Ils savent déjà parfaitement combien vous allez leur demander

Nous sommes déjà habitués à ce que le prix d’un vol change en fonction du moment où vous le recherchez, d’où vous le faites ou du nombre de fois que vous avez visité cette page. De plus, un trajet Uber ou Lyft change son prix selon qu’il pleut ou s’il est trois heures du matin. Les entreprises ajustent leurs prix de manière dynamique depuis des années en fonction de ce qu’elles savent de vous. Ce que vous ne saviez peut-être pas, c’est que certaines entreprises commencent à faire exactement la même chose avec les salaires ou les primes qu’elles vous versent.

Le phénomène porte déjà un nom : « salaire de surveillance ». Et cela ne se limite plus aux livreurs ou aux chauffeurs de ce qu’on appelle, cela commence également à être mis en œuvre dans les systèmes de ressources humaines pour conditionner les augmentations de salaire, l’accès aux incitations et même le salaire de base minimum pour lequel vous seriez prêt à travailler en fonction de vos besoins économiques du moment.

Un rapport prévient qu’elle s’étend à des secteurs aussi quotidiens que la santé, le service client, la logistique et le commerce de détail.

Comment fonctionne l’algorithme qui fixe votre salaire. Le mécanisme est plus simple qu’il n’y paraît. Les entreprises utilisent des outils d’intelligence artificielle qui collectent des données en temps réel à partir d’informations publiques ou sur les réseaux sociaux sur chaque travailleur : à quelle fréquence ils acceptent des quarts de travail, à quelle vitesse ils répondent aux offres, combien ils ont été payés dans leurs emplois précédents ou s’ils ont des prêts impayés et des dettes de carte de crédit. Avec tout cela, le système calcule le salaire minimum que cette personne accepterait pour travailler et lui propose exactement cela.

Selon Nina DiSalvo, directrice politique du groupe syndical Towards Justice, « certains systèmes utilisent des signaux associés à la vulnérabilité financière, par exemple si un employé potentiel a demandé un prêt sur salaire ou a un solde de carte de crédit élevé, pour déduire le salaire minimum qu’un candidat pourrait accepter. » Le résultat est que deux personnes effectuant exactement le même travail peuvent facturer des montants très différents, sans qu’aucune d’elles ne le sache ni ne puisse rien réclamer à ce sujet.

Un modèle qui pénalise ceux qui ont le plus besoin de travailler. Le problème est que le « salaire de surveillance » ne concerne pas uniquement les demandeurs d’emploi. Comme le révèle le rapport « Interdiction de surveillance des prix et des salaires » préparé par différentes organisations syndicales américaines, une fois embauché, le travailleur continue d’être surveillé, de sorte que le système ajuste sa rémunération en fonction de la façon dont il réagit aux demandes de l’entreprise : s’il accepte des changements de manière urgente, s’il travaille plus d’heures que d’habitude ou si ses finances personnelles se détériorent. L’algorithme interprète cela comme un signe que l’employé a besoin du poste et peut en profiter pour offrir moins d’argent. Plus le travailleur est vulnérable, plus il est exposé.

L’étude a analysé 500 entreprises d’IA dédiées à la gestion du travail et identifié 20 fournisseurs dont les produits présentent un risque élevé de générer une discrimination salariale algorithmique. 16 de ces 20 fournisseurs ont intégré leurs produits directement aux plateformes de paie ou de gestion des effectifs, leur donnant ainsi un accès continu aux données les plus sensibles de chaque employé.

Opacité dans le cadre du design. L’une des caractéristiques les plus inquiétantes de ce modèle est que le travailleur ne sait pas quelles données sont utilisées contre lui ni quelles variantes sont utilisées pour calculer son salaire, mais il ne s’agit plus de l’expérience, de la capacité de travail ou de la productivité. Les algorithmes qui déterminent les rémunérations sont pour la plupart des boîtes noires : ni les salariés eux-mêmes, ni les syndicats, ni les régulateurs n’ont accès à leur logique interne. Joe Hudicka, auteur du livre, le décrit ainsi dans des déclarations rapportées par MarketWatch : « Nous connaissons le concept du plafond de verre. Mais au moins dans ce concept, nous avons une certaine visibilité à travers lui. Ce plafond de surveillance des salaires est de fer. »

Une étude du Worker Institute de l’Université Cornell a révélé que 42% des travailleurs des plateformes numériques à New York ont ​​déclaré avoir été payés moins que ce qui avait été convenu, sans mécanismes clairs pour se plaindre, précisément parce que le contrôle de leur activité passe par des algorithmes qu’ils ne peuvent pas auditer. La chercheuse Veena Dubal, de l’Université de Californie, documente depuis des années comment ces plateformes ajustent les rémunérations à la baisse sur une base individualisée. Par exemple, arrêter d’attribuer des courses à un conducteur qui est sur le point de dépasser son objectif de productivité.

La réponse juridique qui commence à se dessiner. Face à cette situation, les législateurs commencent à agir pour mettre un terme à cette pratique. Aux États-Unis, l’État du Colorado étudie le projet de loi HB26-1210, l’une des premières initiatives américaines visant à réglementer spécifiquement l’utilisation d’outils algorithmiques dans la fixation des salaires, basés sur la surveillance des données personnelles.

En Espagne, la loi Rider visant à réglementer les relations de travail entre les plateformes de livraison et les chauffeurs-livreurs indépendants, comprenait également une modification de l’article 64.4 du Statut des travailleurs avec l’obligation de donner accès à l’algorithme qui gère les heures de travail et l’attribution des commandes pour éviter cette pratique. Les nouvelles réglementations européennes en matière de transparence salariale vont également dans ce sens, évitant que deux personnes faisant le même métier aient des salaires très différents.

À Simseo | Contre toute attente, l’IA réactive l’emploi. Ne vous énervez pas, si vous êtes jeune, il est de plus en plus difficile de se faire embaucher

Images | Mina Rad