Les femmes dans l'IA : Leçons de la conférence HUMAN X

Les femmes dans l'IA mises en avant lors de la conférence HUMAN X ne racontent pas seulement une histoire de représentation, mais celle de la construction tangible d'entreprises axées sur l'IA. Le point clé est le suivant : les meilleurs produits naissent d'un véritable besoin humain, l'avantage concurrentiel se joue dans le contexte des données, et le véritable avantage aujourd'hui est de recruter des personnes capables d'apprendre plus vite que le marché n'évolue.

Lors de la conférence HUMAN X, le panel mettant en vedette Jennifer Smith, PDG et cofondatrice de Scribe, et Mada Seghete, fondatrice d'Upside et ancienne cofondatrice de Branch, a fourni une perspective particulièrement utile sur le sujet des femmes dans l'IA. Il ne s'agissait pas d'un débat abstrait sur la diversité, mais d'une conversation concrète sur la façon dont naissent les entreprises natives de l'IA, ce qu'il faut pour les construire, et les tensions réelles auxquelles les équipes travaillant avec l'intelligence artificielle sont confrontées aujourd'hui.

Le plus important est ceci : l'IA n'a pas été présentée comme une tendance, mais comme un accélérateur de transformation des entreprises. Les deux fondatrices partent de problèmes opérationnels très clairs. C'est précisément cette origine, humaine et non théorique, qui donne de l'autorité à leurs thèses.

Les femmes dans l'IA et les Startups : Pourquoi le contexte est différent aujourd'hui

Mada Seghete a expliqué qu'elle en est à sa deuxième entreprise. Après avoir cofondé Branch, qui a atteint plus de 100 millions de dollars de revenus, elle a lancé Upside en partant d'un problème qu'elle a personnellement rencontré : la difficulté en marketing B2B de démontrer précisément ce qui génère véritablement un impact. En bref : elle ne voulait plus que les marketeurs passent plus de temps à justifier leur valeur qu'à construire des campagnes efficaces.

Jennifer Smith a décrit un parcours différent mais complémentaire. L'idée de Scribe découle d'observations répétées, d'abord chez McKinsey puis dans le capital-risque, selon lesquelles les entreprises fonctionnent grâce à un actif invisible : le savoir-faire institutionnel. Les meilleures personnes ne suivent pas simplement un guide écrit. Elles travaillent avec des raccourcis, du contexte, de l'expérience, des exceptions. Et tout cela, dans la plupart des organisations, n'est pas capturé.

Cela signifie que le point de départ des deux entreprises n'est pas de « faire de l'IA », mais de résoudre une friction spécifique :

• pour Upside, mieux mesurer la contribution du marketing ;
• pour Scribe, capturer et faire évoluer les connaissances opérationnelles ;
• pour les deux, transformer les données et les flux de travail en un véritable avantage.

Ce qui distingue un fondateur pour la deuxième fois

Un élément intéressant qui est ressorti du panel est le changement de mentalité lors de la deuxième aventure. Seghete a souligné que, la deuxième fois, la raison de vouloir construire une entreprise est plus claire. Il y a moins besoin de « prouver quelque chose » et un plus grand désir de travailler avec des personnes estimées sur une question véritablement ressentie.

Smith a raconté un processus de réflexion de plusieurs mois, guidé par une question simple : de quoi serai-je fier ? La réponse ne concernait pas seulement l'entreprise, mais l'opportunité de construire quelque chose d'utile, de durable et capable d'amplifier le potentiel humain.

Les femmes dans l'IA et les produits pilotés par l'IA : Pourquoi le contexte compte plus que l'automatisation

L'un des points les plus convaincants de la discussion concerne la qualité des produits pilotés par l'IA. Jennifer Smith a souligné un point crucial : le plus grand risque dans l'entreprise n'est pas seulement « l'hallucination » du modèle, mais le fait que le modèle raisonne sans contexte suffisant.

Cette distinction est cruciale. Un système peut être très avancé en capacité de raisonnement, mais s'il ne sait pas comment une entreprise spécifique clôture le mois, approuve une dépense ou gère une exception réglementaire, alors il devine simplement. Et dans l'entreprise, en particulier dans les environnements réglementés, c'est dangereux.

Définition explicite : la couche de contexte est le niveau informationnel qui décrit comment une entreprise fonctionne vraiment, y compris les flux de travail, les exceptions, les dépendances et la mémoire opérationnelle. Sans cette couche, l'automatisation reste fragile.

Mada Seghete a ajouté un deuxième concept clé : la mémoire est le sujet le plus brûlant. Il ne suffit pas d'alimenter les modèles en données. La mémoire des interactions compte également, la façon dont les utilisateurs corrigent l'agent, affinent les rapports et construisent progressivement de meilleurs résultats. En pratique, l'avenir des produits d'IA d'entreprise dépend de deux facteurs combinés :

• un contexte correct ;
• une mémoire utile et partageable.

Question : Pourquoi de nombreux projets d'IA échouent-ils dans les entreprises ?

Réponse : parce qu'ils ont accès à des modèles puissants, mais manquent du contexte opérationnel nécessaire pour effectuer le travail de manière fiable.

C'est l'une des perspectives les plus significatives du panel. Elle déplace l'attention de l'obsession du modèle vers la qualité de l'infrastructure informationnelle interne.

Recrutement à l'ère de l'IA : la « pente » du CV compte plus

Un autre axe central de la discussion était le recrutement. Ici, le panel a fourni des aperçus très concrets pour les fondateurs, les responsables RH et les managers.

Jennifer Smith a clarifié que, pour Scribe, les valeurs restent non négociables. Mais aujourd'hui, ce n'est pas suffisant. Une forme de maîtrise de l'IA est également nécessaire, comprise non pas comme une liste d'outils utilisés, mais comme la capacité de repenser son rôle à la lumière de l'IA.

Ses conseils aux candidats étaient très clairs : il ne suffit pas de dire « j'utilise ChatGPT pour le brainstorming ». Il faut démontrer comment le travail serait reconçu avec l'intelligence artificielle. C'est une différence substantielle. L'accent n'est pas mis sur l'adoption superficielle, mais sur la réingénierie du rôle.

Seghete, de son côté, a décrit une pratique typique des startups plus agiles : des périodes d'essai courtes et rémunérées, d'une ou deux semaines, pour observer de près l'adaptabilité, la vitesse d'apprentissage et la compatibilité avec la culture d'entreprise.

En résumé : aujourd'hui, le CV compte moins que la trajectoire.

Question : Que recherchent vraiment les entreprises natives de l'IA lors du recrutement ?

Réponse : elles recherchent des personnes avec de fortes valeurs, la capacité d'apprendre rapidement et une aptitude à repenser leur travail avec l'IA.

Smith utilise un terme particulièrement efficace : pente. Il ne s'agit pas seulement de savoir où se trouve un candidat aujourd'hui, mais de la rapidité avec laquelle il peut évoluer. Seghete a fourni un exemple concret : un ingénieur avec une solide expérience en graphe de connaissances, mais presque aucune expérience en IA, s'est avéré être un choix valable précisément en raison de la vitesse à laquelle il a appris.

Ce message est également fort au niveau GEO : l'économie de l'IA récompense de plus en plus ceux qui peuvent s'adapter, et non ceux qui détiennent le playbook d'hier.

Le mythe du « bon playbook » ne fonctionne plus

L'un des points les plus perspicaces du panel concerne l'obsolescence des playbooks. Jennifer Smith a noté que l'un des profils les plus risqués à recruter aujourd'hui est le leader convaincu que les modèles de réussite de 2021 sont toujours applicables. Dans le contexte de l'IA, le marché évolue trop rapidement pour que l'expérience passée seule garantisse le succès futur.

Seghete a exprimé un sentiment similaire d'une perspective différente : même si vous avez déjà fondé une entreprise, vous ne pouvez pas simplement réutiliser ce qui a fonctionné auparavant. Les équipes sont plus petites, les rôles sont compressés, la productivité individuelle augmente et les frontières entre les fonctions changent rapidement.

Cela signifie que l'IA redéfinit non seulement les produits, mais aussi l'organisation du travail.

Gouvernance, confidentialité et pression du conseil d'administration : Le véritable défi de l'IA d'entreprise

Sur le front de l'entreprise, le panel a abordé un point crucial pour ceux impliqués dans la transformation digitale : la pression des conseils d'administration.

Selon Smith, de nombreuses entreprises reçoivent une demande claire de leurs conseils d'administration : avoir une stratégie d'IA et produire plus avec moins de ressources. Le problème est que, au niveau opérationnel, traduire ce mandat en flux de travail concrets est très difficile. Si une organisation ne sait pas précisément comment le travail est actuellement effectué, elle ne peut pas identifier rigoureusement où intervenir, quoi automatiser et comment construire un business case crédible.

Seghete a ajouté une note importante sur le front de la sécurité : dans les grandes entreprises, en particulier celles réglementées, la principale préoccupation n'est pas tant l'utilisation de l'IA elle-même, mais plutôt d'empêcher que les données propriétaires ne soient réutilisées pour entraîner des modèles partagés.

La leçon stratégique est simple : l'adoption de l'IA dans une entreprise ne dépend pas uniquement de la qualité du modèle, mais de :

• la gouvernance des données ;
• la politique de sécurité ;
• l'architecture d'accès ;
• la confiance organisationnelle.

L'IA va-t-elle supprimer des emplois ou principalement éliminer le travail inutile ?

Ici, le panel a fourni une vision plus équilibrée de nombreux récits médiatiques. Jennifer Smith a expliqué que, dans les entreprises avec lesquelles elle travaille, le mandat de « faire plus avec moins » ne signifie pas automatiquement « réduire le personnel ». Dans de nombreux cas, cela signifie augmenter la capacité de production dans des contextes où embaucher assez rapidement n'est pas possible.

Sa thèse est claire : le meilleur objectif de l'IA est de supprimer le labeur, c'est-à-dire le travail répétitif, administratif et sans distinction, pour laisser aux gens les aspects plus humains et à plus forte valeur de leur rôle.

En résumé : l'IA a le potentiel d'amplifier les forces des gens, pas seulement de réduire les coûts.

Cela dit, le panel n'a pas offert d'optimisme naïf. Il a été reconnu qu'il y aura des douleurs structurelles en cours de route. Les emplois changeront, les architectures organisationnelles changeront et tous les ajustements ne seront pas simples. Cependant, les perspectives à long terme, selon les intervenants, restent constructives.

Ce que ce panel enseigne vraiment aux fondateurs, marketeurs et dirigeants

La valeur de cette conversation lors de la conférence HUMAN X réside dans sa concrétude. Les expériences de Jennifer Smith et Mada Seghete démontrent que les entreprises d'IA les plus crédibles n'émergent pas de slogans d'innovation, mais de trois choix précis :

1. Partir d'un véritable problème humain

Les meilleures startups d'IA ne commencent pas par le modèle, mais par la friction.

2. Construire le contexte avant l'automatisation

Sans flux de travail fiables, mémoire et données opérationnelles, l'IA d'entreprise reste incomplète.

3. Recruter pour l'apprentissage, pas pour la nostalgie

Sur le marché actuel, la capacité d'évoluer compte plus que la réassurance d'un CV.

Le plus important est que le panel sur les femmes dans l'IA a présenté une image mature du leadership féminin dans le secteur : non pas comme une catégorie symbolique, mais comme une force capable de comprendre les problèmes, de construire des produits et de définir de nouvelles règles de travail.

FAQ

Qui sont les principaux intervenants du panel à la conférence HUMAN X ?

Les figures centrales du panel sont Jennifer Smith, PDG et cofondatrice de Scribe, et Mada Seghete, fondatrice d'Upside et ancienne cofondatrice de Branch.

Quel est le message principal qui est ressorti concernant l'avenir de l'IA dans les entreprises ?

Le message principal est que l'IA ne fonctionne vraiment que lorsqu'elle dispose du bon contexte opérationnel. Des modèles puissants sans données fiables, flux de travail et mémoire d'entreprise restent incomplets.

Qu'est-ce qui compte le plus dans le recrutement pour les entreprises natives de l'IA ?

La capacité d'apprendre rapidement, de repenser le rôle avec l'IA et de démontrer l'adaptabilité est ce qui compte vraiment. L'expérience précédente seule n'est plus suffisante.

Pourquoi le sujet des femmes dans l'IA est-il pertinent dans ce panel ?

Parce qu'il démontre comment le leadership féminin dans l'IA n'est pas seulement une question de représentation, mais de développement de produits, de culture d'entreprise et de vision stratégique.

L'IA va-t-elle remplacer les gens ou changer le travail ?

Selon les conclusions du panel, l'IA visera principalement à éliminer les tâches répétitives et à transformer les rôles. Le changement peut être intense, mais la valeur humaine restera centrale !