Sécurité, liberté et sens du travail dans l’économie des plateformes. Qu’en pensent les jeunes travailleurs d’Uber et Uber Eats qui opèrent au Québec?
Notice bibliographique
Résumé
Cet article explore les dynamiques de travail au sein de l'économie des plateformes, en se concentrant sur les expériences des jeunes travailleurs d'Uber et Uber Eats au Québec. Les auteurs examinent la manière dont ces travailleurs perçoivent leur sécurité d'emploi, leur liberté de travail, et le sens qu'ils attribuent à leur activité professionnelle dans un contexte dominé par le management algorithmique. L’analyse thématique des données d’entrevue avec 48 jeunes travailleurs d’Uber et Uber Eats qui opèrent au Québec permet ensuite de dégager 3 constats. Premièrement, les jeunes travailleurs expriment un sentiment de sécurité d'emploi lié à la flexibilité et à l'accès direct au marché du travail que leur fournissent les plateformes, malgré une absence de garanties sociales traditionnelles. Deuxièmement, ils apprécient fortement la liberté que leur offre ce type de travail, notamment en matière d'autonomie dans l'organisation du travail et de flexibilité des horaires. Cependant, cette liberté est relativisée par la dépendance aux algorithmes des plateformes qui gèrent la délégation des tâches. Troisièmement, l'analyse révèle que, pour ces jeunes, le travail sur les plateformes représente une dimension de participation productive à la société, contrastant avec la perception d'un « travail vide » souvent associé au salariat traditionnel. Cette expérience est perçue comme plus gratifiante, car elle est directement liée à une demande du marché. Bien que l'économie des plateformes présente des défis, notamment en matière de protection sociale et de sécurité d'emploi, elle offre cependant aux jeunes travailleurs des occasions valorisées de sécurité, de liberté et de sens dans leur travail.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».