Le temps de formation en IA crée un écart de carrière

Une licence logicielle n’apprend rien à personne. Dans une petite équipe, trois personnes peuvent partager le même accès. Deux peuvent essayer un flux de travail quand la boîte de réception est calme. La troisième passe la journée sur des demandes urgentes et n’a plus d’heure payée pour un premier essai raté. Des mois plus tard, un manager peut faire confiance à la personne qui a un dossier d’essais. Ce choix peut ressembler au mérite. Une partie du dossier, c’est du temps libre.

Cette scène est une illustration, pas un cas. Le dossier public derrière elle est plus étroit. Il ne montre pas que les femmes seraient moins capables d’utiliser les outils. Il montre que l’usage, la confiance, le soutien et la croissance de l’emploi sont des mesures différentes, et qu’une offre qui demande du jugement n’est pas un registre de formation.

Le soutien n’est pas la même chose que la capacité

Le 7 novembre 2026, le Washington Post a publié « Men see more career advancement in jobs with AI, as women lose ground », de Julia Carpenter. Une lecture de la page du Post a renvoyé la date, la signature et l’ouverture, puis s’est arrêtée. Une reprise sur DNYUZ porte la même ouverture et indique que le billet est d’abord paru dans le Washington Post. Les phrases ci-dessous suivent cette reprise là où elle correspond à l’ouverture que la page du Post a elle-même renvoyée.¹

Le Post dit que les salariées ont tendance à utiliser les outils d’IA moins souvent que les hommes, selon une analyse récente du Shorenstein Center on Media, Politics and Public Policy de l’université Harvard. Les femmes disent aussi avoir comparativement moins accès à la formation en IA, au mentorat et aux autres soutiens du lieu de travail. Nancy Gibbs, directrice du centre, est citée sur la compétence. La phrase publiée contient une contraction anglaise, donc la ligne ici est une paraphrase : ce n’est pas que les femmes seraient moins compétentes avec les outils. Elle a dit qu’elles sont moins confiantes, souvent par manque de soutien au travail, et aussi parce qu’elles font moins confiance aux outils dans l’ensemble. Elle a ajouté que ce scepticisme est une part utile du débat sur la sécurité, les garde-fous, la valeur et l’usage.¹

C’est une phrase d’entretien. Ce n’est pas une note de test, et ce n’est pas un constat qu’un employeur nommé aurait discriminé.

Ce que l’enquête de Harvard a vraiment compté

Le rapport s’intitule Are Women Being Left Out of AI?, mis en ligne le 14 octobre 2026. Les auteurs sont Laura Manley, Allison Wan, Brian Friedberg, Nancy Gibbs et Matthew A. Baum. L’enquête est le Civic Health of Institutions Project (CHIP50) : 5 403 adultes aux États-Unis en juillet 2026. Sur le graphique d’usage, l’échantillon non pondéré compte 2 606 femmes et 2 431 hommes. Le rapport imprime une marge d’erreur à 95 % de 0,7 à 1,9 point de pourcentage pour les femmes et de 0,9 à 1,9 pour les hommes sur ce graphique. Sauf indication contraire, il traite les écarts déclarés entre femmes et hommes comme statistiquement significatifs. La plupart des répondants se sont identifiés comme femmes ou hommes. Le rapport dit que l’échantillon est trop petit pour des constats fiables sur les personnes qui s’identifient en dehors de ce binaire.²

Dans l’enquête de juillet, les femmes étaient plus susceptibles que les hommes de dire n’avoir jamais utilisé l’IA (29 % contre 22 %) et plus susceptibles de dire l’avoir essayée mais l’utiliser rarement (28 % contre 21 %). Les hommes étaient plus susceptibles de dire l’utiliser occasionnellement (27 % contre 24 %), régulièrement (25 % contre 16 %), ou créer des flux et des automatisations (5 % contre 3 %). Ce sont des auto-descriptions. Ce n’est pas un audit des journaux de l’employeur.²

La navigation sur ordinateur dit autre chose sur le « déjà utilisé ». Dans les données du National Internet Observatory de juillet 2024 à décembre 2025, sur 5 513 adultes aux États-Unis, le rapport ne trouve pas d’écart statistiquement significatif entre femmes et hommes pour avoir utilisé l’IA au moins une fois. Parmi les personnes qui l’ont utilisée, les hommes ont passé une plus grande part de leur temps de navigation sur des outils d’IA que les femmes (4,6 % contre 2,9 % sur toute la période). Le rapport dit que cet écart est significatif sur l’ensemble de la période, mais pas chaque mois. Une réponse d’enquête et une trace de navigation ne sont pas la même mesure. Un titre qui les réduit à « les femmes utilisent moins l’IA » perd cette distinction.²

Sur le lieu de travail, la prose reste qualitative là où un pourcentage serait facile à inventer. Parmi les personnes en emploi, les femmes sont moins susceptibles que les hommes de déclarer un accès à la formation en IA, au mentorat et à l’encouragement à utiliser l’IA. Le rapport dit que ces soutiens sont associés à un plus grand usage, à une plus grande confiance et à une plus grande valeur perçue chez les femmes comme chez les hommes, et que les écarts de genre persistent souvent même parmi les personnes qui déclarent davantage de ce soutien. Les figures A19 à A21 portent les parts. Ces pourcentages ne sont pas ressortis comme du texte lisible dans l’extrait PDF utilisé pour cette vérification, donc cet article n’imprime pas de pourcentage d’accès à la formation.²

Le même rapport dit que les inquiétudes sur la vie privée et la méfiance envers les résultats sont les deux premiers freins déclarés, pour les femmes comme pour les hommes. La peur du jugement est près du bas : 5 % des femmes et 6 % des hommes. La page orthographie un nom cité à la fois Craney et Cranney. Cet article utilise les 5 % et les 6 % comme les parts de frein du rapport lui-même. Il ne les traite pas comme un constat d’un article que cette passe n’a pas ouvert. Le rapport dit que le travail a été financé par Pivotal, fondé par Melinda French Gates. C’est une ligne de financement, pas une méthode.²

Gibbs a aussi dit au Post que, lorsque les voix des femmes manquent dans les espaces où les décisions se prennent, il y a moins de raison de faire confiance à ces décisions. C’est son argument. L’enquête ne teste pas si un tour de promotion précis était injuste.¹

La pression du temps est un entretien, pas un agenda

Solène Delecourt, professeure adjointe de management des organisations à l’université de Californie à Berkeley, a dit au Post que l’écart d’adoption se réduit, mais lentement. Elle a dit que les femmes déclarent encore se sentir plus inquiètes ou plus prudentes à l’idée d’amener l’IA dans leur travail, et que, pour les outils les plus récents, la grande majorité des premiers adoptants sont des hommes. Comme anecdote, elle a dit entendre des femmes dire qu’elles sont fatiguées de l’IA et que cela enlève une part du plaisir du travail. Elle a aussi dit que les femmes se sentent plus contraintes par le temps que les hommes : une plus grande part des tâches domestiques et de l’aide aux proches à la maison, et du travail invisible en plus du poste. Son point sur le bricolage est précis. Les premiers essais font perdre du temps. Quelqu’un dont la journée est déjà pleine peut ne pas avoir une heure de reste pour un mauvais brouillon.¹

Ces phrases sont un entretien. Cet article n’a pas ouvert une étude d’emploi du temps à son nom. Une remarque sur le temps libre est son inférence, et la ligne publiée contient une contraction, donc elle est paraphrasée ici. Il ne faut pas en faire un décompte d’heures mesuré.

Le Post dit ensuite qu’il apparaît que l’emploi des hommes a crû plus vite que celui des femmes dans des métiers nettement exposés à l’IA. Il cite le développement logiciel et la gestion financière comme exemples, et il renvoie au Pew Research Center. Cette phrase ne porte pas les estimations de Pew, la coupure par diplôme, ni l’avertissement de Pew selon lequel le lien n’est pas forcément direct. Ces chiffres et ces limites sont dans pourquoi l’écart de genre dans les emplois exposés à l’IA est le plus large sans diplôme. Une phrase de journal n’est pas une seconde étude.¹

Une autre enquête demande qui déclare une formation, par niveau hiérarchique plutôt que par genre. Voir pourquoi la formation en IA atteint les chefs plus souvent que les débutants. Les deux écarts peuvent apparaître dans le même lieu de travail. Ce n’est pas le même tableau.

Une offre d’emploi n’est pas un registre de formation

Le brouillon dont part cet article citait une page de PwC Chypre pour l’AI Jobs Barometer de juin 2026. Le communiqué mondial est la source la plus nette. Le 15 juin 2026, à Londres, PwC a dit que le baromètre a analysé plus d’un milliard d’offres d’emploi dans 27 pays et territoires. Au début de carrière, sur 2,4 millions d’emplois aux États-Unis, les rôles les plus exposés à l’IA sont décrits comme sept fois plus susceptibles d’exiger des compétences humaines traditionnellement de niveau senior. La puce dit jugement et leadership. Le paragraphe dit leadership, créativité ou contact en face à face. Ces rôles ont crû de 35 % depuis 2019, tandis que les autres rôles juniors ont reculé de 10 %.⁴

Pete Brown, responsable mondial des effectifs chez PwC, a dit : « The traditional relationship between experience and expertise is changing. AI is removing some of the routine work that once acted as an apprenticeship, while increasing demand for judgement, leadership and adaptability much earlier in careers. » C’est la lecture du cabinet. Ce n’est pas un décompte de qui a reçu une heure payée pour s’exercer.⁴

Une offre qui demande du jugement ne montre pas que la personne candidate a été formée, promue, ou qu’elle a eu un temps comparable. Les limites du « sept fois », y compris la définition propre au rapport d’une compétence traditionnellement senior, sont déjà posées dans pourquoi les offres juniors demandent maintenant un savoir-faire de senior. Cet article ne reprend pas les chiffres de salaire ou de productivité. La page de Chypre, liée dans le fichier source, imprime 53 % contre 36 % dans une puce et 52 % contre 36 % dans un paragraphe plus loin pour les effectifs, et 9 % contre 8,6 % pour le marché de l’emploi plus large. La puce du communiqué mondial utilise 52 % contre 36 % et 9 %. Ces chiffres ne sont pas des constats de cet article. L’écart est la raison de citer le communiqué mondial.⁵

Qui est censé enseigner le jugement qu’une offre demande maintenant est une autre question. Voir qui forme le jugement quand un outil écrit le premier jet.

Ce que le rapport sur les compétences demande aux employeurs

Changing landscape of skills in the age of AI est une synthèse inter-agences. Ummuhan Bardak, de la Fondation européenne pour la formation, l’a écrit, avec les contributions d’un groupe de travail qui comprenait le Cedefop, Eurofound, la Commission européenne, l’OIT et l’UNESCO. Le manuscrit a été achevé en mai 2026. La citation suggérée est European Training Foundation (2026), Office des publications de l’Union européenne, Luxembourg, ISBN 978-92-9157-764-4, doi 10.2816/7083675. Une page de catalogue de l’OIT indique le 13 août 2026. Le fichier de la Fondation est sur un chemin de septembre 2026. Une date du 24 septembre, imprimée dans le brouillon de départ, n’était pas sur les pages ouvertes ici, donc elle n’est pas utilisée. Le rapport dit que son contenu est de la responsabilité des auteurs et ne reflète pas forcément les vues de la Fondation ou des institutions de l’Union.³

Le chapitre de politique traite la culture de l’IA comme une compétence de base : la capacité de comprendre, d’utiliser, de surveiller et de réfléchir de façon critique aux systèmes d’IA. Il décrit cette compétence comme un levier d’agentivité humaine et d’inclusion, pas seulement comme un tour technique. La phrase du rapport contient un tiret, donc ceci est une paraphrase. Il dit aussi que l’acquisition de cette culture n’est pas seulement la responsabilité d’un individu. Les entreprises et les autorités publiques, dans les mots du rapport, ont une obligation partagée de fournir une formation, du temps et un soutien adéquats. Le rapport plaide pour des capacités humaines plus larges plutôt qu’un ensemble étroit de savoir-faire. Rien de cela n’est une expérience sur les taux de promotion. Il n’estime pas combien d’heures payées changent qui obtient le projet suivant.³

Ce qu’une petite équipe peut encore tester

Les étapes ci-dessous sont une suggestion éditoriale. Harvard, le Post, la Fondation et PwC ne les ont pas testées dans une organisation de huit personnes.

Commencer par l’opportunité, pas par l’enthousiasme. Pour chaque personne, demander si elle a un outil approuvé, du temps payé, une tâche qui a vraiment besoin de l’outil, un recours quand le résultat est faux, et un manager qui regardera le raisonnement. Suivre cela par rôle et par mode de travail. Ne pas collecter de données démographiques sensibles pour un pilote s’il n’y a pas déjà une base légale et un dispositif de gouvernance. Le texte officiel du RGPD ne s’est pas ouvert dans cette passe, donc cet article ne cite pas un numéro d’article pour cette prudence. Ce n’est pas un conseil juridique.

Un peu de temps payé pour tout le monde, y compris les personnes à horaires fixes, est plus égal qu’un webinaire facultatif le soir. Une heure structurée toutes les deux semaines est une suggestion, pas un optimum étudié. L’associer à une tâche réelle : à quoi ressemble une bonne vérification, ce qu’il ne faut pas coller dans un outil, et ce qu’une personne doit contrôler. Faire tourner qui reçoit un mentor. Une invitation informelle tend à atteindre les personnes déjà dans la pièce.

Juger la vérification, pas le nombre de requêtes. Une chargée de subventions peut comparer un résumé généré aux critères de financement, nommer ce qui manque, et dire pourquoi la décision tient. Une personne du service client peut tester un brouillon contre la politique et contre l’accessibilité. La compétence qui compte est le jugement. La vitesse n’est pas un substitut.

Avant de nommer un référent IA, poser trois questions. Qui a eu du temps payé ? Qui a reçu un retour sur une erreur ? Qui a pu montrer le travail dans des conditions comparables ? Si les réponses diffèrent nettement selon le rôle, l’organisation ne regarde pas encore la même opportunité. Si quelqu’un refuse une expérience facultative, ne pas lire cela comme une résistance. La contrainte peut être le planning.

Un contre-argument est juste. Certaines personnes utiliseront leurs soirées et avanceront plus vite. Un outil peut aussi ouvrir la pratique à quelqu’un qui n’a jamais eu de collègue spécialiste. Le résultat n’est pas fixé par le logiciel. Il dépend de savoir si la pratique fait partie du travail payé.

Le devoir juridique est plus étroit qu’un planning juste

Cet article n’est pas un conseil juridique. Une heure d’apprentissage payée n’est pas, à elle seule, la conformité au règlement européen sur l’IA.

L’article 4, dans le texte que le bureau d’assistance de la Commission affiche comme modifié, dit que les fournisseurs et les déployeurs prennent des mesures pour soutenir la culture en matière d’IA de leur personnel et des autres personnes qui exploitent des systèmes d’IA pour leur compte. Ils tiennent compte des connaissances techniques, de l’expérience, de l’éducation et de la formation, du contexte d’usage, et des personnes ou groupes sur lesquels les systèmes sont utilisés. Le même paragraphe dit que cette obligation n’exige pas de garantir un niveau précis de culture en matière d’IA pour un individu. Le bureau d’assistance indique que le libellé reflète le texte consolidé d’EUR-Lex au 27 juillet 2026, y compris les modifications du train de mesures numériques. Le résumé de cette page n’est pas juridiquement contraignant. Une heure partagée peut soutenir cette culture. La terminer n’est pas la preuve que l’obligation est remplie, et l’article n’exige pas des résultats de carrière égaux.⁶

L’annexe III, point 4, b), vise les systèmes d’IA destinés à prendre des décisions qui affectent les conditions d’une relation de travail, la promotion ou la cessation, à répartir des tâches selon le comportement individuel ou des traits personnels, ou à surveiller et évaluer la performance et le comportement. Un registre de qui a suivi une heure de formation n’est pas, à lui seul, un tel système. Un outil d’IA destiné à noter des personnes pour une promotion, ou à attribuer du travail à partir de traits personnels, est une autre question. Le classement dépend de la finalité. Le bureau d’assistance indique que les règles de l’annexe III s’appliquent à partir du 2 décembre 2027.⁷

L’article 26 est conditionnel à un système à haut risque. Le paragraphe 7 dit qu’avant de mettre en service ou d’utiliser un système d’IA à haut risque sur le lieu de travail, les employeurs informent les représentants des travailleurs et les travailleurs concernés. Le paragraphe 11 dit que, lorsque des systèmes à haut risque de l’annexe III prennent ou assistent des décisions relatives à des personnes physiques, les déployeurs informent ces personnes. Ces devoirs ne sont pas un constat sur un employeur de l’article du Post. Ce sont les questions à poser si un outil ultérieur est destiné à décider qui avance.⁸

Comment hilighter peut aider

hilighter ne mène pas l’enquête de Harvard, et il ne note pas qui mérite le projet suivant. Il peut rendre visible la pratique attachée à un rôle. Les équipes peuvent cartographier les compétences par rôle, comparer les personnes à ces exigences dans compétences et talents, enregistrer une vérification ou une correction dans la reconnaissance des acquis, et définir des parcours de développement qui ne dépendent pas de qui a eu un après-midi calme. La revue de ces preuves par un manager est dans les évaluations par les managers. La vue impact de l’IA sur les métiers est indicative. Ce n’est pas une lecture de Pew et ce n’est pas une prédiction qu’un rôle disparaîtra. Le plan Gratuit couvre jusqu’à trois métiers. Le nombre de salariés n’est pas plafonné.

Sources

1. Julia Carpenter, The Washington Post, Men see more career advancement in jobs with AI, as women lose ground, 7 novembre 2026. La page du Post a renvoyé la date, la signature et l’ouverture, puis s’est arrêtée. Le corps utilisé ici suit la reprise DNYUZ, qui répète cette ouverture et dit que le billet est d’abord paru dans le Washington Post. Nancy Gibbs, directrice du Shorenstein Center, sur la confiance, le soutien et la méfiance (la phrase sur la compétence est paraphrasée à cause d’une contraction). Solène Delecourt, UC Berkeley, sur un écart d’adoption qui se réduit lentement, les premiers adoptants, la pression du temps et le bricolage (contractions paraphrasées). Pew est cité dans une phrase sur la croissance de l’emploi, sans les estimations de Pew. Gibbs sur les voix présentes dans la pièce.
2. Shorenstein Center, Are Women Being Left Out of AI?, 14 octobre 2026, et le PDF d’octobre 2026. Auteurs : Laura Manley, Allison Wan, Brian Friedberg, Nancy Gibbs, Matthew A. Baum. Enquête CHIP50, 5 403 adultes aux États-Unis, juillet 2026. Graphique d’usage : 2 606 femmes et 2 431 hommes ; jamais utilisé 29 % contre 22 % ; essayé mais rarement 28 % contre 21 % ; occasionnellement 27 % des hommes contre 24 % des femmes ; régulièrement 25 % contre 16 % ; flux 5 % contre 3 %. Marge d’erreur sur ce graphique : 0,7 à 1,9 point pour les femmes, 0,9 à 1,9 pour les hommes. Navigation, juillet 2024 à décembre 2025, 5 513 adultes : pas d’écart significatif sur le « déjà utilisé » ; 4,6 % contre 2,9 % du temps de navigation chez les utilisateurs, significatif sur la période mais pas chaque mois. Les salariées déclarent moins souvent formation, mentorat et encouragement ; les pourcentages des figures A19 à A21 n’étaient pas lisibles en texte, donc ils ne sont pas imprimés. Peur du jugement : 5 % des femmes et 6 % des hommes. Nom orthographié Craney et Cranney sur la même page. Financé par Pivotal.
3. Fondation européenne pour la formation, Changing landscape of skills in the age of AI, et le PDF. Manuscrit achevé en mai 2026. ISBN 978-92-9157-764-4. doi 10.2816/7083675. Ummuhan Bardak, ETF, avec le groupe de travail inter-agences (Cedefop, Eurofound, Commission européenne, OIT, UNESCO). Vues des auteurs, pas forcément celles de la Fondation ou des institutions de l’Union. Culture de l’IA comme capacité de comprendre, utiliser, surveiller et réfléchir de façon critique ; une obligation partagée, dans les mots du rapport, de fournir formation, temps et soutien. Pas une estimation des effets sur la promotion. La page de catalogue de l’OIT indique le 13 août 2026. Une date du 24 septembre dans le brouillon source n’était pas sur ces pages.
4. PwC, AI reshapes global labour market into two distinct paths, communiqué, Londres, 15 juin 2026. Plus d’un milliard d’offres dans 27 pays et territoires. Analyse juniors : 2,4 millions d’emplois aux États-Unis. Sept fois, avec jugement et leadership dans la puce, et leadership, créativité ou face-à-face dans le paragraphe. Rôles de style senior +35 % depuis 2019 ; autres rôles juniors -10 %. Pete Brown sur l’apprentissage et une demande plus précoce de jugement. Les effectifs 52 % contre 36 % et le marché plus large à 9 % figurent dans la puce et ne sont pas utilisés comme constats ici.
5. PwC Chypre, page de presse AI Jobs Barometer 2026. L’URL du fichier source. La même page imprime 53 % contre 36 % dans une puce et 52 % contre 36 % plus loin pour les effectifs, et 9 % contre 8,6 % pour le marché plus large. Reprise locale, pas le rapport de méthode. Ces chiffres ne sont pas des constats de cet article.
6. Commission européenne, bureau d’assistance du règlement sur l’IA, article 4 : culture en matière d’IA. Le libellé reflète la version consolidée d’EUR-Lex au 27 juillet 2026, avec les modifications du train de mesures numériques. Le résumé n’est pas juridiquement contraignant. Le paragraphe 1 n’exige pas un niveau garanti pour un individu.
7. Commission européenne, bureau d’assistance du règlement sur l’IA, annexe III, point 4, b) : décisions sur les conditions de travail, la promotion ou la cessation ; répartition des tâches selon le comportement individuel ou des traits personnels ; surveillance et évaluation de la performance et du comportement. Quand l’exécution commence-t-elle ? : règles de l’annexe III à partir du 2 décembre 2027.
8. Commission européenne, bureau d’assistance du règlement sur l’IA, article 26, paragraphes 7 et 11. Devoirs d’information des employeurs et des personnes soumises à des systèmes à haut risque de l’annexe III qui prennent ou assistent des décisions. Conditionnels à un système à haut risque.

Sources revues pour la dernière fois le 13 novembre 2026. L’URL du Post n’a pas renvoyé l’article complet dans cette passe ; le corps suit la reprise DNYUZ là où elle correspond à l’ouverture que la page du Post a renvoyée. Les pourcentages d’accès à la formation dans les figures A19 à A21 du Shorenstein Center n’étaient pas lisibles en texte et ne sont pas imprimés. La date du 24 septembre pour le rapport de la Fondation n’était pas sur les pages ouvertes. Les propos de Delecourt sont un entretien, pas une étude d’emploi du temps. Les estimations de Pew ne sont pas reprises ici ; elles sont dans l’article hilighter du 27 octobre. La page de Chypre se contredit sur des chiffres que cet article n’adopte pas. EUR-Lex ne s’est pas ouvert pour le texte du RGPD (403), donc aucun article du RGPD n’est cité. Les dates de l’Union suivent le bureau d’assistance de la Commission et ne sont pas un conseil juridique. Ni un score de détecteur d’IA, ni l’absence de pénalité Google ne peuvent être garantis. La traduction assistée par IA appelle une relecture native.