Group items tagged

The machines are not just cleverer, they also have access to far more data. The combination of big data and smart machines will take over some occupations wholesale; in others it will allow firms to do more with fewer workers. Text-mining programs will displace professional jobs in legal services. Biopsies will be analysed more efficiently by image-processing software than lab technicians. Accountants may follow travel agents and tellers into the unemployment line as tax software improves. Machines are already turning basic sports results and financial data into good-enough news stories.

There will still be jobs. Even Mr Frey and Mr Osborne, whose research speaks of 47% of job categories being open to automation within two decades, accept that some jobs—especially those currently associated with high levels of education and high wages—will survive (see table). Tyler Cowen, an economist at George Mason University and a much-read blogger, writes in his most recent book, “Average is Over”, that rich economies seem to be bifurcating into a small group of workers with skills highly complementary with machine intelligence, for whom he has high hopes, and the rest, for whom not so much.

Au-delà des avancées technologiques qui permettront l'automatisation d'un certain nombre de tâches, d'emplois ou de métiers, les critères d'une "uberisation" sont clairement posés dans cette interview d'Olivier Ezratty. En 1ère ligne des "uberisables" on trouve : "ceux qui génèrent de l'insatisfaction client" (des médecins aux plombiers pour - par exemple - raccourcir les délais d'attente et favoriser la mise en contact directe) "ceux susceptibles d'être désintermédiés par des plateformes d'évaluation", c'est à dire ceux qui nécessitent une forte évaluation client distribuée en pair à pair (ici les plateformes sont déjà en place pour l'hôtellerie et la restauration par exemple, mais pourraient s'étendre à d'autres "métiers) "ceux qui sont dans une situation de quasi-monopole" (les taxis donc, mais aussi, dans un tout autre registre ... l'éducation) "les métiers de service dans l'aide à la personne" (de la livraison à domicile en passant par la recherche de nounous ou de cours particuliers)

A l'aube du 21ème siècle, c'est la même question qu'il faut poser une fois acté le remplacement d'un certain nombre de tâches et de fonctions par des automates / algorithmes / robots, etc. Ces nouvelles formes de "travail journalier à la tâche", ce "salariat algorithmique" sera-t-il un privilège ou un droit ?  S'il doit devenir un privilège (c'est pour l'instant ce vers quoi nous nous dirigeons), alors il ne permettra qu'à quelques-uns d'accentuer leurs rentes en déployant une idéologie libérale devant laquelle notre actuel capitalisme dérégulé fera office de gentillet kolkhoze ; le modèle du Mechanical Turk d'Amazon deviendra la norme, on cotisera tous à la sécurité sociale de Google, nos points retraites seront chez Amazon, notre banque s'appellera Apple et Facebook fera office de mairie et d'état-civil. Fucking Brave New World. Pour qu'il puisse exister comme un droit, alors, plutôt que de lâcher 200 képis à la poursuite de pauvres auto-entrepreneurs ou d'interdire une application, c'est aujourd'hui que notre classe politique doit lire du Michel Bauwens (cf supra), c'est son rôle de faire en sorte que LE Droit puise offrir à chaque citoyen la possibilité de réinstaller au coeur d'un système outrancièrement individualiste l'horizon d'une représentation et d'une négociation collective possible. C'est aujourd'hui également que la question de savoir ce qui relève du bien commun inaliénable, dans nos usages sociaux comme dans nos ressources naturelles, doit être posée.  Bref, Candide avait raison : il nous faut cultiver notre jardin. Mais le cultiver en commun. Le cultiver comme un bien commun. Sinon on va tous se faire uberiser. A sec.

John McGagh, head of innovation at mining leviathan Rio Tinto, assures me that there will always be people employed by mining, but they will move "up the chain". The company is working to automate its drilling and crushing as well as the dozens of mile-long trains that ship nearly a million tonnes of iron ore to the coast each day. However, it will still need remote operators, maintenance staff and experts in mechatronics

As a first example, consider how workplace monitoring generates data that companies can use to automate the very tasks workers are being paid to perform. When Uber drivers carry passengers from one location to another, or simply cruise around town waiting for fares, Uber gathers extensive data on routes, driving speed, and driver behavior. That data may prove useful in developing the many algorithms required for autonomous vehicles—for example by illuminating how a reasonable driver would respond to particular traffic or road conditions.

with GPS data from millions of trips across town, Uber may be able to predict the best path from point A to point B fairly well, accounting not just for map distance, but also for current traffic, weather, the time of day, etc. In other words, its algorithms can replicate drivers’ subtle, local knowledge. If that knowledge was once relatively rare, then Uber’s algorithms may enable it to push down wages and erode working conditions.

By managing drivers’ expectations, the company may be able to maintain a high supply of drivers on the road waiting for fares. The net effect may be to lower wages, since the company only pays drivers when they are ferrying passengers.

Dans un article de Wired publié en 2015 et intitulé « À quoi ressembleront les entreprises en 2050 ? », le prospectiviste Stowe Boyd construit trois scénarios à partir d’une démarche inductive qu’on ne peut décrire que comme une matrice fictionnelle. Ces scénarios reposent sur la combinaison de trois facteurs déterminants pour l’avenir du travail : l’IA, mais aussi le changement climatique et les inégalités, ces deux derniers – et en particulier le changement climatique – étant pratiquement absents du débat actuel sur le travail et l’emploi.

Pourtant, que deviendrait la robotique dans monde où l’énergie serait rare, sans parler des matériaux nécessaires pour fabriquer les robots ? Comment le travail se transformerait-il si une forme d’effondrement contraignait la majorité des terriens à relocaliser leur activité et la réorienter vers leurs besoins de base ? Que deviendrait-il si la dynamique de notre économie globalisée, nourrie par une innovation continue, se brisait ? Si les économies développées devaient faire face à des mouvements migratoires climatiques sans commune mesure avec ceux qui les inquiètent tant aujourd’hui ?

Dans le scénario «  Collapseland », l’absence d’action sur le climat conduit à un effondrement qui stoppe le progrès des technologies numériques, en partie faute de ressources, en partie parce que les grandes entreprises et les pouvoirs autoritaires qui dominent ce monde-là trouvent plus intéressant de faire travailler plus pour gagner moins. La fille automate de Paolo Bacigalupi (2009) nous invite dans une usine caractéristique de ce monde

Unlike the traditional economy, the gig economy doesn’t rely on CVs or letters of recommendation. You build your reputation on one platform at a time — and your reputation is often the route to higher earnings (A service user is more likely to choose someone with 100 five-star ratings than just one or two). Platforms don’t want people to leave, so they don’t let workers have ownership over their own ratings. Leaving a service means starting over.

More recently, we’ve been exploring the “how” of ratings portability: what technology, data, user experience and investment might be needed to make this real.Our design team, along with our policy intern and developer James Darling, have been conducting user research and prototyping possible technical solutions for ratings portability. Here’s where we’ve got to so far.

“Cab” drivers didn’t have visible habits around their ratings, weren’t checking them frequently and when we spoke about them, they told us that this wasn’t something they’d considered before or something they were particularly concerned about. They were confident in their skills and ability to find work outside of their platforms, and viewed ratings more as performance indicators for their platform owners — the main fear being a drop below 3.5 stars, where they might be dropped from the platform completely.

The line between automation and humans blurs more often than Silicon Valley might like to admit. Facebook hired thousands of people this year to moderate content on its social network, after algorithms repeatedly failed to do the job. Uber depends on more than 2 million drivers worldwide to provide rides every day, as well as employees at headquarters to make sure enough of those drivers are on the road. Behind much of Google’s digitization of books and maps is random people on the internet, conscripted using reCaptcha. Expensify is just another example.

The receipts on Mechanical Turk belonged to “less than 0.00004% of users—none of whom are paying customers,” Barrett said, adding that, at any rate, there is nothing important on a receipt, “that’s why receipts are so commonly thrown out—because they are literally garbage.” Also: “anybody concerned by the real-world risks of a vetted, tested transcriptionist reading their Uber receipt should probably consider the vastly more immediate and life-threatening consequences of getting into that stranger’s car in the first place.”