Aspirer et traiter des données pour enquêter sur l’économie de plateforme (Thomas Beauvisage, 24 mai 2019)

Voir le diaporama (PDF) :

Ce dernier Vendredi Quanti de l’année s’inscrivait dans le prolongement d’une présentation de la recherche menée par Thomas Beauvisage avec Jean-Samuel Beuscart et Kevin Mellet, présentation faite juste auparavant dans le cadre du séminaire « Régulations » du laboratoire Pacte. Cette recherche s’inscrit dans une sociologie des marchés numériques inspirée des approches de Michel Callon, pour l’étendre aux plateformes de consommation collaborative.

A partir de 2015, on assiste à l’émergence d’un discours critique d’inspiration marxiste sur les formes de « l’uberisation » du travail, sur ce que ces plateformes font au travail, et donc sur la notion de « digital labor » (voir Scholz, 2013 ; Casilli et Cardon, 2015). Mais cette critique a l’inconvénient de proposer une description de l’activité des personnes qui est différente des discours des personnes elles-mêmes sur leur activité. La question est donc la suivante : qui sont les travailleurs des plateformes, quelles sont leurs logiques d’engagement, en quoi consistent leurs activités ?

Pour répondre à ces questions, l’enquête prend comme terrain trois plateformes où on vend des biens ou des services, qui sont de taille moyenne et peu ou pas enquêtée : Drivy, A Little Market, et Welkeys. Sur les terrains ainsi observés, on constate que les travailleurs actifs (plusieurs fois par semaine) sont une très petite minorité (entre 5 et 10% selon les plateformes). Les revenus moyens tirés de ces activités sont seulement de l’ordre de quelques dizaines d’euros par mois. Sur A Little Market, les modes d’engagement sont souvent ceux du « hobbyiste », de l’amateur qui donne une vitrine à ses productions artisanales. Ce qui compte pour eux, c’est un effet de reconnaissance plutôt qu’un revenu, comme pour un musicien ou un photographe. A l’opposé, il y a le profil entrepreneurial, avec un compte professionnel, qui trouve une voie alternative de diffusion d’une production professionnel, inscrit dans un projet également professionnel. Le troisième profil est celui du « travail à côté », du revenu d’appoint, complémentaire, par exemple à la retraite…

Mais comment, au juste, fait-on pour observer tout cela ? La méthode utilisée ici est celle de l’aspiration et du traitement de données à partir des sites web de ces plateformes, autrement dit ce qu’on appelle le « web scraping ». L’économie de plateforme apparaît clairement enquêtable à l’aide de ces techniques qui consistent à récupérer de façon automatique les informations affichées à l’écran sur les sites des plategormes, pour les transformer en corpus de données structurés. Les précédents sont nombreux : on peut regarder par exemple le travail de Tom Slee, qui a produit lui-même le jeu de données sur Airbnb qui a alimenté son approche critique dans son livre What’s yours is mine. Certaines plateformes ont ensuite réagi en se posant elles-mêmes en productrices et analystes de leurs propres données, comme le fait Facebook avec le développement d’une très importante « Data Team ».

Il y a donc un vrai enjeu, face à ce mouvement d’internalisation de la production et de l’analyse des données, à maintenir une recherche sur l’économie de plateforme qui soit « indépendante » de celles-ci. Et cet enjeu soulève des question de plusieurs ordre, à la fois documentaires (comment présenter, documenter, archiver et diffuser les corpus de données récoltés) et pratiques (comment faire).

S’agissant des enjeux documentaires, on voit en effet se développer des pratiques de diffusion des données issues des approches Big Data, comme par exemple dans le cadre du Stanford Network Analysis Project (http://snap.stanford.edu/data/), ou des données de ratings d’Amazon (http://jmcauley.ucsd.edu/data/amazon/). Mais ces initiatives se développent dans un contexte assez confus, où s’opposent d’une part les logiques d’open data et de FAIR data, et d’autre part les logiques de propriété intellectuelle et industrielle, et de RGPD. Dans ce contexte, il n’est pas simple de déterminer quels sont les cadres qui correspondent correctement à ce qu’est en pratique le scraping pour les sciences sociales.

S’agissant des enjeux pratiques, les chercheur.es sont confrontés à une très grande hétérogénéité d’outils pour constituer des corpus web : cela va des outils « point and click » (comme import.io ou hyphe) jusqu’aux langages de programmation pour l’analyse des données (comme par exemple R ou Python), en passant par les API (comme dans le cas de Twitter). Dans cette enquête, les techniques ont été mixées pour s’adapter aux spécificités des différentes plateformes : Alittlemarket a été scrapé avec import.io, facile d’utilisation, limité en gratuit, mais à conseiller aux étudiants ; pour Drivy, une sitemap liste tous les véhicules disponibles, on peut récupérer les reviews au passage ; pour Welkeys, il faut se loguer et chercher en rentrant des codes postaux (liste de l’INSEE), puis dédoublonner parce que des concierges se mettent sur plusieurs codes postaux. Les données ont été aspirées avec des scripts écrits en PERL ; enfin, pour Youpijob, le site propose une bonne sitemap (liste de tous les jobs proposés depuis la création du site), des scripts ont été utilisés pour parcourir toutes les pages et récupérer les informations avec des requêtes sur le code HTML de celles-ci écrites sous forme d’expressions régulières.

De cette expérience multi-terrains, il ressort que la confrontation à des situations très différentes oblige à faire varier les outils, à effectuer ensuite un gros travail de structuration et d’homogénéisation des données. Cela impose une approche pragmatique, minutieuse, patiente. Au terme de ce travail, il apparaît que l’économie de plateforme est scrapable pour les sciences sociales, mais à condition de se rappeler que les données socio-démographiques classiques vont être pauvres, et à condition de se résoudre à l’idée qu’il n’y a pas de jeu de données réel et complet, détenu par les plateformes, dont le scraping ne produirait qu’un échantillon plus ou moins correct. Bien entendu, s’il était possible de collaborer avec les plateformes, la qualité des jeux de données en serait améliorée ; mais en réalité, ces sites sont toujours en flux tendu, sans logique d’archivage pour la plupart, et donc le chercheur fabrique au moins autant les données que les sites fabriquent le service. Ces données sont des constructions, visant d’autres objectifs que ceux des plateformes.

---

---