Les femmes dans la tech en 2026 : progrès, stagnation et le fossé de genre dans l’IA

Une décennie de promesses de diversité, et les chiffres n’ont presque pas bougé

En 2014, Google a publié son premier rapport de diversité, révélant que 29 % de sa main-d’oeuvre mondiale était féminine, avec une part encore plus faible dans les postes techniques. L’entreprise a engagé des centaines de millions de dollars pour améliorer la représentation. Une décennie plus tard, la main-d’oeuvre globale de Google a atteint 33,8 % de femmes (2024), avec des postes techniques autour de 26 %. Meta, Microsoft, Apple et Amazon oscillent dans une fourchette similaire de 24-29 % de femmes dans les postes techniques. Puis, en 2025, Google, Meta et Microsoft ont discrètement cessé de publier leurs rapports de diversité, dans le cadre d’un recul plus large des engagements DEI des entreprises.

Des progrès ? Oui, des gains modestes sur une décennie. Mais le rythme reste glaciaire par rapport aux ressources investies et à l’urgence du discours. Au rythme actuel, la parité de genre dans les postes tech ne sera pas atteinte avant plusieurs décennies.

Le tableau mondial est sévère : les femmes occupent environ 26-28 % des postes tech dans le monde, un chiffre confirmé par de multiples analyses, dont le Rapport mondial sur l’écart de genre 2025 du Forum économique mondial. Dans l’IA en particulier, le segment de l’industrie qui connaît la croissance la plus rapide et les salaires les plus élevés, le chiffre tombe à environ 22 % des professionnels de l’IA au niveau mondial. Parmi les chercheurs en IA publiant des articles évalués par les pairs, les femmes représentent environ 20 %. Moins de 14 % des postes de direction en IA sont occupés par des femmes.

Un signal encourageant toutefois : le WEF rapporte que la part des femmes possédant des compétences en ingénierie de l’IA sur les profils LinkedIn est passée de 23,5 % en 2018 à 29,4 % en 2025, et le fossé de genre dans les talents IA s’est réduit dans 74 des 75 économies étudiées. Mais ces gains sont fragiles, concentrés dans certains rôles, et ne se sont pas encore traduits par une parité dans le leadership.

Le fossé de genre dans l’IA est particulièrement lourd de conséquences, car les systèmes d’IA reflètent les perspectives de leurs créateurs. Lorsque la grande majorité des développeurs, chercheurs et chefs de produit en IA sont des hommes, les systèmes résultants risquent de refléter des perspectives dominées par les hommes et peuvent ne pas tenir compte des besoins, des expériences et des préoccupations de sécurité des femmes.

Le pipeline : où les femmes sont perdues

Le « problème du pipeline », l’argument selon lequel moins de femmes entrent dans les études STEM et sont donc moins disponibles pour les postes tech, est réel mais insuffisant comme explication complète.

Étape 1 : l’éducation STEM

Les femmes obtiennent environ 58 % de tous les diplômes de licence aux États-Unis, dont environ la moitié des diplômes en sciences et en mathématiques. En biologie, chimie et dans de nombreux domaines scientifiques, les femmes sont à parité ou proches. Mais en informatique, les femmes n’obtiennent qu’environ 21 % des licences, un chiffre qui a à peine augmenté depuis 2010. Ce pourcentage est nettement inférieur au pic de 37 % atteint en 1984.

Le déclin depuis le pic de 1984 est l’une des tendances les plus étudiées en éducation. Les chercheurs ont identifié des facteurs contributifs : l’essor des ordinateurs personnels commercialisés principalement auprès des garçons dans les années 1980 et 1990, le stéréotype de la « culture geek » qui décourageait les filles de s’identifier à l’informatique, l’homogénéité des départements d’informatique qui faisait sentir aux femmes qu’elles n’étaient pas les bienvenues, et le manque de modèles féminins visibles dans l’informatique.

À l’échelle mondiale, le tableau varie considérablement. En Inde, les femmes obtiennent plus de 40 % des diplômes STEM. Dans les États du Golfe, les femmes représentent jusqu’à 60 % des étudiants en ingénierie selon l’UNESCO. Au Moyen-Orient et en Afrique du Nord, la participation des femmes aux études STEM dépasse souvent celle de nombreux pays occidentaux, un phénomène que les chercheurs appellent le « paradoxe de l’égalité de genre ». Mais ces acquis éducatifs ne se traduisent pas toujours en participation au marché du travail en raison de barrières culturelles, économiques et structurelles.

Étape 2 : l’entrée dans le monde du travail

Les femmes diplômées en informatique entrent sur le marché du travail tech à des taux inférieurs à ceux des hommes. Selon l’étude « Resetting Tech Culture » d’Accenture et Girls Who Code, 50 % des jeunes femmes qui entrent dans la tech quittent le secteur avant 35 ans. Les raisons principales citées :

• Culture hostile ou peu accueillante : L’étude Tech Leavers du Kapor Center a révélé que 78 % de tous les employés tech ont déclaré avoir subi une forme de traitement injuste au travail, les femmes subissant significativement plus d’injustices que les hommes. Le traitement injuste était la première raison de départ, coûtant au secteur environ 16 milliards de dollars par an.
• Manque d’opportunités d’avancement : Les femmes sont promues aux postes de leadership technique à des taux inférieurs à ceux des hommes ayant des évaluations de performance équivalentes. Les données 2025 de McKinsey montrent que seules 93 femmes sont promues au niveau manager pour 100 hommes.
• Écarts de rémunération : L’écart de rémunération non ajusté entre les genres dans la tech aux États-Unis est d’environ 22 %, ce qui signifie que les femmes gagnent environ 0,78 $ pour chaque 1,00 $ gagné par les hommes. En contrôlant le type de poste, le niveau et la géographie, l’écart se réduit à environ 4 %. Cependant, l’écart s’élargit considérablement aux niveaux supérieurs, où les différences de rémunération en actions, de structures de bonus et les effets cumulés d’une promotion plus lente gonflent la disparité à 15-20 %.
• Charge des soins : La charge disproportionnée des soins assumée par les femmes, notamment la garde d’enfants et les soins aux personnes âgées, entre en conflit avec les normes du secteur tech de longues heures et de disponibilité permanente.

Étape 3 : le leadership senior

Le problème d’attrition se compose aux niveaux supérieurs. Les femmes occupent environ :

• 26-28 % des postes tech de niveau débutant dans le monde
• ~20 % des postes d’ingénieur senior/staff
• ~15 % des postes de VP ingénierie
• ~12 % des postes de direction STEM (données WEF)
• 11 % des postes de PDG du Fortune 500 (un record de 55 femmes en 2025, mais bien moins dans la tech spécifiquement)

C’est le « pipeline qui fuit » : les femmes sont perdues à chaque étape, de l’éducation au niveau débutant, en passant par la mi-carrière et jusqu’au leadership, avec les plus grandes pertes survenant lors de la transition de mi-carrière et du passage au leadership senior. Un point positif notable : les femmes occupent désormais le poste de directrice financière dans plusieurs grandes entreprises tech, dont Alphabet, Microsoft, Nvidia, OpenAI et Salesforce.

Le fossé de genre dans l’IA : un problème qui s’aggrave

L’essor de l’IA aggrave le fossé de genre de manière critique. Les postes en IA exigent des compétences concentrées dans les domaines où la représentation féminine est la plus faible : mathématiques avancées, deep learning et ingénierie des systèmes. Le résultat :

Seuls environ 22 % des professionnels de l’IA dans le monde sont des femmes. Dans la recherche en IA, le niveau le plus prestigieux et le mieux rémunéré, la représentation est encore plus faible, les femmes occupant moins de 14 % des postes de direction IA.

Les pratiques de recrutement en IA renforcent le fossé. Les entreprises qui constituent des équipes IA recrutent souvent dans un petit vivier de programmes d’élite (Stanford, MIT, CMU, et des laboratoires comme DeepMind et FAIR) qui ont eux-mêmes une faible représentation féminine. Ce recrutement « de pedigree » crée un cycle auto-renforçant.

Les outils d’IA peuvent intégrer des biais de genre. Les systèmes d’IA entraînés sur des données historiques, telles que les décisions d’embauche, les dossiers de promotion et les évaluations de performance, apprennent et reproduisent les biais présents dans ces données. Amazon a développé un outil de recrutement par IA à partir de 2014 qui dégradait les CV contenant des références au mot « women’s » (comme dans « women’s chess club ») et favorisait un langage plus couramment trouvé dans les CV d’ingénieurs masculins. L’outil a été abandonné en 2017 après que l’entreprise a déterminé que le biais ne pouvait pas être corrigé. La dynamique sous-jacente, l’IA apprenant à partir de données historiques biaisées, reste un risque omniprésent dans l’industrie.

L’IA générative et la représentation. Les modèles d’IA text-to-image génèrent de manière disproportionnée des figures masculines pour les rôles professionnels (« PDG », « ingénieur », « médecin ») et des figures féminines pour des rôles domestiques ou sexualisés. Cela reflète les biais des données d’entraînement et, lorsque les images générées par IA sont largement utilisées, peut renforcer les stéréotypes à grande échelle.

Ce qui fait vraiment bouger les lignes

Après deux décennies d’initiatives de diversité, la recherche a identifié ce qui fonctionne et ce qui ne fonctionne pas.

Ce qui NE fonctionne PAS

La formation obligatoire à la diversité : Une méta-analyse de 2021 de Paluck et collègues, examinant plus de 400 études, a trouvé des effets proches de zéro sur la réduction des préjugés. Les chercheurs de Harvard Frank Dobbin et Alexandra Kalev ont montré que sur 30 ans de données, la formation obligatoire à la diversité n’a souvent aucun effet ou augmente même les biais en déclenchant de la défensive et du ressentiment. La formation volontaire, basée sur les compétences, fonctionne un peu mieux, mais les programmes obligatoires restent la norme dans la plupart des entreprises.

Les programmes axés uniquement sur le pipeline : Les programmes qui se concentrent exclusivement sur l’entrée de plus de femmes dans les études STEM sans aborder la culture d’entreprise, la rétention et l’avancement produisent plus de femmes entrant dans l’industrie, mais la même proportion quittant.

Les objectifs de diversité sans responsabilité : Publier des chiffres de diversité sans les lier aux indicateurs de performance des managers produit des rapports, pas du changement. La vague de 2025 d’entreprises abandonnant complètement les rapports de diversité souligne la fragilité de cette approche.

Ce qui FONCTIONNE

Les processus de recrutement structurés : Supprimer les informations identifiantes des CV (examen à l’aveugle), utiliser des questions d’entretien standardisées et des grilles d’évaluation, et exiger des panels d’entretien diversifiés réduit significativement les biais de recrutement. Le bureau britannique de Deloitte a constaté une augmentation de 33 % des embauches féminines après avoir mis en place le recrutement à l’aveugle. Une étude de cas chez Google a montré que les entretiens structurés ont conduit à une réduction de 40 % des biais de recrutement.

Le parrainage (pas seulement le mentorat) : Les mentors donnent des conseils ; les parrains plaident. Les dirigeants seniors qui parrainent activement des femmes, en les recommandant pour des promotions, en leur attribuant des projets à haute visibilité, en les présentant à des contacts influents, accélèrent l’avancement plus que tout programme de formation.

Les modalités de travail flexibles : Le travail à distance, les horaires flexibles et les politiques de congé parental qui sont véritablement soutenues, pas seulement inscrites dans les manuels de politique, bénéficient de manière disproportionnée aux femmes qui assument une plus grande part des responsabilités de soins. L’étude d’Accenture a révélé que l’adoption de seulement cinq pratiques inclusives pourrait aider à retenir environ 1,4 million de femmes dans la tech d’ici 2030.

La transparence salariale : La divulgation obligatoire des salaires et les audits d’équité salariale comblent les écarts de rémunération. La Directive européenne sur la transparence des rémunérations, avec une date limite de transposition au 7 juin 2026, exigera des employeurs qu’ils fournissent des fourchettes salariales dans les offres d’emploi et effectuent des rapports réguliers sur les écarts de rémunération. La mise en oeuvre a été lente, aucun État membre n’ayant achevé sa législation début 2026, mais la direction réglementaire est claire.

Le développement de produits inclusif : Les équipes qui incluent des femmes dans le développement de l’IA, la conception de produits et les tests produisent des produits qui fonctionnent mieux pour des utilisateurs divers. C’est un argument commercial, pas seulement un argument d’équité : les produits conçus pour tous sont plus performants sur le marché.

Variations régionales

Le fossé de genre varie considérablement selon les régions.

Pays nordiques (politique sociale forte, chiffres tech modérés) : La Suède, la Norvège et la Finlande sont des leaders mondiaux en matière d’égalité de genre, avec de solides filets de sécurité sociale incluant un congé parental généreux et des services de garde subventionnés. Cependant, leurs secteurs tech spécifiquement n’ont que 24-28 % de représentation féminine, comparable à la moyenne mondiale. Le « paradoxe de l’égalité de genre » explique en partie ce phénomène : dans les pays dotés de systèmes sociaux solides, les femmes ont plus de liberté pour choisir des carrières selon leurs intérêts plutôt que par nécessité économique, et moins choisissent l’informatique.

Inde (écart éducation-emploi) : L’Inde produit un grand nombre de diplômées STEM, avec plus de 40 % des diplômes STEM attribués à des femmes. Les grandes entreprises IT indiennes ont réalisé des progrès significatifs : TCS emploie 35,5 % de femmes, Wipro 36,6 %, et Infosys a atteint 39 % avec un objectif de 45 % d’ici 2030. Cependant, la participation au marché du travail au sens large reste limitée par des barrières culturelles, des préoccupations de sécurité et des interruptions de carrière pour raisons familiales.

Moyen-Orient et Afrique du Nord (paradoxe éducation-emploi frappant) : Plusieurs pays de la région MENA affichent des taux de diplômées STEM remarquablement élevés. L’UNESCO estime que les femmes représentent jusqu’à 60 % des étudiants en ingénierie dans les pays du Golfe. L’Iran rapporte environ 70 % d’étudiantes universitaires en STEM. Mais des barrières importantes à la participation au marché du travail persistent, notamment les attentes culturelles, l’infrastructure de travail limitée et les normes restrictives du marché de l’emploi. Les Émirats arabes unis et l’Arabie saoudite travaillent activement à augmenter la participation des femmes dans la tech dans le cadre de stratégies de diversification économique.

Afrique subsaharienne : Le secteur tech dans des pays comme le Nigeria, le Kenya et l’Afrique du Sud affiche une participation féminine relativement élevée dans certains segments, notamment la gestion de produit et le design, mais une faible représentation dans les rôles d’ingénierie et d’IA.

Questions Fréquemment Posées

Sources et lectures complémentaires

• World Economic Forum — Global Gender Gap Report 2025
• WEF — Gender Parity in the Intelligent Age (mars 2025)
• Stanford HAI — AI Index Report 2025
• McKinsey — Women in the Workplace 2025
• Deloitte — Women and Generative AI (2025)
• Accenture & Girls Who Code — Resetting Tech Culture
• Kapor Center — Tech Leavers Study (2017)
• Paluck et al. — Méta-analyse sur la réduction des préjugés (2021)
• Dobbin & Kalev — Why Diversity Programs Fail (HBR)
• Directive européenne sur la transparence des rémunérations — État de mise en oeuvre
• Payscale — 2025 Gender Pay Gap Report
• Ravio — Gender Pay Gap in European Tech (2025)
• Fortune — Women CEOs on 2025 Fortune 500
• UNESCO — Données mondiales sur les femmes en STEM
• NSF — Données sur les diplômes en informatique par genre