Cette semaine, dans le podcast Lock and Code…
Pour beaucoup d'Américains, la rémunération est une affaire personnelle, mais un nouveau modèle de distribution qui consomme d'énormes quantités de données sur les travailleurs transforme la rémunération en quelque chose d'autre : la personnalisation.
Pour un nombre croissant de travailleurs américains, le montant de leur salaire journalier, hebdomadaire ou mensuel reste une inconnue. Ils pourraient effectuer le même nombre d'heures que lors de leur précédent quart de travail, servir le même nombre de clients, et malgré tout être moins bien payés qu'un collègue occupant exactement le même poste, voire qu'eux-mêmes la semaine précédente.
Le mécanisme à l'origine de cette disparité salariale s'appelle la discrimination salariale algorithmique et, bien que le terme soit nouveau, son fonctionnement interne pourrait vous sembler assez familier.
La discrimination salariale algorithmique décrit la rémunération en dents de scie appliquée aux travailleurs indépendants par de grandes entreprises comme Uber et Amazon Alors que de nombreux travailleurs dans le monde dépendent de salaires, de commissions ou de tarifs contractuels auto-déterminés, les travailleurs d'Uber sont différents.
De la même manière qu'Uber fixe le prix de votre course vers l'aéroport, Uber détermine également la rémunération des chauffeurs. Et les calculs qui sous-tendent cette décision restent opaques. La localisation, la circulation, l'heure et le nombre de chauffeurs en circulation ont certes une incidence, mais ne constituent pas le seul facteur. De la même façon qu'Uber vous incite à acheter avec des promotions éclair ou des prix si élevés que vous êtes prêt à faire quelques pas dans une autre direction pour trouver moins cher, Uber motive les chauffeurs avec des bonus et des défis, les incitant parfois à rester sur la route plus longtemps que prévu.
Le résultat final n'est donc pas seulement une rémunération imprévisible, mais potentiellement une tentative de prédire et de contrôler les comportements.
Pour son article de 2023, intitulé « Sur la discrimination salariale algorithmique », la professeure de droit Veena Dubal s'est entretenue avec de nombreux chauffeurs Uber qui ont comparé ce système à la « culture des casinos », dans la mesure où la rémunération est imprévisible, mais que la possibilité de gagner le jackpot — ou simplement un bon paiement sur une course — suffit à convaincre les chauffeurs de rester, nuit après nuit, heure après heure.
Comme l'a confié un chauffeur à Dubal :
« C'est comme jouer au casino ! La banque gagne toujours. »
Aujourd'hui, dans le podcast Lock and Code animé par David Ruiz, nous discutons avec Dubal, professeur de droit à la faculté de droit de l'UC Irvine, du fonctionnement de la discrimination salariale algorithmique, des données qu'elle consomme pour fonctionner et de la menace qu'elle représente à mesure qu'elle s'étend du travail à la tâche à de nombreux autres secteurs.
Écoutez l'intégralité de la conversation dès aujourd'hui.
Notes et crédits de l'émission :
Musique d'introduction : « Spellbound » de Kevin MacLeod ( incompetech.com )
Sous licence Creative Commons : Attribution 4.0
http://creativecommons.org/licenses/by/4.0/
Musique de fin : « Good God » par Wowa (unminus.com)
Écoutez bien — Malwarebytes Nous ne nous contentons pas de parler de cybersécurité, nous la fournissons.
Protégez-vous des attaques en ligne qui menacent votre identité, vos fichiers, votre système et votre bien-être financier grâce à notre offre exclusive pour Malwarebytes Premium Security pour les écouteurs Lock and Code .
