Contexte : Un modèle de reconnaissance faciale montre des performances inégales selon certains groupes. Le Problème : Le dataset d’entraînement est déséquilibré et introduit un biais. Extrait logique actuelle : Entraînement sur dataset non équilibré Contraintes : Analyser distribution des données. Introduire techniques de rééquilibrage ou augmentation ciblée. Évaluer équité via métriques adaptées. Livrable attendu : Proposer une stratégie complète d’audit et mitigation du biais dans le modèle.