Module 10

Marché du travail, automatisation et justice sociale

Marché du travail, automatisation et justice sociale

Le débat actuel sur l'intelligence artificielle (IA) et son impact sur le monde du travail est marqué par une profonde dualité.
D'une part, l'IA promet des avancées significatives en matière de productivité, d'innovation et de création de richesses.
D'autre part, elle soulève des préoccupations profondes concernant l'avenir de l'emploi, l'aggravation des inégalités socio-
économiques et, ultimement, la justice sociale. Ce document se propose d'analyser ces tensions en explorant d'abord la
nature unique de cette transformation technologique qui, contrairement aux précédentes, s'attaque directement aux
capacités cognitives humaines. Il examinera ensuite les risques d'une distribution inéquitable des bénéfices de
l'automatisation, qui pourraient se concentrer au sommet de la pyramide sociale. Enfin, il mettra en lumière les enjeux
éthiques concrets et déjà présents illustrés par le phénomène des « micro-travailleurs », une main-d'œuvre invisible et
précaire qui est pourtant essentielle au développement de l'IA.

--------------------------------------------------------------------------------

1. La thèse de Harari : Pourquoi cette fois, l'IA change les règles du jeu

Pour comprendre les enjeux sociaux de l'automatisation, il est crucial de saisir en quoi la révolution de l'IA diffère
fondamentalement des vagues technologiques précédentes. L'historien Yuval Noah Harari soutient que nous ne faisons
pas face à une simple accélération de l'automatisation, mais à un véritable changement de paradigme. Son analyse
repose sur deux arguments principaux qui démontrent comment l'apprentissage automatique redéfinit la compétition
entre l'humain et la machine.

1.1. La conquête des capacités cognitives humaines

Contrairement aux machines de la révolution industrielle qui concurrençaient la force physique humaine, l'intelligence
artificielle rivalise désormais avec nos capacités cognitives. Harari souligne que cette compétition ne se limite pas à des
tâches analytiques comme l'apprentissage ou l'analyse de données. Elle s'étend à des compétences longtemps jugées
intrinsèquement humaines, telles que la compréhension des émotions.

Selon lui, cette percée est rendue possible par une meilleure compréhension des mécanismes biochimiques du cerveau.
L'« intuition humaine », loin d'être un phénomène magique, est en réalité un processus calculatoire de « reconnaissance
de formes » (pattern recognition). Les algorithmes, nourris de quantités massives de données, peuvent non seulement
imiter ce processus biochimique, mais le surpasser en précision. Ainsi, en analysant les expressions faciales, le ton de la
voix ou d'autres signaux biométriques, une IA peut évaluer l'état émotionnel d'une personne avec une fiabilité
potentiellement supérieure à celle d'un être humain, rendant ainsi automatisables des professions allant du chauffeur de
taxi au banquier.

1.2. Les avantages non humains de l'IA : connectivité et actualisation

Le second argument de Harari repose sur des capacités exclusivement non humaines qui confèrent à l'IA un avantage
systémique : la connectivité et l'actualisation.

1. Connectivité : Les êtres humains sont des individus dont la coordination est complexe et sujette aux erreurs de
communication. À l'inverse, des millions de systèmes d'IA, comme des véhicules autonomes, peuvent être
intégrés en un seul réseau flexible. Lorsqu'ils interagissent, ils ne sont pas deux entités distinctes qui tentent de
deviner leurs intentions respectives, mais les composantes d'un algorithme unifié, ce qui réduit drastiquement les
risques d'erreurs.

2. Actualisation : Ce réseau intégré peut être mis à jour de manière instantanée et uniforme. Si une nouvelle
réglementation routière est adoptée ou si une découverte médicale majeure est faite, l'ensemble du réseau de
véhicules ou de médecins-IA peut intégrer cette information en une fraction de seconde. Une telle synchronisation
est tout simplement impossible à réaliser avec des millions de professionnels humains dispersés.
Harari conclut que, même dans les cas où un humain individuel serait encore plus performant qu'une IA individuelle, les
avantages colossaux offerts par la connectivité et l'actualisation rendent le remplacement des collectifs humains par un
réseau d'IA pertinent et efficace. C'est précisément parce que l'IA, comme il le démontre, s'attaque aux tâches cognitives
et opère en réseaux intégrés qu'elle devient un puissant moteur de divergence socio-économique.

--------------------------------------------------------------------------------

2. Le risque d'une distribution inéquitable des bénéfices et des risques

L'analyse de la distribution des gains et des pertes liés à l'IA est d'une importance stratégique pour la cohésion sociale.
Comme le soulignent les chercheurs Jocelyn Maclure et David Rocheleau-Houle, sans une intervention politique et
éthique volontariste, les bénéfices de l'automatisation risquent de se concentrer au sommet de l'échelle sociale, tandis
que les risques pèseront de manière disproportionnée sur les populations les plus vulnérables. Ce phénomène s'explique
principalement par deux mécanismes complémentaires.

2.1. La polarisation du marché du travail

L'intégration de l'IA dans l'économie tend à creuser les inégalités de revenus, provoquant une fragmentation du marché du
travail en deux blocs de plus en plus étanches. Ce phénomène n'est pas sans rappeler l'impact de l'introduction des outils
informatiques dans les années 1980 et 1990.

• Pour les travailleurs qualifiés : La demande explose pour des compétences spécialisées directement liées à l'IA,
comme les développeurs, les programmeurs et les scientifiques des données. Les entreprises s'arrachent ces
profils, ce qui entraîne une hausse significative de leurs salaires et de leurs opportunités professionnelles.

• Pour les travailleurs moins qualifiés : Ces travailleurs, occupant souvent des postes avec des tâches routinières,
sont les plus exposés. Ils font face à un risque accru de pertes d'emploi, de baisses de salaire dues à
l'automatisation partielle de leurs tâches, ou voient leurs possibilités professionnelles se rétrécir
considérablement, rendant leur insertion ou leur maintien sur le marché du travail plus précaire.

2.2. La concentration du capital

Au-delà des écarts salariaux, l'IA risque d'accentuer les inégalités par un second mécanisme : la concentration du capital.
S'appuyant sur la thèse de l'économiste Thomas Piketty, Maclure et Rocheleau-Houle expliquent que lorsque le rendement
du capital investi (r) croît plus rapidement que la croissance économique générale et les salaires (g), la richesse tend à se
concentrer entre les mains de ceux qui possèdent déjà le capital. Ce découplage entre la création de richesse
technologique et sa redistribution par le travail est particulièrement saillant dans le secteur de l'IA, où les investissements
peuvent générer des profits considérables, creusant ainsi les inégalités socio-économiques indépendamment de la
dynamique des salaires.

Ces dynamiques d'inégalité trouvent une illustration concrète et préoccupante dans l'émergence d'une nouvelle classe de
travailleurs précaires, dont l'existence même est une manifestation extrême de la domination du capital sur le travail.

--------------------------------------------------------------------------------

3. Les « micro-travailleurs » : visage humain de l'injustice à l'ère de l'IA

L'intelligence artificielle est souvent présentée comme une technologie d'automatisation avancée, capable d'apprendre et
de fonctionner de manière autonome. Pourtant, cette image masque un paradoxe fondamental : son développement et
son fonctionnement dépendent en réalité d'un travail humain massif, répétitif et largement invisible. Le concept de «
micro-travail » met en lumière cet angle mort de la révolution numérique et constitue un enjeu éthique central. Il ne s'agit
pas d'un simple effet secondaire, mais d'une illustration brutale de la concentration du capital : les rendements massifs
des plateformes d'IA sont générés précisément parce qu'elles permettent de réduire le coût du travail humain à un niveau
quasi nul.

3.1. Le travail invisible derrière les algorithmes

Le documentaire Cash Investigation lève le voile sur la réalité de ces travailleurs de l'ombre qui, bien que cachés derrière
des plateformes en ligne, sont les véritables petites mains de l'IA.

1. Définition et Tâches : Le micro-travail consiste à décomposer des tâches complexes en micro-unités pouvant être
réalisées par des humains en quelques secondes ou minutes. Les exemples sont nombreux : étiqueter des
milliers d'images pour apprendre à une IA à reconnaître des nuages ou des piétons, évaluer la pertinence des
résultats d'un moteur de recherche pour l'affiner, ou encore retranscrire des extraits audio. Ce travail, fastidieux
mais essentiel, constitue la phase d'« entraînement » de la plupart des algorithmes.

2. Conditions de travail : Les témoignages de micro-travailleurs américains illustrent des conditions de travail
extrêmement précaires. Rémunérés à la tâche, ils opèrent sans aucun contrat de travail, sans salaire minimum
garanti et sans la moindre protection sociale. L'enquête illustre cette réalité de manière frappante : après avoir
effectué 180 tâches en 30 minutes, Jared n'a gagné que 15 centimes, soit un taux horaire de 30 centimes. Don
Carbon, une autre travailleuse, est mère célibataire d'une fille autiste ; elle explique que ce modèle est sa seule
option car il lui offre la flexibilité nécessaire pour être disponible à tout moment. Cette situation montre comment
ce modèle économique exploite la vulnérabilité de ceux qui n'ont pas d'autre choix. Jared décrit cette main-
d'œuvre comme une « nouvelle classe de prolétaires éparpillés partout dans le monde », soulignant son invisibilité
et sa précarité.

3.2. L'enjeu éthique : exploitation et déresponsabilisation

Le phénomène des micro-travailleurs soulève de graves questions éthiques en matière de justice sociale, fondées sur un
modèle qui organise l'exploitation tout en diluant la responsabilité des donneurs d'ordre.

1. L'exploitation : Selon l'analyse de l'Organisation internationale du Travail (OIT) citée dans le documentaire, ce
modèle est rendu possible par la mise en concurrence d'une main-d'œuvre mondiale. Des millions de personnes à
travers le monde sont en compétition pour les mêmes micro-tâches, ce qui permet aux plateformes de tirer les
salaires vers le bas, à un niveau qui serait socialement et légalement inacceptable dans un cadre d'emploi
traditionnel.

2. La déresponsabilisation : Les géants de la technologie se protègent de toute responsabilité en utilisant un double

mécanisme. D'abord, les travailleurs sont qualifiés d'« entrepreneurs indépendants », un statut qui les prive de
tous les droits associés au salariat. Ensuite, ces entreprises recourent massivement à des plateformes sous-
traitantes (comme Figure Eight, utilisée par Google) qui servent d'intermédiaire. Cette distance organisée est
parfaitement illustrée par les réactions des dirigeants : confronté à la question des salaires, le patron de Figure
Eight, Lucas Bivald, met fin brutalement à l'interview, laissant les journalistes seuls avec son responsable de la
communication. De même, Olivier Bousquet, responsable de l'IA chez Google Europe, affiche d'abord sa
méconnaissance des conditions de travail de ceux qui entraînent ses algorithmes, avant de s'engager à se
pencher sur la question.

3. La dimension globale : Cette pratique est systémique et mondiale. L'enquête du magazine Time révélant
qu'OpenAI a eu recours à des travailleurs kényans payés moins de 2 dollars de l'heure pour filtrer le contenu
toxique de ChatGPT confirme que ce modèle n'est pas une exception, mais bien une pratique structurelle de
l'industrie.

Ce modèle de travail met en lumière une tension fondamentale entre le discours d'innovation et de progrès social des
entreprises de l'IA et la réalité d'une précarité extrême qu'elles génèrent et dont elles profitent.

--------------------------------------------------------------------------------

Conclusion

Loin d'être une simple question de « chômage technologique », l'ère de l'IA, définie par la conquête des compétences
cognitives décrite par Harari, institutionnalise les mécanismes d'inégalité analysés par Maclure et Rocheleau-Houle. La
transformation technologique actuelle, si elle n'est pas régulée, risque en effet de systématiser la polarisation des salaires
et la concentration du capital au profit d'une minorité.
Dans ce contexte, l'émergence d'une classe mondiale de « micro-travailleurs » n'est pas une conséquence malheureuse ou
hypothétique, mais la démonstration logique et fonctionnelle de ce nouveau paradigme. Pour que l'IA apprenne, une
nouvelle forme d'exploitation à l'échelle mondiale a été non seulement acceptée, mais systématisée, révélant que
l'injustice sociale est déjà un pilier de son développement. La trajectoire de l'IA n'est pas prédéterminée ; elle dépendra
des arbitrages politiques qui seront faits entre l'optimisation de la productivité pour le capital et la préservation de la
justice sociale pour le travail. L'enjeu fondamental est de gouverner la technologie plutôt que d'être gouverné par ses
logiques économiques intrinsèques.