Explosif

Les salariés de grandes sociétés américaines ont récemment inventé une nouvelle expression : le « clopening ». Elle désigne le fait pour un employé de rester tard le soir pour fermer la boutique ou le café (« close »), puis de revenir l’ouvrir au bout de quelques heures (« open »), avant le lever du soleil. Du point de vue de l’entreprise, il paraît souvent judicieux en termes de logistique qu’une seule et même personne se charge de la fermeture et de l’ouverture. Mais cette organisation entraîne un manque de sommeil et des horaires délirants.
L’extrême irrégularité des plannings devient de plus en plus courante, et touche tout particulièrement les travailleurs peu rémunérés qu’embauchent des entreprises comme Starbucks, McDonald’s ou la chaîne de supermarchés Walmart. L’absence de notification préalable ne fait qu’aggraver le problème. Beaucoup d’employés découvrent à peine un ou deux jours à l’avance qu’ils vont devoir travailler un mercredi soir, ou assurer l’heure de pointe du vendredi. Leur vie s’en trouve complètement désorganisée, et la garde des enfants, bouleversée. On prend ses repas quand on peut, et de même pour dormir.
Ces horaires irréguliers sont un produit de l’économie des données. Dans le chapitre précédent, nous avons observé de quelle manière les ADM triaient les candidats à l’embauche, en écartaient certains et en ignoraient encore davantage. Nous avons vu que le logiciel utilisé incorporait souvent dans son code des préjugés néfastes, et apprenait à se comporter de façon injuste en se basant sur des données historiques. Nous poursuivons ici notre parcours jusqu’à l’emploi lui-même, où des ADM focalisées sur l’efficience traitent les travailleurs comme les simples rouages d’une machine. Le clopening n’est que l’un des fruits de cette tendance, qui a toutes les chances de se développer à mesure que la surveillance s’étendra sur le lieu de travail, donnant à l’économie des données d’autant plus de grain à moudre.
Pendant des décennies, avant que les entreprises ne croulent littéralement sous les données, l’élaboration des plannings n’a rien eu de scientifique. Imaginez une quincaillerie familiale faisant travailler ses vendeurs de 9 heures à 17 heures, six jours sur sept. Les parents ont une fille, qui part un an à l’université. Lorsqu’elle revient pour l’été, elle pose sur l’entreprise un regard nouveau. Elle s’aperçoit que pratiquement personne ne fréquente le magasin le mardi matin. Le vendeur surfe sur son téléphone, sans jamais être interrompu par la visite d’un client. C’est une perte de chiffre d’affaires. Le samedi, à l’inverse, les clients attendent longuement leur tour en grommelant.
Ces observations lui procurent des données précieuses, et elle aide alors ses parents à remodeler l’activité en conséquence. Ils commencent par fermer la boutique le mardi matin, et recrutent un temps partiel pour mieux gérer l’affluence du samedi. Ces changements ajoutent un peu d’intelligence au système établi, parfois absurde et inflexible.
Avec le Big Data, cette étudiante de première année se voit remplacée par des légions de titulaires d’un doctorat armés de puissants ordinateurs. Les entreprises peuvent désormais analyser le trafic client pour calculer le nombre exact d’employés nécessaires à chaque heure de la journée. Le but consiste bien entendu à dépenser le moins possible, ce qui suppose de maintenir l’effectif au strict minimum tout en s’assurant que des renforts restent disponibles en vue des périodes de pointe.
On pourrait penser que les mêmes schémas se répètent de semaine en semaine, et que les entreprises n’ont qu’à apporter quelques ajustements aux horaires établis, à l’instar des propriétaires de notre hypothétique quincaillerie. Mais de nouveaux logiciels de planning proposent des options bien plus sophistiquées. Ils analysent de nouveaux flux de données qui évoluent en permanence, allant des conditions météorologiques jusqu’aux habitudes piétonnières. Un après-midi pluvieux poussera ainsi sans doute les gens à délaisser parcs et jardins au profit des cafés. Ces derniers auront donc besoin d’un peu plus de personnel, au moins pour une heure ou deux. Un match de football américain interlycées pourra entraîner le vendredi soir un trafic piéton accru sur la rue principale – mais uniquement avant et après la rencontre, pas pendant. Le volume des échanges sur Twitter suggère que 26 % d’acheteurs supplémentaires se précipiteront cette année sur les soldes du Black Friday, par rapport à l’an dernier. D’une heure à l’autre, les circonstances changent et la main-d’œuvre doit être déployée de manière à répondre aux fluctuations de la demande. Sinon, l’entreprise perd de l’argent.
Naturellement, les sommes ainsi économisées sortent tout droit des poches des employés. Sous le régime inefficace qui prévalait auparavant, les travailleurs bénéficiaient non seulement d’horaires prévisibles mais aussi de divers temps morts. On peut arguer qu’ils profitaient de l’inefficience du système : certains parvenaient à lire pendant le service, voire à étudier. Aujourd’hui, avec un logiciel chargé de chorégraphier le travail, chaque minute doit être remplie. Et ces minutes tomberont au moment où le programme l’exige, même si l’employé se voit alors imposer un clopening entre le vendredi et le samedi.
En 2014, le New York Times a publié un reportage sur une mère célibataire surmenée, Jannette Navarro, qui tentait de suivre des études en travaillant comme barista chez Starbucks, tout en s’occupant d’un enfant de 4 ans. Son planning toujours différent, incluant un clopening de temps à autre, lui rendait la vie presque impossible et l’empêchait d’accéder à une garde de jour régulière. Elle avait dû arrêter l’université. La seule chose qu’elle pouvait planifier, c’était le travail. Et son histoire n’avait rien d’exceptionnel. Selon les données du gouvernement américain, deux tiers des travailleurs dans le secteur de la restauration et plus de la moitié dans le commerce de détail ne sont informés des modifications de planning qu’une semaine au mieux au préalable – et souvent à peine un ou deux jours avant, ce qui les contraint à s’organiser hâtivement pour le transport ou la garde des enfants.

Algorithmes, la bombre à retardement.
O’Neil,Cathy.
Les arènes, 2021.