Uber, un cas de métayage digital ?

3655236598_2236b3238f_zC’est au hasard de lecture que je tombe sur cette référence.

l’abstract éveille une réaction immédiate ( je n’ai pas encore lu l’article complet faute d’y avoir accédé). Il y aurait donc une autre manière de penser la dualité contrat de travail vs contrat de service dans les plateformes de travail. Le métayage,  cette forme désuète de contrat agricole serait donc une solution ancienne reprise aujourd’hui.

Faute de lire le texte je m’empresse de chercher d’autres sources et notamment celle évoquées dans le texte. Le contrat de metayage est cet arrangement où le propriétaire d’un terrain le donne à exploiter à un agriculteur avec qui il partage une partie du produit (en général la moitié). Cette forme de contrat peut paraître féodale, et il semble qu’elle ai largement disparue sauf dans quelques régions pauvres du monde où semble-t-il elle n’est pas forcément moins performante qu’un modèle de fermage qui s’apparente à une simple location. C’est le résultat amené par celui qui semble être l’inspirateur du papier, Cheung qui en 1969 a publié un papier essentiel.  Jean-Philippe Colin en 1995 a publié une synthèse précieuse sur la question, passant en revue les théories du métayage.

Précisons en quoi c’est une manière pertinente d’analyser le mode de fonctionnement de Uber et d’élargir le débat sur la nature des contrats : il ne s’agit peut-être pas ni de contrat de service, ni de contrat de travail, mais d’une troisième modalité celle du métayage.

Uber considère que ses clients ne sont pas tant les passagers que les conducteurs auxquels il fournit un service d’apport d’affaires et se rémunère en conservant 20% des recettes, c’est à dire bien moins que les 50% du monde agricole (et c’est un point qui méritera plus d’analyse). Ce point de vue est notamment combattu par des juges qui considèrent ce point de vue comme une fiction. Ils privilégient une analyse en terme de pouvoir et de degré de subordination. Ce point de vue est limité d’une part par la liberté d’entrée et de sortie ( la connection à la plateforme), et d’autre part par l’apport en capital (l’ouvrier amènent ses outils). En adoptant le point de vue de Uber il faut s’intéresser au statut des passagers qui seraient finalement l’analogue de la terre. Une ressource qu’il faut entretenir pour en en tirer les fruits et qu’on peut proposer à l’exploitation contre une part de son fruit.

Une grande partie de l’investissement d’Uber consiste à équiper les smartphones avec l’application, d’en initier et en maintenir l’usage dans la population la plus vaste. L’usage de l’appli est gratuit pour les passagers. Ce qui importe c’est qu’il appuie sur le bouton. Et on imagine que les consommateurs des mégapoles sont prêt à avoir dans leur portfeuilleue d’appli celle qui leur rend un service au poindre effort. Si l’appli Uber remplie une fonction universelle, les utilisateurs de l’appli deviennent une terre édenique. Il ne reste qu’à exploiter. C’est une terre super-enrichie dont l’exploitation  peut être conduite de trois manières : le salaire, le marché et le métayage.

  • La première est d’embaucher les exploitants de la terre. Des ouvriers agricoles payés en salaires pour des contrats plus ou moins longs. Ce modèle est peu flexible pour s’adapter au variations de la demande, et du climat, et il est probable que les taux d’utilisation soient faibles et réclame un degré de contrôle élevé de la part du propriétaire. Il lui permet la plus valeur extraction de valeur quand les salaires sont bas. Sa version radicale consiste à ne donner aucun salaire, juste la subsistance, et c’est l’esclavage. C’est un régime fondé sur un abandon de liberté, de décision. Sa vertu est la régularité.
  • Le second, c’est la location, le fermage. Les conducteur loue l’usage de l’appli. C’est une situation intéressante pour eux car s’ils peuvent exploiter au maximum l’outil et avoir un rendement plus que proportionnel au coût du loyer, ils sont largement gagnant. Le pari du fermier est de produire plus que son prédécesseur, ils peut s’en distinguer par les méthodes de cultures. Pour le propriétaire du domaine s’est l’assurance d’obtenir un rendement élevé avec un faible coût de surveillance.
  • La troisième est celle du métayage. Elle donne la possibilité à ceux qui n’ont que leur bras et quelques outils d’exploiter une ressources dont ils sont exclus. Elle permet au propriétaire d’espérer un rendement de terres qui sont des landes et ne produisent rien. Le caractère historique des métayages est sans doute lié à cette contingence qui fait que certains possèdent toutes les terres, et d’autres n’en possèdent aucune. Aujourd’hui, le bien agraires c’est l’inventaire et la rareté de son accès. Ce que fait Uber au fond c’est de découvrir des champs digitaux. Ce contrat est celui que l’on trouve dans les pêcheries quand l’armateur paye le bateau et le gazoil et partage une fois le gazoil défalqué, la moitié du montant de la pêche. Trois parts au capitaine, deux au mécanicien, une pour chaque marin.

Avec un peu d’ironie, peut-être faudra-t-il analyser l’économie collaborative comme une économie agraire. On peut faire pousser de l’herbe, on peut aussi faire pousser de la consommation. Les plateformes construisent les infrastructures du désir. Un Uber Universel, accessible non seulement par l’appli mais aussi par les boutons insérés ailleurs, comme dans google maps s’approprie les plaines du midwest appelant à les cultiver.

Avec moins d’ironie, plus de gravité, c’est une invitation à penser que l’espace digital est autant de greenfield. Ceux qui les créent mérite autant d’être récompensés que ceux qui les réalisent. Le commun profite au bénéfice de chacun. On peut imaginer aussi qu’à l’ère du métayage succède celui du fermage. On imagine que la propriété foncière sera amenée à être restitués. On trouvera dans l’histoire des économies agricoles milles raisons, idées, pour penser les rapports de la propriété et du travail dans les plateformes digitales.

Parle à ma machine

13641048214_e55529f9db_zJuste un court billet pour cette idée simple : la relation client n’est plus simplement une question de confiance, car l’appareil de la consommation, la galaxies des objets connectés qui accompagnent le consommateur, en deviennent de plus en plus un composant essentiel. Des notifications, des mises à jours des agendas, le règlement automatique des contrats,  la commande de l’environnement, la surveillance de nos biens, le pilotage de nos équipements, font travailler nos machines, et c’est à ces machines que les marques vont devoir parler, d’autant plus que nous souhaitons être tranquilles, déchargés des corvées.

C’est l’idée que l’agence Marquetis à parfaitement saisie en 1mn30 dans cette réinterprétation de « Plateformes », la même qu’on a confiée, sur un autre ton et de manière plus développée au Cercle du Marketing Client ».

Film Futur_datas by Marquetis from Christophe Benavent on Vimeo.

#Gigeconomy : l’économie des compléments de revenus.

8516817076_ee5a666234_zBien loin de l’uberisation du marché du travail, la #gigeconomy dessine son véritable visage, celui d’une économie des compléments de revenus, et incite à formuler la double hypothèse que le moteur du collaboratif se trouve plus dans l’offre que dans la demande, et dans la modération salariale que les entreprises de la vieille économie pratiquent depuis 2007.

Mais d’abord les faits dont plusieurs sources éclairent des traits saillants.

Avec l’étude du JPMorganChase Institute on retiendra d’abord une typologie simple mais efficace des plateformes : d’une part les plateformes de travail et d’autre part les plateformes de capital (il faudrait sans doute ajouter les plateformes de contenus pour mieux saisir le digital labor qui lui ne procure pas de revenus mais au mieux l’usage gracieux de certains services). Le résultat obtenu à partir d’un jeu de données important ( 1 milion d’acteurs) est limpide : L’engagement dans les plateformes de travail est lié à la variabilité des revenus principaux et négativement corrélés à sa variation tandis que les gains des plateformes de capital augmentent un revenu stable. Les propriétaires augmente leur gain de 314$ sur la base de 4454$ ( soit +7,1%), ceux qui n’ont que leur  bras à louer compense 533$ de revenus perdus soit 14,7% de pertes. Le complément de salaire est compensatoire pour le travail, accessoire pour le capital.

gig03

C’est la conclusion  à laquelle le Pew research aboutit dans sa vaste étude sur les revenus de l’économie des petits boulot, de la vente domestique et de la location personnelle.

24% of Americans report earning money from the digital ‘platform economy’ in the past year. The extra income they make is a luxury for some, but a necessity for others.

gig04Cette étude apporte un regard complémentaire avec une description socio-démographique qui marque des profils contrastés selon que les revenus viennent de l’exploitation du capital domestique ou des petits boulots : plutôt jeune, minoritaire et moins diplômés qu’une jeune quarantaine, blanc et diplômé.

Elle donne des éclairages sur les motivations dont la première est celle de la flexibilité. Il reste à interpréter la raison : sans doute une manière d’assumer une situation de précarité qu’on ne maitrise pas, d’y trouver une raison.

Des indications précieuses sont aussi fournies sur le taux de participation qui est sur une base déclarative et cumulative de 8% pour Pew Research et  de l’ordre de 4,3% pour l’étude du JPMC Institute, cette dernière dévoilant une tendance au ralentissement.

gig06

On pourra replacer ces résultats dans le cadre d’une typologie du travail indépendant dont KPMG donne une version bien optimiste en considérant que les freelances occasionnels gig4(40%) le font volontairement. Seulement 30% vivent pleinement de leur revenus d’indépendants. 14% sont prêt à prendre un travail salarié et 16% sont financièrement ficelés!

Les revenus complémentaires et compensatoires  sont le driver principal du travail indépendant. Cela rejoint les analyses de l’insee sur la microentreprise et l’activité multiples (voir un billet précédent). L’économie des petits boulots est avant tout une économie des petits salaires et du temps partiel.

Les plateformes distribuent donc des compléments de revenus, ce qui  invite à l’hypothèse que le développement de l’économie collaborative résulte de la conjonction de l’appétit de la consommation de l’insuffisance des salaires. Depuis la crise de 2007, les consommateurs ( qui sont aussi des travailleurs) trouveraient dans cet expédient le moyen de maintenir ou d’accroitre le niveau de leur consommation. L’économie collaborative serait ainsi la fille de l’austérité et de la pingrerie des entreprises (traditionnelles).

Deux questions dérivent de cette analyse.

1)  Quelle légitimité et par conséquent quel statut donner à ces revenus complémentaires ? A l’heure ou le législateur tente de les réguler et de les taxer, cela pose pleinement la question corolaire de la justice sociale dans la distribution de ces revenus : les empêcher c’est aussi priver ceux qui sont privés de salaire, les encourager c’est encourager la précarité.

2) Quelle place  les plateformes vont occuper dans l’économie?  Loin de balayer des secteurs entiers ne risque-t-elle pas de s’installer dans les franges du marché, offrant un sas aux plus démunis et la flexibilité que les marchés réclament : une économie de marge.

Algorithmic accountability – Work in progress

2824863959_4fe17cc109_oIl y a peu les géants du digital lançaient le partenariat pour l’IA . C’est peut être ce colloque à la NYU qui en a cristallisé l’idée. C’est déjà dans le livre de Franck Pasquale. La question du rôle social des algorithmes et de leur responsabilité, notamment celle de rendre des comptes devient centrale dans nos sociétés. Elle l’est en particulier pour les pratiques de marketing qui s’expriment de plus en plus via leurs calculs sur des volumes toujours accrues de données, les plateformes en sont le champs d’expression principal.

Recommander des produits, des relations, évaluer des risques, définir des prix, calculer des parcours, lancez des alertes personnalisées, qualifier des offres, commandez des machines, la panoplie des outils ne fait que s’étendre et se raffiner. Ces pratiques ne font-elles que ce qu’elles doivent faire? Entrainent-elle pas des réponses de ses sujets? Lesquelles? Quels sont leurs effets secondaires?

Nouvelle formes de Marketing

17039872067_cf7f22e4a8_kCe cours est donné dans le cadre de la Licence 3 à l’UFR SEGMI à Paris Ouest et du Master 1 AINI. Partant des nouveautés dans les modes de consommation largement induites par les technologies de l’information mais aussi la fragmentation des marchés et de leur identités culturelles et morales, ce cours vise à explorer la réponse marketing des entreprises et leurs innovations au travers d’études de cas.

Les étudiants auront à écrire un essai après avoir choisi un cas et s’être inscrit ici .

Il se présentera sous la forme d’un document de 8000 signes, organisé autour d’une problématique précise; 5 à 8 liens significatifs devront être mentionnés dans le texte, deux ou trois références bibliographiques devront enrichir la bibliographie ( livres et ou articles de revues dites scientifiques). Une illustration photographique sera proposée. L’ensemble doit prendre la forme d’un article long de blog. Il m’est envoyé par mail en format PDF, avec la mention #NouvellesFormesdeMarketing dans l’objet du mail. Cela doit être envoyé pour le 1er Janvier 2017 à minuit.

Le travail est individuel.

Le thème général pour la session 2016 portera sur le marketing des plateformes, et s’appuiera en partie sur le livre « Plateformes : Sites collaboratifs, marketplaces, réseaux sociaux… Comment ils influencent nos choix« . Il s’agira pour les étudiants de choisir un cas de plateformes (Airbnb, Blablacar, Etsy, Zillow, Taskrabbit, Drivy, A little market, Upwork, Mutum, Uber, Amazon, Flipkart, Didi Chuxing, Foodora, Le bon coin, Deliveroo, Frizbiz, Ali baba, etc… ) et de s’attacher à un problème de marketing qu’elles rencontrent : fixer un prix pour Uber, définir une politique de modération pour twitter, un mécanisme de résolution des litiges pour Airbnb, une indication de prix pour Blablacar, un système de recommandation pour Netflix ou la gestion des commentaires par Booking.

Le découpage du cours suit les grandes problématiques marketing

1- introduction : tendances de la consommation et modèle de plateforme

  • tendance de consommation : voir présentation ci-dessous
  • Modèles de plateformes : les slides  et une vidéo.

2 – Segmentations et versants de marché

  • Segmentation par avantages recherchés ( à partir de l’étude UM Wave)
  • Marchés multi-versants et marchés d’appariement
  • dynamiques de populations

3 – La relation à la marque et son positionnement dans l’espace digital

  • Points de contact et interactions multicanal
  • Réclamation et gestion des litiges

4 – Les systèmes d’influence et de discipline des consommateurs

  • CGU, modération, trolling et sanctions
  • Les systèmes de notation et d’avis
  • Nudge et gamification

5 – La gestion d’une production et d’une distribution à la demande. Simplicité.

  • Echelles et densité : la gestion du crowdsourcing
  • Systèmes de recommandation
  • le role du machine learning (La valorisation des photo de Flickr)

6 – Les mécanismes de pricing

  • Le surge pricing de Uber
  • Les modèles d’enchères
  • Les modèles conventionnels
  • Problèmes de discrimination.

Présentation d’introduction :

 

 

La voix des bots ouvre les marchés

hal-mortDans 2001 Odyssée de l’espace, la conversation finale entre l’homme et Hal,  l’intelligence artificielle, ne passe pas par un écran, des diodes, un visuel plan souvent et rarement holographique, mais par la voix fût-elle synthétique.

Si depuis les années 80, en  débutant l’histoire avec le PC – même si  l’écran de cinéma et le petit écran de la télévision ont converti les masses depuis bien plus longtemps – l’écran se décline dans toutes les tailles et des épaisseurs de plus en plus fines, s’équipant d’une sensibilité tactile et par conséquence ouvre les voix de l’intelligence. Cet écran favorise l’image, unique ou fragmenté, ainsi que le texte, l’écrit. La conversation demeure épistolaire. Les textos sont des télégrammes.

L’avenir de la conversation avec les machines risque de quitter l’écran pour rejoindre le régime de conversation le plus universel et le plus fondamental : la vocalise. Le premier des médias, avec la lumière, c’est une onde qui parcourt l’air. Une vague qui s’élance des lèvres pour faire vibrer l’oreille interne puis être convertie en crépitement électrique dans les réseaux du cortex. Babiller. Parler.  Il faut à un humain guère plus de 2 ou 3 ans pour s’y mettre. Et encore, l’art des vagues peut ne rien dire et se concentrer sur la forme même de l’onde, c’est la musique et ses langues.

De manière plus prosaïque, les technologies nouvelles du #deeplearning en permette de nouveaux développement, à l’instar de la technologie Wavenet proposé par une des filiales d’Alphabet – DeepMinds ( et on recommande de lire tout le post et même la publication).

L’application la plus évidente est naturellement celles des livres parlants, de l’audio description pour aider les mal-voyants. Le vaste marché des centres d’appel et de relation client est concerné au premier titre, car automatiser une grande partie de la tâche par des agents conversationnel (incarnés dans une voix plutôt qu’une image) promet des gains de productivités considérable. On peut l’élargir sans hésiter à l’ensemble des ATM et autres bornes interactives. Ces technologies concerne aussi les médias où l’on imagine des bulletins de nouvelles et de météo générés par des intelligences virtuelles et lues à la radio par des speakers synthétiques. Mais surtout, il y a deux vastes marchés potentiels où l’interface fondamentale est liée au son et la voix. Il s’agit de manière évidente celui des autos et autres véhicules  autonomes. C’est le moyen de donner au passager un moyen de contrôle de l’ IA qui le conduit, ne serait-ce que lui ordonner de s’arrêter – bref un safeword. L’autre est plus proche de nous , c’est celui- des interfaces telles que Echo d »Amazon , Siri de Apple, ou son analogue Everywhere chez Google. Parler est souvent le moyen le plus simple de commander. Ce type d’ interface a vocation à s’enrichir, ne serait-ce que par la coordination des objets connectés au domicile ( ordonner par son intermédiation la température souhaitée de la pièce). Il y a encore bien d’autres marchés, c’est une question d’imagination. Le point essentiel c’est de comprendre que les interfaces audios représentent un espace encore inexploré : pour demander qu’on nous passe le sel, on ne s’envoie pas de texto, on vocalise. L’informatique d’hier fonctionne au doigt et à l’oeil, celle du futur proche aura des lèvres et des oreilles.

PS : cette petite note a été suscitée par des questions d’Atlantico à propos de WaveNet. Elle rejoint d’autres interviews dans le même titre et des sujets similaires :

De l’économie collaborative au gouvernement algorithmique des plateformes

5928727544_fdc9ecc4e5_zCe texte résume l’intervention réalisée dans le cadre de la Conférence Internationale de Gouvernance CIG 2016 à l’Université de Montpellier : Gouvernance et gouvernementalité à l’heure du big data : quels enjeux pour les entreprises ? La version originale de cet article a été publiée sur The Conversation.

Avec le développement de l’économie collaborative, ou d’économie on-demand, le modèle de plateforme prend un nouvel élan. On l’a découvert avec les plateformes-produits, il s’est conforté avec les marketplaces, il s’épanouit avec les réseaux sociaux. Désormais il règle les échanges de services et le prêt des biens. Une grande partie des 150 licornes (start-up valant plus d’un milliard de dollars) est constituée par des plateformes, on en dénombre plusieurs milliers, dont Uber, BlaBlaCar ou Ola dans le transport, Airbnb ou Booking.com pour hébergement à courte durée, Oscaro, Lending Club ou Indiegogo dans le crowdfunding, Amazon, Alibaba pour les places de marché, mais aussi Esty dans une version plus collaborative, Deliveroo ou Hero delivery dans la logistique du dernier kilomètre, Fiverr et Taskrabbit pour les services à domicile.

Du crowdsourcing et des algorithmes

Le propre des plateformes réside dans deux éléments. Le premier est une généralisation du crowdsourcing qui, ouvrant très largement l’approvisionnement en actifs productifs, en travail et en consommations intermédiaires, donne une place importante à des acteurs que l’on peut qualifier d’amateurs. Le second est du recours intensif aux algorithmes pour assurer la coordination des activités à une échelle très importante (des centaines de millions d’individus) et très fine du point de vue de l’espace et du temps. La combinaison de ces deux éléments conduit à un modèle d’organisation d’un type nouveau, fondé sur la maîtrise des algorithmes qui pose des questions de gouvernance, d’autant plus fortes que les machines sont faillibles.

Le moteur de croissance des plateformes s’analyse au travers de la combinaison de plusieurs mécanismes économiques. Le premier est celui du crowdsourcing et il se révèle dans la capacité à mobiliser des actifs sous-utilisés, du travail parfois non rémunéré et de l’information et des idées partagées. Il engendre un second mécanisme de la longue traîne, plus justement décrit par la notion d’économie de la diversité. Le troisième est l’interaction positive entre les populations qui constituent les différents versants de marché : l’attractivité de la plateforme sur le versant client est d’autant plus grande que la diversité des offres est forte et réciproquement.

Elle est amplifiée par la maîtrise des capacités d’appariement (matching markets) qui permettent de résoudre la faiblesse d’une offre trop large et trop diverse pour les capacités cognitives des demandeurs, par le biais de score d’appariement (comme sur les plateformes de rencontre) et de moteurs de recommandation (comme dans le cas les places de marchés). L’ensemble produit des externalités de réseaux et de standard qui soutiennent la politique de crowdsourcing.

Gouvernementalité algorithmique

L’analyse économique permet de rendre compte a posteriori des succès des plateformes, mais dit peu de la manière dont ils sont menés.

C’est dans la manière dont les plateformes gouvernent leurs populations qu’on peut trouver une réponse. Avec le concept de gouvernementalité de Michel Foucault, définit rapidement comme l’influence sur les conduites qui transforme les populations en ressources, un cadre d’analyse cohérent peut être formulé. La gouvernementalité se manifeste par trois grands éléments : l’architecture des plateformes qui capacite ou restreint l’action de ses membres et des populations ; une capacité normative et de surveillance -une police ; un dispositif incitatif qui stimule l’activité des acteurs individuels et mobilise les foules.

La spécificité de ces politiques est d’être largement algorithmique, se nourrissant d’un flux de données important (le big data) qui à la fois permet de produire la connaissance nécessaire et la mise en œuvre des politiques dans le flux des microdécisions prises par l’organisation et les individus. Un mécanisme comme le surge pricing de Uber en est un exemple remarquable : à l’échelle de quelques minutes et d’un quartier, Uber peut faire varier les tarifs en fonction de l’offre de VTC et de la demande, dans le but principal de limiter l’attente à moins de cinq minutes.

Le calcul n’est pas neutre

On a tendance à surestimer leur efficacité et leur neutralité. Ils produisent des effets de dispersion des prix, de polarisation des opinions, de discrimination sociale. Autant d’effets que leurs concepteurs n’ont pas envisagés. C’est le fruit d’une forte dépendance aux données : les paramètres des algorithmes dépendent des données qu’ils traitent, et certains groupes d’acteurs peuvent les troubler. Le calcul qu’ils produisent n’est pas neutre, son résultat est souvent performatif et les populations qui en sont la cible s’y adaptent par une sorte de social computing.

Les effets de ranking en sont un exemple, le classement renforçant la performance. Des effets inattendus, parfois néfastes, sont observés : extrême variance des prix de marchés, biais de sélection, polarisation des opinions, ségrégation sociale. C’est ce qu’on peut appeler la politique des algorithmes et qu’on définit comme l’effet résiduel et non intentionnel de la gouvernementalité.

Les plateformes font ainsi naître un double risque : celui d’une interférence dans les libertés et celui des externalités sociales liées à la construction même des algorithmes. Cette analyse conduit à s’interroger sur la gouvernance des plateformes et les mécanismes qui permettent de gouverner le gouvernement des plateformes. Quelle politique de confidentialité des données personnelles ? Quel degré de transparence des algorithmes ? Quel degré de participation des usagers à la conception et aux pilotages de ces modèles ? Quel degré de régulation par la puissance publique ?

Avec leur surgissement et leur déploiement planétaire, ces questions deviennent clés. Elles justifient que l’idée de redevabilité algorithmique soit de plus en plus élaborée, et surtout mise en œuvre.

Référence des travaux présentés : C. Benavent (2016) « Plateformes : sites collaboratifs, marketplaces, réseaux sociaux… Comment ils influencent nos choix », Fyp.

The Conversation

Christophe Benavent, Professeur Sciences de Gestion, Université Paris Ouest Nanterre La Défense – Université Paris Lumières

 

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.

 

 

Économie collaborative : une affaire d’assurance

3624032428_e6cc3a0f97_bLe monde des plateformes et de l’économie collaborative fait naître des inquiétudes, il est aussi un monde de nouvelles opportunités. C’est le cas en particulier pour le monde de l’assurance. C’est sur ce sujet que nous avons fait travailler les étudiants de la licence e-assurance de l’Université de Paris Ouest géré avec l’Ifpass. En voici la synthèse.

La Maif est sans doute l’entreprise qui s’est emparée avec le plus de vigueur de cette opportunité avec un fonds d’investissement de 100 millions d’euros et des prises de participation dans Zenpark, Koolicar ou Payname pour n’en citer que quelques unes. On restera attentif à l’évolution de cette stratégie qui ne semble pas se limiter à la gestion d’un portefeuille spécialisé mais semble viser d’une part un renouvellement de l’esprit et de l’action mutualiste, et d’autre part diversifier ses activités de manière complémentaire. C’est un beau cas à proposer à la sagacité des stratèges mais plus que d’activité assurantielle, il est relatif au modèle mutualiste.

Ce pour quoi l’économie collaborative est une affaire d’assurance s’explique par un autre argument. L’économie collaborative, au-delà de l’utopie du partage, se caractérise par la mise en relation de deux versants, au moins, du marché, d’un côté des consommateurs qui souhaitent bénéficier d’un bien ou d’un service, et de l’autre des détenteurs d’actifs ou de compétences prêts à les mettre à disposition. Le talent des plateformes réside dans la capacité à coordonner les agendas et assurer la confiance inter-individuelle des participants aux deux versants afin que les transactions s’opèrent de manière fluide, mais aussi à faire que chacun de ces versants, dans leur globalité, soit attractif pour l’autre. Un des problèmes soulevés par ce modèle est que sur le versant de l’offre le degré de professionnalisme est extrêmement hétérogène. Certaines plateformes vont ainsi chercher à être sélectives et se concentrent sur des collaborateurs dont les compétences sont avérés (par un diplôme, des qualifications, l’obtention d’une licence, voire un processus de sélection et de formation), d’autres sont ouvertes aux amateurs dont la compétence et les actifs ( voiture, logement, équipements de cuisines ou outils de bricolages) répondent à des normes domestiques. Dans le second cas, le risque est vraisemblablement plus élevé que dans le cadre de services professionnalisés.

L’exemple de la cuisine à domicile est assez remarquable (Les plateformes se multiplient : Eatfeast, Eatwith et en France platmaison ou monvoisincuisine qui a établit un partenariat avec Axa) . Si la restauration traditionnelle est très fortement normalisée et réglementée, par exemple avec le processus HACCP, ce n’est pas du tout le cas pour la cuisinière qui se fait rémunérer dans le cadre d’un contrat CESU ou se lance dans l’entrepreneuriat. Le risque alimentaire n’est pas nul en France. Il y a de 400 à 700 intoxication mortelles chaque année, et de l’ordre de 15000 hospitalisations. Ajoutons le risque d’allergie et les risques d’accidents domestique dont la cuisine est un des lieux critiques (24% des accidents et 20 000 morts annuels).

Ce risque crée deux marchés. Le premier est celui de la couverture de risques concernent autant l’offreur que l’utilisateur des plateformes. L’exemple de location automobile est lui aussi pertinent et le partenariat de Drivy avec Allianz est remarquable. La commission prélevée par la plateforme de location entre particuliers (30%) inclut pour moitié de son montant une police d’assurance et permet de répondre à quelques une des questions spécifiques suivantes :

  • Comment s’assurer que le conducteur du véhicule est en conformité avec les conditions d’assurances ?
  • Comment procéder pour sensibiliser le locataire afin qu’il adopte un comportement responsable ? Celui-ci sachant le véhicule assuré et n’en étant pas propriétaire, peut se révéler peu soucieux, voir, parfois inconscient (risque adverse).
  • Comment indemniser le locataire qui a réservé son week-end et qui pour cause de panne ou changement d’avis du propriétaire, doit engager des frais supplémentaires pour trouver un véhicule de remplacement en urgence, ou doit carrément renoncer à son week-end faute de véhicule ?
  • En cas de survenance de risques non couvert par le contrat, qui paie ? (l’assistance prend en charge les passagers de la voiture plus le transport mais pas les dommages matériels).
  • En cas d’accident : Qui paie les réparations ? Recherche de responsabilités et preuves, en cas de défaut de garanties.Qui paie la franchise en cas d’accident ?

Le second marché est bien sur celui de l’assistance, d’autant plus que les politiques des plateformes collaboratives, motivées notamment par l’évitement du risque de requalification en contrat salarial des relations avec les fournisseurs de services et d’actif, les conduisent à définir leur activité comme une simple mise en relation. Elle reportent ainsi la responsabilité de la résolution des dysfonctionnements ( un VTC qui tombe en rade, une tuyauterie bouchée dans un appartement) sur les co-échangeurs. Il y a là aussi une belle possibilité d’extension du service et un bon complément de plateformes telle que tripconnexion, ou very Local trip qui permettent de trouver un guide pour explorer des contrée lointaines, et multiplient les risques de vol ou d’accident. L’amateur qui fournit le service n’est pas la seule source de risque, le collaboratif incite probablement les utilisateurs à adopter des comportements qui expose à plus d’aleas.

L’économie collaborative se révèle ainsi fondamentalement une affaire d’assurance. Il reste à mieux évaluer dans quelle mesure elle accroît les risques que prennent leurs participants et la manière dont ceux-ci les perçoivent. Il y a dans tout les cas un potentiel d’innovation considérable pour le secteur de l’assurance, en particulier pour l’assurance on-demand. Et pas seulement pour des objets particuliers comme le propose Trov ( qui vient de lever 25 millions d’euros) mais pour chacune des nouvelles expériences auxquelles l’économie collaborative nous invite.

Plateformes : collectionner les papillons

NabokovCollaboratif, coopérativisme, collectif, on-demand, économie du partage, gig economy,  les termes se succèdent reflétant les idéaux utopiques, les rigueurs idéologiques, sans qu’on y voit plus clair dans un mouvement qui se singularise à la fois par le nombre, la diversité et la valeur (boursière).

Pour notre part, nous en restons à cette notion de plateforme qui souligne le trait principal de ces nouvelles organisations : elles coordonne de nombreuses micro-activités. On pourrait y ajouter au moins deux autres éléments : d’abord l’engagement dans le processus de production des biens ou des services de non-professionnels (crowsourcing) et d’une part de l’activité économique domestique rendue possible par la force de la coordination, ensuite l’importance de l’interaction entre des populations différentes qui représentent autant de versants de marchés distincts et nécessite des méthodes d’appariement que le mécanisme des prix n’assurent pas entièrement. On y ajoutera le rôle pivot des algorithmes ( plus que des données) qui orientent, disciplinent, motivent les acteurs au risque de déployer une politique propre.

Mais de tout cela, on en rediscutera quand le bouquin sera prêt à sortir (il est en cours de relecture). En attendant, la réflexion n’est pas close et il reste un chantier à finir, celui de construire, en naturaliste, une typologie qui rendent compte à la fois de l’unité de forme et de l’étendue des domaines exploité. Un travail d’entomologiste, recueillir les spécimens, les répertorier, les classer, les catégoriser. C’est au fond un travail de recherche qui n’est pas souvent entrepris, simplement car on présuppose en sciences de gestion une sorte de modèle unique de l’organisation, même si périodiquement de telles typologies apparaissent ( Pensons à celles de Mintzberg, ou celle de Miles et Snow). En voici l’embryon, une petite collection de papillons chassés sur la toile, bien incomplète, peu détaillée encore, un mémento qui aura servi dans la rédaction de l’ouvrage à confronter l’analyse au fait.

Les commentaires et suggestions sont bienvenues, pour préciser un détail ou discuter un point plus général, signaler les plateformes oubliées, ou critiquer une catégorie. En complément de la collection, le filet à papillon se trouve sur la page FB plateformes, ( à liker et partager sans modération) les news au fil de l’eau de la vie des plateformes et des réflexions qu’elles suscitent.

Crédit Photo : difficile de ne pas penser à Vladimir Nabokov….