ET SI ELLES ÉTAIENT RÉMUNÉRÉES ?

Certains considèrent que générer des données personnelles constitue une forme de travail, qui alimente l’intelligence artificielle. Les individus devraient donc être payés pour utiliser des services numériques

“L’esclavage des données.” L’artiste américaine Jennifer Lyn Morone pense que c’est la condition dans laquelle vivent aujourd’hui la plupart des gens. Pour obtenir des services en ligne gratuits, ils remettent des informations intimes à des entreprises de technologie, se lamentet-elle. “Les données personnelles ont beaucoup plus de valeur que vous ne le pensez”, ajoute-t-elle. Pour mettre en évidence ce triste état de fait, Jennifer Lyn Morone a eu recours à ce qu’elle appelle le “capitalisme extrême”: elle a créé une entreprise enregistrée au Delaware dans le but d’exploiter ses données personnelles à des fins lucratives. Elle a créé des dossiers contenant différents sous-ensembles de données, qu’elle a exposés dans une galerie londonienne en 2016 et mis en vente à partir de 100 £ (135 $). L’ensemble de la collection, y compris ses données de santé et son numéro de sécurité sociale, peut être obtenu pour 7 000 £. Seuls quelques acheteurs ont accepté son offre et elle trouve “tout cela vraiment absurde”. Mais si le travail d’un artiste consiste à anticiper l’esprit du temps, Jennifer Lyn Morone a tapé dans le mille : cette année, le monde a découvert quelque chose de pourri dans l’économie numérique basée sur les données. Depuis qu’il est apparu en mars que le cabinet de conseil politique Cambridge Analytica avait acquis de façon douteuse des données sur 87 millions d’utilisateurs de Facebook, les voix appelant à repenser le traitement des données personnelles en ligne n’ont fait que s’amplifier. Même Angela Merkel, la chancelière allemande, a récemment demandé qu’un prix soit attribué aux données personnelles, exhortant les chercheurs à trouver des solutions. Compte tenu de l’état actuel de l’économie numérique, où la collecte et l’exploitation des données personnelles sont dominées par les grandes entreprises de technologie, l’approche de Jennifer Lyn Morone, qui consiste pour les individus à mettre eux-mêmes leurs données en vente, semble peu susceptible de prendre. Mais que se passerait-il si les individus contrôlaient réellement leurs données – et si les géants de la technologieg étaient tenus de pypayer ppour y accéder ? À quoi ressemblerait une telle économie des données ? Ce ne serait pas la première fois qu’une importante ressource économique passerait du simple usage à la propriété et au commerce ; cela s’est déjà produit avec la terre et l’eau, par exemple. Mais l’information numérique apparaît comme un candidat improbable au partage sur les marchés. Contrairement aux ressources physiques, les données personnelles sont un exemple de ce que les économistes appellent des biens “non rivaux”, c’est-à-dire qu’elles peuvent être utilisées plus d’une fois. En fait, plus elles sont utilisées, plus la société en profite. Et les fréquentes fuites montrent à quel point il peut être difficile de contrôler les données. Mais un autre précédent historique pourrait fournir un modèle ; et il est au diapason avec les préoccupations contemporaines au sujet du “techno-féodalisme”. C’est en tout cas ce que soutiennent Jaron Lanier, pionnier de la réalité virtuelle, et Glen Weyl, économiste à l’Université de Yale, qui travaillent tous deux pour Microsoft Research. Comme les données, la main-d’oeuvre est une ressource difficile à cerner. Durant la majeure partie de l’histoire de l’humanité, les travailleurs n’ont pas été correctement rémunérés. Même une fois les travailleurs devenus libres de vendre leur travail, il a fallu des décennies pour que les salaires moyens atteignent des niveaux décents. L’histoire ne se répétera pas, mais il y a des chances qu’elle rime, prédit Glen Weyl dans ‘Radical Markets’, un nouveau livre provocateur qu’il a coécrit avec Eric Posner de l’Université de Chicago. Il soutient qu’à l’ère de l’intelligence artificielle, il est logique de traiter les données comme une forme de travail. Pour comprendre pourquoi, il est utile de garder à l’esprit que l’“intelligence artificielle” est une appellation impropre. Glen Weyl et Eric Posner l’appellent “intelligence collective” : la plupart des algorithmes d’IA doivent être formés en utilisant une multitude d’exemples générés par l’homme, dans le cadre d’un processus appelé apprentissage automatique. Sans connaître les bonnes réponses (fournies par les humains), les algorithmes sont incapables de traduire les langues, comprendre la parole ou reconnaître des objets dans les images. Les données produites et fournies par les humains peuvent donc être considérées comme une forme de travail qui alimente l’intelligence artificielle. Au fur et à mesure que l’économie des données se développe, le travail numérique prendra de nombreuses formes. La plupart seront passives, car les gens s’adonnent à toutes sortes d’activités (liker des publications sur les réseaux sociaux, écouter de la musique, recommander des restaurants) qui génèrent les données nécessaires pour alimenter de nouveaux services. Mais le travail sur les données de certaines personnes sera plus actif, car elles prennent des décisions (comme l’étiquetage d’images ou la conduite d’une voiture dans une ville fourmillante) susceptibles de servir de base à la formation des systèmes d’IA. Pourtant, que ces données soient générées activement ou passivement, rares sont ceux qui auront le temps ou le désir de garder la trace de toute l’information qu’ils génèrent, ou encore d’en estimer la valeur. Même ceux qui le font n’auront pas assez de pouvoir pour négocier un accord intéressant avec les sociétés d’intelligence artificielle. Mais l’histoire du travail offre une piste quant à la façon dont les choses pourraient évoluer. Car historiquement, si les salaires ont atteint des niveaux acceptables, c’est surtout grâce aux syndicats. De la même manière, Glen Weyl s’attend à voir se développer ce qu’il appelle les “syndicats du travail et des données”, des organisations jouant un rôle de gardiens des données personnelles. Comme leurs prédécesseurs, ils négocieront les rémunérations, contrôleront le travail fourni par les membres en matière de données et assureront la qualité de leur production numérique, par exemple en mettant en place des notes de réputation. Les syndicats pourraient orienter le travail spécialisé en direction des membres et même organiser des grèves, par exemple en bloquant l’accès pour exercer une influence sur une entreprise exploitant les données de ses membres. De même, ces syndicats pourraient servir de canaux de transmission diffusant les contributions des membres, tout en assurant leur suivi et en facturant les entreprises d’IA qui en bénéficient. Tout cela peut ressembler à de la science-fiction. Par exemple, pourquoi Google et Facebook renonceraient-ils à leur modèle économique actuel, consistant à utiliser des données gratuites pour vendre de la publicité ciblée en ligne ? En 2017, ils ont récolté 135 milliards de dollars de recettes publicitaires. Si elles devaient indemniser les utilisateurs pour leurs données, ces entreprises seraient beaucoup moins rentables. Dans le même temps, des start-up comme CitizenMe et Datacoup, qu’on peut considérer comme des formes précoces de syndicats des données, n’ont pas réussi jusqu’à présent à faire beaucoup de progrès. Pourtant, dans certains domaines du secteur, les géants de la technologie paient déjà pour obtenir des données, bien qu’ils prennent soin de rester discrets à ce sujet. La plupart du temps par le biais de l’externalisation, ils emploient des armées d’évaluateurs et de modérateurs pour vérifier la qualité de leurs algorithmes et retirer les contenus illégaux ou offensants. D’autres entreprises utilisent des plateformes de production participative (ou crowdworking), comme Mechanical Turk d’Amazon, pour sous-traiter le travail sur les données, comme l’étiquetage des images. Mighty AI, une start-up basée à Seattle, paie des milliers de travailleurs en ligne pour identifier les images des scènes de rue qui sont utilisées pour former les algorithmes qui alimentent les véhicules autonomes. Qui plus est, si l’intelligence artificielle se montre à la hauteur du battage médiatique à son endroit, elle générera une demande de données plus nombreuses et de meilleure qualité. Au fur et à mesure que les services d’IA deviennent plus sophistiqués, les algorithmes devront être alimentés avec des informations numériques de meilleure qualité, que les gens ne peuvent fournir que s’ils sont payés. Une fois qu’une grande entreprise du numérique commencera à rémunérer les données, d’autres pourraient être contraintes de suivre le mouvement. Si les données sont traitées comme du travail, les marges bénéficiaires des géants de la technologie sont susceptibles d’être comprimées. Mais leur activité globale peut s’accroître. Et les travailleurs seront, au moins partiellement, aux commandes. Leurs matinées pourraient commencer par la vérification d’un tableau de bord fourni par leur syndicat de données, montrant une liste personnalisée des emplois disponibles : de la publicité (la caméra de l’ordinateur recueille les réactions faciales) à la traduction d’un texte dans une langue rare, en passant par l’exploration d’un bâtiment virtuel pour voir à quel point il est facile de naviguer. Le tableau de bord pourrait récapituler les revenus passés, afficher les évaluations et suggérer de nouvelles compétences. Mais un long chemin reste à parcourir pour que les données personnelles soient considérées comme du travail de façon générale, et rémunérées en tant que telles. Premièrement, un cadre juridique adéquat sera nécessaire pour encourager l’émergence d’une nouvelle économie des données. Le nouveau règlement de l’Union européenne sur la protection des données, entré en vigueur en mai, donne déjà aux citoyens des droits étendus de vérification, de téléchargement et même de suppression des données personnelles détenues par les entreprises. Deuxièmement, la technologie permettant de suivre les flux de données doit devenir beaucoup plus performante. Les travaux de recherche pour calculer la valeur de données particulières pour un service d’IA n’en sont qu’à leurs balbutiements. Troisièmement, et c’est le plus important, les individus devront développer une “conscience de classe” en tant que travailleurs des données. La plupart des utilisateurs affirment vouloir que leurs renseignements personnels soient protégés, mais les échangent ensuite pour presque rien : c’est ce qu’on appelle le “paradoxe de la protection de la vie privée”. Pourtant, les choses sont peut-être en train de changer: plus de 90 % des Américains pensent qu’il est important d’être en capacité de contrôler qui peut obtenir des données sur eux, selon le think-tank Pew Research Centre. Même si les gens obtenaient de l’argent pour leurs données, les sceptiques disent qu’ils n’obtiendraient pas grand-chose. Si Facebook répartissait ses profits entre tous ses utilisateurs mensuels, par exemple, chacun ne recevrait que 9 $ par an. Mais ces calculs ne tiennent pas compte du fait que nous venons à peine d’entrer dans l’ère des données. L’IA est souvent assimilée à l’électricité. Et lorsque l’électrification a commencé à la fin du XIXe siècle, des villes entières utilisaient à peine la quantité d’électricité d’un seul ménage contemporain. Cette économie des données ne serait-elle pas extrêmement inégalitaire ? Les données de certaines personnes vaudront certainement beaucoup plus que d’autres. Mais Glen Weyl soutient que les compétences nécessaires pour générer des données précieuses peuvent être plus largement répandues qu’on ne le croit, de sorte que le travail sur les données pourrait perturber la hiérarchie traditionnelle du capital humain. D’une manière ou d’une autre, les sociétés devront trouver un système permettant de distribuer la richesse créée par l’IA. En l’état actuel des choses, l’essentiel revient aux grandes sociétés d’analyse et d’extraction de données. Si cela ne change pas, l’inégalité sociale pourrait revenir aux niveaux médiévaux, prévient Glen Weyl. Si cela se produit, il n’est pas déraisonnable de supposer qu’un jour, les travailleurs numériques de la donnée du monde entier s’uniront.

Sans connaître les bonnes réponses (fournies par les humains), les algorithmes sont incapables de traduire les langues, comprendre la parole ou reconnaître des objets dans les images. Les données fournies par les humains peuvent donc être considérées comme une forme de travail qui alimente l’intelligence artificielle