« Voilà plus de vingt ans que je fais de la recherche en informatique à un très haut niveau. Je me suis aussi frottée, en tant qu’entrepreneuse dans la Deep Tech, aux investisseurs, accompagnateurs, incubateurs et start-upeurs de tout crin. Évoluant depuis longtemps dans ce milieu, je constate que je suis encore trop souvent parmi les rares femmes dans l’assemblée. Comment mettre fin à la sous-féminisation de ce secteur encore très machiste, à l’image de notre société ?
Ce que je souhaite avec ce livre, c’est que les femmes soient autant attirées par l’informatique que par la médecine. » A.-M. K.

De la pionnière Ada Lovelace, première programmeuse, injustement méconnue, à Grace Hopper qui a posé les bases du langage Cobol, des biais de genre sur Wikipédia aux clichés véhiculés par les réseaux sociaux, un livre court et incisif pour montrer le sexisme d’un secteur crucial de l’économie, assorti de propositions concrètes et claires pour encourager les femmes à l’investir, et vite !

Anne-Marie Kermarrec est professeure en informatique à l’École polytechnique fédérale de Lausanne, en Suisse, et fondatrice de la start-up Mediego, issue de l’Inria. Membre de l’Academia Europaea et ACM Fellow, elle est lauréate du prix Montpetit et du prix de l’Innovation de l’Académie des sciences.

1. Couverture
2. Titre
3. Copyright
4. Dédicace
5. PRÉFACE
6. AVANT-PROPOS
7. A comme la visionnaire Ada - Qui était le premier programmeur de tous les temps ?
   1. L'élève de Charles Babbage
   2. Le premier programmeur de l'histoire est une femme
   3. Cent ans d'avance
   4. Une femme trop peu célébrée
8. B comme Biais - L'IA est-elle sexiste, elle aussi ?
   1. L'IA est-elle neutre ?
   2. Et si les algorithmes pouvaient rectifier le tir ?
9. C comme CEO - Pourquoi si peu de femmes à la tête des start-up du numérique ?
   1. La peur de se lancer
   2. Les femmes et les investisseurs
10. D comme Différence - Quels sont les domaines de prédilection des femmes en informatique ?
    1. Dans le détail
    2. Que tirer de ces constats pour faire adhérer les femmes à ces domaines qui semblent les repousser ?
11. E comme Éducation - Quelle part l'éducation joue-t-elle dans l'équation ?
    1. Le genre des jouets
    2. L'importance de la famille
    3. L'enseignement
    4. Les multiples initiatives « Femmes et sciences »
12. F comme Facebook - Les réseaux sociaux ont-ils un sexe ?
    1. Un usage genré
    2. L'addiction est-elle genrée ?
    3. Un pas en arrière
    4. Deux pas en avant
13. G comme la pétulante Grace - Qui était l'homme de l'année en informatique en 1969 ?
    1. Une pionnière des langages de programmation
    2. L'inventrice du « bug »
14. H comme Harcèlement - Et dans la Silicon Valley ?
    1. Les affaires
    2. Quelles sont les causes de ces comportements quand on est dans l'endroit le plus sophistiqué de la planète ?
15. I comme Informatique - Est-ce bien un nom féminin ?
    1. Idée reçue no 1 : l'informaticien est un geek, enlisé dans ses lignes de code, négligé et asocial
    2. Idée reçue no 2 : l'informaticien code toute la journée, rivé à un écran austère, au fin fond d'un sous-sol
    3. Idée reçue no 3 : le monde de l'informatique est sexiste
    4. Idée reçue no 4 : il faut faire des études d'ingénieur pour faire de l'informatique, qui est un métier de garçon
    5. Idée reçue no 5 : l'informatique, comme les jeux vidéo, demeure perçue comme une activité faite pour les garçons
    6. Une science pourtant si jeune
16. J comme Jeux vidéo - Le milieu vidéoludique échappe-t-il au sexisme ?
    1. La démographie dans le secteur des jeux vidéo
    2. Quelle représentation féminine dans les jeux ?
    3. Du harcèlement tant virtuel que réel
17. K comme Karma - Dans quel pays femmes et numérique font-ils bon ménage ?
    1. Raison no 1 : la profession est déconsidérée
    2. Raison no 2 : la classe sociale est plus discriminante que les stéréotypes
    3. Raison no 3 : les filles sont obligées de suivre des enseignements scientifiques
    4. Raison no 4 : les écoles ne sont pas mixtes
    5. Raison no 5 : la société est « bien » organisée
    6. Raison no 6 : la profession est perçue comme féminine
18. L comme Lois - Et si les lois sur la parité entravaient les femmes plus qu'elles ne les aidaient ?
    1. Augmenter la représentation des femmes les rend plus visibles
    2. Les sursolliciter les rend plus vulnérables
19. M comme Mentorat - C'est quoi exactement ?
    1. Le mentorat, c'est quoi ?
    2. Où se pratique le mentorat ?
20. N comme Nobel - Qu'est-ce que l'effet Mathilda ?
    1. Matière grise
    2. Matière à se réjouir… et à réfléchir
    3. Matière à action
21. O comme Obstacles - Des obstacles ? Quels obstacles ?
    1. Facteur no 1 : le vocabulaire
    2. Facteur no 2 : les ruptures de carrières
    3. Facteur no 3 : les préjugés involontaires
    4. Une ébauche de solution ?
22. P comme Prestige - Qu'est-ce que cela à voir dans tout ça, Votre Majesté l'Informatique ?
    1. Un bastion pris aux femmes ?
    2. Une menace pour les femmes ?
23. Q comme Quotas - Pour ou contre ?
    1. Le pour
    2. Le contre
    3. Alors ?
24. R comme Rôles-modèles - La vraie fausse bonne idée ?
    1. Le pour
    2. Le contre
25. S comme Syndrome Queen Bee - Les femmes sont-elles des pestes entre elles ?
    1. Théorie no 1 : le complexe d'infériorité
    2. Théorie no 2 : la peur d'être remplacée
    3. Théorie no 3 : l'envie de voir les autres en baver autant
    4. Théorie n 4 : une simple réaction au machisme
    5. Théorie no 5 : le double standard
26. T comme Turing Award - Qui sont les lauréates ?
    1. 2006 : Frances Allen, la reine des compilateurs
    2. 2008 : Barbara Liskov, la championne des langages et systèmes
    3. 2012 : Shafi Goldwasser, la star de la crypto
27. U comme Universal Studios - Et à Hollywood, comment ça se passe ?
    1. Des fantasmes…
    2. … et des clichés
28. V comme Vision - Comment l'informatique est-elle perçue à l'heure de Parcoursup ?
    1. Le cas des jeunes qui ont déjà un plan de carrière
    2. Le cas des jeunes, bons en maths, qui n'ont aucune idée de ce qu'ils veulent faire
    3. Et le numérique dans tout ça ?
29. W comme Wikipédia - Le bon, la brute et le truand – où sont les femmes ?
    1. Le bon : une encyclopédie en ligne inégalable
    2. La brute : un monde d'hommes
    3. Le truand : des contenus essentiellement masculins
30. X comme robots classés X - L'IA est-elle au service des clichés ?
    1. Les robots sexuels prennent inéluctablement les traits de femmes… idéales
    2. La technologie devance l'éthique
    3. Un mal pour un bien ?
31. Y comme YouTube - Les réseaux sociaux sont-ils féministes ?
    1. Les 1 001 réseaux sociaux
    2. Oui, les réseaux sociaux sont féministes
    3. Mais…
32. Z comme Zoom sur les garçons - Où en sont-ils sur le sujet ?
33. NOTES BIBLIOGRAPHIQUES
34. SOURCES
35. REMERCIEMENTS
36. Sommaire