la provenance des données et des risques biais, audits internes pour les équipes de recherche.
La solution met l’accent sur la transparence, la reproductibilité et des indications d’action concrètes; elle permet aux équipes d’évaluer les risques, de comparer des jeux de données et de justifier les décisions de gouvernance. Fonctions clés : profilage du jeu, métriques d’équité (parité, impact disparate, égalité des chances lorsque applicable), contrôles de représentativité, scores de qualité et rapports exportables pour la gouvernance et la conformité.