Plateformes :

PlatdeCouv-Plateformes.inddSites collaboratifs, marketplaces, réseaux sociaux… Comment ils influencent nos choix

Il est là et en librairie. Pour l’accompagner cette rubrique où on retrouvera des réflexions autour et au delà du livre ainsi que l’ébauche de chapitres qui n’ont pas été (encore) écrits  : es plateformes et le travail, utopie et idéologie des plateformes, politiques publiques des plateformes…

Mentions presse :

Plateformes : Economie et gouvernance algorithmique

redevabilité algoEt voilà la vidéo de mon intervention à la Conférence Internationale de Gouvernance (2016) organisée par Véronique Bessière à l’IAE de Montpellier. On regardera aussi avec attention celle, limpide, de Jean-Fabrice Lebraty sur la grand sujet de la  Blockchain et de ses conséquences en matière de gouvernance. C’était une belle idée que de confronter la question de la gouvernance aux questions digitales. Il y a un domaine immense à explorer.

Pour ma part, il s’agit à partir de la compréhension de l’économie politique des plateformes (ses mécanismes économique et son mode de gestion  analysée sous l’angle de la gouvernementalité) de s’interroger sur leur élément clés : les algorithmes et de conclure sur l’exigence de redevabilité algorithmique.  En gros la thèse principale de Plateformes : Sites collaboratifs, marketplaces, réseaux sociaux… Comment ils influencent nos choix

PS : pour les algorithmes de type apprentissage supervisée ( deep learning), et une problématisation plus précise on pourra lire dans La minute tech de Atlantico une interview sur les chatbots et les limites des algorithmes.

Séminaire Marketing Public MOPP

4555521308_d50f060404_zDes politiques publiques pour les plateformes?

date : 29 (Matin, Après-midi) et 30 juin (Après-midi) – Nanterre, bat A bureau  322.

Contenu : présentation de Plateformes : Sites collaboratifs, marketplaces, réseaux sociaux…  (Fyp,2016) dans une perspective de management public. L’idée serait de réfléchir aux politiques publiques à l’égard de ces plateformes, tant au niveau local ( mairie de paris et AirBnB) que national ( le cas de Uber). En quelque sorte ébaucher le chapitre manquant de ce travail!

Date et thème des séances :
  • mardi 18 avril – 17h30 : esprit de service ( public), stewardship.
  • mercredi 3 mai – 17h30 : Nudges et politiques publiques : un paternalisme libertarien ?
  • mardi 9 mai 11 avril – 17h30 : open-data : innovation, contrôle de l’action publique et participation.
  • Mardi 16 avril – 17h30 : politiques publiques des plateformes : l’infrastructure et la régulation.

Lieu : Nanterre, Bat A , Bureau 322 .

Pour le petit travail que vous aurez à rendre ( de préférence au jour du séminaire), je vous propose un exercice simple :  Étudier les mesures prises par les villes suivantes (une ville distincte par étudiant) pour encourager ou « contenir » les plateformes Airbnb et Uber . Le rendu prend la forme d’une note de 8000 caractères représentant les éléments de contexte, la pénétration des plateformes, les actions entreprises par les autorités et leurs résultats.

  • Paris-
  • NY
  • Amsterdam-
  • Londres-
  • Séoul-
  • Athènes-
  • Barcelone-
  • Rome-
  • San Francisco
  • ou toute autre suggestion …

Quelques auteurs et lectures

  • Juliet Schor en conduit une analyse critique comme TreBor Scholtz.
  • Anonio cassili en analyse la dimension travail au travers de la notion de digital labor.
  • Annabel Gawer est une pionnière du sujet, l’abordant au travers des processus d’innovation.
  • Du point de vue économique : Tirole, Hagiu, Alvin Roth,
  • Les études : JP Chase, l’observatoire de l’obscoco, ouishare

LinkedIn s’ajuste au modèle de Bass

Linked in2Dans ces temps où l’actualité médiatique résonne les cloches de l’Uberisation et de la disruption, laissant croire que les lois sociales (s’il en existent) changent de nature et que les plateformes sont de nouveaux monstres et que l’innovation connait un rythme foudroyant, il est parfois bon de reprendre de vieux pots pour servir une soupe plus savoureuse que le potage de l’inculture.

Le vieux pot est un des modèles les plus anciens et les plus solides du marketing. On le doit à Frank Bass (1969), il est destiné à modéliser la diffusion de l’innovation. Ses hypothèses sont élémentaires et peuvent s’interpréter aisément au travers du modèle de communication de Katz et Lazarfeld (1955). La diffusion d’un message ou d’une innovation est le fruit d’abord d’une influence directe sur des consommateurs innovateurs qui se déterminent en fonction de l’information qu’ils reçoivent, ensuite d’un processus d’interaction entre ces derniers et les autres traduisant un mécanismes d’innovation. Le modèle s’exprime comme une équation différentielle qui stipule que le nombre de nouveaux adopteurs est la somme de ces deux processus. A chaque période de temps une fraction constante de ceux qui n’ont pas encore adoptés le nouveaux produit ou la nouvelle idée se mette à l’adopter : q*(K-Nt), avec q représentant cette proportion (fonction de l’intensité des dépenses publicitaires et médiatiques), K le potentiel d’adoption et Nt, le nombre cumulés de ceux qui ont déjà adopté l’objet. S’ajoute les effets d’imitation : p*Nt*(K-Nt), où le produit Nt*(K-Nt) représente l’ensemble de toute les interactions possibles entre adopteurs et non-adopteur et p le coefficient d’imitation, c’est à dire la proportion constante des interactions qui aboutissent à une adoption. Pour plus de détail on consultera le Bass Basement Research Institute.

L’idée simple de ce post est d’évaluer dans quelle mesure le modèle rend compte de la diffusion d’un réseaux social, en l’occurence Linked in. On retrouvera les données ici.  Pour estimer les paramètres du modèle, on utilise la fonction NLS de r, on retrouvera le code ( élémentaire) sur cette page de Cheng-Jun Wang ainsi que quelques suggestions utile pour l’identification des paramètres initiaux dans les commentaires (c’est le problème majeur des procédure d’estimation de regression non linéaire). En voici les résultats, l’ajustement est quasi-parfait au niveau cumulé.

adjustParameters:
Estimate Std. Error t value Pr(>|t|)
M 5.695e+02 5.297e+01 10.752 1.17e-10 ***
P 8.744e-03 9.511e-04 9.193 2.47e-09 ***
Q 1.098e-01 1.459e-02 7.529 9.07e-08 ***

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ‘ 1
Residual standard error: 2.384 on 24 degrees of freedom

Le potentiel de marché (M) est ici de 569, 5 millions. Autrement dit Linked serait largement en phase de maturité puisqu’au premier trimestre 2016, il y a 433 millions d’inscrit ce qui représente 76% du potentiel. On restera prudent car parmi les travaux de recherche certains chercheurs montrent qu’il y a une tendance à la sous-estimation de l’ordre de 20%, surtout lorsque le nombre d’observation est faible ( Bulte et Lilien, 1997). Vraisemblablement le potentiel serait donc l’ordre de 630 millions d’utilisateurs et donc les 2/3 du potentiel étant couvert.

Avec un coefficient d’imitation de 0,1098 et un coefficient d’innovation de 0,0087 ont retrouve des valeurs qui ne sont pas éloignées des valeurs observées dans les nombreuses applications du modèles de Bass dont Farley et Al 1990, trouve des valeurs moyennes respectivement de 0,38 et de 0,03. On sera  surpris que l’effet de diffusion est inférieur à la moyenne, témoignant d’un effet d’imitation moindre que des produits d’équipement des ménages. Le réseau a été lancé en 2003, son potentiel sera atteint vers 2023, il faudra donc 20 ans pour arriver au plein potentiel. Quant au rapport innovateur/imitateurs, le modèle indique qu’il est dans un rapport 1 sur 4. C’est assez difficile à apprécier, mais on pourra sans doute être intrigué par la relative faiblesse de l’effet d’imitation dans une catégorie de produit dont la dynamique est présumée dépendre d’externalité de réseaux, et qui est illustrée dans le diagramme de droite.

BassEstim

L’exercice mené à des limites que la littérature très abondante ( plusieurs milliers d’articles) a relevé. La première est qu’ici le potentiel M est considéré comme stable alors qu’il devrait évoluer notamment en fonction du nombre d’humains connectés et de l’accroissement du nombre de cadres dans la population mondiale. Une seconde est qu’on ne prend pas en compte les évolution du service qui devrait être plus attractifs. Une troisième technique est que dans l’estimation les premières périodes n’ont pas été prises en compte.  Une quatrième est que l’on travaille à un niveau très agrégé qui néglige les disparités régionales. Il y en a d’autres.

Il reste une approximation qui s’ajuste fort bien et donne des éléments sérieux pour réfléchir à la diffusion des innovations digitales qui ne semble pas se distinguer fortement des autres catégories de produit et ne révèle pas l’illusion des accélération qu’on croit percevoir. C’est aussi une invitation à approfondir l’étude de la dynamique de cette diffusion où l’influence interpersonnelle ne semble pas aussi forte qu’on aurait pu croire. Ce n’est pas si étonnant, qui s’est inscrit sur le réseau suite à une invitation? Le mécanisme d’adoption résulte sans doute d’un autre cheminement : l’intériorisation d’une norme, la croyance qu’il est nécessaire socialement d’adopter ce type de service.