Technologies émergentes (IA et technologies quantiques)

Recommandations

Accroître la participation des femmes à la conception et à la gouvernance de l’IA et des technologies quantiques

• Fixer des cibles pour la représentation des femmes dans les organes de gouvernance de l’IA et des technologies quantiques. Actuellement, les femmes ne représentent que 22 % des titulaires des postes liés à l’IA et 14 % des titulaires de postes de direction¹ :

  • Par exemple, établir à l’échelle du G7 des normes visant un objectif de 30 % de femmes assumant des fonctions de direction ou de gouvernance, et siégeant à des conseils d’administration dans les secteurs de l’IA et des technologies quantiques d’ici 2028. 

  • Lier les marchés et le financement publics de l’innovation en matière d’IA et de technologies quantiques à la divulgation et à la réalisation de ces cibles. 

• Promouvoir des politiques qui favorisent la diversité des genres dans les postes de direction au sein des organisations et des entreprises spécialisées dans l’IA et les technologies quantiques, y compris des politiques anti-discrimination et qui tiennent compte de la dimension de genre.

• Soutenir l’adoption de l’IA par les petites ou moyennes entreprises (PME) dirigées par des femmes : 

  • Soutenir les PME dirigées par des femmes dans l’adoption de l’IA au moyen de formations, de ressources et d’incitations fiscales. 

  • Offrir des subventions ciblées pour l’adoption du numérique à 250 000 petites entreprises dirigées par des femmes dans l’ensemble du G7 d’ici 2030. 

• Créer un fonds d’innovation du G7 pour les femmes dans le secteur de la technologie : 

  • Déployer 1 milliard de dollars américains dans les pays du G7 sous forme de capital d’amorçage et de subventions d’expansion pour les entreprises d’IA et de technologies quantiques fondées par des femmes. 

  • Alimenter ce fonds au moyen de partenariats publics-privés avec des fonds de capital-risque, des accélérateurs et des banques nationales de développement. 

• Favoriser dès le plus jeune âge un enseignement des STIM inclusif sur le plan des genres :

  • Intégrer dans les programmes scolaires, et ce, dès l’école primaire, des approches pédagogiques en matière de STIM qui soient inclusives et tiennent compte de la dimension de genre.

  • Fixer des cibles pour les filles qui suivent des programmes et des filières scientifiques à l’école secondaire : 50 % pour les mathématiques et la physique, et 30 % pour l’informatique.  

• Promouvoir une exposition et un accès précoces aux carrières dans l’IA et les technologies quantiques : lancer des programmes ciblés pour les filles, notamment des programmes de mentorat, de bourses, de stages et d’orientation professionnelle, en s’inspirant d’initiatives réussies, telles que le programme français TechPourToutes.

• Développer des initiatives fructueuses, comme le Pacte « Femmes & IA » du Cercle InterElles et le Laboratoire pour les droits des femmes en ligne français, et mettre en commun des pratiques exemplaires, telles que les pratiques énumérées dans le rapport Towards Substantive Equality in Artificial Intelligence (Vers l’égalité réelle dans l’intelligence artificielle) du Partenariat mondial sur l’intelligence artificielle. 

• Renforcer l’obligation de rendre compte, recueillir et publier des données ventilées selon le genre ou le sexe, par exemple au moyen du Tableau de bord du G7 sur les écarts entre les genres, afin de mesurer la participation et le leadership des femmes dans les secteurs de l’IA et des technologies quantiques, ainsi que leur accès aux outils numériques. 

Protéger les femmes et les filles de la violence et du harcèlement facilités par l’IA, tels que les hypertrucages pornographiques

• Promouvoir des normes mondiales et adopter des lois ou appliquer le droit relatif aux droits de la personne, afin d’éliminer la violence facilitée par l’IA, comme les hypertrucages pornographiques, y compris sur les plateformes de médias sociaux. 

• Assurer la reddition de comptes relativement aux algorithmes et aux plateformes qui amplifient ou permettent la diffusion de pornographie extrême et de misogynie, notamment au moyen d’exigences de transparence, d’audits indépendants et de surveillance réglementaire.

• Mettre en place des systèmes de soutien, notamment une assistance juridique et psychologique, pour les victimes de violence facilitée par l’IA.  

•  Mieux sensibiliser les jeunes (filles et garçons) par des campagnes de sensibilisation en ligne et dans les écoles. 

Veiller à ce que les systèmes d’IA soient impartiaux

• Comprendre les biais, réfléchir à la manière dont les données sont recueillies, et promouvoir la collecte et le partage fiables de données entre les pays. 

• Rendre obligatoire l’évaluation des impacts sur le genre des systèmes d’IA publiquement déployés (notamment pour l’embauche, le triage lié à la santé et les services sociaux). 

• Adopter des normes d’audit algorithmique à l’échelle du G7 (par exemple, en s’inspirant de l’Outil d’évaluation de l’incidence algorithmique du Canada). 

Justification 

La plupart des solutions d’IA sont développées par des hommes. Cette situation reflète le faible taux de femmes diplômées dans l’enseignement des STIM, qui est de 33 % dans les pays du G7². Au cours de la dernière décennie, les progrès ont été minimes, dans un contexte où la demande en talents technologiques s’accélère. Des données précises et complètes sont essentielles pour comprendre et combler les écarts entre les genres dans les technologies émergentes. 

L’écart entre les genres au sein des effectifs de l’IA contribue aux préjugés actuels, car les technologies conçues et construites principalement par des hommes sont susceptibles d’être faussées pour représenter leurs expériences individuelles.

La participation et le leadership des femmes dans l’IA et dans les technologies quantiques apportent des perspectives diverses, augmentent la probabilité que les biais fondés sur le genre soient combattus, et contribuent à stimuler l’innovation et la croissance économique. En outre, les technologies de l’IA et les technologies quantiques ne peuvent pas rester concentrées dans les grandes entreprises et les laboratoires d’élite. L’élargissement de l’accès aux entrepreneures, en particulier dans les secteurs non technologiques (tels que les soins, le climat et les industries de la création), favorisera une croissance inclusive. Combler le fossé numérique entre les genres pourrait permettre d’économiser 500 milliards de dollars américains à l’échelle mondiale dans les années à venir³. 

Les préjudices en ligne, y compris la violence et le harcèlement générés par IA comme les hypertrucages, ciblent principalement les femmes et les filles et compromettent ainsi leur sécurité et leur participation aux espaces numériques et à la vie publique. Entre 96 et 98 % des vidéos hypertruquées mises en ligne sont pornographiques et non consensuelles, et 99 % d’entre elles ciblent les femmes⁴.

Les biais de données dans l’IA sont très répandus : selon une étude, 44 % des systèmes d’IA présentent des stéréotypes et des préjugés liés au genre⁵ qui exacerbent les inégalités actuelles. Par exemple, les systèmes de recrutement fondés sur l’IA peuvent rejeter des candidates parce que leur nom n’est pas associé à celui d’un homme, ou peuvent affecter par inadvertance des candidates à des postes moins bien rémunérés ou moins prestigieux. Ces biais peuvent avoir des effets dévastateurs, par exemple dans le secteur de la santé, où les systèmes d’IA posent souvent des diagnostics erronés pour les femmes parce qu’ils sont entraînés à partir de données principalement masculines.

Note de bas de page

[1] Pal, Siddi, Ruggero Marino Lazzaroni et Paula Mendoza, AI's Missing Link: The Gender Gap in the Talent Pool, 2024.

[2] OCDE, Regards sur l’éducation : Les indicateurs de l’OCDE, 2023.

[3] ONU Femmes et DESA, op. cit.

[4] Une étude réalisée en 2019 par DeepTrace a révélé que 96 % des vidéos hypertruquées en ligne étaient de nature pornographique et non consensuelle. Selon une étude de Home Security Heroes réalisée en 2023, les hypertrucages pornographiques représentent 98 % de tous les hypertrucages en ligne, et 99 % d’entre eux ciblaient des femmes.

[5] Smith, Genevieve et Ishita Rustagi, « When Good Algorithms Go Sexist: Why and How to Advance AI Gender Equity », Stanford Social Innovation Review, 2021.