Les ingénieurs de Snap s’efforcent d’éliminer les préjugés raciaux des produits de l’entreprise, bien que les progrès aient été lents pour améliorer la représentation diversifiée de la main-d’œuvre de l’entreprise.
Snap, Inc. a publié jeudi son deuxième rapport annuel sur la diversité avec des résultats mitigés. L’entreprise a fait de modestes progrès dans l’embauche de groupes raciaux et ethniques sous-représentés, en hausse de 0,5 point de leadership à 13,6 %.
Des améliorations significatives ont été apportées dans l’embauche d’employés noirs, en particulier les femmes noires (de 2 % à 5 % des nouvelles embauches) et la promotion des femmes à des postes de direction technique. D’autre part, le taux de rétention des employés hispaniques a légèrement diminué, tout comme le pourcentage d’Asiatiques occupant des postes de direction, à 14,3 % (par rapport au pourcentage global d’Asiatiques à l’échelle de l’entreprise de 34,3 %, ce qui est un pourcentage disproportionnellement faible). ).
Dans l’ensemble, la représentation de Snap parmi les employés noirs et hispaniques/latinos est à égalité avec le reste de l’industrie technologique, à environ 4 à 6 % chacun. Moins de la moitié des employés de Snap (47 %) sont blancs.
Snap collecte des données sur la diversité en interne depuis des années, mais a publié son premier rapport public sur la diversité en juillet 2020. Le directeur général de la société, Evan Spiegel, aurait hésité à publier les données car il craignait que cela ne fasse plus de mal que de bien en offrant une crédibilité numérique à la perception que les personnes de couleur sont représentées dans les entreprises technologiques insuffisantes. Enfin, Snap a publié des données qui montraient qu’il était conforme à la moyenne de la plupart des entreprises technologiques.
Comme pour le premier rapport, les données démographiques ne sont pas le seul objectif du rapport de cette année. Cette année, Snap a souligné le travail qu’il accomplit pour partager les expériences des personnes de couleur avec l’ensemble de son effectif, renforcer le leadership au sein de son équipe de ressources humaines et développer des talents diversifiés grâce à des programmes de formation menant à des stages dans l’entreprise, ce qui rend la diversité, l’équité, et Inclusion (DEI) un indicateur de performance à l’échelle de l’entreprise, et plus encore.
Il effectue également des sondages et des recherches sur les publics pour s’assurer que ce qu’il trouve reflète avec précision la démographie de ses utilisateurs. Il a augmenté la représentation des personnes de couleur et des personnes LGBTQ+ dans la programmation Discover à plus de 50 %. La décision de l’équipe de contenu est particulièrement notable, en partie parce que Snap a été critiqué l’année dernière après que des employés ont partagé et que Mashable a signalé des pratiques racistes antérieures de la part de l’équipe de contenu. Snap a depuis lancé une enquête et le responsable impliqué dans les allégations a quitté l’entreprise.
« Notre objectif est de garantir que notre plateforme de contenu Discover, organisée intentionnellement, propose un contenu qui reflète la diversité des Snapchatters et leurs intérêts », indique le rapport.
Ingénierie Équité
En tant qu’entreprise technologique, Snap concentre également ces efforts sur les produits, pas seulement sur les personnes. Cela a conduit à des initiatives visant à éliminer les préjugés inconscients et l’insensibilité raciale dans le langage codé, l’apprentissage automatique et même les mécanismes de caméra.
« Nous réécrivons tous nos algorithmes d’apprentissage automatique pour éliminer les préjugés inconscients et adopter des principes de conception inclusifs dans la façon dont nous développons des produits sur le front-end », indique le rapport. « Nous nous engageons à créer une plate-forme Snapchat plus inclusive. Une caméra qui peut être utilisé par n’importe qui, y compris tout le monde – en termes d’âge, de statut, de couleur de peau, de taille, de capacité et de langue – et est influencé par différents points de vue.
Il est encore tôt pour tous ces projets, mais Snap voulait partager ses efforts initiaux, même s’il minimise les détails.
Un porte-parole de Snap a partagé avec Mashable les origines du projet d’inclusivité de la caméra. Bertrand Saint-Preux, un ingénieur noir de l’équipe de caméras de Snap, a passé en revue son expérience personnelle avec la caméra de Snap et a remarqué qu’elle ne le représentait pas toujours avec précision. Cela l’a incité à se plonger dans l’histoire des appareils photo et à découvrir que la façon dont les appareils photo calibrent la lumière est construite par défaut sur la peau blanche. Aujourd’hui, les ouvertures ne sont souvent pas encore assez larges pour capturer toutes les carnations.
Saint-Preux a mené un effort interne pour lutter contre l’héritage raciste de la caméra. Désormais, Snap travaille avec des experts en photographie et vidéographie cinématographique et télévisuelle pour s’assurer que ses appareils photo, qui utilisent du matériel téléphonique physique sur les smartphones mais fonctionnent sur le logiciel Snap, capturent avec précision les tons de peau et les traits du visage de chacun. Cela comprend l’amélioration de la façon dont le flash avant capture la faible lumière (important pour éclairer avec précision les sujets et capturer les couleurs et les détails). Il effectue également un traitement photo après la prise de la photo pour s’assurer qu’elle se comporte avec précision.
La deuxième initiative tourne autour de l’apprentissage automatique (ML). ML alimente de nombreuses expériences d’appareil photo Snap, de l’édition de photos aux effets AR. Cependant, comme les systèmes d’IA comme le ML reflètent les préjugés inconscients de leurs créateurs, ils peuvent fonctionner de manière inégale dans la pratique.
Cela s’explique en partie par le fait que les ensembles de données (tels que les photos de visages) ne sont souvent pas diversifiés sur le plan racial, de sorte que les visages blancs sont devenus la valeur par défaut pour identifier les visages. Cela rend les systèmes comme le suivi du visage de Snap moins efficaces pour les personnes de couleur. Cette inefficacité provient également de la priorité de l’algorithme d’écriture. « Si l’algorithme n’est pas optimisé pour la variance – s’il n’est pas programmé pour bien regarder tout ce qui n’est pas blanc – alors il ne pourra pas voir les visages plus sombres », a expliqué Snap. Trouver de meilleures données de formation est un défi.
« Bien que le ML soit un outil puissant pour aider à personnaliser l’expérience de Snapchatter, il est intrinsèquement conçu pour apprendre et optimiser l’agrégation », indique le rapport. « Ainsi, l’expérience globale du produit peut varier, bien que basée sur des mesures globales. Des améliorations, mais il peut y avoir être des pénuries pour certains groupes au sein de notre communauté. »
Snap essaie « d’optimiser la variance » en révisant son algorithme. Il étudie les cas où les algorithmes de suivi des visages ne fonctionnent pas bien et crée des systèmes pour reconnaître ces scénarios, prédire quand ils pourraient se produire et éventuellement les corriger.
Le troisième mouvement d’ingénierie consiste à éliminer le langage insensible à la race du code réel qui alimente Snap. Par exemple, certains encodages utilisent des termes comme « maître » et « esclave » pour classer les choses. Reconnaître les préjugés raciaux dans le langage de codage a déclenché un jugement dans la communauté du codage, et maintenant il arrive également sur Snap. L’année dernière, l’ingénieur principal Tammarrian Rogers est devenu le premier directeur de l’inclusion technique de Snap à diriger le projet.
Il est certainement pratique que Snap ait choisi de partager ces premiers plans d’ingénierie avec ses statistiques de diversité impressionnantes. Cependant, cela ne diminue en rien leur importance et leur potentiel à élever les normes DEI dans l’industrie technologique.