Nigerian Clean Cooking Forum 2021 exhibition 

WISE 2021 International Women’s Day

WISE 2021 International Women’s Day

L’IA et l’égalité des sexes

par | Mai 9, 2022 | All, Empowerment of Women in `leadership, Women & Digitisation

Le terme « IA » est récemment devenu un mot à la mode, une accroche marketing qui vous saute aux yeux de partout de nos jours et qui, franchement, est lassante. J’ai cherché sur Google des synonymes d’IA et j’ai trouvé un développement de systèmes informatiques « pensants » : DoCS – mais je ne suis pas sûr que cette abréviation aura un impact sur cet article comme le ferait AI. Restons-en donc à l’IA. Après tout, nous sommes des créatures d’habitude, et cette habitude jouera un rôle particulier dans cet article.

Cet article se penchera sur quelques risques liés à l’IA et sur les solutions possibles. La technologie de l’IA transforme déjà le marché du travail et modifie les types d’emplois et leur quantité. Indéniablement, le processus d’automatisation affecte énormément la structure de l’emploi et détermine si les emplois existants disparaissent ou si de nouveaux emplois apparaissent. Selon un rapport de l’UNESCO, l’adoption croissante de la technologie entraîne le développement de nouveaux emplois. C’est ici que l’IA a le potentiel d’aider ou de renforcer les préjugés sexistes et d’entraver l’objectif DEI.

Selon l’UE, pour être considérée comme éthique, toute technologie d’IA doit garantir le respect des droits fondamentaux des citoyens européens. L’UE veut éviter les préjudices potentiels que la mauvaise utilisation de l’IA peut causer à ses citoyens et trouver des solutions aux principales préoccupations éthiques (préjugés, discrimination, opacité algorithmique, manque de transparence, problèmes de vie privée, déterminisme technologique, etc.) Beaucoup pourraient dire que l’automatisation est susceptible d’affecter à la fois les professions à dominante féminine et celles à dominante masculine, ce qui est vrai. Cependant, les femmes sont plus susceptibles de travailler dans des professions qui impliquent un degré élevé de tâches routinières et répétitives (par exemple, le travail de soutien de bureau ou les emplois de détail) (Lawrence, 2018 ; Schmidpeter et Winter-Ebmer, 2018 ; Brussevich et al., 2019).

L’habitude des données

Les données introduites dans les algorithmes peuvent déterminer son fonctionnement, et ainsi un biais de genre est intégré dans l’IA par ceux qui conçoivent les systèmes. Ainsi, quelles que soient les données fournies ou consommées par les systèmes d’IA, ils les utiliseront, repéreront des modèles, et souvent même les amplifieront. L’un des problèmes récents liés aux données consommées est que l’IA a été formée à l’aide d’un système unimodal, ce qui signifie qu’elle a été formée à une tâche très spécifique (comme le traitement des images, qui se trouve être l’un des problèmes sous-jacents de l’IA biaisée). Ce n’est que récemment que nombre de ces algorithmes ont été entraînés avec le système dit multimodal. Alors que ces systèmes étaient auparavant utilisés pour la recherche, ils deviennent de plus en plus commerciaux. Il en va de même pour les humains qui traitent les données à travers diverses sources ; la formation des nouveaux algorithmes d’IA s’appuiera également sur des sources multiples, de sorte qu’il n’y a pas de manque de contexte lors du traitement des données, ce qui leur permet d’intégrer différentes modalités et de les synthétiser. Si la nouvelle approche est meilleure, elle n’est pas idéale, car elle s’appuie souvent sur des ensembles de données provenant principalement de cadres ouverts, qui présentent éventuellement des biais. Un autre défi non résolu, publié par l’Institute for Human-Centered Artificial Intelligence de Stanford, est que les modèles multimodaux peuvent donner lieu à un contenu de meilleure qualité, généré par la machine, qui sera plus facile à personnaliser à des fins d’utilisation abusive. Il est donc utopique et irréaliste de penser que nous pouvons disposer de technologies impartiales avec des systèmes de formation multimodaux, car même nous, les êtres humains, ne sommes pas exempts de préjugés. Toutefois, nos préjugés et nos habitudes peuvent être atténués en fournissant des données et des informations diverses. Un avantage de l’IA est qu’elle découvre et nous renvoie en miroir certains des préjugés des humains. En outre, les nouvelles politiques de responsabilisation algorithmique mettent l’accent sur la participation du public afin de développer des systèmes plus démocratiques et égalitaires. C’est tout récemment qu’Amsterdam et Helsinki ont lancé des registres de l’IA pour détailler la manière dont chaque administration municipale utilise les algorithmes pour fournir des services. Le registre offre également aux citoyens la possibilité de donner leur avis sur les algorithmes et de s’assurer que ces systèmes d’IA jouent en faveur plutôt qu’en défaveur de la société. Il s’agit, espérons-le, d’une des nombreuses étapes vers l’utilisation de l’IA pour atteindre l’égalité des sexes.

L’habitude de l’éducation

On ne soulignera jamais assez l’importance de l’innovation dans l’éducation. C’est un moteur pour une société progressiste, mais pas lorsqu’elle est à la traîne. Le nombre de femmes entrant dans le domaine de l’informatique est en augmentation, mais cela ne signifie pas que nous sommes près de combler le fossé entre les sexes en matière de compétences numériques. Selon le Forum économique mondial, dans les pays du G20, les femmes représentent moins de 15 % des professionnels des TIC, et cet écart entre les sexes et les compétences se creuse chaque année. L’Institut européen pour la diversité des genres rapporte que l’écart entre les sexes dans la main-d’œuvre de l’IA se creuse avec la durée de la carrière. Les femmes ayant plus de 10 ans d’expérience professionnelle dans l’IA représentent 12 % de l’ensemble des professionnels du secteur, contre 20 % des femmes ayant entre 0 et 2 ans d’expérience.

Ainsi, alors que davantage de femmes ont tendance à entrer dans le domaine de l’informatique, leur nombre diminue radicalement avec le temps parce que les travailleuses manquent de soutien, sont confrontées à la discrimination ou au phénomène du plafond de verre, qui les fait essentiellement passer dans un autre domaine. Pour prétendre, nous avons conclu que le nombre de femmes entrant dans le domaine de la technologie n’est tout simplement pas suffisant. Bien que cela ne signifie pas que les femmes qui entrent dans le domaine de l’ingénierie doivent y rester pendant 20 ans, pour optimiser les chiffres, nous devons donner aux femmes qui décident de changer de carrière plus tard dans leur vie et de développer leurs compétences pour recevoir une nouvelle formation en science des données ou en informatique afin d’entrer dans ces domaines plus tard. Malheureusement, de nombreux domaines agissent comme une sorte de capital humain élitiste et exclusif, refusant de faire venir et de former des gens, afin que nous puissions créer une société plus polyvalente. Par conséquent, les efforts visant à améliorer l’enseignement actuel doivent venir de tous les côtés : des individus, des parties prenantes, du gouvernement et du secteur privé également.

Enfin, il ne fait aucun doute qu’il existe des algorithmes d’IA qui renforcent les préjugés sexistes, mais aussi ceux qui les découvrent. Cependant, l’IA elle-même n’est pas à blâmer. Elle ne fait que refléter les problèmes de notre société, et le travail fondamental et les améliorations sont encore à faire parmi nous, les humains.

Traduit avec www.DeepL.com/Translator (version gratuite)

Shares
Share This
X