Ubérisation de la société : ces entreprises qui nous rendent tous accros

Vous quittez un dîner avec des amis, il est tard. Au moment d’enfiler votre manteau, vous sentez la flemme monter en vous. Il faut braver le froid, vous avez un peu bu, bien mangé… La solution est toute trouvée, vous tenez dans votre main votre téléphone. Vous le déverrouillez, et votre pouce touche presque instinctivement l’application Uber. La somme qui s’affiche ce soir-là ne vous effraye pas vraiment, c’est le prix de la tranquillité. Voiture commandée, chauffeur en bas de l’immeuble en cinq minutes et vous serez dans votre lit dans moins de trente, dents brossées. De la magie, ou presque…

En menant cette petite révolution de notre quotidien, les plateformes ont transformé nos manières de consommer. Rien n’est fait au hasard : pour se glisser dans tous les interstices de notre vie, elles ont étudié au plus près les comportements des citoyens, des livreurs, mais aussi des autorités des pays où elles s’implantaient.

Ces plateformes de l’ère Uber peuvent facilement être rangées dans la catégorie des entreprises de l’économie «du partage». Comme leurs proches cousines Airbnb ou BlaBlaCar, elles ont encouragé des inconnus à partager des services (voitures, maisons, repas), en «facilitant la confiance entre eux via une plateforme». Pour cette raison, l’utilisateur est la pièce maîtresse du service, à la fois consommateur et contributeur. C’est en tout cas la théorie de Ryan Calon et Alex Rosenblat, maîtres de conférences en droit et auteurs de l’étude «The taking economy : Uber, information and power» .

On trouve les prémices de cette économie «collaborative» dans les années 50, notamment aux États-Unis. À cette époque, des travailleurs installés en banlieue partagent des voitures pour se rendre en ville jusqu’à leurs bureaux. À la fin des années 90, cette économie va encore se développer avec l’expansion d’Internet. Cette nouvelle technologie permet plus facilement à deux inconnus ayant un intérêt commun d’entrer en relation. En 1995, les sites eBay et Craigslist voient le jour outreAtlantique, avec pour objectif de permettre à chacun de vendre de vieux objets. Au départ, le principe de l’économie du partage est louable : tout le monde est placé à égalité – vendeurs, acheteurs, covoitureurs –, sans lien de subordination. L’idée est simplement de faciliter la vie de chacun et de consommer différemment. Mais l’année 2007 marque un tournant. Avec la crise financière, « la perspective que l’économie du partage génère de nouvelles opportunités de revenus plus flexibles est particulièrement excitante face à l’inquiétude de voir les opportunités économiques diminuer», écrivent Calon et Rosenblat. Elle va donc se professionnaliser, créer de nouveaux métiers et donner naissance à Uber, Lyft et Deliveroo. L’économie du partage va ainsi peu à peu perdre son essence au profit de relations subordonnées et professionnelles. Ce qui amène à se poser cette question : et si, finalement, Uber et toutes les autres étaient les enfants d’une mère qu’ils auraient, à la manière de certaines araignées, fini par dévorer en entier pour mieux pousser ?

* * *

Quoi qu’il en soit, pour les nouvelles plateformes aussi, l’utilisateur est toujours au centre du dispositif. Elles sont conçues pour anticiper vos comportements – tout ce qui explique que vous ayez, dans certaines situations, le réflexe de sortir votre téléphone pour commander une voiture ou un repas italien. Elles vont d’ailleurs profiter de vos contributions en tant qu’utilisateur pour améliorer leurs services et vendre toujours plus. «Les entreprises d’aujourd’hui étudient sans relâche le comportement des consommateurs et utilisent ce qu’elles découvrent pour maximiser leurs résultats. C’est vrai dans l’économie traditionnelle. Des produits coûtent 9,99 $ parce que les entreprises exploitent un biais cognitif qui amène les consommateurs à percevoir le prix comme plus proche de 9 $ que de 10 $. Les épiceries placent les céréales sucrées au niveau des yeux des tout-petits », assurent Ryan Calon et Alex Rosenblat.

Les start-up que sont Uber, Lyft ou Deliveroo n’ont pas fait autre chose, bien au contraire. «Lorsqu’une entreprise peut concevoir un environnement à partir de zéro et ainsi suivre le comportement des consommateurs dans cet environnement, les possibilités de manipulation sont légion. Les entreprises peuvent par exemple atteindre les consommateurs les plus vulnérables, les pousser à la surconsommation et facturer à chaque consommateur la somme qu’il serait le plus prêt à payer », poursuivent les deux maîtres de conférences. Contrairement à Facebook, où l’on a conscience que l’on utilise gratuitement des services en échange du stockage et de l’utilisation de données – «si c’est gratuit, c’est que vous êtes le produit» –, sur les applications de l’économie du partage, ce n’est pas si évident. «Les consommateurs supposent que les entreprises de l’économie du partage sont à part, en raison des expériences et du discours différents qui entourent ces services », expliquent Calon et Rosenblat. C’est pourtant loin d’être le cas. Comme toutes les marques ont recours aux traditionnelles publicités nationales au moment des repas, heures de grande écoute, Uber Eats sponsorise aussi la Ligue 1 de football, inscrivant définitivement son nom dans nos cerveaux.

Mais elles usent surtout d’un autre atout majeur pour se rendre indispensables : en regroupant les données concernant le comportement de leurs clients, elles parviennent à proposer de nouveaux services toujours plus proches des désirs de consommation et à améliorer l’existant. «Une entreprise en particulier, Uber, se démarque. Elle nous montre ce qu’un intermédiaire de l’économie du partage pourrait faire s’il était enclin à faire valoir ses avantages de manière agressive», écrivent Calon et Rosenblat.

Certains utilisateurs d’Uber ont par exemple rapporté que l’entreprise pourrait avoir recours à des «voitures fantômes » sur l’application. Au moment de commander une course, ils ont vu de nombreux véhicules circuler autour de leur lieu de prise en charge. Mais, à partir du moment où ils ont effectué la commande, les voitures ont disparu soudainement, et le temps d’attente est devenu beaucoup plus long qu’espéré. La chercheuse Alex Rosenblat en a fait elle-même l’expérience, captures d’écran à l’appui. Uber a expliqué à la presse américaine que cela pouvait être dû à des retards de rafraîchissement de l’application. Mais, en définitive, ces fantômes, quelle qu’en soit la cause, peuvent bel et bien pousser à la consommation en surévaluant l’offre disponible. Un écueil que l’on peut comparer à celui des fausses informations sur les réseaux sociaux. «Les fictions centrées autour de l’utilisateur fabriquées pour les flux de Facebook ou de Twitter servent à attirer les désirs et préjugés des utilisateurs et à fournir un contexte pour la publicité. Les fake news sont le moteur de Facebook, de même que les fake maps sont celles d’Uber », écrit Le Monde à ce sujet, citant un post de l’essayiste Nicholas Carr.

Les analystes d’Uber auraient aussi découvert un autre fait intéressant : lorsque leur téléphone affiche un faible niveau de batterie, les clients sont plus susceptibles d’accepter une augmentation du prix de la course. C’est Keith Chen, l’un des responsables de la recherche au sein de la plateforme, qui l’a affirmé dans une interview au média américain public NPR. Selon lui, cela s’explique par une raison simple : la peur de se retrouver bloqués quelque part sans batterie les conduirait à accepter de payer le tarif qu’on leur soumet. Uber a en effet accès aux métadonnées du téléphone, dont le niveau de batterie, qui peuvent permettre à l’algorithme de faire ces prédictions. Ce qui fournit un élément de compréhension intéressant : ces applications pourraient jouer sur nos émotions les plus fortes, notamment la peur qui siège dans notre cerveau reptilien, pour nous pousser à consommer. Mais de son côté, la plateforme assure qu’elle ne recourt pas à ce type de pratique – même si le doute persiste. Là encore, certains utilisateurs confirment sur les réseaux sociaux avoir déjà fait ce type d’expérience sur l’application.

Plus globalement, Uber et les autres plateformes pratiquent une politique de variation des prix en fonction du contexte. Le soir du nouvel an, par exemple, le tarif des courses peut être multiplié par deux, voire par trois. Le professeur en science des données à l’université de Chicago Chris Nosko1 a mené une observation lors d’un concert de la chanteuse Ariana Grande en mars 2015. Ce soir-là, les prix ont fluctué pendant une période très précise déclenchée par la hausse de deux facteurs : le nombre de demandes à l’instant T (multiplié par 1,2) et celui des personnes qui ont ouvert l’application (multiplié par 2,5 par rapport à l’heure précédente). Pour autant, poursuit le chercheur, la quantité de courses commandées n’a pas particulièrement augmenté sur la période, seulement leur prix. Ceux qui ont sauté le pas ont été guidés par cette même crainte de rester bloqués à un endroit et sans alternative. D’autres sont portés par des émotions qu’ont su déceler les plateformes et qui favorisent le passage à l’acte : anxiété d’un agoraphobe au moment de se retrouver coincé dans une rame de métro bondée après un concert, ou plaisir de prolonger un moment agréable en étant traité comme un prince…

Ces derniers étant plus enclins encore que les autres à ne pas regarder à la dépense !

Fait édifiant : au nouvel an 2015, Uber a été frappée par un incident technique à New York. Durant vingt-six minutes, la hausse des prix en fonction de la demande n’a pas pu être appliquée. Selon Chris Nosko, cette inflation est pourtant nécessaire à la survie des activités de la plateforme : sans elle, le nombre de demandes ces soirs de forte fréquentation augmenterait trop pour qu’elles puissent être toutes satisfaites. Beaucoup de clients se retrouveraient donc avec une demande en cours, mais pas de chauffeur disponible, ce qui nuirait à l’image du service. Cette nuit du 31 décembre 2015 par exemple, seulement 25% des demandes ont pu être traitées.

La compréhension d’un algorithme aussi complexe que celui d’Uber et d’autres plateformes est un exercice périlleux. Il est tenu secret, car considéré comme la pierre angulaire du système. Pourtant, le 3 mars 2017, le New York Times a révélé d’importantes informations à ce sujet. Selon le quotidien américain, Uber utilisait un outil nommé «Greyball » pour duper les autorités des pays où l’application est effective, notamment à Paris, Boston et Las Vegas, mais aussi en Australie, Chine et Corée du Sud. À chaque fois qu’elle s’est installée dans ces villes et pays, la start-up a forcé le destin : elle n’a pas demandé d’autorisation. Résultat, elle pouvait être soumise à de nombreux contrôles des autorités visant à l’interdire. Mais, en utilisant les données récoltées, les ingénieurs de la plateforme ont pu identifier et contourner les clients mystères missionnés par les autorités.

Ainsi, le quotidien américain relate l’histoire d’Erich England, chargé du contrôle des services de l’application pour les autorités à Portland en 2014. L’application vient à peine d’y être lancée, l’inspecteur et ses équipes sont chargés de monter à bord des véhicules. Seulement, ce soir-là, toutes les voitures qu’ils commandent annulent. Selon le New York Times, «Uber avait étiqueté Mr. England et ses collègues – essentiellement en utilisant Greyball – sur la base des données collectées à partir de l’application et par d’autres moyens». Elle repérait notamment les utilisateurs qui ouvraient l’application de manière intempestive devant les bâtiments gouvernementaux. Le reste paraît presque issu d’un film d’espionnage : «Uber a alors affiché une fausse version de l’application, remplie de voitures fantômes, pour échapper au contrôle. » La firme a affirmé qu’elle avait recours à ce programme d’abord pour «protéger les chauffeurs», dont les véhicules pouvaient être placés en fourrière. En réalité, cette pratique a été perçue comme une manipulation dans plusieurs pays où elle a été décelée. Six jours après les révélations du New York Times, Uber, par la voix de son responsable des questions de sécurité, Joe Sullivan, reconnaissait avoir utilisé la technologie Greyball et interdisait désormais «son utilisation pour cibler des actions des régulateurs locaux». Ce message était publié le 9 mars 2017 sur le site de l’entreprise.

* * *

Ceux qui sont le plus soumis à l’utilisation des données et à l’analyse des comportements sont bien les chauffeurs eux-mêmes. Au quotidien, ce sont eux qui alimentent le plus l’algorithme. Ils sont d’abord soumis à ce que l’on appelle le nudge en sciences comportementales, une théorie décrite par Richard Thaler pour laquelle il a reçu le prix Nobel d’économie en 2017. Selon cette dernière, les plateformes ont recours à une nouvelle forme de paternalisme libéral dans lequel elles créent un environnement (notation, autoplay…) qui vise à influencer ou favoriser les prises de décision de manière indirecte. Le but de ce «coup de pouce» est évidemment, dans le cas des start-up du nouveau monde, de faire travailler plus longtemps.

Sur l’application, les chauffeurs sont principalement soumis à trois conditionnements. Le premier est ce que Noam Scheiber a appelé le binge driving dans une autre enquête menée pour le New York Times. Quand un chauffeur termine une course, son téléphone sonne, et l’application l’avertit qu’une autre est disponible immédiatement. Parfois, son smartphone l’en informe même avant que la précédente course ne soit terminée. Le but est de minimiser son temps d’attente pour le pousser à conduire toujours plus longtemps. Un chauffeur qui stationne est un chauffeur qui réfléchit, et qui peut envisager de rentrer à la maison pour voir ses enfants. Or, pour que le service fonctionne au mieux, il faut que l’offre de voitures soit la plus importante possible, surtout lors des heures de pointe. Cette technique dite de l’autoplay est bien connue des plateformes de streaming comme Netflix ou Spotify. Mais, appliquée au travail, elle pousse à conduire parfois plus longtemps qu’il n’est acceptable.

Le deuxième conditionnement est celui du joueur de jeu vidéo. Il induit une potentielle addiction liée à la « gamification» de ces applications. Quand on est chauffeur ou livreur, l’environnement de travail va être pensé de façon ludique. Ils obtiennent des crédits, récupèrent des badges «bronze », « argent », «or » en fonction du nombre de courses, et sont notés par les clients. Aux débuts d’Uber dans l’Hexagone, en 2012, certains chauffeurs interrogés rapportent même que la plate-forme attribuait des primes en fonction des caractéristiques des conducteurs. «Ceux qui faisaient plus de 55 courses touchaient 400€ de prime, et ceux qui avaient une note de plus de 4,8 touchaient 200€. Tout ça par semaine», se souvient Brahim, ancien chauffeur d’Uber en 2013. Évidemment, de tels éléments ont pour but de pousser les conducteurs à se fixer des objectifs toujours plus élevés – si possible. Le fait d’être soumis à cette évaluation et d’en avoir constamment l’évolution sous les yeux maintient un niveau de dopamine, et donc d’addiction, élevé.

Enfin, troisième conditionnement : celui du banquier. Les chauffeurs anticipent constamment leurs gains. Selon les observations menées lors de l’enquête du New York Times, ils sont informés en permanence des potentielles rémunérations. Le problème, c’est qu’ils reçoivent ces notifications aussi lorsqu’ils sont hors ligne, ce qui crée chez certains d’entre eux une vraie fomo (fear of missing out, la peur de manquer quelque chose). Le fait de visualiser les pertes les encourage à se connecter toujours davantage et à faire tourner l’application. D’autant que, selon la chercheuse Alex Rosenblat, «les chauffeurs s’accordent à dire qu’il est intéressant de travailler surtout dans les “heures de pointe”, quand les prix grimpent». Problème : ces créneaux se trouvent essentiellement le soir et le matin, au moment où ils peuvent mener leur vie de famille. Ils sont donc face à un choix cornélien : aller travailler ou s’occuper des leurs ?

Les notifications sont là pour faire pencher la balance. Selon Rosenblat, la pression est forte sur les épaules des conducteurs : «Uber dit à ses passagers qu’eux aussi peuvent commencer à conduire pour Uber via l’application, ce qui alimente l’idée que les chauffeurs et les consommateurs sont interchangeables…» Comprenez : si ce n’est pas vous qui prenez cet argent, ce sera un autre. Pour elle, Uber utilise finalement son algorithme de répartition comme un «outil de contrôle» assez pointu de ses chauffeurs. Au moment de se connecter sur l’application, ils peuvent par exemple exiger de conduire à un niveau de service particulier. UberX est le niveau standard, mais il y a aussi UberPool, que l’on a déjà évoqué, ou UberBlack, un service plus haut de gamme. En influant sur la répartition des courses, la plateforme peut ainsi inciter un chauffeur UberBlack à aller chercher un client d’UberX. Ainsi, le consommateur aura l’impression que les services de la firme sont exceptionnels. Le chauffeur, lui, n’aura eu que cette course à se mettre sous la dent et ne sera pas payé à sa juste valeur. De même, pour faire fonctionner son service de partage UberPool, l’algorithme peut décider d’inciter un chauffeur UberX à accepter ces courses. Si ces travailleurs sont censés être indépendants et libres d’agir, ils se trouvent en réalité soumis aux demandes de l’application. En septembre 2020, la Ligue des droits de l’homme a d’ailleurs déposé une plainte – toujours en cours d’instruction – devant la Cnil pour manquement au RGPD.

A lire aussi : Comment l’ubérisation transforme nos petites villes

Extrait du livre de Gurvan Kristanadjaja, « Ubérisation, piège à cons !, plongée dans les coulisses du travail en miettes », publié aux éditions Robert Laffont.

Lien vers la boutique : cliquez ICI et ICI