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?
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".