Group items tagged

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.

Nous avons donc, d'un côté, les actuels GAFAM qui, pour mieux asseoir leur contrôle sur notre activité de consommation, opèrent une redistribution des règles de la privacy à leur seule convenance, avec le risque déjà palpable de la mise en oeuvre d'une société du contrôle Orwellienne, et fondent ce nouveau capitalisme de la surveillance. D'un autre côté, le High-Frequency Trading est le modèle déjà constitué et opératoire de régulation des marchés grâce à une analyse temps-réel dont sont seuls capables les algorithmes dédiés et la puissance de calcul associée, risquant à tout moment de nous plonger dans une nouvelle crise spéculative. En parallèle, est en train d'émerger, dans le sillage d'Airbn'B et d'Uber notamment, un nouveau modèle de salariat algorithmique, dont l'enjeu est de proposer un nouveau cadre de régulation de ce qui restera du travail ou des activités humaines non-automatisables, modèle qui en externalisant presque totalement les charges incombant jusqu'ici à l'employeur et en précarisant les travailleurs, renforce le risque d'une fin du modèle social compensatoire que nous connaissions jusqu'ici (et dans lequel les employeurs payaient des charges qui elles-mêmes permettaient de financer des politiques publiques, dans lequel un modèle de protection sociale était fondé sur l'impôt, etc ...).

Ceux qui supportent ces changements, c'est à dire ... nous, ont vaguement fait le deuil du rêve d'intelligence collective (trop rarement réactivé par exemple lors des négociations collectives autour de la privacy) qui avait présidé à l'émergence d'internet et se sont constitués en une nouvelle classe, un "cognitariat" jusqu'ici presque uniforme mais qui commence, du fait de la pression du salariat algorithmique et de la portion congrue des activités échappant encore au seul traitement calculatoire, un cognitariat disais-je, qui commence à voir émerger un sous-cognitariat. C'est ce cognitariat qui supporte des bouleversements dont l'enjeu d'est rien d'autre que la régulation des comportements sociaux (la régulation des comportements socio-culturels étant déjà opératoire au travers de la théorie de la bulle de filtre d'Eli Pariser notamment), régulation qui se fait notamment au travers de l'analyse prédictive permise par le traitement des "Big Data", et qui comporte également de nombreux risques liés à une essentialisation de l'humain ainsi qu'à une "biologisation" déjà à l'oeuvre au travers de l'essor de la génomique personnelle et de l'internet du génome.