Cet article présente une nouvelle approche pour quantifier les inégalités d'accès aux services dans divers secteurs (par exemple, la santé, l'énergie, le logement) afin de garantir l'équité en matière d'IA. Nous utilisons l'analyse des classes latentes pour mesurer les inégalités intersectorielles entre des groupes définis par les utilisateurs, et analysons les inégalités entre différents groupes ethniques à l'aide des données du recensement et de l'enquête EVENS du Royaume-Uni. Nous vérifions la fiabilité des inégalités mesurées par une analyse de corrélation avec les indicateurs publics gouvernementaux, et constatons des inégalités significatives entre les groupes ethniques minoritaires et entre les groupes ethniques minoritaires et non ethniques, soulignant la nécessité d'interventions ciblées dans l'élaboration des politiques. Nous démontrons également que l'approche proposée peut fournir des informations précieuses pour garantir l'équité dans les systèmes d'apprentissage automatique.
