On the road with Uber drivers : navigating through algorithmic management of labour, panoptic surveillance and the generalized state of precarity
Bibliographic record
Abstract
Cette thèse porte sur le cas de l’organisation Uber Technologies à Montréal afin de discuter de l’essor fulgurant des plateformes numériques dans la foulée de la crise des subprimes en 2008. Elle expose l’écosystème des plateformes numériques tout en s’interrogeant sur les vecteurs d’expansion de l’organisation Uber en tant qu’un archétype des « plateformes allégées » (Srnicek, 2016) exploitant l’accès aux capitaux de risque, la technologie de pointe, la disruption des régulations en vigueur, dont celle encadrant le travail en reléguant les conducteurs et conductrices au statut de travailleurs et travailleuse autonomes. Les résultats de l’enquête, qui se basent sur un travail ethnographique bonifié par une netnographie et des entrevues semi-dirigées, sont discutés dans trois articles. Dans le premier article, nous abordons, de manière critique, les conditions de travail imposées par Uber dans le contexte plus large de précarisation de l’emploi et de prolifération du travail atypique au Québec (Jamil et Noiseux, 2018) en mettant en relief les ressorts fondant l’exploitation d’une armée de réserve de personnes issues de l’immigration confinées aux marges du marché du travail et de travailleurs pauvres cumulant des emplois afin d’arrondir les fins de mois. Le deuxième article examine en détail le système de surveillance décentralisé encastré dans la gestion algorithmique d’Uber et réactualisant – dans une version autonomisée - le panoptique foucaldien. Le troisième article, adoptant une perspective goffmanienne, interroge les pratiques d’adaptation et de résistances des conducteurs à travers l’analyse de leurs interactions – tant avec les passagers qu’avec l’application Uber - tout au long des différentes étapes du cycle de production d’une course. La thèse se conclut en proposant une conceptualisation du modèle productif découlant de la généralisation des pratiques du lean management dans la production en masses de services désormais standardisées. À cette fin, nous exposons les flux d'information produits par les utilisateurs - conducteurs et passagers – alimentant la gestion algorithmique du processus de la production. Nous y illustrons, le processus d’émiettage des tâches (taskification) encastré dans un processus de production fondé sur l'autonomie contrôlée des chauffeurs Uber et se déployant grâce à la mise en place de « méta-règles » de jeu. Cette analyse critique du système d’accumulation inhérent au modèle organisationnel d’Uber nous amène enfin à proposer une relecture du concept de « nouvelle combinatoire productive » proposé par Durand « 1989) au prisme du développement récent des plateformes allégées et des modèles organisationnels qui les caractérisent.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; a candidate call from one teacher head, not a consensus.
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".