Pourquoi les femmes sont exposées à un risque de déplacement plus élevé — et comment la révision des rôles peut ouvrir de nouvelles voies

L’industrie technologique s’inquiète depuis des années d’une pénurie de talents. Il n’y a pas suffisamment d’ingénieurs en IA, de scientifiques de données ou d’architectes en IA pour répondre à la demande. Les entreprises se disputent farouchement un petit bassin de spécialistes, et la plupart d’entre eux sont des hommes.

Alors que cette guerre pour les talents en IA domine les titres, une crise plus discrète se développe de l’autre côté du marché du travail. Des millions de travailleurs, dont une proportion disproportionnée de femmes, occupent des emplois que l’IA est déjà en train de remodeler. Ils n’ont pas accès à la même formation, aux mêmes outils ou aux mêmes nouveaux rôles qui leur permettraient de faire cette transition.

Le résultat est un double piège. L’industrie ne parvient pas à trouver suffisamment de talents qualifiés en IA, tandis que les femmes restent le plus grand bassin de talents sous-utilisés dans la main-d’œuvre. L’écart entre ceux qui perdent leur emploi et ceux qui en gagnent n’est pas aléatoire. Il suit un modèle qui se dessine dans les données du marché du travail à travers presque toutes les grandes économies, et si cela n’est pas résolu, cela définira la dynamique de genre de la main-d’œuvre pour la prochaine décennie.

Pourquoi les femmes sont exposées à un risque de déplacement plus élevé

Le chiffre clé de l’Organisation internationale du Travail (OIT) est frappant : les métiers à prédominance féminine sont presque deux fois plus susceptibles d’être touchés par l’IA générative que les métiers à prédominance masculine, avec 29 % contre 16 %. À l’extrémité la plus à risque, l’écart est encore plus grand. Seize pour cent des rôles à prédominance féminine tombent dans les catégories d’automatisation les plus vulnérables. Pour les rôles à prédominance masculine, ce chiffre est de 3 %.

Le rapport de l’OIT, Gen AI, Occupational Segregation and Gender Equality in the World of Work, identifie trois forces qui poussent dans ce sens. Les femmes occupent les rôles les plus susceptibles d’être automatisés. Elles sont absentes des domaines STEM qui créent ces outils. Et les modèles d’IA reflètent souvent les biais de genre déjà ancrés dans la société.

Ceci n’est pas une coïncidence. Les femmes ont historiquement été concentrées dans les rôles de bureau, le soutien administratif, la saisie de données et le service client. Ce sont exactement les fonctions que l’IA gère le mieux : routine, codifiable et à haute volumétrie. La recherche de l’OIT couvre 88 % des pays qu’elle a analysés, et dans presque tous, les femmes sont exposées à un risque plus élevé que les hommes.

Le risque d’exposition n’est que la moitié du problème. Les rôles créés par l’IA sont regroupés dans des fonctions techniques et stratégiques où les femmes ont historiquement été sous-représentées. Selon une étude de 2024 menée par Interface EU, à l’échelle mondiale, les femmes ne représentent que 22 % de la main-d’œuvre en IA. Le rapport Global Gender Gap du Forum économique mondial de 2025 a constaté que les femmes subissent une baisse significative au cours de la première année de carrière dans les domaines STEM et restent sous-représentées dans l’ingénierie et le leadership en IA.

Les femmes sont concentrées de manière disproportionnée dans les rôles qui sont supprimés, et sous-représentées dans les rôles qui sont créés. Ce n’est pas un problème, mais deux problèmes qui se cumulent.

Un troisième facteur aggrave la situation. Le rapport Understanding Talent Scarcity : AI and Equity de Randstad montre un écart de 42 points de pourcentage dans les compétences en IA entre les hommes et les femmes, avec 71 % contre 29 %. Les hommes sont plus susceptibles de se voir offrir une formation en IA par leurs employeurs (35 % contre 27 %) et plus susceptibles d’avoir accès à des outils d’IA sur leur lieu de travail (41 % contre 35 %). UC Berkeley a synthétisé 18 études couvrant 143 000 travailleurs dans le monde et a constaté que les femmes sont environ 20 % moins susceptibles que les hommes d’utiliser des outils d’IA générative de manière professionnelle. L’écart s’est maintenu, quel que soit le niveau d’éducation ou le revenu du pays.

La ségrégation professionnelle a placé les femmes dans des rôles automatisables. La sous-représentation dans les domaines STEM les a exclues des rôles que l’IA est en train de créer. L’écart en matière d’accès et de formation empêche la transition entre les deux. Chaque couche renforce les autres.

La révision des rôles : ce que cela signifie réellement et pourquoi la plupart des entreprises se trompent

Lorsque les organisations parlent de préparation de leur main-d’œuvre à l’IA, elles veulent généralement dire l’une de deux choses : soit la formation de salariés existants sur de nouveaux outils, soit le remplacement de postes supprimés par de nouveaux postes techniques. Les deux approches manquent l’essentiel.

La formation est nécessaire mais insuffisante. Donner à une employée de saisie de données un cours sur l’ingénierie de prompt ne crée pas de voie. Cela lui donne un ensemble de compétences. Ce dont elle a besoin, c’est une destination : un rôle spécifique, avec des responsabilités définies, qui existe dans l’organisation et qu’elle peut rejoindre de manière crédible.

Le remplacement de postes supprimés par des postes techniques aggrave souvent le problème. Les ingénieurs en IA, les scientifiques de données et les spécialistes en apprentissage automatique nécessitent des diplômes et une expérience que peu de travailleurs déplacés possèdent. Ils attirent également des candidats issus du même bassin de talents homogène qui domine déjà le secteur technologique. Le déplacement touche les femmes. Les rôles de remplacement ne les touchent pas.

La révision réelle des rôles commence par une question différente. Non pas quels emplois peut faire l’IA, mais à quoi ressemble la contribution humaine dans un monde où l’IA gère les tâches routinières ?

La réponse est que le travail distinctement humain est relationnel, contextuel et éthique. Cela consiste à naviguer dans l’ambiguïté. À établir la confiance avec les clients et les collègues. À prendre des décisions de jugement dans des situations sans modèle. À comprendre ce dont un partie prenante a réellement besoin, et non pas seulement ce qu’il a dit vouloir.

Les nouveaux rôles qui émergent à cette intersection portent des noms différents selon le secteur : coordinateur de mise en œuvre de l’IA, responsable de l’adoption de la technologie, lien humain-IA, responsable de l’éthique numérique, spécialiste de la gestion du changement. Ce qu’ils partagent, c’est le besoin de personnes capables de travailler à l’intersection de la technologie et de la complexité humaine.

Ces rôles nécessitent du jugement, de la communication et une profonde compréhension de la façon dont les organisations fonctionnent. Ils sont, en d’autres termes, une évolution directe des compétences que les femmes dans les rôles actuellement menacés ont déjà passés des années à développer.

Les entreprises qui réussissent sont celles qui cartographient les compétences intégrées dans les rôles menacés, non le titre du poste, mais les capacités réelles que la personne a développées, et qui identifient lesquelles de ces capacités correspondent aux rôles que l’IA est en train de créer.

Ceci est un problème de talents, et non seulement un problème d’équité

La pénurie de talents en IA est réelle et s’aggrave. Les rôles créés par l’adoption de l’IA nécessitent une combinaison de littératie technique et de jugement humain qui est réellement rare. Les entreprises se disputent farouchement un petit bassin de personnes.

Les femmes sont le plus grand bassin de talents sous-utilisés dans la main-d’œuvre professionnelle. Les compétences intégrées dans les rôles menacés, y compris la gestion des relations, la coordination opérationnelle, la raison éthique et la communication avec les parties prenantes, sont exactement ce dont les nouveaux rôles de l’ère de l’IA ont besoin. Le lien entre ces deux faits devrait être évident.

L’embauche basée sur les compétences est le mécanisme qui rend ce lien possible. Au lieu de filtrer les candidats en fonction de leurs diplômes et de leurs parcours professionnels linéaires, elle évalue ce que quelqu’un peut réellement faire. Elle ouvre les rôles aux personnes dont les capacités se sont développées au fil des années dans des fonctions administratives et de service, exactement les rôles que l’IA est en train de supprimer. Lorsqu’elle est bien conçue, elle n’élargit pas seulement le bassin de talents, mais met en surface les types d’expérience spécifiques dont les organisations ont le plus besoin dans un environnement enrichi par l’IA.

Ce à quoi ressemble une organisation qui réussit

Il n’y a pas de modèle unique. Mais les organisations qui font des progrès significatifs partagent un ensemble de comportements reconnaissables.

Elles commencent par la compétence, et non par le titre du poste. Avant que tout rôle ne soit automatisé, elles cartographient ce que la personne dans ce rôle peut réellement faire, et elles cartographient cela par rapport aux capacités que l’organisation aura besoin à l’avenir. La question n’est pas de savoir si un emploi peut être automatisé, mais de savoir ce que la personne qui occupe cet emploi sait, et où cette connaissance s’intègre dans ce qui est en train d’être construit.

Les organisations de premier plan vont au-delà des promesses vagues de formation pour construire des voies qui sont visibles, spécifiques et actionnables. Au lieu d’un espoir général de futures opportunités, elles offrent une ligne claire d’un rôle actuel à un rôle défini à l’avenir, avec des étapes, des délais et des structures de soutien précisés. Elles conçoivent la formation pour l’ensemble de la main-d’œuvre, et non pour l’employé moyen. Les programmes qui ont lieu en dehors des heures de travail ou qui nécessitent un apprentissage autodirigé excluront systématiquement les personnes ayant des responsabilités de soins. La conception inclusive signifie modulaire, planifiable, disponible pendant les heures de travail, avec la sécurité psychologique pour expérimenter et échouer sans que cela affecte une évaluation de performance.

Cette approche s’aligne sur un changement fondamental dans la main-d’œuvre : le Randstad Workmonitor 2026 confirme que la carrière traditionnelle en échelon est en train de disparaître, avec 72 % des employeurs qui conviennent maintenant que les parcours professionnels linéaires sont obsolètes. En réponse, les talents atténuent les risques en construisant des « carrières en portefeuille ». Ce nouveau modèle donne la priorité à la variété, à l’agentivité individuelle et à la sécurité à travers une gamme diverse d’expériences plutôt qu’à la détention à long terme d’un seul rôle.

Les 24 prochains mois seront importants pour longtemps

Les transitions de la main-d’œuvre ne sont pas facilement réversibles. Les modèles qui se forment maintenant tendent à persister pendant des années.

Les organisations qui agissent avec intention peuvent utiliser ce moment pour construire une main-d’œuvre plus capable et plus diverse qu’elles n’en ont aujourd’hui. Celles qui traitent la transformation de l’IA comme un projet technique avec une note en bas de page pour les personnes émergeront probablement avec une base de talents plus étroite et un problème d’embauche plus difficile.