12%: Que représente ce pourcentage ? C’est le taux de représentation des femmes dans le domaine de l’Intelligence Artificielle en France. La parité est pourtant un objectif à atteindre si l’on veut pallier certains dangers de l’intelligence artificielle.
Nous sommes encore très loin des 40% d’étudiantes dans le numérique en 2020 évoqué par Monsieur Cedric Villani dans son rapport Ai for humanity en 2018.
Si l’éducation à l’égalité et au numérique est une condition préalable et essentielle, la mixité pourrait être atteinte avec une politique incitative visant à atteindre un seuil de 40 % d’étudiantes dans les filières du numérique (classes préparatoires et filières des grandes écoles et des universités) d’ici 2020.
Aujourd’hui, 2 ans après cette déclaration, les choses ont peu évolué, la filière numérique a toujours du mal à attirer des profils féminins. La sous-représentation des femmes dans les métiers de la tech est une problématique récurrente depuis quelques années.
Pourtant dans les années 70 on comptait 30% de femmes dans le secteur de l’informatique. Dans les années 80 c’était 40 % des diplômes informatiques qui étaient délivrés à des femmes en Europe et aux Etats-Unis. Aujourd’hui, on en est à peine 20 %. En France 50% des diplômés d’un bac S sont des jeunes filles, mais c’est à la suite de l’orientation post bac que les chiffres commencent à chuter.
Divers facteurs qui freinent cette parité en intelligence artificielle
Selon une étude conduite par l’OPIIEC en 2016 auprès de lycéennes, d’étudiantes et de salariées, certains facteurs jouent au moment où une décision d’orientation se fait. D’après une récente étude du BCG, différents facteurs pèsent sur les choix d’orientation des femmes :
- l’influence des médias qui ne communiquent pas assez sur l’ensemble des opportunités du secteur
- les applications de l’Intelligence Artificielle et leurs impacts sur la société qui restent encore abstraits (or les femmes prennent plus en compte que les hommes la nécessité de concrétisation dans leur métier)
- la méconnaissance des métiers
- l’absence de modèles féminins
- une vie en entreprise parfois vue comme difficile (concurrence perçue comme supérieure dans ce domaine avec l’exemple des nombreuses compétitions en data science)
Autant de clichés qu’il faut démonter rapidement afin d’attirer les femmes dans le monde du numérique.
Des stratégies pour promouvoir la place des femmes et filles dans l’Intelligence Artificielle, ont déjà été mises en place, ou restent encore à développer à différents niveaux (pouvoirs publics, associations, monde de l’entreprise, enseignement…). Une grande coalition, s’est d’ailleurs créée, sous l’égide du secrétariat d’État chargé du Numérique. Cette démarche a été initiée par 6 associations fortement impliquées dans l’inclusion des femmes dans les métiers du numérique.
La mixité des équipes, une condition indispensable pour une IA responsable
Notre société est déjà transformée en profondeur par l’Intelligence Artificielle (Machine Learning, Deep Learning, etc.) et elle est amenée à trouver des applications dans un nombre de secteurs croissant, allant de l’industrie à la santé en passant par la finance. Cependant à l’heure actuelle une grande partie de ces systèmes d’Intelligence Artificielle ayant un impact sociétal fort, sont développés par un même type de profil, des hommes…
Une question se pose alors…
Comment construire la société numérique de demain, éthique et égalitaire, si elle est construite par un même type de personne ?
Impliquer davantage les femmes dans l’Intelligence Artificielle ne signifie pas seulement répondre à des attentes éthiques ou plaire aux féministes , c’est un véritable enjeu sociétal. Les chiffres cités précédemment montrent que la représentation des femmes dans les métiers de l’Intelligence Artificielle reste très faible. Rosabeth Kanter [professeure à la Harvard Business School] a démontré qu’à partir d’un certain seuil de diversité dans une équipe, on assiste à l’émergence de nouveaux points de vue, à des changements de comportements. Ceci est valable dans toutes les disciplines. Or, le manque de femmes dans la conception des algorithmes accroît le risque de biais.
Un exemple de biais concret, en 2018, Joy Buolamwini, étudiante noire au MIT, s’intéresse aux logiciels de reconnaissance faciale car elle avait constaté que certains ne fonctionnaient pas sur elle. Dans ses divers travaux, elle a démontré que les systèmes de reconnaissance faciale avaient du mal à détecter ou correctement identifier les visages noirs. Selon elle et d’autres experts, c’est parce qu’ils sont en grande partie conçus par des ingénieurs blancs, qui utilisent des bibliothèques logicielles elles-mêmes souvent écrites par des ingénieurs blancs. Comme tout le monde, ceux-ci ont des biais, qui se retrouvent ensuite dans le code. Cette discrimination est un exemple de type de « biais algorithmique« , même si les concepteurs de l’algorithme étaient neutres et n’avaient aucune volonté d’induire ce biais , celui-ci a reflété des orientations particulières ou des discriminations existantes (qui peuvent se trouver dans les données sur lesquelles l’algorithme est entraîné, par exemple).
Les exemples de biais racistes ou sexistes se sont multipliés ces dernières années: une Intelligence Artificielle Google qui indiquait « gorilles » pour deux Afro-Américains ou plus récemment un outil d’aide au recrutement utilisé par Amazon et défavorisant les femmes…
Un algorithme, d’un certain point de vue peut être considéré comme un enfant, il a besoin d’être éduqué. Cependant modifier quelques lignes de code ne suffira pas à régler les problèmes, on ne peut coder l’égalité que si les équipes sont mixtes.
Des équipes de chercheurs diversifiées sont donc une nécessité pour construire une Intelligence Artificielle impartiale, égalitaire et sans préjugés . Mais pour cela, il est impératif d’encourager les femmes à s’approprier le domaine des sciences des données et favoriser leur montée en compétences. Si les femmes ne s’approprient pas ce domaine, l’Intelligence Artificielle développée ne sera tout simplement pas représentative de nos sociétés.
Même les géants d’Internet sont en retard dans la constitution d’équipes de Data scientist, Data analyst, Data engineer où la parité homme femme est respectée. Pourtant elle est essentielle afin de développer une IA éthique. À l’heure actuelle chez Google, la part des femmes ne représente que 32,5% des employés et dans les postes de chercheurs en science des données cette représentation chute aux alentours de 15% . Nous sommes encore loin d’une vraie parité, ce qui démontre également un réel besoin de recrutement de profils féminins en data science .
Par conséquent, Mesdames et Mesdemoiselles, les opportunités pour vous dans ce secteur sont exponentielles, il ne faut pas passer à côté d’une telle occasion.
Se reconvertir ou réorienter dans le domaine des sciences des données n’est pas si compliqué que ça il ne faut pas forcément avoir un bac+5 en mathématique appliquée.
Chez DataScientest nous ouvrons nos formations en Data Science à des profils très variés. Bien sûr il faut avoir tout de même des bonnes connaissances en termes de programmation ou de mathématiques.
N’hésitez pas à contacter nos équipes ou à consulter nos pages dédiées pour plus de renseignements 😊
Nous nous ferons un plaisir de répondre à l’ensemble de vos questions et d’étudier ensemble la réalisation de votre projet professionnel en Data Science.
L’Intelligence Artificielle a besoin de cerveaux venant de tous horizons afin de pouvoir devenir un véritable reflet de la société.
