Cette semaine dans le podcast Lock and Code…
Pour de nombreux Américains, le salaire est une question très personnelle, mais un nouveau modèle de distribution qui exploite d'énormes quantités de données sur les salariés est en train de transformer le salaire en quelque chose d'autre : une expérience personnalisée.
Pour un nombre croissant de salariés aux États-Unis, le montant qu’ils peuvent espérer percevoir un jour, une semaine ou un mois donné reste une inconnue. Ils peuvent travailler le même nombre d’heures que lors de leur service précédent. Ils peuvent servir le même nombre de clients. Ils peuvent tout faire de la manière la plus similaire possible, et pourtant être payés moins qu’un autre salarié occupant exactement le même poste, voire moins qu’eux-mêmes la semaine dernière.
Le mécanisme à l'origine de cette inégalité salariale est appelé « discrimination salariale algorithmique » ; bien que ce terme soit relativement nouveau, son fonctionnement pourrait vous sembler assez familier.
La discrimination salariale algorithmique désigne les fluctuations salariales imposées aux travailleurs contractuels par de grandes entreprises telles qu’Uber et Amazon. Alors que de nombreux travailleurs dans le monde perçoivent un salaire, des commissions ou des tarifs contractuels qu’ils fixent eux-mêmes, la situation des travailleurs d’Uber est différente.
Tout comme Uber détermine le prix que vous payez pour un trajet vers l’aéroport, Uber détermine également ce que gagne un chauffeur. Et le calcul qui sous-tend cette décision est opaque. La localisation, le trafic, l’heure de la journée et le nombre de chauffeurs en service jouent tous un rôle, mais pas un rôle déterminant. Et tout comme Uber vous incite à commander grâce à une promotion éclair ou à un prix si élevé que vous pourriez bien marcher quelques pâtés de maisons dans une autre direction pour bénéficier d’un tarif plus bas, Uber incite les chauffeurs à l’aide de primes et de défis, les poussant ainsi à rester sur la route peut-être plus longtemps qu’ils ne l’avaient prévu.
Au final, il ne s'agit donc pas seulement d'une rémunération imprévisible, mais aussi, potentiellement, d'une tentative de prédire et de contrôler les comportements.
Dans son article de 2023 intitulé «On Algorithmic Wage Discrimination » (Surla discrimination salariale algorithmique), Veena Dubal, professeure de droit, s’est entretenue avec de nombreux chauffeurs Uber qui ont comparé ce système à la « culture du casino » : la rémunération est imprévisible, mais la perspective d’un « jackpot » — ou simplement d’une bonne course — suffit à convaincre les chauffeurs de rester, nuit après nuit, heure après heure.
Comme l'a déclaré un conducteur à Dubal :
« C'est comme au jeu ! C'est toujours la maison qui gagne. »
Aujourd’hui, dans le podcast « Lock and Code » animé par David Ruiz, nous nous entretenons avec Dubal, professeur de droit à la faculté de droit de l’Université de Californie à Irvine, sur le fonctionnement de la discrimination salariale algorithmique, les données dont elle se nourrit pour fonctionner et la menace qu’elle représente à mesure qu’elle s’étend du secteur des petits boulots à de nombreux autres secteurs d’activité.
Connectez-vous dès aujourd'hui pour écouter l'intégralité de la conversation.
Afficher les notes et les crédits :
Musique d'introduction : « Spellbound » par 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 parler de cybersécurité, nous la fournissons.
Protégez-vous contre les attaques en ligne qui menacent votre identité, vos fichiers, votre système et votre santé financière grâce à notreoffre exclusive Malwarebytes Premium réservée aux auditeurs de Lock and Code.
