Cet article aborde le compromis entre précision et équité dans les algorithmes de prédiction. Avec le développement de l'intelligence artificielle, de puissants algorithmes de prédiction ont émergé, et la précision et l'équité sont devenues toutes deux importantes. Cependant, ces deux objectifs peuvent être contradictoires, et il n'existe aucune indication claire sur la manière d'évaluer de manière exhaustive les différentes mesures de précision et d'équité. En s'appuyant sur la théorie d'agrégation des préférences de Harsanyi, l'article soutient qu'il est raisonnable de mesurer la valeur globale d'un algorithme par une combinaison linéaire de mesures de précision et d'équité, et l'analyse à l'aide du jeu de données COMPAS.
