IA : face au nouveau taylorisme, une stratégie du « renouveau luddite », conversation avec Juan Sebastián Carbonell

Un spectre hante votre livre : Frederick Taylor. Pourquoi en avoir fait la figure centrale de votre démonstration ? 

Juan Sebastián Carbonell À première vue, il n’y a rien de commun entre, d’un côté, Taylor et le taylorisme, associé à la chaîne de montage et au chronométrage du travail ouvrier, et de l’autre le monde de la tech, de l’intelligence artificielle et du cloud. C’est pourtant mal comprendre ce qu’est le taylorisme, en tant que pensée de l’organisation et ensemble de pratiques dont l’objectif est la mise au travail des « masses réfractaires » ¹.

Taylor était un ingénieur américain. Né en 1856, il est l’inventeur de l’organisation « scientifique » du travail. Il a occupé une série de postes de contremaître et d’ingénieur dans des entreprises de la métallurgie, dont les plus connues sont Midvale et Bethlehem Steel, où il va développer son « management scientifique » en étudiant le comportement des ouvriers. 

Contrairement à ce que l’on entend souvent, les idées de Taylor ne se réduisent ni à la chaîne de montage, ni à la parcellisation des tâches. En effet, il n’a pas connu la chaîne de montage de son vivant. Il meurt en 1915, alors que celle-ci, sous sa forme moderne, a été introduite à l’usine Ford de Highland Park, dans la banlieue de Détroit, en 1913.

Certes, le travail à la chaîne a été expérimenté dès la fin du XIXe siècle pour les opérations de dépeçage des abattoirs de Chicago. De la même façon, la théorisation de la parcellisation des tâches à laquelle Taylor est associé date du XIXe siècle ; Adam Smith en parle au sujet de la manufacture d’épingles ², de même que Charles Babbage à propos de la diminution du coût de la main-d’œuvre ³. D’une certaine façon, Marx en discute aussi à sa façon, lorsqu’il fait référence à l’« ouvrier partiel », produit du machinisme et de la grande industrie ⁴.

Ce que le taylorisme apporte de nouveau par rapport à ses prédécesseurs est une pensée du contrôle sur le processus du travail.

Avant cette doctrine, le contrôle s’exerçait de diverses façons, en regroupant les travailleurs dans un seul lieu, avec la prescription de la journée de travail, le règlement des ateliers, les quotas de production, les punitions et les amendes des chefs, ainsi que tout ce qui fait partie du « désordre proscrit ». Toutefois ce contrôle ne s’exerçait pas sur la façon d’accomplir le travail et la prescription des tâches.

L’histoire du changement technologique n’est pas l’histoire de l’innovation et de ses oppositions mais l’histoire de trajectoires se faisant concurrence. 

Juan Sebastián Carbonell

C’est ce qui deviendra le but de Taylor : obtenir le maximum possible de la force de travail en une journée.

Avec le taylorisme, on passe donc du « désordre proscrit » à l’« ordre prescrit ». 

Harry Braverman résume le taylorisme par trois principes ⁵. Premièrement, le processus de travail est décomposé en un ensemble de tâches ; on touche ici à un point très important, qui permettra de penser le rôle de l’IA sur le monde du travail : aucune tâche, ni aucun métier n’est si complexe qu’il ne peut être réduit et rationalisé. Autrement dit, aucun métier, même très qualifié, ne peut échapper à une logique de taylorisation. Deuxièmement, la conception et l’exécution sont séparées. Ici encore, il ne s’agit pas de séparer le travail manuel et intellectuel, car le travail intellectuel lui-même peut aussi faire l’objet d’une séparation entre conception et exécution. Enfin, troisièmement, le travail est planifié par la direction grâce au monopole que celle-ci a de la connaissance de l’ensemble du processus de travail. 

En quoi cette vision du travail permet-elle de mieux comprendre l’IA et son effet sur le monde professionnel ? 

La thèse que je défends dans le livre est que la technologie en général — et le numérique et l’IA en particulier — favorisent ou provoquent un « taylorisme augmenté ».

Plus précisément, ces technologies approfondissent les logiques de parcellisation des tâches, de séparation entre conception et exécution et de dépossession des travailleurs lors du processus de production. Je m’inscris à la suite d’autres travaux contemporains qui évoquent un scénario néo-taylorien — ou l’émergence d’un « taylorisme numérique ». 

Avec l’IA, on retrouve en plusieurs endroits la même « dépossession machinique » — tant dans le travail de préparateur de commandes dans les entrepôts logistiques que dans les professions dites « créatives », bien que cette dépossession prenne dans chaque cas des formes distinctes.

Dans le cas des entrepôts Amazon, Alessandro Delfanti a étudié comment les marchandises et les gestes sont transformés en information ⁶, dépossédant les ouvriers de savoirs tacites qui permettraient de défendre une autonomie au travail tels que la connaissance de l’inventaire ou l’emplacement des marchandises sur les étagères. Il ne s’agit pas là d’une profession qualifiée, mais la numérisation de ces connaissances et l’organisation du travail par un algorithme exproprie les connaissances que les ouvriers ont de leur activité, renforçant le contrôle de la direction sur les décisions prises au cours du travail.

Avec le taylorisme, on passe du « désordre proscrit » à l’« ordre prescrit ». 

Juan Sebastián Carbonell

Avec l’IA, et notamment l’IA générative, on trouve les mêmes logiques de « dépossession machinique » dans des métiers qualifiés, qui se voient expropriés de la dimension « créative » de leur travail. En somme, l’IA n’est pas l’adjuvante de ces professions mais contribue à leur déqualification, comme dans le cas des graphistes, journalistes ou traducteurs. 

Vous montrez dans vos travaux que l’IA dégrade le travail des traducteurs. Dans quelle mesure ce cas d’étude est-il révélateur des dynamiques générales que vous étudiez ? 

Je m’attarde sur l’exemple des traducteurs car il illustre cette nouvelle dynamique de taylorisation. Il s’agit d’une profession segmentée, entre langues et types de traduction, avec la traduction « technique » d’un côté et la traduction « éditoriale » ou « littéraire » de l’autre.

Une première analyse serait de dire que la profession pourrait être affectée inégalement par la traduction automatique. La traduction « technique », c’est-à-dire la littérature grise (scientifique, juridique, médicale, d’entreprise, etc.), serait alors la plus exposée aux changements en raison de sa standardisation. Ne resterait alors autour de ces textes qu’une activité de « post-édition », c’est-à-dire une activité de mise en forme des textes. Il s’agirait alors de réviser et de corriger ce qu’une machine produirait. 

La traduction « littéraire » pourrait quant à elle bénéficier de la traduction automatique, car ce genre de traduction serait une activité moins routinière et plus créative. Selon cette même logique, la traduction automatique épargnerait les langues rares ou minoritaires, car faiblement numérisées.

Plusieurs raisons conduisent cependant à écarter cette interprétation.

D’un côté, la distinction entre traduction « littéraire » et traduction « technique » est contestée au sein même de la profession de traducteur : l’une n’est pas plus facile ou plus routinière que l’autre, mais chacune nécessite des compétences différentes, acquises par la formation et par l’expérience. D’un autre côté, l’usage de la traduction automatique ne découle pas de la nature de la langue ou du texte, mais de choix économiques, puisque des entreprises ont également recours à la traduction automatique pour des textes littéraires. 

Dans cette profession, l’IA produit une perte de contrôle sur le geste créatif ; elle prive les traducteurs du premier jet, des allers-retours avec l’auteur et réduit l’activité à de la post-édition.

Une des principales conséquences, dénoncée par les associations professionnelles de traduction, est moins la disparition du métier que la baisse des tarifs, et, de façon incidente, la baisse de la qualité de la traduction.

Avec l’IA, la lecture et la rédaction de textes en langues étrangères deviennent accessibles, bien que de manière imparfaite, à de nouvelles personnes. S’agit-il d’un progrès ? Cet usage-là ne profite-t-il pas aux usagers, aux consommateurs et, en somme, au plus grand nombre ?

J’ai beaucoup de réticences à employer le mot de « progrès » dès lors qu’on parle de changements technologiques ; je ne nie pas que ceux-ci puissent améliorer la santé ou le bien-être général, mais il s’agit d’un terme connoté, souvent utilisé pour faire taire les oppositions aux effets négatifs de certaines technologies. 

Jean-Baptiste Fressoz montre très bien dans Apocalypse joyeuse ⁷ — qui est une histoire du risque technologique — le rôle de l’« idéologie du progrès » dans l’acceptation d’une technologie, et ce malgré les doutes, voire la documentation sur ses effets négatifs. Il rappelle qu’il n’y a pas d’un côté l’innovation et de l’autre la résistance ou les oppositions qu’elle suscite, mais une concurrence permanente entre des trajectoires technologiques différentes. 

Aujourd’hui, l’IA emprunte une certaine trajectoire ; il faudrait se départir de l’idée qu’une technologie est neutre, avec de « bons » usages et de « mauvais » usages, et qu’il faudrait faire la part entre les deux, indépendamment de la technologie elle-même. Une trajectoire concerne tant les conditions de possibilité de cette technologie que ses effets sur la société, ce qui veut dire que l’IA n’est pas « juste un outil ».

Par exemple, l’IA telle qu’elle existe aujourd’hui a besoin pour fonctionner d’une infrastructure énergétique immense et chaque jour plus grande, à mesure qu’on améliore les grands modèles d’IA. Le Shift Project a montré dans un rapport récent ⁸ que les besoins d’électricité des data centers pourraient tripler d’ici 2030, ce qui implique aussi une augmentation annuelle de +9 % des gaz à effet de serre.

L’IA produit une perte de contrôle sur le geste créatif.

Juan Sebastián Carbonell

Cela provoque d’ores et déjà des conflits d’usage de l’électricité, tout comme des conflits de voisinage avec les populations vivant près de ces data centers. Ceux-ci sont souvent situés dans des quartiers populaires.

Une telle situation évoque encore une fois le XIXe siècle : Jean-Baptiste Fressoz, que j’évoquais, a bien montré comment, à cette époque, certains discours ont accompagné l’installation d’industries polluantes dans des quartiers urbains ouvriers, afin de faire accepter les risques industriels — ainsi, par exemple de l’« idéologie techno-libérale » et l’idée de bénéfices collectifs.

De la même façon, des besoins en micro-travail sont nécessaires aujourd’hui à l’existence de l’IA.

Cette situation a bien été documentée par Antonio Casilli, Paola Tubaro et l’équipe du DiPLab ⁹.

Certes, des langues étrangères deviennent accessibles à un plus grand nombre, ChatGPT peut écrire nos lettres de motivation, mais ces « progrès » reposent sur l’exploitation de millions de travailleurs précaires. 

Toujours à propos de la traduction, vous écrivez que « la langue n’est pas une chose susceptible d’être modélisée ». Comment expliquer cette formulation aux accents mystiques, quand le reste de votre travail s’inscrit dans un cadre matérialiste ? 

Mon intention n’est pas de réifier le langage !

Je ne soutiens pas non plus qu’il y aurait des comportements irréductiblement humains qui ne pourraient jamais être reproduits par des machines.

Ce propos est plutôt une invitation à ne pas prendre pour argent comptant les annonces sur les performances des outils de traduction automatique ou de l’IA en général. Ces performances sont d’abord présentées comme révolutionnaires, laissant de côté ou occultant leurs limites.

Je pense, au contraire, qu’il faudrait partir de ces limites, de ce que ces modèles ne peuvent pas encore faire, pour ensuite mieux comprendre ce qu’ils peuvent déjà faire. C’est d’ailleurs la fonction des « attentes technologiques » que de présenter ces technologies comme révolutionnaires, en exagérant souvent leurs performances pour les rendre acceptables, pour attirer des financements ou pour créer un marché de l’IA. 

Par ailleurs, une des questions de recherche qui m’intéressent en ce moment est celle des échecs et des ratés des transformations du travail par le numérique ou l’IA ; j’accorde moins d’attention à ce que l’IA ou le numérique fait au travail, et davantage à ses limites.

C’est un sujet que j’ai étudié dans le cadre de mes recherches sur l’industrie automobile, où l’automatisation et la digitalisation — désignées dans ce domaine par le terme « Industrie 4.0 » — ont été présentées comme révolutionnaires il y a une dizaine d’années ; on parlait alors de « quatrième révolution industrielle ».

Lors d’entretiens avec des ingénieurs et des directeurs d’usine, j’ai vu pourtant qu’il y a de nombreux freins à l’introduction et l’adoption de ces technologies. Celles-ci apparaissent plutôt comme des « solutions pour un problème qu’on cherche encore » que comme des leviers d’une disruption technologique : ce sont des technologies existantes, mais sans usage pratique, ou qui sont refusées même par des directeurs d’usine ne voyant tout simplement pas leur intérêt !

Les technologies numériques en général, et l’IA en particulier, permettent de nouvelles formes de surveillance des travailleurs. Comment l’IA modifie-t-elle les moyens d’un tel contrôle ?

Mon livre commence par rappeler la condamnation d’Amazon France par la CNIL en décembre 2023, pour avoir mis en place un système de surveillance de ses salariés beaucoup trop intrusif ; l’entreprise recueillait des données sur la performance individuelle des salariés à partir des scanners portés par ceux-ci.

La surveillance algorithmique est une conséquence souvent peu évoquée par les défenseurs de l’IA, lesquels préfèrent porter l’accent sur l’utopie d’un travail plus intéressant et moins pénible. De plus en plus de travaux évoquent pourtant cette surveillance, qui va au-delà des métiers manuels et industriels.

Le mot « progrès » est un terme connoté, souvent utilisé pour faire taire les oppositions aux effets négatifs de certaines technologies.

Juan Sebastián Carbonell

Certes, cette surveillance existe dans la logistique ou encore chez les chauffeurs routiers. Chez ces derniers, l’enregistreur de bord électronique stocke les données sur la localisation et les mouvements du transporteur. Ces données sont agrégées au niveau central par un système de gestion de la flotte automobile — un outil entre les mains de l’entreprise. La numérisation de la conduite et le contrôle de cette information par la direction entrent ensuite en conflit avec l’expérience de la conduite et les besoins des chauffeurs en termes de repos. 

On trouve aussi cette surveillance à l’œuvre dans les services, comme dans le prêt-à-porter. 

Dans certaines entreprises, un système informatique permet d’organiser automatiquement les équipes de travail et de programmer les horaires. Or, ces outils reposent également sur une surveillance biométrique, notamment à travers le scan des empreintes digitales des employés ; ils permettraient de mieux suivre la programmation de leurs semaines et du paiement de leurs heures de travail.

Le plus étonnant c’est que cette surveillance concerne aussi des professions hautement qualifiées comme les banquiers d’affaires, comme le rapportaient les journaux britanniques il y a quelques années. Chez Barclays, un logiciel permettait à la direction de la banque de mesurer le temps de présence de ses employés devant leur ordinateur de bureau, ou celui consacré à l’utilisation de certaines applications ¹⁰.

Il faut néanmoins nuancer les discours qui verraient l’apparition d’un Big Brother numérique.

Pourquoi ?

Premièrement, cela reviendrait à déresponsabiliser les employeurs qui sont ceux qui développent et mettent en œuvre ces technologies de surveillance. Deuxièmement, l’IA au travail a aussi des limites.

Les IA s’ajoutent aux organisations du travail déjà existantes, ce qui signifie qu’elles doivent s’adapter au type de processus de travail, au rapport de forces dans l’entreprise — qui peut être défavorable à l’introduction de technologies qui dégradent les conditions de travail — ou au cadre légal en vigueur ; celui-ci peut encadrer fortement toute nouvelle technologie.

La seconde figure historique qui inspire votre livre, bien qu’elle n’apparaisse que dans sa conclusion, est celle des luddites. Quel est leur rôle dans votre démonstration ? 

Les luddites étaient des ouvriers anglais qui, au début du XIXe siècle (1811-1813), à l’aube de l’industrialisation, ont détruit des machines pour s’opposer à leur introduction et à la dégradation du travail qu’elles provoquaient. Parce que l’histoire est écrite par les vainqueurs, la postérité a été très « condescendante » envers eux et les a présentés comme des ouvriers conservateurs, voire réactionnaires.

L’historiographie britannique des années 1960 ¹¹ a cherché à réhabiliter les luddites, en montrant que le bris de machines faisait parfaitement sens dans leur répertoire d’action ; au lieu d’un rejet irrationnel du « progrès », il s’agissait plutôt d’une « négociation collective par l’émeute ». En plus de détruire des machines, les luddites s’en sont aussi pris aux matières premières ; ils ont également envoyé des pétitions au Parlement.

Ce qui m’intéresse tout particulièrement chez les luddites et l’historiographie qui leur a été consacrée est ceci : en détruisant les machines, les luddites ne s’opposaient pas au changement technologique in abstracto ; ils défendaient la possibilité d’un autre changement technologique.

Comme je l’ai dit plus tôt, l’histoire du changement technologique n’est pas l’histoire de l’innovation et de ses oppositions, mais l’histoire de trajectoires se faisant concurrence. 

Quand j’appelle à un « renouveau luddite » à la fin de l’ouvrage, je fais remarquer qu’un autre changement technologique est possible face à l’IA.

Il est possible de sortir du cadre étroit qui consiste à négocier une IA « vertueuse », « féministe », ou tout simplement une IA « moins mauvaise » pour les salariés, qui puisse être « capacitante ». J’essaie de dire qu’une technologie pensée comme un outil de domination ne peut pas être réemployée à des fins émancipatrices : au risque d’être taxé de conservateur ou de réactionnaire, je le soutiens : une stratégie de refus est possible.