| Données d’entraînement | Si l’IA apprend sur des contenus biaisés, elle reproduit ces biais | Si l’IA apprend le bénévolat via des images masculines, elle proposera peu de femmes |
| Algorithmes de recommandation | Ils favorisent les contenus déjà populaires, créant un cercle vicieux | Les contenus engagés ou complexes sont moins mis en avant |
| Optimisation par clics | Les algorithmes favorisent ce qui choque ou polarise | Messages simplistes ou caricaturaux sont plus visibles |
| Manque de diversité dans la conception | Si les développeurs manquent de diversité, les critères d’optimisation reflètent leurs propres biais | Une IA pensée par des urbains favorise des publics urbains |