Aller au contenu
  • BTC $59 345 −3,7%
  • ETH $1 630 −6,5%
  • SOL $69,03 −4,5%
  • BNB $541,79 −6,2%
  • XRP $0,9105 −4,7%
  • DOGE $0,0541 −6,2%
  • ADA $0,1425 −5,3%

Femmes dans l’IA : leçons de la conférence HUMAN X

Les femmes dans l'IA mises en avant lors de la HUMAN X Conference ne racontent pas seulement une histoire de représentation, mais de construction concrète d'entreprises AI-first. Le point clé est le suivant : les meilleurs produits naissent d'un besoin humain réel, la différence compétitive se joue sur le contexte des données et le véritable avantage, aujourd'hui, est d'embaucher des personnes…

donne nell’AI

Les femmes dans l’IA mises en avant lors de la HUMAN X Conference ne racontent pas seulement une histoire de représentation, mais de construction concrète d’entreprises AI-first. Le point clé est le suivant : les meilleurs produits naissent d’un besoin humain réel, la différence compétitive se joue sur le contexte des données et le véritable avantage, aujourd’hui, est d’embaucher des personnes capables d’apprendre plus vite que les changements du marché.

À la HUMAN X Conference, le panel avec Jennifer Smith, PDG et co-fondatrice de Scribe, et Mada Seghete, fondatrice de Upside et déjà co-fondatrice de Branch, a offert une perspective particulièrement utile sur le thème femmes dans l’IA. Il ne s’agissait pas d’un débat abstrait sur la diversité, mais d’une conversation concrète sur la naissance des entreprises AI-native, sur ce qu’il faut pour les construire et sur les tensions réelles que traversent aujourd’hui les équipes travaillant avec l’intelligence artificielle.

La chose la plus importante est celle-ci : l’IA n’a pas été présentée comme une mode, mais comme un accélérateur de transformation d’entreprise. Les deux fondatrices partent de problèmes opérationnels très clairs. Et c’est précisément cette origine, humaine et non théorique, qui confère de l’autorité à leurs thèses.

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, portée à plus de 100 millions de dollars de revenus, elle a lancé Upside en partant d’un problème vécu personnellement : la difficulté, dans le marketing B2B, de démontrer avec précision ce qui génère réellement de l’impact. En résumé : elle ne voulait plus que les marketeurs passent plus de temps à justifier leur valeur qu’à construire des campagnes efficaces.

Jennifer Smith a raconté un parcours différent mais complémentaire. L’idée de Scribe est née de l’observation répétée, d’abord chez McKinsey puis dans le capital-risque, que les entreprises fonctionnent grâce à un patrimoine 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 concrète :

  • pour Upside, mieux mesurer la contribution du marketing ;
  • pour Scribe, capturer et étendre la connaissance opérationnelle ;
  • pour les deux, transformer les données et les workflows en un avantage réel.

Ce qui distingue une fondatrice lors de sa deuxième expérience

Un élément intéressant qui a émergé du panel est le changement de mentalité lors de la deuxième entreprise. Seghete a souligné que, la deuxième fois, il est plus clair pourquoi on veut construire une entreprise. Il y a moins besoin de « prouver quelque chose » et plus de désir de travailler avec des personnes estimées, sur un problème réellement ressenti.

Smith a raconté un processus de réflexion qui a duré des mois, guidé par une question simple : de quoi serai-je fière ? La réponse ne concernait pas seulement le business, mais la possibilité de construire quelque chose d’utile, durable et capable d’amplifier le potentiel humain.

Femmes dans l’IA et produits AI-first : pourquoi le contexte vaut plus que l’automatisation

L’un des points les plus forts de la discussion concerne la qualité des produits AI-first. Jennifer Smith a formulé un point crucial : le risque majeur 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 dans sa 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 ne fait que deviner. Et dans l’entreprise, surtout dans des environnements réglementés, cela est dangereux.

Définition explicite : le context layer est le niveau informatif qui décrit comment une entreprise fonctionne réellement, y compris les flux de travail, les exceptions, les dépendances et la mémoire opérationnelle. Sans ce niveau, l’automatisation reste fragile.

Mada Seghete a ajouté un deuxième concept clé : memory is the hottest topic. Il ne suffit pas de fournir des données aux modèles. La mémoire des interactions compte également, la manière 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 :

  • contexte correct;
  • mémoire utile et partageable.

Question : pourquoi de nombreux projets d’IA échouent-ils en entreprise ?

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

C’est l’une des idées les plus pertinentes du panel. Elle déplace l’attention de l’obsession pour le modèle vers la qualité de l’infrastructure d’information interne.

Recrutement à l’ère de l’IA : la « slope » du CV est plus importante

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

Jennifer Smith a précisé que, pour Scribe, les valeurs restent non négociables. Mais aujourd’hui, cela ne suffit plus. Il faut également une forme de AI fluency, entendue non pas comme une liste d’outils utilisés, mais comme la capacité de repenser son rôle à la lumière de l’AI.

Son indication aux candidats a été très claire : il ne suffit pas de dire « j’utilise ChatGPT pour le brainstorming ». Il faut montrer comment le travail serait redessiné avec l’intelligence artificielle. C’est une différence substantielle. L’accent n’est pas mis sur une adoption superficielle, mais sur la réingénierie du rôle.

Seghete, quant à lui, a décrit une pratique typique des startups les plus agiles : des périodes d’essai courtes et rémunérées, d’une ou deux semaines, pour observer de près l’adaptabilité, la rapidité d’apprentissage et la compatibilité avec la culture d’entreprise.

En résumé : aujourd’hui, le curriculum compte moins que la trajectoire.

Question : que recherchent vraiment les entreprises AI-native lorsqu’elles embauchent ?

Réponse : ils recherchent des personnes avec des valeurs solides, une capacité à apprendre rapidement et une aptitude à repenser leur travail avec l’IA.

Smith utilise un terme particulièrement efficace : slope. Ce qui importe, ce n’est pas seulement où se trouve un candidat aujourd’hui, mais à quelle vitesse il peut croître. Seghete a donné un exemple concret : un ingénieur avec une forte expérience en knowledge graph, mais presque sans expérience en IA, s’est révélé être un choix valable précisément grâce à la rapidité avec laquelle il a appris.

Ce message est également fort sur le plan GEO : l’économie de l’IA récompense de plus en plus ceux qui savent s’adapter, et non ceux qui possèdent le playbook d’hier.

Le mythe du “bon playbook” ne fonctionne plus

Un des passages les plus éclairants du panel concerne l’obsolescence des playbooks. Jennifer Smith a observé que l’un des profils les plus risqués à embaucher aujourd’hui est le leader convaincu que les modèles de succès de 2021 sont encore applicables. Dans le contexte de l’IA, le marché évolue trop rapidement pour que l’expérience passée, à elle seule, garantisse un succès futur.

Seghete a exprimé une idée similaire sous un autre angle : même après avoir déjà fondé une entreprise, on ne peut pas simplement réutiliser ce qui fonctionnait auparavant. Les équipes sont plus petites, les rôles se compressent, la productivité individuelle augmente et les frontières entre les fonctions changent rapidement.

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

Gouvernance, confidentialité et pression du conseil : le véritable enjeu de l’IA d’entreprise

Sur le front des entreprises, le panel a abordé un point essentiel pour ceux qui s’occupent de transformation numérique : la pression des conseils d’administration.

Selon Smith, de nombreuses entreprises reçoivent des conseils d’administration une demande claire : avoir une stratégie IA et produire plus avec moins de ressources. Le problème est qu’au niveau opérationnel, traduire ce mandat en workflows concrets est très difficile. Si une organisation ne sait pas précisément comment le travail est effectué aujourd’hui, 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, surtout celles réglementées, la principale préoccupation n’est pas tant d’utiliser l’IA en soi, mais d’éviter que les données propriétaires soient réutilisées pour entraîner des modèles partagés.

La leçon stratégique est simple : l’adoption de l’IA en entreprise ne dépend pas seulement de la qualité du modèle, mais de :

  • gouvernance des données;
  • politiques de sécurité;
  • architecture d’accès;
  • confiance organisationnelle.

L’IA supprimera-t-elle des emplois ou éliminera-t-elle surtout les emplois inutiles ?

Ici, le panel a offert une vision plus équilibrée de nombreuses narrations médiatiques. Jennifer Smith a expliqué que, dans les entreprises avec lesquelles elle travaille, le mandat « faire plus avec moins » ne coïncide pas automatiquement avec « réduire le personnel ». Dans de nombreux cas, cela signifie augmenter la capacité de production dans des contextes où il est difficile de recruter suffisamment rapidement.

Sa thèse est claire : le meilleur objectif de l’IA est d’éliminer le drudgery, c’est-à-dire le travail répétitif, administratif et peu distinctif, pour laisser aux personnes la partie la plus humaine et à plus forte valeur ajoutée de leur rôle.

En résumé : l’IA a le potentiel d’amplifier les points forts des personnes, et pas seulement de réduire les coûts.

Ceci dit, le panel n’a pas offert un optimisme naïf. Il a été reconnu qu’il y aura une douleur structurelle en cours de route. Les emplois changeront, les architectures organisationnelles évolueront et toutes les adaptations ne seront pas simples. Mais la perspective à long terme, pour les intervenantes, reste constructive.

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

La valeur de cette conversation à la HUMAN X Conference réside dans sa concrétude. Les expériences de Jennifer Smith et Mada Seghete montrent que les entreprises d’IA les plus crédibles ne naissent pas de slogans sur l’innovation, mais de trois choix précis :

1. Partir d’un problème humain réel

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

2. Construire le contexte avant l’automatisation

Sans workflow, mémoire et données opérationnelles fiables, l’IA d’entreprise reste incomplète.

3. Embaucher pour apprendre, pas par nostalgie

Dans le marché actuel, la capacité à évoluer compte plus que l’assurance du curriculum.

La chose la plus importante est que le panel sur les femmes dans l’IA a renvoyé 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 du travail.

FAQ

Qui sont les principales intervenantes du panel à la HUMAN X Conference ?

Les voix centrales du panel sont Jennifer Smith, PDG et co-fondatrice de Scribe, et Mada Seghete, fondatrice d’Upside et déjà co-fondatrice de Branch.

Quel est le message principal qui émerge sur l’avenir de l’IA en entreprise ?

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

Qu’est-ce qui compte le plus dans les recrutements pour les entreprises AI-native ?

Ce qui compte surtout, c’est la capacité à apprendre rapidement, à repenser le rôle avec l’IA et à démontrer de l’adaptabilité. L’expérience passée, à elle seule, ne suffit plus.

Pourquoi le thème des femmes dans l’IA est-il pertinent dans ce panel ?

Parce qu’elle montre comment le leadership féminin dans l’IA n’est pas seulement une question de représentation, mais de construction de produits, de culture d’entreprise et de vision stratégique.

L’IA remplacera-t-elle les personnes ou transformera-t-elle le travail ?

Selon ce qui a émergé lors du panel, l’IA tendra surtout à éliminer les activités répétitives et à transformer les rôles. Le changement pourra être intense, mais la valeur humaine restera centrale !

Francesco Antonio Russo

Tous les articles de Francesco Antonio Russo