nous sommes au campius manquer. Cette capacité de traitement rapide et précis des données a conduit à une adoption croissante des algorithmes dans divers aspects du management, tels que le recrutement, l'évaluation des performances, la promotion et la planification stratégique. Toutefois, des recherches croissantes ont mis en évidence que ces algorithmes peuvent hériter des préjugés inhérents aux données sur lesquelles ils sont entraînés (Barocas et al., 2019). Les biais algorithmiques peuvent se manifester sous diverses formes, allant des erreurs de recrutement discriminatoires aux systèmes d'évaluation biaisés (Obermeyer et al., 2019). Ces biais peuvent perpétuer des stéréotypes néfastes, nuire à la diversité et à l'inclusion, et créer des obstacles injustes à la progression des employés. Les conséquences de ces préjugés sont considérables. Ils sapent la confiance des employés, entraînent un gaspillage de talents et entravent la croissance globale de l'entreprise. Les organisations qui ne parviennent pas à aborder ces biais risquent de se retrouver avec une main-d'œuvre désengagée, des pratiques peu éthiques et une réputation ternie (Cowgill et al., 2020). Il est donc crucial pour les dirigeants d'entreprise de reconnaître et d'atténuer les biais algorithmiques dans leurs pratiques de gestion. En examinant de manière critique les données utilisées pour entraîner les algorithmes, en encourageant la diversité des équipes et en promouvant la sensibilisation aux biais, il est possible de créer un environnement de travail plus équitable et plus inclusif. De plus, des stratégies spécifiques et des interventions peuvent être mises en place pour réduire l'impact des biais algorithmiques sur les décisions de management (Mehrabi et al., 2021). Cette étude a pour objectif de : 1. Identifier les différents types de biais algorithmiques présents dans les systèmes de management. 2. Analyser les causes de ces biais. 3. Examiner les conséquences des biais algorithmiques sur les décisions managériales. 4. Proposer des stratégies pour atténuer ces biais et améliorer l'équité dans les pratiques de gestion.