evidoria

← Retour à la liste

Bonne pratique Importée

Loi municipale 144 de New York — Audit obligatoire des biais de l'IA de recrutement

États-Unis d'Amérique · New York City · Voir le profil de États-Unis d'Amérique · Voir le profil de New York City

Preuves: Observationnel / avant-après Top 80% 37/100 · Demandez à Evidence Copilot à propos de cette pratique

La loi 144 de New York (2021), première loi à exiger des audits de biais des outils d'IA de recrutement par sexe et origine, est entrée en vigueur en juillet 2023. Une étude de 2024 sur 391 employeurs a révélé que seuls 4,6% avaient publié un rapport ; un audit d'État de 2025 a jugé l'application « inefficace ».

391 employers
Employeurs interrogés dans l'étude de conformité (2024)
4,6 %
Employeurs ayant publié le rapport d'audit de biais requis (2024)
3,3 %
Employeurs ayant publié l'avis de transparence requis (2024)
75 %
Appels test à la ligne 311 concernant des plaintes AEDT mal orientés (2025)
2 complaints
Plaintes formelles AEDT reçues par le DCWP (Jul 2023–2025 (two-year audit period))
500–1,500 USD
Fourchette d'amende par infraction
Loi municipale 144 de New York — Audit obligatoire des biais de l'IA de recrutement Loi municipale 144 de New York — Audit obligatoire des biais de l'IA de recrutement

Détails

Promoteur
NYC Department of Consumer and Worker Protection (DCWP)
Période
Enacted December 2021; enforced July 2023–present
Mots-clés
algorithmic accountability, employment law, AI governance, gender & race equity

Contexte

La Local Law 144 de la ville de New York, promulguée en décembre 2021 et appliquée depuis juillet 2023, a été la première loi au monde à imposer des audits indépendants de biais pour les outils de recrutement basés sur l'IA (Automated Employment Decision Tools, ou AEDT), par sexe et par origine ethnique.

Objectifs

Accroître la transparence et la responsabilisation autour des biais algorithmiques dans le recrutement, en obligeant les employeurs à tester leurs outils de recrutement par IA pour détecter des impacts disparates selon le sexe et l'origine ethnique, à publier les résultats et à informer les candidats de leur droit à un processus alternatif.

Activités

Les employeurs utilisant un AEDT doivent commanditer un audit de biais indépendant annuel calculant les taux de sélection et de notation par sexe, origine ethnique et leurs intersections, publier un résumé des résultats et notifier les candidats lorsqu'un AEDT est utilisé. Le Département de la protection des consommateurs et des travailleurs de New York (DCWP) est chargé de l'application de la loi, notamment via une ligne de plaintes et des amendes civiles de 500 à 1 500 dollars par infraction.

Résultats

Les preuves indépendantes de conformité sont faibles. Une étude évaluée par des pairs en 2024, portant sur 391 employeurs new-yorkais, a constaté que seulement environ 4,6 % avaient publié un rapport d'audit de biais et environ 3,3 % avaient publié l'avis de transparence requis. Un audit du contrôleur de l'État de New York, publié en décembre 2025, a révélé que 75 % des appels test vers la ligne de plaintes de la ville avaient été mal orientés, que l'examen par le DCWP lui-même des audits publiés n'avait pas détecté la plupart des problèmes de conformité relevés ensuite par le contrôleur, et que seulement deux plaintes formelles avaient été reçues au cours des deux premières années d'application de la loi.

Conclusions

La Local Law 144 demeure un modèle pionnier influent pour aborder les biais algorithmiques du recrutement comme un enjeu d'égalité de genre et d'origine ethnique, mais les preuves disponibles indiquent qu'une régulation reposant uniquement sur la transparence et auto-délimitée par les employeurs n'a pas encore produit de conformité vérifiable ni de réduction mesurable des biais de recrutement.

Mise en œuvre

Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles