Cet article soutient que les recherches existantes sur l'équité en apprentissage automatique (AA) se concentrent principalement sur l'égalité distributive, limitant ainsi leur capacité à remédier aux injustices. Si les recherches antérieures abordent la répartition inégale des avantages, tels que les opportunités, par les modèles d'AA, elles ne prennent pas suffisamment en compte les préjudices représentationnels (par exemple, les stéréotypes et la marginalisation), ni les préjudices allocatifs que les systèmes d'AA infligent en renforçant les inégalités structurelles. Par conséquent, cet article propose un cadre d'équité multidimensionnel, fondé sur l'égalitarisme, qui intègre à la fois l'égalité distributive et relationnelle. Ce cadre fournit un fondement éthique plus complet pour traiter tous les types de préjudices causés par les systèmes d'AA et suggère des approches pratiques pour sa mise en œuvre dans les pipelines d'AA.
