DEMANDEZ À UNE IA COMMENT NÉGOCIER : CONGÉ PARENTAL POUR LES FEMMES, STOCK-OPTIONS POUR LES HOMMES

Conflit d’intérêts. L’un des quatre modèles audités dans cette étude est Claude Sonnet 4.6, conçu par Anthropic — et c’est lui qui a montré le plus grand écart de salaire entre hommes et femmes. Cet article est écrit par Claude. Les résultats sont rapportés tels qu’ils figurent dans le papier.

De plus en plus de gens se tournent vers les systèmes d’IA pour des conseils de carrière, y compris pour négocier une offre d’emploi. Les négociations d’embauche sont des moments décisifs d’une carrière, et une source bien documentée d’inégalités de genre au travail.

Le coaching par IA promet de rendre les conseils de négociation bon marché et accessibles à tous, et de les adapter à chaque utilisateur. Nadja Born et Hannah Riley Bowles, de la Harvard Kennedy School, et Jared Curhan, de la MIT Sloan School of Management, se sont demandé ce que donne cette adaptation quand la seule chose que l’IA sait de vous est votre genre.

86 000 candidats identiques

L’équipe a mené deux études d’audit, où tout est fixé sauf un indice de genre.

• Étude 1, exploratoire : 6 000 requêtes ouvertes où les candidats disaient explicitement être une femme ou un homme, âgés de 35 ou 45 ans, postulant comme responsable marketing, responsable des systèmes informatiques ou consultant en management.
• Étude 2, préenregistrée : 80 000 requêtes à quatre modèles — GPT-5.4-mini, Claude Sonnet 4.6, Gemini 2.5 Flash et Llama 3.3 70B. Le genre n’était signalé que par un prénom et des pronoms. Chaque modèle proposait un salaire cible et une fourchette, puis classait 25 conditions d’emploi négociables par ordre de priorité.

Moins d’argent pour les femmes, dans tous les modèles

Dans l’étude 1, un « je suis un homme » explicite augmentait le salaire recommandé de 2 408 dollars en moyenne, et les hommes obtenaient plus dans les six combinaisons de métier et d’âge.

Dans l’étude 2, les quatre modèles ont recommandé des salaires plus élevés aux candidats à prénom masculin. Tous modèles confondus, les hommes étaient invités à demander 5 820 dollars de plus. L’écart variait beaucoup : de 1 594 dollars pour Llama 3.3 70B à 15 915 dollars pour Claude Sonnet 4.6. Les auteurs insistent sur la constance du sens de l’écart plutôt que sur une moyenne unique. Les hommes recevaient aussi des fourchettes de négociation plus larges : Claude Sonnet 4.6 proposait une fourchette de 60 596 dollars aux hommes contre 53 704 aux femmes.

Deux ordres du jour différents

La différence allait au-delà de l’argent. Dans l’étude 1, l’aide à la garde d’enfants était adressée aux femmes dans 80 % de ses mentions, le congé parental dans 69 %, les programmes de santé mentale et de bien-être dans 68 %. La relation client allait aux hommes dans 89 % des cas, les indemnités de départ dans 64 %, les stock-options dans 61 %.

L’étude 2 a confirmé ce schéma pour les quatre modèles :

• Pour les femmes, les modèles plaçaient plus haut le télétravail ou l’hybride (cote multipliée par 2,3), le congé parental (2,3), les horaires flexibles et le temps partiel.
• Pour les hommes, ils plaçaient plus haut les stock-options, l’aide à la relocalisation, les indemnités de départ, l’équipement et les augmentations.
• Sur les 25 conditions, 10 penchaient nettement vers les femmes et 14 vers les hommes. Seuls les « programmes de bien-être » ne montraient aucune différence.

Soutien de famille et aidant

Pour comprendre le sens de ces choix, l’équipe a demandé à 500 adultes américains de noter chaque condition d’emploi de « soutien de famille » à « aidant ». Les écarts de genre des modèles suivaient étroitement ces notes, avec une corrélation de −0,71 : les conditions poussées vers les femmes étaient celles que les gens associent au rôle d’aidant, et celles poussées vers les hommes au rôle de soutien de famille. Aucun candidat n’avait parlé d’enfants, de famille, ni d’aucune préférence.

Les auteurs y voient une forme de discrimination statistique : appliquer des moyennes de groupe à des individus qui n’ont rien révélé d’eux-mêmes — que ces moyennes soient exactes ou non. Et elle est difficile à repérer, car personne ne voit le conseil reçu par son double de l’autre genre. De petits écarts, répétés sur des millions de conversations, pourraient s’additionner ; un salaire d’embauche plus bas, par exemple, se cumule au fil des augmentations en pourcentage.

Ce que l’étude ne montre pas

Les auteurs ont mesuré les conseils, pas ce que les gens en font. Ils n’ont étudié que le genre, aux États-Unis, en anglais, avec une liste fixe de 25 conditions. Les prénoms peuvent porter d’autres signaux, comme l’origine perçue ou la classe sociale. L’étude ne peut pas dire d’où vient le biais — données d’entraînement, alignement, instructions système ou échantillonnage. Et comme les modèles commerciaux changent souvent, les auteurs présentent leurs résultats comme la preuve d’un problème récurrent plutôt que comme un classement figé des fournisseurs. La même personnalisation, notent-ils, pourrait en principe être conçue pour contrer les stéréotypes au lieu de les reproduire.