L’écart de genre en IA : pourquoi les femmes sont encore sous-représentées

La semaine dernière, les réseaux sociaux se sont enflammés après la diffusion d’images montrant Sam Altman et Dario Amodei visiblement mal à l’aise, contraints de se tenir la main lors de l’AI Summit à New Delhi, aux côtés du Premier ministre indien Narendra Modi. La scène a relancé les commentaires sur la rivalité bien connue entre les deux figures de l’IA.

Mais au-delà de cette anecdote, un autre détail interpelle,  et mérite bien plus d’attention : pas une seule femme n’apparaît sur cette photo, pourtant censée représenter l’élite mondiale de l’intelligence artificielle.

Imaginez une jeune écolière regardant cette image et se demandant : où sont les femmes ?
Ces moments ne sont pas de simples clichés institutionnels. Ils deviennent des repères symboliques. Et ils façonnent, souvent de manière invisible, celles et ceux qui se projettent, ou non, dans l’avenir de la technologie. 

Ce déséquilibre se manifeste à trois niveaux.

• un déficit de visibilité des femmes dans le leadership IA,

• un problème de vivier et de rétention des talents

• un risque croissant de surexposition des femmes aux effets de la disruption technologique, alors même qu’elles participent peu à la conception des systèmes d’IA. 

 Dans cet article, je donne la parole à quatre femmes leaders de Nagarro pour comprendre ce qui freine encore l’accès des femmes à l’IA, et ce qui peut faire bouger les lignes. Cette réflexion s'appuie sur une exploration antérieure de la enen, en examinant la relation entre la conception algorithmique et les préjugés sociaux.

I. Le manque de visibilité dans le leadership de l'IA

 Les chiffres parlent d’eux-mêmes. 

en (Stanford Human-Centred AI), qui utilise l'ensemble de données de LinkedIn sur les talents en matière d'IA, révèle que les femmes représentent 30,54% des talents IA dans le monde, contre 69,46% pour les hommes.  Le rapport souligne également que, dans presque tous les pays étudiés, la pénétration des compétences IA reste plus faible chez les femmes. 

 Dans les entreprises, le déséquilibre s’accentue à mesure que l’on monte dans la hiérarchie. Un rapport publié en 2025 par Girls Who Code et la MetLife Foundation, intitulé en, estime que les femmes et les professionnels non binaires représentent 28% de la main-d'œuvre technologique mais n'occupent que 15 % des postes de direction.

Pour Anamika Upadhayay, Global Lead – Emerging & Special Tech Testing Practice chez Nagarro, le problème n’est pas l’entrée dans le secteur, mais l’accès au sommet : "Je me tiens constamment informée des avancées en IA" dit-elle. "Mais gérer une équipe et un foyer en parallèle laisse beaucoup moins de temps pour se former. Je n’ai pas la possibilité de consacrer un week-end entier à une certification."

 Le fossé du leadership n’est donc pas uniquement une question de représentation, mais aussi de rythme. Dans un domaine qui évolue aussi vite que l’IA, celles et ceux qui peuvent se former en continu, expérimenter et tester de nouveaux usages prennent mécaniquement de l’avance. 

Pourquoi la diversité de genre est un enjeu business en IA

 Les organisations devraient s’intéresser à ce sujet non seulement pour des raisons éthiques, mais aussi stratégiques. 

Les modèles d’IA sont entraînés sur des données.
Les données reflètent des comportements.
Et les comportements reflètent des expériences vécues. 

Lorsque ces expériences sont homogènes dans les équipes qui conçoivent les produits et les modèles, les angles morts se multiplient. Les femmes ne constituent pas un segment marginal : elles représentent la moitié du marché, en tant que collaboratrices, décideuses, clientes et parties prenantes. 

Les exclure, même involontairement, des équipes techniques et décisionnelles, c’est prendre le risque de développer des produits moins pertinents, moins inclusifs et, in fine, moins performants. 

II. Le problème du vivier et de la fidélisation

Pourquoi si peu de femmes accèdent-elles aux postes de leadership en IA ? 

 Une partie de la réponse se situe bien en amont. 

Selon l'UNESCO, les femmes ne représentent que en, un chiffre qui n'a guère évolué depuis dix ans.

Le déclin se poursuit dans l'écosystème de la recherche, où se construisent une grande partie des fondations de l’IA. en indique qu'en 2022, les femmes ne représentaient que 31,1 % des chercheurs dans le monde, soit une légère augmentation par rapport à 2012 (29,4 %).

Ce manque d’évolution traduit des freins structurels persistants, parfois très concrets. 

Dans un article de 2024 du PNUD d'Indonésie, intitulé "Enabling Women in STEM, Reversing Gender Gap in Energy Sector", l'ingénieure en électricité Aulia Nadira revient sur son expérience universitaire : " À l’époque, aucun de mes enseignants n’était une femme. Il n’y avait ni chargée de travaux dirigés, ni responsable de laboratoire."

Elle était l'une des en.  Le message n’était jamais formulé explicitement, mais il était limpide : ici, vous êtes l’exception. Et ce sentiment d’exception accompagne souvent les femmes bien au-delà des bancs de l’université, jusque dans le monde professionnel. 

Ashwini Jadhav, Senior Director chez Nagarro, spécialisée dans les technologies Retail pour la beauté et la mode, observe une différence nette dans l’adoption de l’IA :  "Les hommes utilisent l'IA avec beaucoup d'assurance. Pour les femmes, il peut y avoir des hésitations. La gestion du changement au travail devient une responsabilité supplémentaire", dit-elle.

Dans un domaine qui récompense l'expérimentation visible, cette hésitation a des conséquences. Des études suggèrent que le syndrome de l'imposteur est plus répandu chez les femmes que chez les hommes et, combiné au rythme rapide de l'adoption de l'IA, il peut intensifier le doute. Ashwini note que certaines femmes craignent d'être jugées pour avoir expérimenté des outils d'IA, en particulier dans des environnements où la confiance en soi est souvent confondue avec la compétence.

L'étude Girls Who Code + MetLife Foundation 2025 confirme cette dimension psychologique. Une participante résume : "Il est vraiment difficile de se sentir en sécurité pour essayer de nouvelles choses ou développer ses compétences."

 À l’ère de l’IA, la sécurité psychologique n’est plus un simple prérequis : elle devient un accélérateur de carrière. 

Dans toutes ces conversations, une tendance se dégage. Ce n'est pas un manque de capacités. Il s'agit d'un manque de temps, d'opportunités structurées et de soutien institutionnel qui s'aggrave avec le temps.

C'est ainsi que l'écart entre les hommes et les femmes dans le domaine de l'IA se creuse tranquillement, non pas en raison de l'absence de talent, mais de l'absence de soutien structurel.

III. Le déséquilibre entre l'automatisation et le pouvoir

Malgré des campagnes mondiales soutenues visant à accroître la représentation des femmes dans la technologie, l'écart demeure et les enjeux s'intensifient.

Selon en, 27,6% des emplois féminins sont potentiellement exposés à l'IA générative, contre 21,1% des emplois masculins. Les femmes salariées sont presque deux fois plus susceptibles que les hommes d'occuper des emplois présentant un risque élevé d'automatisation (4,7 % contre 2,4 %).

Autrement dit : elles restent sous-représentées parmi celles et ceux qui construisent l’IA, mais surreprésentées parmi celles et ceux qui en subissent les effets. 

Ranjana Karunakaran, responsable de la diversité chez Nagarro, observe que la technologie est souvent le miroir de la société.  Les biais présents dans nos institutions, nos organisations et nos normes culturelles se retrouvent dans les systèmes que nous construisons. 

Mais la relation ne s'arrête pas là.

L’IA ne fonctionne pas comme un miroir statique : elle agit plutôt comme un amplificateur. Ce qui existe dans les données n’est pas seulement reflété, mais démultiplié.

Lorsque les ensembles de données reflètent des réalités biaisées et que les équipes décisionnelles manquent de diversité, ces préjugés peuvent s'intégrer dans des modèles qui fonctionnent à l'échelle. Une fois déployés, ces modèles influencent les décisions d'embauche, l'octroi de crédits, la priorisation des soins de santé et l'engagement client, remodelant ainsi la société même qui est à l'origine du déséquilibre initial.

Ruchi Sharma, Directrice chez Nagarro et mentor reconnue en IA et Big Data par NITI Aayog, affirme qu'à l'ère de l'IA, les décisions de leadership ont des conséquences amplifiées c ar elles définissent la direction, la responsabilité et les garde-fous des technologies qui façonnent de plus en plus les résultats business et la confiance sociétale. 

"Les équipes de direction diversifiées apportent une meilleure perception des risques, une empathie plus forte envers les parties prenantes et une prise de décision plus équilibrée, améliorant ainsi la définition des priorités et le déploiement responsable des systèmes d’IA à grande échelle", ajoute-t-elle. 

En ce sens, l'IA ne se contente pas de refléter la société : elle peut l'amplifier.

IV. Corriger le tir

Le déséquilibre est structurel. Mais les solutions le sont aussi, et le changement est déjà en cours.

Microsoft, par exemple, a intégré en dans la gouvernance produit, plutôt que d’être traités comme un ajout a posteriori. 

Comment s'assurent-ils de leur efficacité ?

• en créant des rôles de leadership dédiés à l'IA responsable

• des processus formels de revue avant déploiement

• des mécanismes internes de responsabilité qui garantissent que les questions d'équité, de risque et de préjudices involontaires sont soulevées dès le début plutôt que d'être intégrées ultérieurement.

Au cœur de cette approche, la diversité ne se limite plus au symbole : elle devient un principe de conception, reconnaissant que les systèmes d’IA opèrent à grande échelle et nécessitent donc des garde-fous structurés, pas seulement de la bonne volonté.

Chez Nagarro, des initiatives telles que le en sont spécifiquement conçues pour favoriser l'accès des femmes à des postes de direction, en veillant à ce que les diverses perspectives soient non seulement représentées, mais aussi habilitées à influencer la stratégie et les résultats.

Ranjana Karunakaran souligne que combler le fossé de genre en IA demande plus que des encouragements : "Une des raisons majeures pour lesquelles les femmes sont sous-représentées en IA est le manque d’opportunités structurées de montée en compétences et les barrières à l’apprentissage. Il existe peu de parcours organisés, et les contraintes de temps rendent la participation plus difficile pour les femmes."

C’est ainsi que la diversité passe de l’intention à l’impact : en influençant qui prend les décisions, comment elles sont prises, et finalement comment l’IA crée de la valeur pour les entreprises et la société.

Mais donner plus de place aux femmes à la table de la Data et de l’IA nécessite bien plus qu’un seul cadre organisationnel. Cela requiert une action soutenue tout au long du pipeline et au sein des organisations :

• des parcours structurés de montée en compétences IA,

• des programmes de parrainage qui vont au-delà du mentorat,

• des critères de promotion transparents,

• un accès flexible à l'apprentissage pour les femmes avec des responsabilités familiales 

• et responsabilité mesurable au niveau du leadership.

Cela implique également d’élargir le cercle de celles et ceux qui peuvent expérimenter. Dans une industrie où les compétences évoluent très rapidement, la sécurité psychologique et l’accès au temps sont des avantages compétitifs.