Parité Sciences | Les femmes et l'IA

Les femmes et l'intelligence artificielle (IA)

L'intelligence artificielle représente l'une des avancées technologiques les plus marquantes de notre époque. Pourtant, l’IA demeure l’un des secteurs technologiques où les femmes sont les moins représentées.

Grâce au soutien d'IVADO, Parité sciences met à la disposition de la communauté éducative des ressources fondées sur la recherche pour aborder les enjeux liés à l'IA, développer l'esprit critique des jeunes et favoriser une plus grande représentation des filles et des femmes dans les domaines qui contribuent à son développement.

RESSOURCES PÉDAGOGIQUES

Vers une intelligence artificielle plus équitable

L'intelligence artificielle peut reproduire des préjugés et des inégalités

Les systèmes d’intelligence artificielle (IA) ne sont pas neutres. Les systèmes IA apprennent à partir de données créées, sélectionnées et annotées par des êtres humains. Lorsque ces données reflètent des stéréotypes ou des inégalités déjà présents dans la société, les systèmes d'IA peuvent reproduire ou amplifier ces biais.

Comprendre ces enjeux permet de développer un regard critique sur l'IA et de mieux préparer les jeunes à évoluer dans un monde où ces technologies occupent une place grandissante.

Dans cette page :

Des ressources gratuites téléchargeables pour amorcer la réflexion en classe : Infographie et affiches
Les causes : Qu'est-ce qu'un biais algorithmique?
Les conséquences
Les Pistes de solution
La sous-représentation des femmes dans les domaines liés à l'intelligence artificielle

Des ressources gratuites pour amorcer la réflexion

Infographie téléchargeable

Découvrez les principaux enjeux liés aux femmes et à l’intelligence artificielle grâce à cette infographie claire et accessible.

Un outil idéal pour amorcer la réflexion avec vos collègues ou vos étudiant·e·s sur les biais algorithmiques, la diversité et la place des femmes dans les carrières en IA.

Télécharger

Affiches à télécharger ou à commander

Sensibilisez votre communauté éducative aux enjeux liés à la représentation des femmes en IA grâce à cette série de trois affiches. Un code QR dirige vers les ressources de Parité sciences.

Téléchargez-les pour les imprimer ou commandez gratuitement des exemplaires en grand format, livrés directement à votre établissement.

Télécharger

Commander

Comprendre la problématique

Qu'est-ce qu'un biais algorithmique?

Un biais algorithmique est la tendance d'un système d'intelligence artificielle à produire des résultats injustes, déséquilibrés ou stéréotypés parce qu'il a été entraîné à partir de données ou de décisions déjà biaisées.

Contrairement aux humains, l'IA ne possède pas d'opinion ni d'intention. Elle apprend simplement à reconnaître des régularités dans les données qui lui sont fournies. Si ces données contiennent des biais, ceux-ci peuvent se retrouver dans les résultats générés

Des biais humains aux biais algorithmiques

Les biais algorithmiques prennent souvent leur origine dans les biais cognitifs humains.

Les biais cognitifs sont des raccourcis mentaux que notre cerveau utilise inconsciemment pour interpréter rapidement l'information. Ils influencent parfois nos décisions, nos perceptions et nos jugements.

Lorsque ces biais se retrouvent dans les données utilisées pour entraîner une intelligence artificielle ou dans les décisions prises lors de sa conception, ils peuvent être reproduits par les systèmes d'IA.

D'où viennent les biais?

Les biais algorithmiques peuvent avoir plusieurs origines.

Trois facteurs jouent un rôle particulièrement important :

1. Les valeurs et les inégalités présentes dans la société

Les systèmes d'IA apprennent à partir de contenus produits par des êtres humains. Les données utilisées reflètent donc les réalités, les normes sociales, les stéréotypes et les inégalités qui existent déjà dans la société.

2. Les choix effectuées lors de la conception des systèmes d'IA

Le développement d'un système d'IA implique une multitude de choix humains :

les données sélectionnées;
les variables retenues;
les objectifs poursuivis;
les critères utilisés pour évaluer les résultats.

Ces décisions influencent directement le fonctionnement des systèmes.

3. Les données d'entraînement

On dit souvent que l'IA est, fondamentalement, une question de données.

Si certains groupes sont sous-représentés, mal représentés ou représentés de façon stéréotypée dans les ensembles de données, ces déséquilibres risquent d'être reproduits par les systèmes d'IA.

Les conséquences

Les biais algorithmiques peuvent contribuer à reproduire ou à amplifier certaines inégalités.

Ils peuvent notamment contribuer à :

reproduire des stéréotypes;
normaliser certaines inégalités;
influencer les choix d'études et de carrière;
invisibiliser ou sous-représenter certains groupes;
limiter les possibilités offertes à certaines personnes.

Pistes de solution

La diversité des équipes constitue l'un des moyens les plus efficaces pour réduire les biais.

Des équipes composées de personnes ayant des expériences, des parcours et des perspectives variés sont davantage en mesure :

d'identifier les angles morts;
de remettre en question certaines hypothèses;
de détecter des biais dans les données;
de concevoir des systèmes plus inclusifs et représentatifs de la diversité de la société
d'améliorer la qualité, la fiabilité et l'équité des technologies développées.

La sous-représentation des femmes dans les domaines liés à l'intelligence artificielle

Malgré les progrès réalisés, les femmes demeurent sous-représentées dans plusieurs domaines étroitement liés à l'IA.

PS - Infographie - Les femmes et l'IA (IVADO).png

Une sous-représentation qui apparaît dès les études

Au Québec, les femmes ont obtenu 60,3 % de l'ensemble des diplômes postsecondaires entre 2021 et 2024. Si les choix d'études étaient répartis de façon similaire dans tous les domaines, il est plausible de s'attendreà retrouver une proportion comparable dans les programmes liés aux technologies de l'information et de la communication. Or, elles n'y représentent que 17,5 % des diplômé·es.

Cet écart illustre que les femmes demeurent sous-représentées dans certains domaines qui constituent des voies d'accès importantes vers les carrières en IA.