Lorsque l'algorithme détermine les salaires
infohightech ·
Que se passe-t-il lorsque les entreprises présentes sur les plateformes de travail numérique ne décident plus elles-mêmes du salaire de leurs employés, mais laissent cette décision à des algorithmes d'apprentissage ? Des chercheurs de l'Université technique de Darmstadt, de l'Université de Bielefeld et de l'Université Côte d'Azur ont démontré, par des simulations informatiques, que lorsque seules quelques entreprises sont en concurrence, ces systèmes d'intelligence artificielle (IA) peuvent « apprendre » à fixer des salaires très bas sans communiquer entre eux ni avoir été programmés pour s'entendre.
Les résultats ont été publiés dans la revue Labour Economics .
Des chercheurs travaillant avec Michael Neugart, professeur au sein du groupe Finances publiques et politique économique du département de droit et d'économie de l'université technique de Darmstadt, ont étudié des plateformes de travail numérique telles qu'« Amazon Mechanical Turk ». Ces plateformes servent d'intermédiaires pour le travail et les services, par exemple dans le développement de logiciels, le multimédia, la traduction, la saisie de données ou le marketing.
En Allemagne, le crowdworking – une forme de travail où les entreprises sous-traitent des missions à des travailleurs externes via des plateformes numériques – reste encore peu répandu. Il est principalement utilisé comme source de revenus complémentaires. Cependant, son utilisation a connu une forte croissance ces dernières années. Selon une enquête du Centre de recherche économique européen (ZEW), environ 8,2 % des entreprises du secteur de l'information allemand avaient recours au crowdworking en 2020.
Dans ce modèle, les entreprises confient la décision de fixer les salaires proposés à des réseaux de neurones profonds (DQN). Ces algorithmes d'apprentissage automatique sont entraînés par renforcement. Ils utilisent des réseaux neuronaux capables de reconnaître des relations complexes à partir des données et d'en déduire des décisions.
Pour leur étude, les chercheurs ont combiné modélisation économique, méthodes d'apprentissage automatique et simulations informatiques poussées. La question centrale était de savoir si les algorithmes pouvaient apprendre de manière autonome à fixer des salaires inférieurs au niveau qui résulterait d'une concurrence normale entre entreprises.
Salaires bas sans accord explicite
Les simulations ont montré que, dans certaines conditions, les algorithmes d'apprentissage automatique peuvent générer des salaires nettement inférieurs au niveau concurrentiel. Si seules quelques entreprises sont en concurrence, les salaires peuvent atteindre un niveau comparable à celui qui résulterait d'une entente illicite entre ces entreprises, c'est-à-dire d'un accord restreignant la concurrence.
Cette étude aborde un nouveau champ de recherche : la collusion algorithmique. Les études précédentes se sont principalement concentrées sur les marchés de produits et sur la question de savoir si les algorithmes peuvent apprendre des prix gonflés, caractéristiques de la collusion . Cette étude applique cette approche aux marchés du travail et, en particulier, aux plateformes numériques de travail.
Cette étude se distingue également, sur le plan méthodologique, de la plupart des travaux antérieurs. Alors que les études précédentes utilisaient des formes plus simples d'apprentissage par renforcement, les chercheurs emploient une méthode plus puissante : les réseaux Q profonds.
Pertinent pour la réglementation de l'IA
Ces conclusions concernent notamment le marché du travail et la politique de la concurrence, ainsi que la réglementation des plateformes et des systèmes d'IA. Face à l'automatisation croissante des décisions économiques, la question se pose de savoir comment les marchés fonctionnent lorsque des algorithmes fixent de manière autonome les salaires, les prix ou d'autres conditions contractuelles.
« L’étude met en lumière un problème qui pourrait prendre une importance croissante à mesure que les décisions économiques s’automatisent : les entreprises n’auront peut-être même plus besoin de s’entendre explicitement sur les salaires ou les prix », explique Neugart, auteur de l’étude. « Dans certaines conditions, les algorithmes d’apprentissage automatique peuvent développer de manière autonome des comportements dont les résultats sur le marché s’apparentent à une telle collusion. »
Il pourrait donc être important pour les autorités de la concurrence de mieux comprendre quelles caractéristiques des algorithmes d'apprentissage automatique modernes favorisent des situations de marché non concurrentielles. Cette étude ne se limite pas aux plateformes de travail numérique. Fondamentalement, la question se pose dès lors que des algorithmes prennent des décisions économiques autonomes concernant les prix, les salaires ou les conditions contractuelles.
https://www.tu-darmstadt.de/universitaet/aktuelles_meldungen/einzelansicht_575616.en.jsp
https://www.sciencedirect.com/science/article/pii/S0927537126000977?via%3Dihub