La première est que le discours sur l’innovation correspond peu à sa nature. Ce discours de la révolution permanente instille une vision du monde inquiétante : l’innovation est une surprise, elle pertube les frontières, remet en cause les avantages acquis et de ce point de vue serait l’élément démocratique de nos société. Il faudrait pour celà croire que l’innovation non seulement est purement technique mais surtout exogène. L’étude même superficielle de l’impression 3D montre à l’instar des travaux du CSI, qu’elle est fondamentalement socio-technique. On rappellera aussi que sa diffusion est le fait de décision d’investissement qui font de l’innovation un bien comme un autre. Quant au caractère accidentel, la technique de la poterie en colombin rappele que l’idée n’est pas nouvelle. On doit s’interroger sur ce discours qui obscurcit plutôt qu’il n’éclaire, et qui au fond justifie les inégalités et les dominations. D’un point de vue social, l’innovation perturbatrice (disruptive) est avant tout une innovation destinée à créer de nouvelles rentes. On en déduit naturellement que si elle est exogène et accidentelle, les nouvelles richesses sont justifiées, les nouveaux riche on droit de l’être, comme le découvreur d’un Trésor peut en être le légitime propriétaire.

Au-delà du discours, l’étude du développement de cette technologie, rappelle que la diffusion de l’innovation n’est pas aussi linéaire que l’on pense, elle se heurte à hétérogénéité du milieu, à des incitations et des résistances granuleuses, elle nécessite outre la créativité technique, une inventivité sociale permanente et, en conséquence, son développement économique ne suit pas forcément son amélioration technique. La stereolithographie inventée par  Chuck Hull, le fondateur de 3Dsystem, date du début des années 1980 et le colombin nous serait venu, comme la pomme de terre, de l’Amérique.

Alors concluons sur l’idée que les révolutions technique sont lentes et qu’en ce domaine la patience est la première vertu pour en faire émerger les propriétés qui font de l’innovation un bien si avantageux que l’ensemble du corps social s’en empare, l’innovation n’est pas plus une cause des ruptures qu’elle en est une conséquence. L’innovation est juste ce phénomène qui donne de la lumière au contorsions des rapports sociaux et de nos économies.

• le problème du partage de la valeur entre offreurs, consommateurs et les plateformes. On en profite pour signaler un papier de Guillaume Allègre sur l’exploitation algorithmique. Le mot m’a semblé fort, mais à la réflexion tout à fait nécessaire au débat.
• La question des alternatives pour réaliser une véritable économie du partage. Ne serait-il pas temps de remettre au goût du jour, en les favorisant par la loi et la fiscalité, le modèle de la coopérative, plutôt que de réglementer à tout va?
• Et naturellement les problématiques associées du travail, de l’emploi et du traitement des revenus complémentaires générés par ces plateformes.

Et finissons par signaler que ces modèles entrent sans doute dans la phase de désillusion si l’on admet le cycle de la Hype de Gartner, preuve en est la confusion terminologique que Rachel Bosman tente de démêler.

Le fait principal est une baisse qui vient d’avant la crise. Au moins depuis 2005, peut-être d’avant. Les vacances prennent-elles moins de temps ?

La population ayant augmenté, cette baisse traduit une diminution générale du temps de vacances, pour autant qu’on le définisse par le fait d’être ailleurs de chez soi et aussi de son travail. On ne compte pas ici le temps qu’on passe chez soi.

Les catégories vers le rouge désignent les catégories marchandes, les bleues les domestiques. L’économie collaborative n’apparait pas dans les données, ni dans les catégories, on sait que par son volume elle altère sans doute les données des dernières années. Se retrouve-t-elle dans l’accroissement des autres hébergement marchands?

Le fait principal si on examine les parts de marché c’est une très grande stabilité avec sans doute une poussée de l’hébergement familial et la baisse de la part hôtelière. Les habitudes sociales peuvent parfois être très stable et se transformer aux limites

On sera surpris de cette stabilité qui tranche avec celle des systèmes de réservation. Juste pour en avoir un aperçu cette image des rapports de force. Pour ce court billet une seule conclusion, même quand la demande ne change pas, la manière dont elle s’exprime peut brutalement choisir des voies différentes. Si les destinations sont les mêmes les chemins changent, ils sont désormais au bout du pouce. Et c’est là où se fait la différences, dans les plis des catégories.

Pour répondre à cette question, il a d’abord construit une une échelles de crédibilité de l’offre, puis a demandé à des consommateurs de les évaluer sur cette échelle. Chaque sujet à été soumis à une offre (~=300 au total), une cinquante d’entre elles ont été composée en variant la source (via les enseignes), le degré de détail de la présentation de l’offre, le nombre d’avis, la note moyenne et quelques autres éléments qui constitue sa réputation.

Le but de cette approche quasi-expérimentale ( les facteurs manipulés sans suivre un plan d’expérience strict sont combinés de manière à réduire leur corrélation) est de mesurer l’impact de ces facteurs sur la crédibilité mais aussi de mesurer l’influence de cette dernière sur l’intérêt témoigné pour l’offre et en conséquence sur l’intention d’achat.

Un des résultats les plus importants se résume dans le modèle suivant (un modèle SEM estimé avec Lavaan, dont la structure du modèle  s’ajuste correctement à ce stade : chi²/ddl<2, Rmsea >0.07, NFI =0,93). Le candidat apportera sans doute quelques réajustements dans le document final de la thèse mais a déjà été comparé à des modèles alternatifs qui ne font pas mieux.

a) La première observation est que les principaux signaux de réputation : note moyenne, nombre d’avis, détail de la présentation, image ont un effet de même ampleur ( coef~=0,2)  et additifs ( il n’y a pas d’interaction), ce qui suggère que la multiplication des signes, et lisible immédiatement est le moyen principal de l’amélioration de la crédibilité de l’offre.

b) On notera aussi le poids de la confiance dans l’enseigne (0,4) sur le degré de crédibilité, il est d’autant plus remarquable qu’en testant un modèle où les variables précédentes expliquent aussi cette confiance, aucun lien significatif n’apparait. La confiance dans l’enseigne  renforce la crédibilité indiquant que deux niveaux de facteurs interviennent indépendamment : la marque, c’est à dire la source et les signes de réputation.

c) Le troisième élément est la position totalement médiatrice de la variable crédibilité, c’est elle qui convoie l’effet des signes de réputation  sur l’intérêt que soulève l’offre. Et l’intérêt lui-même médiatise l’effet de crédibilité sur l’intention d’achat. On retrouve une séquence stricte : évaluation de la crédibilité qui mène à l’intérêt qui lui-même détermine l’intention.

d) Un contrôle par l’intérêt pour la catégorie a été réalisé, son effet sur l’intérêt est positif mais mineur, il est négatif mais significatif sur la crédibilité, révélant sans doute une variation individuelle du modèle : les consommateur les plus connaisseurs étant sans doute plus sceptiques que les autres.

Voici des résultats qui vont dans le sens de la longue tradition de la « source credibility » apparue depuis au moins 1951 avec Hovland. Dans cette étude c’est moins la crédibilité de l’enseigne qui est considérer comme source, mais le fragment de média en tant qu’unité de lecture et l’évaluation : la représentation de l’offre dans une fenêtre de l’écran. Le modèle renforce l’idée que la réaction à cet ensemble passe par un jugement de crédibilité.

La conclusion est claire : soignez la crédibilité de vos offres! C’est le nexus de vos ventes.

Les effets économiques ne se produisent que si les plateformes peuvent gouverner des populations de telle manière à ce qu’elle produisent des externalités positives : qu’elle fasse l’amour et pas la guerre. Faire en sorte que les populations ne sont pas en compétition mais deviennent complémentaires. C’est histoire des plateformes de dating, faire qu’homme et femmes s’apparient avec le moins de violence vers les femmes et d’ignorance vers les hommes : policer les rapports. Une plateforme telle que meetic a été pionnière.

Un autre exemple simple : s’il n’existe qu’un bouton like, et pas de dislike, c’est parce que Facebook oriente (ou sélectionne) ce qui plait, plus que ce qui déplait, créant un climat positif dans les pages qui incite à revenir et prolonger la lecture. Le choix d’un dispositif imprime aux comportement une orientation particulière dont l’agrégation a pour effet de définir le contexte d’action des mêmes individus, un contexte agissant. Un contexte qui encourage à l’engagement, et puisque c’est celà que recherche les publicitaires, accroit la valeur de l’audience que commercialise la marque. On nuancera le point de vue en reconnaissant d’emblée l’agentivité des sujets puisqu’à ce jour au moins une vingtaine de significations et de motivation sont identifiés : le like peut dire aimer le contenu, faire un clin d’oeil à son émetteur, ou rendre la pièce d’une monnaie. Le détournement d’usage peut faire perdre de la valeur aussi.

Un autre exemple est celui du changement de système de notation opéré par e-bay en 2008. En supprimant les notes négatives, la fréquences des offres douteuses est réduite, le risque perçu réduit, et les ventes stimulées. On commence a en savoir plus sur la performativité des systèmes de notes et d’avis. Des avis équilibrés sont plus crédibles., le nombre d’avis peut être plus important que la note, les systèmes réciproques conduisent à en neutraliser l’effet.

Dans ces brefs exemples c’est la conduite individuelle qui est en cause en tant qu’agrégée elle donne une certaine qualité à la foule qui oriente les conduites. C’est le problème de la boite de nuit où le physionomiste compose la foule dans le juste mélange de jolies femmes, de mauvais garçons, de créatures de nuit et d’hommes important qui fait de la nuit le lieu le plus électrique et le plus extravagant dont on puisse rêver et un succès.

La gouvernementalité s’inscrit dans une perspective collective mais agit individuellement. On retrouve ici l’idée suggérée par Foucault pour comprendre comment l’état gouverne les conduites des humains pris comme population, comme le troupeau demande au berger à la fois de le conduire à la nourriture, tout en s’ajustant aux nécessités de chacune des têtes : éliminer la bête folle, soigner une brebis, et ne pas ralentir le troupeau dans sa transhumance.

Les effets économiques sont les conséquences d’un élément fondamental : la technique et l’art de gouverner des populations de plusieurs dizaines et centaines de millions à travers les Etats et les cultures semble arriver à maturité. Elle s’appuie sur un ensemble technique particulier, l’informatique.

Ces techniques dont nous aimons qu’elles sont ce qui procèdent d’une pensée qui en fait les médiations entre l’humain et le monde, tout autant qu’une matérialité et d’une concrétisation pour emprunter le langage de Simondon, sont au centre, avec la culture, comme part de la culture, de ce qui permet aux effets économiques de s’exprimer.

Trois grands ensembles de techniques peuvent être discernés : les algorithmes de l’ordre de la technique informatique, les « policies » de l’ordre de la technique réglementaire et sécuritaire et les systèmes motivationnels de l’ordre des techniques psychologiques. Des techniques dans tous les cas.

• des règles de calculs : Les techniques par lesquelles les plateformes gouvernent les populations passent essentiellement par des moyens algorithmiques qui prennent différentes figures : un ordre de présentation des profils (filtrage), le contenu même de ces profils (signaling), les modes de calcul pour suggérer des profils , des systèmes de gratifications, des feedback synthétiques (dashboard) . Ce sont celles des modèles de scoring, des modèles de recommandations, des modèles de ranking. Elles distribuent l’action et l’effort, et régule la distribution des ressources. La question de la politique des algorithmes leurs est consubstantielle. Si ces calculs résultent d’une volonté, ils ne s’y plie pas toujours de part la contingence de sa mise en oeuvre, du hasard dans les choix, de la logique propre des algorithme et peuvent produire des effets inattendus. L’inattendu réside parfois en dehors, comme l’est par exemple l’effet discriminatoire des plateformes mis en évidence par XXX. Ces calculs peuvent être élémentaires (le comptage des likes) ou très sophistiqués (deep learning et reconnaissance de visage). Ils peuvent s’exercer sur la donnée brute, ou se traduire par des règles d’agrégation et de lissage dans ce qu’on appellera indicateurs de gestion. Ces calculs demande naturellement des éléments partiels, qui sont moins des données que des produits. Les notes recueillies ne sont pas exactement les jugements des individus mais le construit de ces jugements, le résultat d’une confrontation entre l’instrument de mesure et le jugement. Ils résultent d’une agentivité mais sont aussi performatif, ils ne disent pas l’état du monde mais modèlent des interaction.
• des règles de distribution de rôle (droits, obligation et interdictions). S’ils sont fondamentaux dans toutes les organisations, les plateformes les définissent de manière précise et exclusive. Un droit de lecture est bien distinct de celui d’écriture ou d’administration. Ces règles portent aussi sur ce que l’on peut faire, ou pas, l’interdiction des représentations de nu en est un très bon exemple. D’un point de vue technique, elle correspondent à ce qu’on appele « policies » en anglais, et que l’on traduira simplement par réglement intérieur, mais dont le terme anglais suggère une juste polysémie : la police est la rédaction d’un contrat, comme l’est la police d’assurance, mais aussi l’appareil de maintien de l’ordre et de contrôle des déviances qui assure l’exécution de la règle. La règle demande son application, et l’action de police se traduit généralement par l’exclusion partielle ou totale. A l’age digital le droit pénal est un droit de censure. Il suffit de penser aux politiques de nudité pour en comprendre l’enjeu, espérons qu’aucune plateforme ne modère ainsi les discussions politiques ou religieuses. Les policies sont le bras armés des managers des plateformes. Elles s’expriment d’abord dans un corps de règles qui se stratifient réclamant parfois des rafraichissements – Facebook a la réputation de procéder très régulièrement à cette opération.
• des règles motivationnelles (sanctions et motivations) sont essentielles. Elles se sont popularisées au travers de la notion de ludification (gamification) et se matérialisent soit par des gratifications matérielles ( cash bask, points, miles…) ou symboliques ( badges, grades, niveaux). Elles partagent avec le nudge l’idée que la coercition motive moins que les encouragements. Elles jouent avec la comparaison sociale et la confiance en soi. Elles font l’objet de nombreux développement avec une meilleure connaissance des biais cognitifs et des mécanismes motivationnels. Elles s’appuient sur des règles de calculs, font l’objet de règlement, mais trouve leur identité dans l’ajustement aux intérêts des agents, à leur cognition et à leur affectivité.

On concluera simplement sur la dimension politique qui résulte de ce triple corps technique. L’enjeu réside dans la liberté de chacun des acteurs qui s’il est controlé par l’environnement, peut s’en déjouer et le remodeler à nouveau. Le coeur de la gouvernementalité est de passer d’un niveau collectif à un niveau individuel et réciproquement.La production des effets économiques s’accompagne d’effets politiques. Dans les plateforme aussi certains dominent.

Son coeur technique conduit à être attentif à la politique de l’algorithme. L’effet réel des algorithmes n’est pas toujours celui qui est anticipé par les acteurs et les promoteurs. Les plateformes sont aussi douées de mémoire,  peuvent-elles produire de l’histoire?

Et s’il fallait revenir à l’économie, l’idée de nudge et son développement paternaliste et libertarien, comme le revendique leurs inventeurs, mérite toute notre intention en ce qu’elle tente justement d’associer par des techniques particulières ( les options par défaut, le cadrage, …) un intérêt général ( les populations) et des intérêts particuliers.

Plus que jamais la compréhension des plateformes réclament une réflexion en termes d’économie politique, car si l’économie fait naitre de nouveaux pouvoirs, ce sont aussi ces nouveaux pouvoirs qui permettent à l’économie de s’exprimer.

Aujourd’hui ces plateformes questionnent l’emploi, la consommation et les rapports sociaux, elles exercent un pouvoir politique dont elles tirent des avantages économiques. Plus d’une vingtaine d’entre-elles valent plus d’un milliard de dollar. Elles doivent être un objet prioritaire de recherche en sciences sociales

Cela deviendrait ennuyeux si au-delà de la description nous n’avions une raison simple qui permette d’anticiper et de s’adapter. Dans le monde du transport le même cataclysme se poursuit aussi bien sur le front des taxis que celui du TGV.  Ah quelle belle invention que celle du train très rapide! Un trait de génie colbertiste qui s’épuise à construire de nouvelles lignes moins rentable que les autres. Comment d’ailleurs aurait-il pu penser qu’on puisse calculer la moindre rentabilité sauf à rêver du côté des recettes, et à extrapoler du côté des coûts? Comment imaginer de pouvoir établir pour vingt ou trente ans le vrai bilan d’une audace?

Aujourd’hui cette idée d’innovation destructive se traduit par l’expression de l’Uberisation et s’accompagne du qualificatif « disruptif » que notre paresse intellectuelle se refuse à traduire simplement par « perturbateur ». C’est cette même paresse qui nous conduit voir une « économie du partage » là où de nouveaux modèles économiques perturbent à la fois les marchés et les sociétés. C’est ainsi que dans le mépris des mots et des significations, certains utilisent le terme d’économie du partage pour ce qui pourrait être un magnifique exemple de prédation. On sait au moins depuis Orwell que les mots moins que produire du sens peuvent n’être que des étiquettes. On se méfiera quand le mot révolution est prononcé, il augure sans doute d’un conservatisme radical.

Ces modèles empruntent à une multiplicité de mécanismes économiques et sociaux qu’il nous faut mettre à jour avant de les englober sous une même acception au risque de ce défaut majeur de l’esprit qu’est le nominalisme. Si nous les désignons dans cet essai par plateformes collaboratives, c’est d’abord pour souligner leur capacité à coordonner le travail de la multitude à partir d’un socle technique. Ces modèles ne sont ni bons, ni mauvais ils procèdent d’une mécanique froide, celle qui résulte d’une nouvelle variété de la distribution des propriétés et de leurs exploitations.

Pour être plus direct avant de mettre un Blablacar et un Velib dans une même catégorie, il serait utile de mieux en examiner les ressemblances et les différences. La différence est assez évidente : un modèle tel que Velib est tout à fait traditionnel, il correspond à une socialisation des moyens de consommation. Socialisation dans la mesure où la propriété des bicyclette est parfaitement définie : elle appartiennent à une société qui en loue l’usage. Il serait ainsi plus juste de parler d’économie de la fonctionnalité, une variété du modèle classique de la location. Dans le cas du covoiturage, rien de commun puisque la propriété des moyens de consommation (les voitures) appartiennent aux usagers du service et que l’entreprise qui assure le service ne se rémunère que sur l’activité de mise en relation. Leur point commun est un usage systématique des technologies de l’information pour  coordonner une demande et une offre extrêmement hétérogène, où l’offre et la demande ne sont plus structurées par des lignes (de chemin de fer) mais par un agenda.

Plutôt que de discuter plus avant la comparaison, et de s’interroger plus avant sur les nuances de la coopérative, du mutualisme, du collaboratif, formes que nous devrions bien connaitre tant elle sont vieilles du revenons sur un certains nombre de mécanismes économiques mis en œuvre dans ces modèles d’affaire.

Le premier d’entre-eux  est celui du crowdsourcing. Nous nous sommes habitués à cette idée que l’offre de nouveaux biens résultent d’un projet où l’entrepreneur à partir d’une idée recueille des fonds pour construire une unité de production et assurer par la suite le remboursement des prêts et de la rémunération du capital investi sur la base d’un excédent d’exploitation. Dans le modèle de l’économie collaborative (nous préférerons cette l’expression même si elle est discutable), le capital productif ainsi que le travail de production est apporté par les usagers, réduisant considérable du point de vue de l’entrepreneur les besoins en capital pour assurer l’actif productif et externalise vers l’usager de manière radicale le travail nécessaire pour assurer le service. S’il y a longtemps que les entreprises ont mis les consommateur au travail pour réduire les coûts (pousser un charriot dans les rayons, vider son plateau dans les fast-food, ou confier aux clients le soin d’aider et d’assister les autres clients), la nouveauté réside dans la mise à disposition  d’actif sous-utilisés. Ce trait caractéristique pose naturellement deux questions. D’abord ce que certain appelle Digital labor et qui se traduit par un travail non-rémunéré, ou sous rémunéré, qui s’apparente largement a du tâcheronnage, et renvoie sans doute une partie de l’emploi au registre de l’économie domestique. Le co-voitureur au prétexte qu’il aurait effectué de toute manière le travail de conduite, généralement ne se rémunère pas, et se contente de réduire les frais direct associés au voyage. Ensuite, en mettant à disposition son actif ( la voiture) il accroit le taux d’utilisation des actifs immobilisés, sans dégradation marginale de l’investissement (il est peu probable qu’un passager supplémentaire pèse sur l’usure du véhicule), réduisant probablement la demande automobile. Cette double question pose naturellement un défi d’évaluation en terme environnemental autant que social. Mais ce n’est pas l’objet de cette note.

Un second mécanisme est propre à l’économie des plateformes (ou des marchés à plusieurs versants) dont Tirole dans un article séminal a mis en évidence l’effet fondamental : les modèles de plateforme exploitent plusieurs versants du marché et peuvent maximiser les profits en acceptant un prix inférieur au coût marginal sur l’un des versants si le profit sur un autres est suffisant. D’un point de vue économique ce phénomène peut conduire à des prix négatifs. Un exemple factuel est ainsi celui d’Autolib qui se met à rémunérer certains conducteurs pour ramener les véhicules dans les emplacements où la disponibilité est insuffisante. Le cas est intéressant car à première vue l’entreprise n’est à première vue ni une entreprise de l’ »économie du partage » ni une entreprise à plusieurs versants, mais un examen plus attentifs montre qu’elle opère sur un marché à de nombreux versants : chacun d’eux sont les point de prise en charge, et le fait qu’une capacité fixe se distribue entre des points ou les demandes sont hétérogène crée une interaction entre les versants : s’il existe une asymétrie entre des points de prises en charge qui reçoivent plus de véhicules que de véhicules partants, il devient nécessaire de réajuster l’offre soit en employant une force de travail dédiée, soit tout simplement en payant les conducteurs plutôt qu’en les faisant payer. Au passage cette pratique de prix négatif n’est pas exceptionnelle, c’est le sorte d’une bien vieille économie, celle de la récupération où selon le cours des matières premières ( papiers, métal…), le récupère achète la matière qu’on lui fournit ou se fait payer pour la réceptionner.  Cette économie de plateforme se manifeste  systématiquement dans l’économie dite collaborative, si le plus souvent les versants sont identifiables aisément ( conducteurs vs passagers), dans d’autres la distinction est moins claire : sur les plateformes de dating, il y a des hommes qui recherchent des femmes, des femmes qui recherche des hommes, des hommes qui recherchent des hommes, des femmes des femmes  sans compter ceux qui recherche des couples…et toute autres combinaisons explosives.

c) Un troisième mécanisme est celui d’un marché du divers et de l’économie de la longue traine. Ce qui distingue un AIrBnB des offres hotellières tient dans la diversité des logements offert et cette aptitude à satisfaire les demandes les plus incongrues ce qu’une campagne de publicité récente illustre à merveille en ringardisant le chalet de montagne par la proposition d’une nuit en téléphérique. Ce n’est pas un mécanisme propre à l’économie collaborative, il est sans doute au coeur du développement des plateformes hotelières, de celui d’amazon et plus largement des places de marché dont nous avons du mal à voir en quoi elles seraient distinctes des modèles de l’économie collaborative. Dès lors que l’entrepreneur n’assure plus la fonction de production et de distribution physique des biens et des services, le risques associés aux items dont la demande est de quelques unités (le stockage) il est aisé de mettre au catalogue un grand nombre d’articles dont les ventes cumulées peuvent représenter un volume équivalent à ceux que réalise les meilleures ventes. On soulignera que l’économie de la longue traine est liée étroitement au déplacement des ressources évoqué dans notre premier point. On se rappellera que pour maintenir son modèle de longue traine, amazon a du créer et développer une place de marché où deux millions de vendeurs voisinent avec 200 millions d’acheteurs. Voilà qui donne un avantage compétitif certain, qui n’est pas nouveau en nature ( au fond le développement de la distribution moderne s’est appuyé sur l’elargissement de l’offre qui satisfait des demandes marginales) mais simplement dans les modalités et l’échelle de diversité.

d) Cette diversité pose un problème majeur : comment ajuster une demande et une offre extrement hétérogène? L’economie de l’appariement a largement exploré ce problème au travers des matching market : Voilà qui peut se résumer à un problème de mathématique appliquée : sachant que n moyens de production se disposent dans un espace particulier, et que m demandes se manifestent dans ces mêmes espace, comment faire se rencontrer ces offres et ces demandes, d’en fixer un prix et une commission, et de faire des satisfactions mutuelle un moteur puissant pour appeler d’autres offres et d’autres demandes. Sur un plan concret elle nécessite des dispositfs particulier : appariement affectif dans les plateforme de dating, moteur de recommandation sur les places de marchés, mécanismes de filtrage, mécanisme d’enchères. Là aussi rien de neuf : c’est le propre du marché du travail ou celui de l’immobilier. Cette notion met simplement en valeur l’activité centrale de ces nouveaux modèles économique : celui de la coordination, un travail effectué par les courtiers autrefois, mais qui se fait à une échelle extrêmement vaste, qui se délie de la nature locale des marchés. 

e) Ce ne sont pas forcément les prix qui régulent échanges, nous avons affaire à des marchés de réputation. Assurer la confiance entre les individus en la médiatisant par la plateforme est essentiel à l’élargissement du marché. Dans une telles diversité l’effet de signal est fondamental et asservit celle des prix qui n’ont de sens qu’à l’échelle des degrés de réputations. Cette réputation permet de doser la confiance. Le rôle des notes, des avis, des likes et de toute les autres formes de soutien n’est pas seulement de faciliter les transactions individuelles et de faire qu’elles se réalisent mais aussi de développer l’attraction de l’espace qu’ils développent. Le paradoxe des objets de réputations est qu’ils apaisent, rassurent et développe les affaires tout autant qu’il anime la compétition en donnant avantage à des agents les mieux dotés, les mieux notés, incitant les autres à découvrir les moyens d’être aimer.

f) les externalité de réseaux et de standard ne doivent pas être oubliées, elles sont intrinsèques aux plateformes et à leur technique. Quand un AirBnB ouvre ses apis à des ceux qui gèrent les clés, non seulement une myriade d’entreprises locales peuvent être créées, mais le marché est étendue à ceux qui ne peuvent être là quand leurs hôtes arrivent ou reppartent. Non seulement coordonner des agents mais des réseaux d’agents et leur permettre d’exploiter la valeur qu’elles n’exploite pas. L’idée d’écosystème s’en déduit, non pas par une vague analogie au vivant, mais par quelques équations différentielles, dont le modèle de Lokta et Voltera est la matrice : commensalisme, proies et prédateurs, les relations entre populations ne se limitent pas à la concurrence.

On s’aperçoit ainsi, que les modèles dit collaboratif s’avèrent plus des combinaisons spécifiques de mécanismes économiques désormais traditionnels, que d’une originalité radicale.  C’est la manière dont ils se renforcent mutuellement qui en assure le succès. Ces mécanismes sont-ils suffisant pour expliquer le succès des plateformes? Très clairement non car les invoquer ne suffit pas à rendre compte de la manière dont elles tirent avantage de ces combinaisons.  Il manque un élément qui appartient moins à l’économie qu’à ce qui fait fonctionner l’économie : les institutions. Les plateformes ne sont pas neutres et si elle combinent différents effets économiques c’est par les règles qu’elles imposent leurs options. Les plateformes sont aussi des systèmes de règles qui affectent les comportement des individus et leurs décisions de manière à favoriser un résultat favorable à l’ensemble de la population.

Leur mode d’action est politique, c’est lui qui révèle les paramètres de la combinaison des processus économiques. Il peut s’analyser en terme de gouvernementalité, ce sera le second temps de notre analyse.

C’est cette double question que l’on cherche à résoudre, et en voici quelques éléments empiriques obtenus au travers d’une enquête et d’un essai de modélisation. Les données sont le fruit d’une étude réalisée via un panel access sur un échantillon représentatif (au sens des quotas) de 476 français, et dont le questionnaire a été conçu et réalisé par le Master Marketing de Paris Ouest. Le modèle est un premier essai, et nous en présenterons les résultats finaux lors de la Journée Objets Connectés : Adoption, appropriation et plateforme, que nous préparons pour le 5 novembre.

La variable dépendante est une variable ordinale qui hiérarchise l’intérêt pour ces objets et distingue ceux qui affirme en posséder soit depuis longtemps, soit depuis peu, ceux qui ont l’intention d’en acquérir un dans un proche futur ou résistent complétement à l’idée de l’adoption. Ce mode de questionnement s’appuie sur l’idée que les plus intéressés les ont déjà adoptés et évite une mesure d’intention qui exclurait ceux qui l’on déjà fait.

Très clairement la proportion des individus en possédant un est sur-évaluée (25%), ce qui résulte certainement d’un biais de sélection du à la méthode de l’accès panel où les personnes interrogée choisissent dans une certaine mesure les études auxquels ils vont répondre mais aussi sans doute de ce qu’ils considèrent les téléphones comme des objets connectés. Dans le reste de l’analyse cela est peu important dans la mesure où le but est de comparer les profils des 4 groupes, et que l’on traitera la variable de manière ordinale (on ne considère que le classement, en ne supposant aucun intervalle particulier entre les niveaux de l’échelle).

Passons en revue les principales variables explicatives qui ont été mesurées par des échelles multi-items, comme nous en avons l’habitude dans les revues académiques, et dont la qualité au sens de l’alpha de Cronbach varie de 0,85 à 0,93.

Les deux premières sont relative à la théorie du TAM : facilité d’utilisation( UsageFacile) et Utilité perçue de l’objet (UsageUtile). On s’attend naturellement à ce que ce soit les variables les plus discriminante et c’est tout à fait le cas lorsqu’on examine la figure 2.

La notion de contrôle perçue est capturée par trois mesures :

• la notion de self-efficacité ( SelfEfficacité) où sentiment d’efficacité personnelle qui vient de Bandura et décrit le sentiment que l’on a de contrôler une situation donnée : là, l’usage des objet connectés. Il correspond à une compétence perçue. On observe des écarts sensibles, les adopteurs témoignant d’une plus grande confiance en eux, au contraire de ceux qui refusent les objets.
• La notion du Locus de contrôle qui se présente en deux facettes : interne, qui correspond à la croyance que ce qui nous arrive résulte de notre effort et de notre volonté; externe, qui correspond à la croyance que nous sommes le jouet du destin, du hasard ou d’une volonté divine.
• L’orientation régulatrice qui comporte aussi deux facettes : l’une indique la tendance des individus à éviter les risques et des désagréments, l’autre à recherche les opportunités et les plaisirs.

Les quatre autres variables sont classiques (dans les revues de marketing) dans ce type de problème :

• l’innovativité qui caractérise l’appétence pour les produits nouveaux, et qui semble être parfaitement discriminante.
• l’influence sociale qui décrit l’influence de l’opinion positive (ou négative) des proches à l’égard de ces objets, elle est aussi discriminante que l’innovativité
• La préoccupation envers les questions de vie privée (PrivacyConcern)pour laquelle aucune différence n’est marquée de manière à la fois surprenante et finalement en accord avec d’autres études qui traduisent le phénomène du Privacy paradoxe : l’inquiétude à l’égard de ce que deviennent nos données n’est pas corrélée à ce que nous faisons
• La confiance (Trust) qu’on accorde aux opérateurs des objets connectés qui elle est discriminante et dont on donnera pas plus de détail.

A ce stade, une réponse simple s’impose : les adopteurs ont plus confiance que les autres, sont plus innovateurs,  leur entourage est  favorable à ces objets, ils ont plus confiance en eux et finalement y trouve plus d’utilité que les autres. Mais soyons prudent l’ensemble de ses variables sont inter-corrélées, et les effets ne sont pas forcement simplement additif, une structure plus complexe régit les relation entre l’ensemble des variables, et il est nécessaire de mieux la comprendre.

A cette fin nous employons un modèle d’équation structurel particulier, qui traite la variable dépendante ( les 4 niveaux ordonnés d’adoption et d’intérêt) à la manière des modèles de régression ordinale ( pour les plus technicien nous employons le package Lavaan  sur r qui se prête bien à l’exercice et utilise une méthode d’estimation robuste WLSMV). Pour le spécialiste encore, le Ch2 moyen est de 3,21, le CFI de 0,94, et un RMSEA de 0.070, qui témoignent d’un ajustement plutôt pas mal pour une première spécification.

Pour le non-spécialiste en voici le graphe général, où les flèches indiquent le réseau des causalités (on met sous le post le détail des estimations) : en gras les liens fort, en rouge les relations négatives, et lisez les coef comme des « correlations ».

La lecture peut se faire simplement :

1) l’utilité perçue des objets explique fortement l’état de l’adoption et/ou l’intention d’en acquérir mais de manière surprenante ( ce n’est pas le résultat attendu du TAM) la facilité d’utilisation n’explique pas l’adoption mais simplement renforce très significativement cette utilité.

2) Deux variables joue un rôle clé : l’innovativité et le rôle de l’opinion des proches qui déterminent largement la facilité d’utilisation et dans une moindre mesure pour l’influence sociale l’utilité de manière directe. Celà a une implication pratique : l’attitude générale ( de la population) à l’égard des technologie est essentielle, donc les phénomène d’imitation, sauf pour les technophiles. Les effets de mode sont donc déterminants

3) En arrière-plan, la confiance dans les objets et la confiance en soi jouent un rôle clé, et si la préoccupation à l’égard de la vie privé influence de degré de confiance, son effet final sur l’adoption est largement atténué. Nous avions déjà obtenu ce type d’information dans le cadre de l’analyse des données de l’expérimentation Mes.infos.

4) L’hypothèse du besoin et du style de contrôle de soi peut finalement être écarté. Il joue un rôle très en retrait que médiatise le sentiment d’efficacité personnelle. Disons que ceux qui cherchent à se prémunir des risques et en même temps à profiter des opportunités auront une plus grande confiance en eux dans le domaines des objets connectés et deviendront ainsi plus favorable à l’adoption des technologies.

Ces résultats peuvent sembler triviaux mais donnent un éclairage sur comment le marché fonctionne au moins aujourd’hui. L’adoption des objets connectés ne répond pas à une sorte de besoin fondamental de contrôle de soi, mais à la diffusion dans la population d’une attitude positive à leur égard. On retrouve la bonne vieille loi de l’imitation. Les choses se renverseront sans doute quand le marché atteindra une certaine maturité.

Ces résultats sont provisoires bien sur, nous avons encore à traiter les données en profondeurs, à tester le modèle sur des sous-groupes, à le re-spécifier, mais il y a déjà assez pour réfléchir non seulement au processus d’adoption, mais aussi à la question de l’abandon que nous n’avons pas encore abordée. En attendant le message est claire : les entreprises doivent se focaliser sur l’utilité, et les promesses qu’ils font doivent être remplies. Accessoirement au-delà d’obtenir la confiance de leur client, elle doivent aussi renforcer la confiance que les clients ont en eu.

Annexe : les résultats détaillés du modèle structurel

lavaan (0.5-17) converged normally after 434 iterations

  Number of observations                           476

  Estimator                                       DWLS      Robust
  Minimum Function Test Statistic             2500.003    2508.292
  Degrees of freedom                               758         758
  P-value (Chi-square)                           0.000       0.000
  Scaling correction factor                                  1.268
  Shift parameter                                          536.989
    for simple second-order correction (Mplus variant)

Model test baseline model:

  Minimum Function Test Statistic            30255.928    4296.420
  Degrees of freedom                               820         820
  P-value                                        0.000       0.000

User model versus baseline model:

  Comparative Fit Index (CFI)                    0.941       0.497
  Tucker-Lewis Index (TLI)                       0.936       0.455

Root Mean Square Error of Approximation:

  RMSEA                                          0.070       0.070
  90 Percent Confidence Interval          0.067  0.073       0.067  0.073
  P-value RMSEA <= 0.05                          0.000       0.000

Weighted Root Mean Square Residual:

  WRMR                                           1.664       1.664

Parameter estimates:

  Information                                 Expected
  Standard Errors                           Robust.sem

                   Estimate  Std.err  Z-value  P(>|z|)   Std.lv  Std.all
Latent variables:
  Innovativite =~
    Q3_1              0.918    0.076   11.996    0.000    1.500    0.839
    Q3_2              0.877    0.074   11.861    0.000    1.433    0.805
    Q3_3              0.942    0.081   11.630    0.000    1.541    0.840
    Q3_4              0.951    0.076   12.478    0.000    1.555    0.888
    Q3_5              0.935    0.077   12.143    0.000    1.529    0.893
    Q3_6              0.909    0.073   12.485    0.000    1.487    0.868
  UsageUtile =~
    Q2_1              0.513    0.060    8.519    0.000    1.558    0.893
    Q2_2              0.508    0.060    8.487    0.000    1.544    0.887
    Q2_3              0.477    0.055    8.632    0.000    1.447    0.909
  UsageFacile =~
    Q2_5              0.910    0.050   18.253    0.000    1.423    0.901
    Q2_6              0.717    0.040   17.709    0.000    1.122    0.755
    Q2_7              0.793    0.041   19.108    0.000    1.240    0.834
    Q2_8              0.856    0.041   20.777    0.000    1.339    0.901
    Q2_9              0.960    0.049   19.410    0.000    1.502    0.919
  Trust =~
    Q4_7              0.698    0.084    8.359    0.000    1.217    0.758
    Q4_8              0.804    0.094    8.541    0.000    1.400    0.823
    Q4_9              0.730    0.087    8.404    0.000    1.271    0.788
  PrivacyConcern =~
    Q4_1              0.980    0.071   13.790    0.000    0.980    0.786
    Q4_2              0.980    0.069   14.183    0.000    0.980    0.782
    Q4_3              1.061    0.091   11.698    0.000    1.061    0.663
    Q4_4              0.640    0.085    7.527    0.000    0.640    0.407
    Q4_5              0.808    0.081    9.978    0.000    0.808    0.524
    Q4_6              0.729    0.074    9.913    0.000    0.729    0.520
  InfluenceSociale =~
    Q3_7              0.729    0.082    8.854    0.000    1.085    0.651
    Q3_8              0.564    0.068    8.330    0.000    0.839    0.514
    Q3_9              0.889    0.101    8.804    0.000    1.323    0.738
  SelfEfficacy =~
    Q5_1              0.359    0.817    0.439    0.661    0.916    0.584
    Q5_2              0.388    0.884    0.439    0.661    0.991    0.667
    Q5_3              0.367    0.837    0.439    0.661    0.937    0.628
  LocusExt =~
    Q7_4              1.115    0.115    9.725    0.000    1.115    0.708
    Q7_5              1.003    0.117    8.593    0.000    1.003    0.615
    Q7_6              0.989    0.117    8.434    0.000    0.989    0.637
  LocusInt =~
    Q7_1              0.762    0.047   16.076    0.000    0.762    0.678
    Q7_2              0.827    0.045   18.555    0.000    0.827    0.734
    Q7_3              0.830    0.049   16.911    0.000    0.830    0.732
  RegulPromotion =~
    Q6_4              0.095    0.062    1.527    0.127    0.791    0.625
    Q6_5              0.084    0.055    1.523    0.128    0.696    0.560
    Q6_6              0.084    0.055    1.536    0.124    0.695    0.632
  RegulPrevention =~
    Q6_1              0.023    0.119    0.196    0.844    0.641    0.480
    Q6_2              0.025    0.125    0.196    0.844    0.672    0.589

Regressions:
  Adoption ~
    UsageUtile       -0.197    0.022   -9.075    0.000   -0.598   -0.598
  UsageUtile ~
    InfluenceSocl     0.242    0.101    2.387    0.017    0.119    0.119
    UsageFacile       1.660    0.223    7.447    0.000    0.855    0.855
  UsageFacile ~
    Innovativite      0.328    0.048    6.803    0.000    0.343    0.343
    InfluenceSocl     0.535    0.081    6.574    0.000    0.510    0.510
  Innovativite ~
    SelfEfficacy      0.421    0.967    0.436    0.663    0.657    0.657
    InfluenceSocl    -0.227    0.184   -1.238    0.216   -0.207   -0.207
    Trust             0.409    0.102    4.007    0.000    0.436    0.436
  Trust ~
    PrivacyConcrn    -0.545    0.111   -4.913    0.000   -0.313   -0.313
    InfluenceSocl     0.966    0.163    5.908    0.000    0.825    0.825
  SelfEfficacy ~
    RegulPromotin     0.193    0.045    4.297    0.000    0.265    0.265
    RegulPreventn     0.180    0.054    3.316    0.001    0.202    0.202
  InfluenceSociale ~
    SelfEfficacy      0.432    0.989    0.437    0.662    0.741    0.741
  RegulPromotion ~
    LocusInt          7.745    5.168    1.499    0.134    0.933    0.933
    LocusExt          2.586    1.625    1.591    0.112    0.311    0.311
  RegulPrevention ~
    LocusExt          7.181   36.619    0.196    0.845    0.263    0.263
    LocusInt         26.121  132.915    0.197    0.844    0.956    0.956

Covariances:
  LocusExt ~~
    LocusInt          0.032    0.060    0.536    0.592    0.032    0.032
  Q4_1 ~~
    Q4_2              0.051    0.094    0.539    0.590    0.051    0.085
  Q3_7 ~~
    Q3_8              0.933    0.118    7.897    0.000    0.933    0.526
  PrivacyConcern ~~
    LocusExt          0.023    0.059    0.394    0.693    0.023    0.023
    LocusInt          0.549    0.041   13.530    0.000    0.549    0.549

Intercepts:
    Q3_1              3.523    0.083   42.480    0.000    3.523    1.971
    Q3_2              3.775    0.082   46.205    0.000    3.775    2.120
    Q3_3              3.403    0.087   39.295    0.000    3.403    1.855
    Q3_4              3.672    0.080   45.671    0.000    3.672    2.096
    Q3_5              4.095    0.080   51.110    0.000    4.095    2.392
    Q3_6              4.584    0.086   53.498    0.000    4.584    2.675
    Q2_1              4.254    0.085   50.261    0.000    4.254    2.437
    Q2_2              4.523    0.089   51.078    0.000    4.523    2.600
    Q2_3              4.817    0.086   56.237    0.000    4.817    3.025
    Q2_5              4.769    0.082   58.035    0.000    4.769    3.018
    Q2_6              4.716    0.075   63.297    0.000    4.716    3.174
    Q2_7              4.956    0.081   61.173    0.000    4.956    3.330
    Q2_8              4.828    0.081   59.681    0.000    4.828    3.248
    Q2_9              4.643    0.087   53.367    0.000    4.643    2.841
    Q4_7              3.544    0.074   48.032    0.000    3.544    2.206
    Q4_8              3.403    0.079   42.961    0.000    3.403    2.000
    Q4_9              3.689    0.074   49.836    0.000    3.689    2.288
    Q4_1              5.985    0.081   73.607    0.000    5.985    4.804
    Q4_2              6.029    0.083   72.944    0.000    6.029    4.811
    Q4_3              4.872    0.080   61.136    0.000    4.872    3.044
    Q4_4              5.002    0.078   63.780    0.000    5.002    3.178
    Q4_5              5.191    0.082   63.609    0.000    5.191    3.367
    Q4_6              5.582    0.079   70.969    0.000    5.582    3.981
    Q3_7              4.263    0.081   52.497    0.000    4.263    2.556
    Q3_8              4.147    0.078   52.966    0.000    4.147    2.539
    Q3_9              3.290    0.085   38.840    0.000    3.290    1.835
    Q5_1              4.815    0.079   60.860    0.000    4.815    3.069
    Q5_2              4.733    0.074   63.983    0.000    4.733    3.188
    Q5_3              4.929    0.077   63.897    0.000    4.929    3.300
    Q7_4              3.702    0.073   50.541    0.000    3.702    2.349
    Q7_5              3.340    0.079   42.247    0.000    3.340    2.048
    Q7_6              4.122    0.073   56.714    0.000    4.122    2.655
    Q7_1              5.468    0.057   95.974    0.000    5.468    4.869
    Q7_2              5.525    0.057   96.795    0.000    5.525    4.902
    Q7_3              5.340    0.057   94.370    0.000    5.340    4.706
    Q6_4              5.057    0.063   79.950    0.000    5.057    3.993
    Q6_5              5.521    0.067   82.418    0.000    5.521    4.444
    Q6_6              5.744    0.059   97.143    0.000    5.744    5.218
    Q6_1              5.090    0.064   79.581    0.000    5.090    3.811
    Q6_2              5.433    0.056   96.635    0.000    5.433    4.765
    Adoption          0.000                               0.000    0.000
    Innovativite      0.000                               0.000    0.000
    UsageUtile        0.000                               0.000    0.000
    UsageFacile       0.000                               0.000    0.000
    Trust             0.000                               0.000    0.000
    PrivacyConcrn     0.000                               0.000    0.000
    InfluenceSocl     0.000                               0.000    0.000
    SelfEfficacy      0.000                               0.000    0.000
    LocusExt          0.000                               0.000    0.000
    LocusInt          0.000                               0.000    0.000
    RegulPromotin     0.000                               0.000    0.000
    RegulPreventn     0.000                               0.000    0.000

Thresholds:
    Adoption|t1      -0.635    0.062  -10.259    0.000   -0.635   -0.635
    Adoption|t2      -0.169    0.058   -2.929    0.003   -0.169   -0.169
    Adoption|t3       0.897    0.067   13.436    0.000    0.897    0.897

Variances:
    Q3_1              0.943    0.088                      0.943    0.295
    Q3_2              1.115    0.091                      1.115    0.352
    Q3_3              0.994    0.099                      0.994    0.295
    Q3_4              0.651    0.080                      0.651    0.212
    Q3_5              0.592    0.073                      0.592    0.202
    Q3_6              0.726    0.094                      0.726    0.247
    Q2_1              0.618    0.069                      0.618    0.203
    Q2_2              0.644    0.071                      0.644    0.213
    Q2_3              0.441    0.056                      0.441    0.174
    Q2_5              0.472    0.046                      0.472    0.189
    Q2_6              0.949    0.067                      0.949    0.430
    Q2_7              0.676    0.049                      0.676    0.305
    Q2_8              0.416    0.036                      0.416    0.188
    Q2_9              0.414    0.047                      0.414    0.155
    Q4_7              1.099    0.117                      1.099    0.426
    Q4_8              0.936    0.115                      0.936    0.323
    Q4_9              0.984    0.109                      0.984    0.378
    Q4_1              0.592    0.111                      0.592    0.382
    Q4_2              0.610    0.118                      0.610    0.389
    Q4_3              1.436    0.130                      1.436    0.561
    Q4_4              2.067    0.170                      2.067    0.834
    Q4_5              1.724    0.136                      1.724    0.725
    Q4_6              1.435    0.126                      1.435    0.730
    Q3_7              1.604    0.140                      1.604    0.577
    Q3_8              1.963    0.146                      1.963    0.736
    Q3_9              1.463    0.152                      1.463    0.455
    Q5_1              1.623    0.122                      1.623    0.659
    Q5_2              1.222    0.097                      1.222    0.555
    Q5_3              1.352    0.101                      1.352    0.606
    Q7_4              1.239    0.201                      1.239    0.499
    Q7_5              1.656    0.197                      1.656    0.622
    Q7_6              1.431    0.207                      1.431    0.594
    Q7_1              0.681    0.057                      0.681    0.540
    Q7_2              0.586    0.055                      0.586    0.461
    Q7_3              0.598    0.065                      0.598    0.465
    Q6_4              0.978    0.065                      0.978    0.610
    Q6_5              1.059    0.067                      1.059    0.686
    Q6_6              0.728    0.053                      0.728    0.601
    Q6_1              1.373    0.095                      1.373    0.770
    Q6_2              0.848    0.054                      0.848    0.653
    Adoption          0.642                               0.642    0.642
    Innovativite      1.000                               0.374    0.374
    UsageUtile        1.000                               0.108    0.108
    UsageFacile       1.000                               0.409    0.409
    Trust             1.000                               0.329    0.329
    PrivacyConcrn     1.000                               1.000    1.000
    InfluenceSocl     1.000                               0.451    0.451
    SelfEfficacy      1.000                               0.154    0.154
    LocusExt          1.000                               1.000    1.000
    LocusInt          1.000                               1.000    1.000
    RegulPromotin     1.000                               0.015    0.015
    RegulPreventn     1.000                               0.001    0.001

A la lecture d’une première version, j’ai été d’emblée frappé par la violence du vocabulaire fusse-t-il philosophique : asservissement, esclavage, aliénation, portant non pas sur la condition humaine mais celle des machines.

Je n’ai sans doute pas compris l’ensemble des notions et du raisonnement, mais celle idée m’amène à celle plus concrète et factuelle qu’effectivement les technique se distribuent selon un critère de visibilité. De manière très concrète pensons à l’opposition entre des objets tels que ceux de Apple ou de Dyson. Dans le premier cas le capot couvre et dissimule, et rend inaccessibles les mécanismes qui assure la fonction, il ne reste à l’utilisateur qu’à utiliser sans avoir aucune idée de ce qui se passe à l’intérieur au bénéfice de la jouissance d’une fonction. Il y a effectivement aliénation dans la mesure où l’utilisateur est totalement démuni. Dans l’autre cas, les transparences de l’appareil laisse au moins l’illusion de comprendre un fonctionnement en sans lui donner forcement les moyens de régler le fonctionnement, laisse l’idée d’en comprendre la nature. L’un masque les opérations, l’autre les dévoile. On suivra le travail de Vincent Beaubois pour une analyse plus approfondie de cette distinction dans le cadre du design, mais extrapolant la lecture de ce mémoire et celle de Beaubois, nous sommes tentés d’aller un peu plus loin.

Il ne s’agit pas que d’une question de grammaire de design dont les raisons seraient fonctionnelles ou esthétiques mais plus profondément du rapport qui s’établit entre l’usager et la machine. On peut cacher un moteur sur le capot pour le protéger des intempérie comme on peut le rendre visible pour en affirmer symboliquement la puissance. Ces deux topiques donnent à penser sur la nature des rapports sociaux que l’on construit au travers de la technique. Le premier cache, efface, réduit la technique à un rien opérationnel, une neutralité sociale, pourtant enjeu de connaissance et de force politique, le second au moins donne à son utilisateur l’idée concrète par laquelle des effets sont produits. Le premier efface la culture technique et fait de la technique une sorte d’ésotérisme, le second crée les conditions d’une interrogation critique sur les moyen de produire un effet de d’agir sur le monde. L’objet cryptotechnique cache les mécanismes du pouvoir, l’objet phanérotechnique  relève les conditions d’exercice du pouvoir et donc de sa contestation.

La crypotechnique est souvent le fait de cette pensée magique qui invoquant la technologie pense résoudre les problèmes du monde. J’en éprouve la réalité dans ces invocations du machine learning par exemple : le mot suffit pour inciter ce qui y sont exposé à renoncer à comprendre ce dont il s’agit réellement laissant aux charlatans le soins d’en régir l’ordre. Il faudrait donc ne rien en connaitre sauf d’y croire. Comment imaginer qu’un algorithme résolve de nombreux problèmes sans qu’on en sache les modalités de son fonctionnement ? La phanérotechnique, qui non seulement ouvre le ventre des machines, quitte à en célébrer la perfection, invite à en contester à la fois les mécanismes et les effets. En terme contemporain : la hacker.

Et si je semble bien abstrait pensons au destin de l’automobile, qui longtemps a été aussi cette pratique d’amateur qui à force d’efforts, étudiants les manuels, l’assemblage des pièce, à permis à des mécaniciens de transformer des objets de grande séries en machines plus puissantes et bruyantes que celles que l’on achète chez les concessionnaires. Les garagistes ont été longtemps ces génies bricoleurs des inventions des dieux et le tuning en est la technophanie. Nous sommes passé à une nouvel ère où le mécanicien qui ouvre le capot, peut difficilement régler le moteur simplement parce que le code d’accès à l’unité de contrôle lui est retiré.

L’être technique se montre ou ne se montre pas, plus par la volonté de l’humain que par son autonomie intrinsèque ou sa supposée complexité. La technique en elle même se cherche pas à se faire voir. Elle fait, elle fonctionne. Fruit de l’humain elle prend ou ne reprend pas place dans le monde. On l’écarte comme les murs de pierres sèches qui guident le parcours des troupeaux sous l’oeil indifférent du berger. Parfois on l’a fait le coeur vivant et magique de nos transformations, mais dans une ignorance coupable, celle de croire que nos oeuvre nous dépassent. Ce fantasme de la singularité, croire que la créature de Frankenstein puisse donner le nouvel ordre du monde. N’oublions pas que la créature s’est enfuie loin des hommes, renonçant à la puissance, consciente de son imperfection, chassée par les humains, honteux d’avoir crée une chose si imparfaite.

Nous avons connu, il y a maintenant 10 ou 20 ans une époque où les technologie digitales étaient ouvertes, dévoilées. Par simplement par l’idée du commun et de l’open-source, mais simplement par cette idée qu’en ouvrant le code on pouvait bricoler et faire émerger telle ou telle propriété étonnantes. Ce fût l’époque du jeux de la vie, des automates cellulaires, des fractales ou du chaos des systèmes dynamiqxues. Nous sommes désormais face à des illuminatis qui ne connaissent des mathématiques qu’une arithmétique sommaire, qui calculent des moyennes en oubliant l’écart-type, et dissimulent la pauvreté de leurs algorithmes derrière des secrets industriels et des recettes d’alchimistes.

Le voile de l’ignorance couvre peu à peu la science de l’information. Il fait passer pour du progressisme une performativité nourrie de malentendus, et la promesse pour des réalisations. Il est tendu moins par des valeurs de vérité, que par la démission d’agents humains moins préoccupé de vérité, et de science, que de compliance et de renoncement. En reléguant la technique à l’ustensile, on renonce à la part humaine de la technique et l’on réduit les machines magnifiques à des hochets magiques. Rêvons encore d’une technique reine, d’une technique en pleine lumière, qui suivant sa logique propre, pétrie des faits naturels, ouverte à notre connaissance pratique, participant pleinement à la culture, qui ne soit pas un écran entre nous et le monde mais ce par quoi nous pouvons participer au monde. Rappelons-le dans la pensée de Simondon, l’idée forte est que la technique est ce qui nous relie au monde.

Le silex dans notre main n’est pas simplement ce qui nous permet de racler la viande sur l’os, mais aussi ce qui nous permet de comprendre que l’os n’est pas une pierre. Espérons que ceux qui usent du silex ne se contentent pas de l’acheter à la grotte du coin, mais gardent l’idée de comment il se façonne. C’est encore le meilleur moyen de savoir ce que nous mangeons. A oublier l’usine, on peut en arriver à penser que le poisson est naturellement pané.

Et pour revenir à cette première lecture, aurai-je été choqué par les premières idées, j’avoue avoir été convaincu. La question essentielle n’est pas celle de ce que la technique aliène l’humain, mais que l’humain aliène la technique, et en l’effaçant du monde, par une ignorance volontaire, s’aliène du monde lui-même. A faire de la technique une chose invisible, comme le fait à merveille Apple, nous nous aliénons nous-même, car nous renonçons à la compréhension de ce qui fait que nous pouvons agir sur le monde.

Militons pour que les machines soient dévoilées, que les algorithmes soient publics, et que chacun ait une petite idée de comment les prodiges sont produits. Et si nous ne le faisons pas, les techniques les plus merveilleuses, resterons des tours de magie et nos actions des danses qui invoquent la pluie. Libérons les machines en les exposant à la lumière de la culture.

De manière plus concrète revenons à cette observation de Simondon que des machines dont les utilisateurs ne peuvent plus régler le mécanismes, sont moins durables, moins fiables, et offrent moins de fonctions – je préférais utiliser le terme d’affordance – que celle livrées à l’intelligence du régleur, du bricoleur ou du hacker. C’est bien ce que nous observons dans le TGV, avec j’avoue une grande amertume, quand des tablettes magnifiques, ou des ordinateurs de poches, n’ont d’usage que de regarder des films ou de distraire les jeunes enfants. La machine et la technique sont littéralement aliénée en ce qu’elle n’exprime qu’une infime partie de ce qu’elle peuvent réaliser.

Voilà qui donne une perspective nouvelle au travail que réalise par exemple la Fing en rassemblant dans des expériences telle que celles de mesinfos.fr une communauté large et diverses moins pour concevoir de nouveaux objets techniques que pour développer une culture et une pensée technique qui embrasse un monde plus vaste que celui qui s’impose à l’évidence. Dans ce dernier exemple, l’aboutissement de cet effort se traduit notamment par l’imagination et la concrétisation partielle d’un monde de données qui n’exige pas forcément des fermes de serveurs, et la résignation des utilisateurs à être surveillé, mais peut offrir dans le cadre de nos institutions et de nos lois, des possibilités plus étendues de services et d’action sur le monde.

Je remercie l’être qui m’est cher d’avoir éclairé par son travail mes lectures, et de m’avoir fait découvert que ce ne sont pas les machines qui nous aliènent mais leur asservissement. Libérons les machines.

On pourrait produire des évaluations du même genre pour le co-voiturage. On attribue à Blablacar plus de 10 millions d’adhérents, et un chiffre d’affaire de 10 millions d’euros

Ce dernier étant constitué par des commissions (10%), le montant moyen d’un voyage étant de l’ordre de 30 euros, on comprend vite que le volume d’affaire est aujourd’hui de l’ordre de 200 millions d’euro et représenterait donc 6 millions de passagers transportés. Il est évident que de tels calculs sont de larges approximations qui permettent au mieux de saisir l’importance du phénomène  sans apprécier l’effet sur l’économie.

Pour ce faire, il faudrait apprécier d’une part la création de valeur ajoutée par ces entreprises d’un type nouveau, et surtout mesurer la destruction de valeur ajoutée induites dans les secteurs traditionnels. Rappelons que le PIB est la somme des valeurs ajoutées, et qu’il n’y a aucun sens à comparer le volume d’affaire ( j’ai beaucoup de mal à parler de chiffre d’affaires) au volume de PIB.

Par exemple dans le secteur commerce ( au sens de l’INSEE) le CA total HTest de 1411 milliards alors que la VA est de 191,9 milliards ce qui représente 10,2% de l’économie (PIB). Dire ainsi que leboncoin.fr représente 3 à4% du PIB est un non sens, il représente plus précisément ( pour autant que le chiffre annoncé est juste et ne comprend pas les transactions immobilières qui ne sont pas de nature commerciale) au grand maximum 5% du commerce, en supposant que la moitié de ce montant correspond à l’immobilier on tombe à 2 ou 3% du CA du commerce, ce qui au passage est déjà considérable!

Le véritable problème dans cette analyse est que les échanges entre particuliers ne sont pas considérés dans les comptes de la nation, qui sont l’unique moyen sérieux d’évaluer le volume et l’évolution de notre économie. Si nous revenons sur le cas de Blablacar considérons l’hypothèse d’un pur effet de substitution (on pourrait aussi considérer celle d’une complémentarité si les co-voiturages correspondait à des voyages qui n’auraient pas été effectué avec la SNCF ou son propre véhicule). Sur la base des 30 euros représentant des trajets de 300 km environ, c’est un volume d’affaire de l’ordre de 400 millions d’euro qui passerait dans l’économie domestique, si l’on considère que le prix d’un transport SNCF représente le double de celui de Blablacar, et donc la destruction de 200 millions de valeur ajoutée puisque le taux de VA de la SNCF est d’un peu plus de 50% du chiffre d’affaires (dont le CA est de l’ordre de 20 milliards). Bilan : 10 millions de VA créée d’un côté par Blablacar (on suppose que le taux de VA est de l’ordre de 100% puisqu’il n’y a pas d’achat de consommation intermédiaire) et 200 millions de destruction du côté de la SNCF, soit une perte de PIB de 0,01%.

En cumulant au travers des secteurs (commerce, hôtellerie, transports,…) et des principales entreprises, il ne semblerait pas absurde que cela représente une destruction cumulée de l’ordre d’un ou deux dixième de point du PIB (1,2% prévu pour 2015 et 1,8 pour 2016 par la BdF). Ce n’est pas rien.

Il conviendrait bien sur de mettre en œuvre une méthodologie bien plus sérieuse que ces calculs à la louche, et de s’intéresser à la revalorisation du PIB dans la droite ligne des recommandations et méthodes qui visent à inclure l’économie informelle  .

En demeurant sur l’hypothèse de substituabilité parfaite, c’est à dire l’idée que la même quantité d’effets utiles est produite, on peut émettre raisonnablement que cette économie du partage a pour effet premier de déplacer la production des services dans le champs de l’informel, ou plus précisément l’économie domestique, et par conséquent de détruire une partie de l’économie marchande avec pour manifestation première une  sous-estimation de la croissance du PIB . Mais cette analyse n’est pas suffisante, car on peut espérer que ce déplacement permet aux consommateurs de bénéficier d’un gain de productivité invisible, leur donnant à revenu constant le moyen de dépenser plus dans d’autres secteurs plus formels. Cet effet à ma connaissance n’est pas encore étudié.

En conclusion, une seule recommandation : la prudence. L’enthousiasme doit être tempéré. S’il est certain que l’économie collaborative conduit à un gain de productivité pour le consommateur en permettant de produire la même quantité d’effets utiles avec moins de ressources (en capital et emploi ; notons qu’ici nous n’employons pas la notion de productivité dans son sens habituel), cet effet peut conduire raisonnablement à l’hypothèse d’une destruction de richesse.

A ce stade on ne peut lancer qu’un appel à nos collègues économistes et aux statisticiens (très compétents) de l’INSEE, de s’engager dans une évaluation sérieuse et systématique de ces effets. On restera prudent, voire de marbre, face à la circulation de chiffres rarement commensurables.

Au-delà, puisqu’il s’avère que ces modèles d’affaire, dont un trait essentiel est d’exploiter des actifs et le travail domestique, prennent une part non négligeable de la production et de la consommation, il sera sans doute nécessaire de reconsidérer partiellement les cadres de la comptabilité nationale pour mieux prendre en compte la réalité de la destruction et de la création de richesse. Le débat est largement ouvert.

Mais la bonne nouvelle c’est aussi de constater que des idées développées depuis longtemps dans le champs académiques trouvent des terrains d’application, ce n’est pas si fréquent, et on en découvrira quelque uns originaux. Quant à ces idées, rappelons en quelques éléments qui nous semblent importants.

Le premier, ce n’est pas une nouveauté (cette idée de rationalité incomplète hante les travaux universitaires depuis au moins Herbert Simon), est que bien souvent nos décisions sont biaisées par ce qu’on appelle désormais des biais cognitifs (on en trouvera une liste étendue sur wikipédia), mais l’apport de ce courant est d’en tirer avantage dans la conception des dispositifs d’influence. La seconde se déduit de la précédente : les éléments de la décision ne réside pas seulement dans les éléments du choix, ou dans les capacités du sujet, ils se trouvent aussi et surtout dans le cadre de la décision. L’environnement compte autant que les alternatives.

Une troisième idée est qu’il n’y a rien de mieux que la méthode expérimentale pour en tester les effets et si l’auteur à ce titre enrôle Esther Duflo, sans doute de manière excessive, c’est au moins au bénéfice d’un soutien important à cette approche méthodologique réputée pour être inapplicable dans les sciences sociales, mais dont les applications récentes avec les expérimentation naturelle, et sa systématisation dans le domaine digital avec les test A/B, remet en cause l’idée que l’expérimentation ne se fait qu’en laboratoire. On aurait aimé que dans l’ouvrage cet aspect soit bien plus développé dans sa dimension technique et aussi dans sa dimension éthique : jusqu’où peut -on aller? L’expérience récente de Facebook portant sur 700 000 comptes et visant à contrôler la tonalité du feednews et ses effets sur l’engagement, en illustre à la fois la potentialité mais aussi une limite importante.

Une quatrième idée réside dans ce paternalisme libertarien dont Thaler et Sunstein se réclament volontiers : l’objet du nudge est d’obtenir une « bonne » décision et justifie l’interférence dans la liberté individuelle d’une part avec l’idée issue du mouvement néo-républicain, du critère d’une interférence manière non arbitraire, et d’autre part avec le principe que le choix n’est jamais supprimé, qu’il est simplement mis en scène pour que l’option « bonne » soit plus fréquemment choisie. C’est là aussi une petite faiblesse de l’ouvrage que de n’avoir développé que succinctement dans les conclusion cet aspect des choses pour légitimer les nudges et l’architecture  du choix et éviter la critique de la manipulation.

C’est d’autant plus important, que l’ouvrage en soulignant l’importance du domaine public comme terrain d’application revivifie l’idée d’un marketing public original,  qui ne se contente pas de transférer brutalement les pratiques du privée.  Dans une perspective de management public, l’idée de Nudge introduit l’idée que la coercition, souvent peu légitime, n’est peut être pas la meilleure façon de gouverner les comportements, et que l’on peut les orienter de manière plus douce : il vaudrait ainsi mieux pour réduire les accidents de la route imposer au constructeur qu’il présente un cadran de consommation instantanée d’essence plus grand que celui de la vitesse, plutôt que d’installer des radars au bord des routes. Mais dans cette idée de gouvernement, devrions nous dire plutôt gouvernementalité, ce qui est en jeu n’est pas la décision individuelle (rouler vite et à risque ou respecter les normes sans effort), mais le comportement des populations. Changer les comportements ( sans coercition) poursuit un but plus général : la sécurité de la route, la fluidité de la circulation ou la qualité de l’air. Ce but atteint en retour améliorerait en retour la qualité de chacun. Il en est de même dans le covoiturage. Un Blablacar qui par nudging peut affecter la qualité de conduite, crée une sorte de bien public ( la sécurité) dont l’effet sera certainement l’accroissement de la population des voyageurs. Le nudge donne-t-il au marketing son plein sens politique?

Si donc cet ouvrage est une bonne nouvelle, il en apporte aussi une mauvaise pour la petite communauté des chercheurs marketing qui se regroupe au sein de l’AFM :  le développement de la réflexion sur le nudge est de fait d’économistes et de psychologues qui dans la lutte pour la survie disciplinaire sont en train de conquérir un terrain qui aurait du être le notre. Espérons que ce livre et les initiatives prises par son auteur stimule notre communauté.