Smile you’re on camera

Jonathan Pryce dans Brazil de Terry Gilliam

Dans The Economist du 31 mars est paru un article intitulé « Smile you’re on Camera », traitant de la collecte de données personnelles au travail. L’occasion de voir les liens entre intelligence artificielle, gestion des ressources humaines et fonction de production.

L’article part de la description du fonctionnement d’une entreprise nommée Humanyse, qui propose aux entreprises du “people analytics », tout comme Google propose des «analytics » sur les connexions en ligne. La différence est qu’il s’agit ici d’analyse des données du personnel d’une entreprise et non de celles de ses visiteurs virtuels. L’exemple montre que l’entreprise Humanyse applique ses méthodes à ses propres employés. Ceux-ci sont porteurs d’un badge, jusqu’ici rien que de très normal, mais ce badge contient un microphone qui enregistre leur conversations, une puce qui donne la localisation géographique précise du porteur dans le bureau et un détecteur de mouvements. Le badge collecte donc des données à un niveau très fin en temps continu. Données qui peuvent être d’une part croisées avec les emails, les calendriers profesionels, bien évidemment, par exemple pour mesurer les raison de non réponse à un email, les raisons de retard (ou d’avance) à des rendez-vous… Mais ces données personnelles sont également la source de constitution de données de réseau et d’équipe. Elles permettent ainsi de collecter les temps passés avec les personne de même sexe, les temps passé à écouter ou à parler, etc.. permettant d’en inférer le rôle de chacun au sein d’une organisation non plus uniquement de manière formelle, mais désormais de manière informelle, par exemple pour mesurer la contribution, ou les déviances, à la culture d’entreprise et à l’esprit corporate. Les défenseurs de la collecte des données soutiennent que ces données permettent de faire de la gestion des ressources humaines fine: mieux designer les incitations au travail individuel et au travail d’équipe, par exemple en cernant mieux les besoins de chacun en motivation intrinsèque ou extrinsèque ,mieux concevoir l’organisation du travail au rythme et aux besoins de chacun grâce à des algorithmes d’intelligence artificielle utilisant toutes ces données… Pour le microéconomiste, la gestion des ressources humaines est une chose assez simple: il s’agit avant tout d’une question de productivité. En micro-économie du producteur, l’impact de l’intelligence artificielle sur la gestion des ressources humaines est donc une question de fonction de production, et plus spécifiquement de déformation de la fonction de production.

La question de micro-économie est donc de savoir en quoi est ce que le big data appliqué à la gestion des ressources humaines et l’intelligence artificielle affectent la fonction de production. La justification de la récolte de données par les entreprises de gestion de ressources humaines reposent sur les éléments suivants: les algorithmes permettent évaluer plus précisemment le risque d’accident en identifiant mieux, et à un niveau plus fin, les facteurs de risque. Ainsi l’utilisation, à termes, de bracelets détecteurs de mouvements par Amazon permettrait de réduire les risques d’accident du travail et de maladie professionnelles en repérant les mouvements les plus à risque de blessure ou de douleur. Le badge intelligent mis en place chez Hitachi au Japon, permettrait en temps réel de détecter les conditions propices au sur-travail ou à la baisse d’attention des employés. En microéconomie, en réduisant les « pertes » en travail par accident, dommage ou inattention, l’intelligence artificielle au travail déplace la frontière d’efficience productive vers le haut, et génère donc une hausse de la fonction de production. Les outils d’organisation personnels, par exemple MyAnalytics mis en place chez Microsoft et permettant de mieux planifier son travail, sont supposés avoir le même impact. Ainsi, l’intelligence artificielle permet de faire plus avec la même quantité de travail, comme indiqué sur le graphique ci-après:

Ou,  suivant la manière dont on regarde les choses, de faire la même chose avec moins de travail, comme l’indique cette interprétation du même graphique:

Nous sommes donc là en présence d’une parfaite illustration de la manière dont les big data génèrent du progrès technique (au sens de Harrod ici, tant que l’on ne spéficie pas ce qu’il se produit sur le capital).

Au delà de la question d’efficience productive que nous venons de voir, se pose une question de distribution des gains de cette efficience supplémentaire. Dit autrement, la question est de savoir qui bénéficie du progrès technique, quel partage de la valeur ajoutée peut-on attendre de cette évolution technologique. Au delà de cette question à la limite de la macroéconomie, se pose également la question de la source du progrès technique. En effet, celui-ci ne tombe pas du ciel, déversé en hélicoptère par un Turing bienveillant. Il se fonde au contraire sur un échange préalable: la fourniture de données personnelles par les employés, dont une des sources de valeur est la constitution de données d’équipe. On retrouve donc ici des éléments connus de microéconomie: l’intérêt à l’échange et les gains associés, les externalités et leur impact sur l’équilibre. Une preuve que la microéconomie a encore de beaux jours devant elle, grâce à l’intelligence artificielle…

Leave a Reply

Your email address will not be published. Required fields are marked *