L’homme et la machine collaborent de plus en plus. Cet article s’inscrit dans le sillon d’une série destinée à explorer les modalités d’une collaboration idéale entre eux. Ici, l’algorithme d’Uber est passé à la moulinette de la matrice proposée dans le premier article de cette série.

 

Uber est un autre cas d’école intéressant. Son algorithme n’est délibérément pas équitable et privilégie les utilisateurs au détriment des chauffeurs. Ces derniers se voient par exemple informés, en trop grand nombre, qu’un passager potentiel est non loin d’eux, de sorte que l’utilisateur d’Uber a forcément une voiture rapidement. Les chauffeurs qui n’ont pas eu la chance de prendre ce passager ont perdu du temps, gaspillé de l’essence, etc.

Aux Etats-Unis, bon nombre de chauffeurs qui travaillent à la fois pour Uber et pour Lift, ont abandonné le premier et continuent à travailler pour le second, dont l’algorithme est cette fois-ci davantage orienté vers l’intérêt du chauffeur. Des entreprises comme Sidecar ou SherpaShare tentent d’ailleurs d’uberiser Uber en prenant délibérément le parti des chauffeurs, avec des enchères inversées permettant au chauffeur le mieux positionné, généralement le plus proche, de remporter la course, évitant par là-même à ses confrères de se déplacer pour rien.

Dans ce cas, l’asymétrie d’information est complète et nombreux critères mentionnés ci-avant ne sont pas respectés.

Uber occupera donc une place dans le carré A de la matrice.

A suivre

Bertrand Jouvenot | Consultant | Auteur | Speaker | Enseignant | Blogueur

Share