Contexte : Un modèle de détection de fraude présente des performances inégales selon certains segments clients. Le Problème : Le dataset d’entraînement est déséquilibré et certaines populations sont sous-représentées. Extrait logique actuelle : model = RandomForestClassifier() Sans ajustement. Contraintes : Introduire class_weight ou techniques de rééchantillonnage. Évaluer métriques segmentées. Analyser équité du modèle. Livrable attendu : Proposer une stratégie complète de mitigation du biais et démontrer amélioration mesurable.