- il y a 2 jours
Catégorie
🗞
NewsTranscription
00:00— Je le disais en introduction, pourquoi la diversité de genre est-elle essentielle pour créer une société inclusive et donc harmonieuse ?
00:14En quoi l'IA peut-elle être un levier dans ce sens ?
00:18Eh bien pour répondre à toutes ces questions, on a la chance ce matin d'avoir avec nous Sacha Rubel, qui est directrice des politiques publiques pour l'IA chez AWS.
00:27Elle était dans la salle et elle a disparu. Est-ce qu'elle est là, Sacha ? Elle est là ! Elle est là ! Eh bien je vais lui laisser la parole à Sacha.
00:37Je mets tout au Femina, pas simplement parce que je fais plein de fautes en français, mais aussi comme un engagement politique pour féminiser pas simplement la langue, mais aussi le monde de la technologie.
00:48Et aujourd'hui, je vais vous parler de pourquoi c'est absolument essentiel que les questions de DEI vont ensemble avec l'IA,
00:57et pourquoi les deux sont complémentaires, et surtout comment on peut passer de la promesse vers le pratique.
01:05Donc où sommes-nous aujourd'hui actuellement au niveau de la diversité, équité et l'inclusion concernant l'IA ?
01:13On a entendu ce matin des chiffres absolument extraordinaires, pas simplement du ministre, mais aussi des intervenants précédents,
01:20mais je veux vous peindre un peu plus en profondeur, là où nous sommes précisément dans le domaine de l'intelligence artificielle.
01:27Donc aujourd'hui, actuellement, les femmes représentent juste autour de 26% des professionnels dans le domaine de l'IA,
01:39et au-delà de cette statistique, ils représentent environ seulement 18% des dirigeantes dans les entreprises consacrées à l'IA.
01:49En parallèle de ces chiffres assez alarmantes, il y a une effervescence d'adoption de l'IA qui existe actuellement.
01:56En 2024, l'adoption de l'IA par les entreprises françaises dépassait l'adoption des téléphones mobiles au début des années 2000.
02:09Ça veut dire qu'une entreprise en France a adopté l'IA chaque trois minutes.
02:14En parallèle de cette effervescence, par contre, la réalité, c'est qu'il y avait beaucoup d'innovation, un peu moins d'adoption,
02:22mais dans cette innovation, les femmes étaient 13 fois moins susceptibles que les hommes de déposer un brevet dans le domaine de la technologie.
02:34C'est grave.
02:36Je pense que la ministre, ce matin, en a parlé, mais la réalité, c'est qu'en France, et pas seulement,
02:42on est en train de reculer par rapport à la question de l'inclusion dans l'intelligence artificielle.
02:50Il y a deux paradoxes à signaler.
02:53Une, c'est la paradoxe de l'égalité des genres dans les parcours scientifiques.
02:57Madame la ministre l'a évoqué ce matin, il y a toujours trop peu de femmes dans les parcours scientifiques,
03:04mais quand vous regardez le gap entre les femmes qui poursuivent des parcours scientifiques
03:10et les femmes qui poursuivent des carrières dans la technologie, cette gap est encore plus importante.
03:18Encore pire, avant 38 ans, plus de 50% des femmes dans le domaine de la technologie quittent ce domaine
03:27pour une raison simple, c'est qu'ils se disent « c'est trop misogyne, j'ai pas d'équilibre de vie,
03:33je ne continuerai pas dans ce domaine ».
03:36Ça, c'est un des endroits le plus grave et le plus urgent à adresser.
03:42Ça veut dire qu'on est en train de cultiver des dirigeantes féminins de demain
03:46qu'avant 38 ans, se disent « je me casse ».
03:51Après, il y a une deuxième paradoxe qui existe et qui est très importante,
03:56surtout dans le contexte français.
03:58C'est le paradoxe qu'on appelle le paradoxe d'éthique,
04:01et c'était UNESCO, justement, et je salue l'ancien sous-directeur général,
04:06Moët Chakchouk, qui est dans la salle du UNESCO,
04:09qui a publié cet rapport qui soulignait qu'en fait,
04:14des pays avec des très hauts taux de l'égalité de genre
04:18a le taux le moins élevé des femmes dans l'éthique.
04:23Ça veut dire que dans les pays comme la France,
04:25où l'égalité des genres est centrale dans les questions de politique publique,
04:28il y a moins de femmes dans le domaine de l'intelligence artificielle
04:32que, par exemple, aux Émirats ou en Arabie saoudite.
04:37Donc, des sociétés avec des hautes attentions à l'égalité de genre,
04:43moins femmes dans la technologie.
04:45C'est des paradoxes dont il faut qu'on s'adresse,
04:47et il faut qu'on l'adresse pas simplement dans l'industrie,
04:50mais aussi dans les domaines de politique publique.
04:53La réalité, on en a entendu à plusieurs reprises ce matin,
04:57c'est que la diversité, c'est pas simplement la bonne chose à faire.
05:01La diversité est un impératif d'entreprise.
05:05Parce qu'en réalité, les équipes qui sont plus diversifiées
05:08ont 25% de plus de chances de surpasser leurs concurrents.
05:14Les équipes avec la diversité au centre,
05:17et je souris parce qu'il y a mon équipe,
05:19Caroline, Lili et Cédric, juste en face de moi,
05:21qui représentent aussi cette diversité.
05:24Les équipes diversité et diversifiées
05:28produisent des meilleurs produits,
05:32produisent plus de confiance,
05:34et produisent pas simplement des systèmes avec plus d'impacts,
05:39mais des sociétés plus inclusives.
05:42En parallèle, on voit que si vous avez au moins une femme sur votre board,
05:48le retour d'investissement de l'innovation augmente.
05:53Donc cette question de diversité va pas simplement pour les équipes qui créent ces systèmes,
05:58mais aussi au niveau dirigeante.
06:01Il faut ces perspectives diverses,
06:03et je dirais là pas simplement au niveau d'égalité de genre,
06:06mais aussi au niveau de formation.
06:08Moi, dans mon équipe, j'ai des philosophes, j'ai des écrivaines,
06:11j'ai des avocats, j'ai des spécialistes de la durabilité.
06:14Et là, c'est quelque chose d'absolument essentiel.
06:18En parallèle, ce qu'on voit, c'est que l'IA est absolument essentiel
06:22pour avancer la cause de diversité, équité et l'inclusion.
06:27Et je vais partager avec vous brièvement plusieurs exemples.
06:30Dans la finance, une des premières raisons
06:33pour lesquelles les femmes n'ont pas une compte en banque,
06:36c'est parce qu'elles ne peuvent pas prouver leur identité,
06:39surtout dans des régions comme l'Afrique, où moi j'ai grandi.
06:43Plus d'un milliard de femmes ne peuvent pas prouver leur identité
06:48et donc, du coup, ne peuvent pas ouvrir une compte en banque.
06:51Avec l'IA, justement, on a vu la croissance,
06:54pas simplement d'allocations de crédits,
06:56mais de la possibilité, avec la biométrie,
06:59pour que les femmes puissent prouver leur identité
07:01et ouvrir une compte en banque.
07:04Les droits humains.
07:05On peut utiliser l'IA,
07:06et il y a une ONG qui s'appelle TORN avec laquelle on travaille,
07:09pour lutter contre le trafic humain illicite.
07:13On a vu le déploiement de l'IA dans ce domaine
07:15qui affecte disproportionnellement des femmes,
07:19accélérer le temps d'investigation de jusqu'à 65%.
07:24On voit également dans la média
07:27la manière dans laquelle l'IA peut être utilisée
07:29pour mesurer le temps de parole
07:30et prise de parole en public des femmes et des hommes.
07:34Des fois, il y a des statistiques très intéressantes.
07:35Et donc, on voit comment cet outil peut être utilisé
07:40pour assurer un meilleur équilibre de temps de parole.
07:44Mais en parallèle, et on en a évoqué dans le panel juste avant,
07:49la question de ressources humaines et emploi.
07:51De regarder les billets qui existent,
07:53dont par exemple les fiches de poste,
07:54le langage de fiches de poste,
07:56ou l'évaluation des candidats,
07:59et comment l'IA peut aider,
08:00parce que, soyons honnêtes, on est humains,
08:02on a tous des billets.
08:03Et comment l'IA peut être utilisée
08:06pour diminuer, justement,
08:08cette billet, des fois consciente
08:10et des fois sous-consciente,
08:12dans la manière dans laquelle
08:14on fait des appels d'offres ou de candidats
08:17et la manière dans laquelle on recrute.
08:20On voit également dans la santé
08:22l'importance de comment la utilisation de données
08:25peut aider l'accès à des soins essentiels.
08:29Et je vais vous parler d'un exemple d'une femme
08:31qui s'appelle Betty.
08:31Betty vit à Kigali, au Rwanda.
08:35Rwanda est un pays
08:35avec environ 13,5 millions de populations.
08:40Il y a 15 oncologues.
08:42Ça veut dire qu'il y a un médecin
08:43pour chaque 3200 femmes
08:46qui souffrent activement du cancer de sein.
08:48Beaucoup de ces femmes vivent
08:50dans les zones rurales
08:51et ne peuvent pas payer la voiture
08:53pour aller à Kigali pour voir un médecin.
08:55Et en tout cas, les médecins,
08:56ils n'ont pas le temps.
08:57Et ce qu'on a vu,
08:58c'est qu'en utilisant l'IA,
08:59on peut, en collaboration avec le médecin,
09:03assurer des soins personnalisés
09:05pour des femmes qui sont vulnérables
09:07et qui sont malades.
09:09Le deuxième élément,
09:10c'est vraiment dans les données.
09:12Et je vais vous raconter encore une fois
09:13une histoire d'une organisation
09:15avec laquelle on travaillait
09:17pour avancer la recherche
09:19pour tout ce qui est le traitement
09:20pour le ménopause.
09:21Et on faisait une évaluation
09:23de leurs données d'entraînement.
09:26Et on a vu qu'en fait,
09:27les données d'entraînement de santé
09:28pour faire la recherche
09:30sur comment aider avec la ménopause,
09:3390% de ces données
09:34étaient des données d'hommes.
09:36Donc, comment est-ce que vous voulez
09:37avancer la recherche pour le ménopause ?
09:39Basée sur des données d'hommes.
09:42Et donc, justement,
09:43il y a plusieurs manières
09:44dans lesquelles on peut utiliser l'IA
09:46pour automatiser et identifier
09:49des biais au sein des systèmes
09:52de l'IA elle-même.
09:55Alors, comment exactement
09:56transforme-t-on ces idées
09:58et ces convictions de DEI en action ?
10:02Je vais vous laisser avec quelques pistes
10:04et trois takeaways
10:05que j'espère que vous garderez avec vous.
10:08La première, c'est l'importance du mentorat,
10:11d'avoir des systèmes en place
10:12pour encourager le mentorat.
10:14Et j'aimerais juste reconnaître
10:15plusieurs femmes dans cette salle,
10:17Christine Alangui,
10:21Catherine Le Douce,
10:23Delphine Popono et Elisabeth Moreno,
10:25que depuis le début,
10:26pas simplement m'inspirent,
10:27mais me montrent le chemin
10:28et me montorent au niveau
10:30de ce qui est possible.
10:32Donc, merci beaucoup depuis les années
10:33pour tout ce que vous faites
10:34et l'exemple que vous montrez
10:35à toutes les autres.
10:37En parallèle de ça,
10:39avec le mentorat,
10:40l'important, c'est aussi
10:41la question de l'investissement.
10:43Mettez l'argent
10:46chez les femmes.
10:48Investissez
10:49chez les femmes.
10:50Et la France a plusieurs exemples
10:52des fonds VC qui existent,
10:55qui investissent exclusivement
10:57chez les femmes,
10:58parce que quand vous regardez
10:59les investissements,
11:00moins de 2% au niveau global
11:02d'investissement
11:03vont vers les dirigeantes femmes
11:06dans le domaine de l'IA.
11:07investissez chez les femmes.
11:10Troisième élément absolument critique,
11:13la question des compétences.
11:15Et ça, c'est quelque chose
11:16d'absolument essentiel et urgent
11:19pour une raison très simple.
11:21C'est que les emplois de demain
11:23qui vont exister
11:24et qui existent peut-être pas encore
11:26aujourd'hui,
11:28vont demander des compétences numériques.
11:31En parallèle de ça
11:33et de ces compétences,
11:35on peut voir une augmentation
11:36de salaire de presque 42%
11:38pour des personnes
11:40qui ont des compétences numériques
11:43qui les permettent
11:43de pas simplement participer,
11:46mais créer le monde de demain.
11:48Et pour ce monde de demain,
11:49il faut que les femmes
11:50soient impliquées.
11:52Donc, ces compétences numériques
11:53sont absolument essentielles
11:55et c'est une des raisons
11:56pour laquelle on a lancé
11:57une initiative qui s'appelle
11:59AI Ready
12:00pour assurer que
12:01tous les cours
12:02que nous rendons disponibles
12:03à l'intérieur de notre propre boîte
12:06chez AWS et Amazon
12:08sont également disponibles
12:10pour le public gratuitement.
12:13Et là, c'est pas simplement
12:13une question de comprendre
12:14ce que c'est l'intelligence artificielle
12:17comme technologie,
12:18mais aussi comment le utiliser
12:19et le déployer
12:21dans une manière responsable.
12:23Je vous laisserai maintenant
12:25avec trois points clés
12:27que je trouve essentiels
12:29pour continuer ces débats
12:30sur qu'est-ce qu'on peut faire ensemble.
12:31Je suis encore une fois
12:32ravie d'être là aujourd'hui
12:33parce que ces types d'échanges
12:35sont absolument essentiels
12:36parce que ça prendra pas simplement
12:38l'industrie et le secteur privé
12:41et le secteur public
12:42et les chercheurs
12:43de travailler ensemble
12:44au niveau des parties
12:46prenantes différentes,
12:47mais aussi une coopération globale
12:49pour qu'on réalise justement
12:50cette vision d'un monde
12:52plus juste et plus inclusif.
12:54La première,
12:56c'est la facteur de DEI et IA.
13:00Souvent, on les parle
13:00comme s'ils sont opposés
13:02ou ils n'ont rien à faire
13:03l'un avec l'autre
13:05ou ils sont deux sujets différents.
13:06Et en fait,
13:08l'essentiel, c'est de voir
13:09comment les questions
13:10de diversité, équité et l'inclusion
13:13assurent une meilleure IA
13:15et comment l'IA peut nous aider
13:17à assurer plus de diversité,
13:20équité et inclusion
13:21dans le monde qu'on crée,
13:22pas simplement aujourd'hui,
13:24mais demain.
13:26La deuxième key takeaway
13:27que je laisserai avec vous,
13:29c'est la question
13:30de la responsabilité.
13:32La responsabilité
13:33et l'IA de confiance
13:34et responsable
13:35est quelque chose
13:36d'absolument essentiel
13:37parce qu'un des bloqueurs
13:40primordiales
13:41de l'adoption de l'IA
13:42aujourd'hui
13:43est le manque de confiance
13:44dans cette technologie.
13:45et en fait,
13:46il faut qu'on voit
13:47que la responsabilité
13:49par nature
13:50mène justement
13:51à la confiance
13:52qui mène à l'adoption
13:54et qui mène finalement
13:56à l'innovation
13:57qui représente
13:58pas simplement
13:58une opportunité économique
14:00mais aussi
14:02une opportunité sociale.
14:04C'est une grande erreur
14:06de voir
14:06ce moment
14:07comme quelque chose
14:09d'une révolution technologique.
14:10c'est une révolution technologique
14:12mais c'est aussi
14:14une révolution culturelle.
14:16Et donc,
14:17il faut que ça commence
14:18par l'humain
14:18parce que finalement,
14:20une bonne IA
14:21nécessite des bonnes données,
14:23on le savent tous,
14:25les équipes diversifiées
14:26produisent de meilleures données
14:27et finalement,
14:30les meilleures données
14:31permettent
14:32des meilleurs produits.
14:34Et tout ça,
14:35finalement,
14:36ça dépend
14:36sur les humains
14:37derrière la création
14:39de ces solutions.
14:42L'avenir,
14:42on est convaincu,
14:43est porté par la technologie
14:45et centré sur l'humain.
14:46Donc,
14:47il faut commencer,
14:49continuer
14:49avec la conviction
14:51que la technologie
14:52nous révèle
14:53ce qui,
14:54pas simplement,
14:55est injuste
14:56dans nos sociétés
14:57parce que l'IA
14:58n'est pas
14:59une miroir
15:00de notre société.
15:01L'IA
15:02est une loupe.
15:03Ça magnifie
15:04les inégalités
15:05qui existent
15:07dans notre société
15:08et c'est une opportunité
15:09aussi pour nous
15:11de remédier
15:11pas simplement
15:12la technologie
15:13mais aussi
15:14de montrer
15:14à travers la technologie
15:16l'opportunité
15:17de créer
15:18une société
15:18qui est plus inclusive
15:19et plus juste.
15:21Je terminerai
15:22en vous laissant
15:23avec deux pensées
15:24sur où allons-nous
15:26ensuite.
15:27Actuellement,
15:28le Forum économique mondial
15:30a souligné
15:31que ça prendra
15:32134 ans
15:34pour arriver
15:36à l'équité
15:36de genre.
15:37C'est cinq générations.
15:39Donc,
15:39mes arrières,
15:39arrières,
15:40arrières,
15:40arrières,
15:41petits enfants,
15:42c'est trop longtemps.
15:44Il faut qu'on ajuste
15:46et qu'on accélère
15:47l'action collaborative
15:48pour que ces 134 ans
15:50deviennent
15:51moins de deux générations
15:54et préférablement
15:55encore moins.
15:56Et on le fait
15:57par deux manières.
15:59Une,
15:59c'est de construire
16:00des systèmes
16:01technologiques
16:02pour
16:03et avec
16:04tout le monde.
16:06La fondatrice
16:08du codage,
16:10Ada Lovelace,
16:11avait une idée
16:12que j'adore.
16:12En anglais,
16:13elle appelait ça
16:14« Poetical science »,
16:15la science poétique.
16:17Et on en avait vu
16:18avec l'exemple
16:18de la vidéo
16:19juste avant.
16:20En fait,
16:20c'est une opportunité
16:21incroyable
16:22de démocratiser
16:23pas simplement
16:24l'accès à la technologie
16:25mais l'accès
16:26à l'imagination.
16:28Et donc,
16:28en fait,
16:28il faut qu'on crée
16:29des équipes
16:30avec cette idée
16:31de la science poétique
16:32au cœur
16:33où la pensée critique,
16:36la curiosité
16:37et la créativité
16:38accompagnent
16:39la nouvelle génération
16:41de la manière
16:42dans laquelle
16:42on va créer
16:43ces technologies
16:43dans une manière
16:44plus diverse
16:45et plus inclusive.
16:47Donc,
16:47créer pour
16:48et avec tout le monde.
16:49Et deuxième
16:50et dernière pensée,
16:52créer des chemins
16:52pour que les femmes
16:54dirigent.
16:55Et encore une fois,
16:56je salue
16:56beaucoup de femmes
16:57dans cette salle
16:58mais aussi
16:59mon ancien chef,
17:01Moësha Ksuk,
17:01qui est là
17:02avec sa fille
17:03dont je suis ravie
17:03parce que ça prendra
17:05pas simplement
17:05des femmes
17:06mais aussi
17:07des hommes
17:08qui championnent
17:10justement
17:10et ouvrent
17:12le chemin
17:12pour que les femmes
17:13dirigent
17:14et qu'on s'élève
17:15mutuellement.
17:16Donc,
17:17merci beaucoup
17:17et j'espère
17:18que cette vision
17:18de la possibilité
17:20de l'avenir
17:20de l'IA
17:20de demain
17:21vous inspire.
17:22Sous-titrage Société Radio-Canada
Recommandations
14:39
|
À suivre
14:03
13:59
7:32
20:58
3:38
3:09
2:02
2:15
8:47
34:03
37:38
1:49
0:15
Écris le tout premier commentaire