Data4Workers-Suisse

Data4Workers-Suisse🇨🇭: MĂ©thodologie participative pour la responsabilisation de l’IA dans la Gig Economy : Une Ă©tude comparative des conditions de travail (numĂ©riques) entre les cantons romands et alĂ©maniques de Suisse

Questions de recherche

  1. Comment les algorithmes utilisés par les plateformes de livraison de nourriture, de nettoyage et de soins définissent-ils la répartition des tâches, les heures de travail et les revenus des travailleurs.euses ?
    1.1. Comment les différences entre les secteurs (livraison de nourriture, nettoyage, soins) et entre les régions linguistiques (cantons francophones et germanophones) façonnent-elles la gestion algorithmique et ses effets sur les conditions de travail ?
  2. Comment les cadres juridiques existants pour l’accès aux donnĂ©es et les droits Ă  la transparence algorithmique peuvent-ils ĂŞtre mis Ă  profit pour gĂ©nĂ©rer une responsabilitĂ© algorithmique ? 

Résumé

L’utilisation de la gestion algorithmique dans la gig economy a suscitĂ© un dĂ©bat international sur les conditions de travail. Alors que les pays europĂ©ens Ă©laborent des rĂ©glementations sur la transparence algorithmique, leur mise en Ĺ“uvre pratique pour la protection des droits du travail reste floue – en particulier en Suisse. En outre, les recherches existantes ont tendance Ă  se concentrer sur les secteurs Ă  prĂ©dominance masculine tels que la livraison et le covoiturage, nĂ©gligeant souvent les secteurs Ă  prĂ©dominance fĂ©minine.

Ce projet d’un an combine la sociologie du travail et la science des donnĂ©es pour examiner comment les rĂ©glementations en matière de protection des donnĂ©es et de transparence algorithmique peuvent amĂ©liorer les moyens de subsistance des travailleurs des plateformes en Suisse. Ă€ l’aide de mĂ©thodes informatiques, nous analyserons les donnĂ©es des plateformes des secteurs Ă  prĂ©dominance masculine (livraison de nourriture) et fĂ©minine (nettoyage) Ă  Berne, Genève, Vaud et Zurich.

Cette recherche participative est menée en collaboration avec des travailleurs.euses, des universitaires, des organisations civiques et des experts juridiques :

  • Analyser comment les algorithmes automatisent la rĂ©partition des tâches, le temps de travail et le calcul des tarifs.
  • DĂ©velopper des outils d’analyse de donnĂ©es pour les travailleurs.euses et les syndicats
  • Étudier l’impact de la gestion algorithmique sur les conditions de travail des hommes et des femmes
  • Examiner comment les diffĂ©rents cadres juridiques permettent la transparence algorithmique

Cette recherche contribuera Ă  l’agenda mondial du travail dĂ©cent pour les travailleurs.euses des plateformes en fournissant des informations factuelles sur la manière dont la gestion algorithmique affecte les heures de travail et les revenus.

Secteurs concernés : Livraison de nourriture, nettoyage et soins.

#CalculativePower #GigEconomy #LabourRights #DecentWork #DigitalPlatforms #ParticipatoryScience #Research #AlgorithmicManagement #AIAccountability #Transparency

Objectifs principaux

  • Analyser les donnĂ©es des travailleurs.euses des plateformes pour comprendre l’impact de la gestion algorithmique sur les salaires et les heures de travail
  • Comparer la manière dont les diffĂ©rents cadres rĂ©glementaires influencent la dynamique du pouvoir entre les travailleurs.euses et les plateformes
  • CrĂ©er des outils permettant aux travailleurs.euses de suivre leur temps de travail et de rĂ©cupĂ©rer leurs donnĂ©es.

Financement

SPARK (Swiss National Science Foundation – SNSF)
Grant number: 228644

Responsable de la recherche

Dr Jessica Pidoux (UniNE)

Équipe de recherche

  • Prof. NĂşria Sánchez-Mira, Sofia Kypraiou, Julia Kopf, Mariame Tighanimine, Camille Budon, Prof. Jean-Philippe Dunand (UniNE)
  • Prof. Katarzyna Wac (UNIGE, Quality of Life Technologies Lab)

Partenaires

Syndicats locaux, partenaire technique Hestia.ai, ONG PersonalData.IO

Durée

January 2025 – December 2025

RĂ©sultats

  • Quatre ateliers rĂ©gionaux avec des travailleurs.euses sur les droits d’accès aux donnĂ©es et l’analyse des donnĂ©es
  • Outil d’analyse pour la recherche algorithmique
  • Analyse statistique des horaires de travail et des revenus
  • Modèles mathĂ©matiques pour la responsabilitĂ© algorithmique
  • Rapport politique avec recommandations syndicales
  • Deux publications Ă©valuĂ©es par des pairs
  • PrĂ©sentation publique
 

Informations détaillées sur le traitement des données pendant le projet

 Présentation du projet Data4Workers-Suisse « Participatory Methodology for AI Accountability in the Gig Economy : Une étude comparative des conditions de travail (numériques) entre les cantons romands et alémaniques de Suisse » (Financé par FNS SPARK, réf. : U.03694 : FN CRSK-1_228644).

Ce projet suisse est menĂ© par l’UniversitĂ© de Neuchâtel en partenariat avec PersonalData.IO.

Le projet collabore avec le projet international Data4Workers « Decoding Algorithmic Management for Platform Workers’ Calculative Power » (financĂ© par l’Internet Society Foundation) dirigĂ© par PersonalData.IO, et le consortium de recherche : UniversitĂ© de Neuchâtel, projet DigitalWORK Ă  l’UniversitĂ© ESADE, projet QUIT Ă  l’Universitat Autònoma de Barcelona, et Prof. Francisca GĂştierrez.

La recherche est coordonnée par :

Jessica Pidoux (chercheuse principale), Prof. NĂşria Sánchez-Mirá (conseillère experte) Ă  l’UniversitĂ© de Neuchâtel (CHE-192.771.761) : Fondation soutenant la recherche scientifique et l’enseignement supĂ©rieur. Plus d’informations sur https://www.unine.ch.

Le principal partenaire civique est :

PersonalData.IO (CHE-202.624.721): Une organisation Ă  but non lucratif qui dĂ©fend les droits des donnĂ©es et la gestion collective des donnĂ©es. Plus d’informations Ă  l’adresse : https://personaldata.io/lassociation/

Les résultats de ce projet nous permettront de mener une analyse internationale avec les partenaires suivants :

Anna Ginès Fabrellas, Raquel Serrano (chercheurs principaux) dans le cadre du projet DigitalWORK de la Fondation Esade (CIF : G-59716761) au sein de l’UniversitĂ© Ramon Llull.
Oscar Molina (chercheur principal) dans le cadre du projet QUIT de l’UniversitĂ© autonome de Barcelone (UAB) (NIF : Q-0818002-H).
Francisca GĂştierrez au Chili https://coes.cl/integrantes/francisca-gutierrez/, chercheur principal indĂ©pendant pour ce projet au Chili. Elle est professeur, sociologue, Ă  l’Universidad Austral de Chile.

ConformĂ©ment au règlement gĂ©nĂ©ral europĂ©en sur la protection des donnĂ©es, l’UniversitĂ© de Neuchâtel et PersonalData.IO sont les co-responsables du traitement des donnĂ©es, et les autres institutions agissent en tant que tiers autorisĂ©s traitant les donnĂ©es Ă  des fins d’analyse et de reporting.

đź“Ś L’UniversitĂ© de Neuchâtel
âś” L’universitĂ© est responsable de l’accès et de l’analyse de vos donnĂ©es rĂ©cupĂ©rĂ©es sur les plateformes dans leur serveur interne CollectionHub, chargĂ© de protĂ©ger vos donnĂ©es personnelles et de s’assurer qu’elles ne sont utilisĂ©es que pour la recherche et le dĂ©veloppement d’outils.

đź“Ś PersonalData.IO
âś” Fournit le dĂ©veloppement de l’infrastructure technique et le stockage pour traiter vos donnĂ©es collectĂ©es auprès des plateformes. Les donnĂ©es seront stockĂ©es dans un serveur OHV sĂ©curisĂ© une fois que vous les aurez tĂ©lĂ©chargĂ©es via digipower.academy, uniquement dans le but de les transfĂ©rer au serveur interne des chercheurs.euses. PersonalData.IO est responsable de la protection de vos donnĂ©es personnelles Ă  ce stade. Les outils et logiciels utilisĂ©s dans ce projet ont Ă©tĂ© dĂ©veloppĂ©s sur la base de spĂ©cifications fournies par l’UniversitĂ© de Neuchâtel selon un contrat formel de coopĂ©ration.
✔ Les visualisations affichées sur digipower.academy ne comporteront jamais de données personnelles, et votre identité ne sera pas révélée en dehors de votre session personnelle.

đź“Ś Chercheurs.euses d’institutions affiliĂ©es
✔ utiliseront les données pseudonymisées pour mener les entretiens et les ateliers. Seules les données anonymes et agrégées seront utilisées pour les publications de recherche.

Vos données seront utilisées de trois manières :

  1. DĂ©veloppement d’outils sur digipower.academy
  • Vos donnĂ©es contribueront Ă  la crĂ©ation d’outils libres et gratuits permettant aux travailleurs.euses des plateformes d’analyser, d’agrĂ©ger, de visualiser et de comprendre leurs propres donnĂ©es. Rassurez-vous : aucune donnĂ©e d’identification ne sera publiĂ©e dans l’outil destinĂ© au grand public. 

         2. Recherche sur les conditions des travailleurs.euses des plateformes

  • Les chercheurs.euses analyseront vos donnĂ©es en utilisant des pseudonymes (et non votre nom) pour comprendre les algorithmes des plateformes et analyser le temps de travail et les revenus. Vous serez invitĂ©s Ă  discuter de votre expĂ©rience lors d’un entretien individuel et d’un atelier collectif.

         3. Analyse des données au regard du droit du travail

  • Les chercheurs.euses Ă©valueront la manière dont le travail de la plateforme s’aligne sur le droit du travail national et les rĂ©sultats vous seront communiquĂ©s directement. Ă€ ce stade, les donnĂ©es concernent votre identitĂ©. Seuls les rĂ©sultats agrĂ©gĂ©s et anonymes seront utilisĂ©s pour la recherche.

DurĂ©e de conservation des donnĂ©es : Les donnĂ©es personnelles ou pseudonymisĂ©es sont conservĂ©es pendant 4 ans. Elles seront supprimĂ©es d’ici dĂ©cembre 2028, mais les donnĂ©es anonymes et agrĂ©gĂ©es seront archivĂ©es Ă  des fins de recherche (le processus de publication des rĂ©sultats et des publications scientifiques Ă©tant souvent long).

🔹 Vos coordonnées (email, téléphone, nom ou pseudonyme).
🔹 Données récupérées sur les plateformes (formats de fichiers, fréquence de collecte des données).
🔹 Entretiens et ateliers (enregistrements audio de vos réponses, notes du chercheur).
🔹 Visualisation des donnĂ©es pour faciliter l’analyse collective.

Vos donnĂ©es seront d’abord pseudonymisĂ©es pour le traitement et l’analyse, puis anonymisĂ©es pour les publications, ce qui signifie que votre nom ne sera jamais utilisĂ© ou publiĂ©.

Pour plus d’informations sur les types de donnĂ©es rĂ©cupĂ©rĂ©es auprès des plateformes, consultez les politiques de confidentialitĂ© de chaque application Ă  laquelle vous avez demandĂ© des donnĂ©es. Selon ces documents, il est possible que ces fichiers contiennent des informations telles que la date de naissance, le nom, l’adresse Ă©lectronique, l’identifiant tĂ©lĂ©phonique, la gĂ©olocalisation, les moyens de paiement et d’autres informations sensibles, comme des photos.

C’est l’une des raisons pour lesquelles nous privilĂ©gions une protection maximale dans la conception de cette Ă©tude et de l’outil qui est mis Ă  votre disposition (voir la section Comment vos donnĂ©es sont protĂ©gĂ©es).

L’UniversitĂ© de Neuchâtel traitera et analysera vos donnĂ©es personnelles collectĂ©es sur les plateformes. Seuls les rĂ©sultats pseudonymisĂ©s de l’analyse des fichiers seront partagĂ©s avec les chercheurs.euses des partenaires internationaux du projet. L’analyse consiste d’abord Ă  structurer et Ă  agrĂ©ger vos donnĂ©es Ă  diffĂ©rents niveaux temporels (horaire, quotidien, hebdomadaire, annuel) et ensuite Ă  effectuer des calculs supplĂ©mentaires basĂ©s sur les lois nationales du travail (par exemple, les heures supplĂ©mentaires).

En outre, les chercheurs.euses traiteront localement les donnĂ©es issues des entretiens et des ateliers qu’ils ont respectivement collectĂ©s. Seuls les rĂ©sultats anonymes de l’analyse des donnĂ©es de la plateforme et des entretiens seront partagĂ©s avec les chercheurs.euses au niveau international.

*Les outils d’analyse de donnĂ©es sur https://digipower.academy/fr/experiences et les espaces de donnĂ©es sur https://digipower.academy/spaces incluront un espace dĂ©diĂ© Ă  la plateforme sur laquelle vous travaillez.

  • Les outils fonctionnent entièrement sur votre appareil lorsque vous accĂ©dez Ă  digipower.academy.
  • Votre fichier de donnĂ©es personnelles est chargĂ© uniquement dans la mĂ©moire de votre appareil (RAM) et disparaĂ®t lorsque vous fermez la session si vous ne donnez pas votre consentement au partage de vos donnĂ©es. Vos donnĂ©es personnelles ne sont jamais transmises sur l’internet ou stockĂ©es Ă  l’extĂ©rieur si vous ne donnez pas votre consentement.
  • Les outils convertissent les donnĂ©es dans un format lisible par l’homme (par exemple, en convertissant un fichier .json en une feuille de calcul) afin que vous puissiez les lire directement. Nous produirons Ă©galement des visualisations graphiques qui vous aideront, ainsi que les chercheurs.euses, Ă  analyser vos donnĂ©es.
  • Vos donnĂ©es personnelles ne sont partagĂ©es que si vous y consentez explicitement. Dans ce cas, vos donnĂ©es personnelles sont tĂ©lĂ©chargĂ©es sur les serveurs OHV basĂ©s en France, gĂ©rĂ©s par PersonalData.IO, puis pseudonymisĂ©es, partagĂ©es avec des chercheurs.euses en Suisse en utilisant le serveur institutionnel « CollectionHub » uniquement pour les objectifs spĂ©cifiĂ©s.

📌 Vous pouvez également décider de conserver ou de supprimer les visualisations sans partager vos données. Si vous ne partagez pas vos données et décidez de supprimer les visualisations, le rafraîchissement de la page redémarrera la session sans stocker aucune donnée.

đź“Ś Les Ă©quipes de l’UniversitĂ© de Neuchâtel et de PersonalData.IO restent Ă  votre disposition pour rĂ©pondre Ă  vos questions Ă  l’adresse projecthome@unine.ch ou projectdelivery@unine.ch.

Pendant la collaboration :

âś” Vos donnĂ©es sont stockĂ©es et gĂ©rĂ©es en toute sĂ©curitĂ© par l’UniversitĂ© de Neuchâtel. Toutes les donnĂ©es de recherche sont hĂ©bergĂ©es sur le serveur sĂ©curisĂ© de l’UniversitĂ© de Neuchâtel Ă  l’aide de l’outil CollectionHub, qui respecte les normes institutionnelles de protection des donnĂ©es et de sĂ©curitĂ©.

âś” PersonalData.IO n’est responsable que de la collecte initiale des donnĂ©es. Un serveur dĂ©diĂ© hĂ©bergĂ© par PersonalData.IO (Ă  digipower.academy) sur OVHcloud est utilisĂ© uniquement pour permettre aux travailleurs.euses de tĂ©lĂ©charger leurs fichiers. Une fois tĂ©lĂ©chargĂ©es, les donnĂ©es sont transfĂ©rĂ©es en toute sĂ©curitĂ© Ă  l’UniversitĂ© de Neuchâtel. Après le transfert, les fichiers originaux sont supprimĂ©s du serveur OVH.

âś” L’accès est strictement limitĂ©. Seul le personnel autorisĂ© de PersonalData.IO et de l’UniversitĂ© de Neuchâtel peut accĂ©der aux fichiers de donnĂ©es originaux. Les chercheurs.euses partenaires n’accèdent qu’aux donnĂ©es pseudonymisĂ©es et prĂ©traitĂ©es, ce qui garantit la protection des identitĂ©s individuelles.

âś” Les donnĂ©es sont transfĂ©rĂ©es de manière sĂ©curisĂ©e. Le serveur OVH est protĂ©gĂ© par des protocoles de sĂ©curitĂ© de niveau industriel, y compris une infrastructure anti-DDoS. Tous les tĂ©lĂ©chargements de donnĂ©es sont cryptĂ©s et authentifiĂ©s Ă  l’aide de clĂ©s secrètes uniques afin de garantir que seuls vous et le personnel autorisĂ© puissent accĂ©der Ă  vos fichiers ou les transfĂ©rer.

âś” Vous gardez le contrĂ´le de vos donnĂ©es lorsque vous utilisez l’interface de digipower.academy

  • Vous choisissez de partager ou non vos donnĂ©es personnelles avec les chercheurs.euses. 
  • Si vous ne souhaitez pas partager vos donnĂ©es, vous pouvez supprimer votre fichier dans l’interface, afin qu’il ne soit pas traitĂ©

âś” Une assistance est disponible. L’Ă©quipe de PersonalData.IO, experte dans l’exercice du droit d’accès aux donnĂ©es, est disponible pour vous accompagner dans la comprĂ©hension et la gestion de vos donnĂ©es Ă  chaque Ă©tape du processus. Écrivez-leur Ă  contact@personaldata.io

Après la collaboration :

✔ Toutes les données sont agrégées et anonymisées. Une fois les données analysées avec des pseudonymes, tous les identifiants personnels sont supprimés pour garantir la confidentialité. Seules les informations anonymes et agrégées seront utilisées dans des publications scientifiques ou partagées avec des partenaires.

âś” Les rĂ©sultats ne sont pas identifiables. Tout rĂ©sultat publiĂ© est prĂ©sentĂ© sous une forme agrĂ©gĂ©e qui empĂŞche l’identification des participants individuels.

______________________________________________________________________________________

Nous remercions tous les participants pour leur temps et les expĂ©riences qu’ils ont partagĂ©es, qui ont enrichi cette recherche. Les rĂ©sultats seront disponibles sur le site web du projet pour consultation.

participez

Rejoignez-nous pour vous rĂ©approprier vos donnĂ©es et comprendre l’impact des algorithmes sur votre travail. Écrivez nous Ă  projecthome@unine.ch ou projectdelivery@unine.ch

Vous pouvez ĂŞtre notre partenaire ! Votre expĂ©rience et vos connaissances sont essentielles pour mieux comprendre l’impact de la numĂ©risation et des algorithmes sur le lieu de travail.

Écrivez nous à : contact@personaldata.io

SUPPORT

Ce projet est développé par l’Université de Neuchâtel en partenariat avec PersonalData.IO, financé par la Swiss National Science Foundation, en collaboration avec des universités, des organisations locales et des syndicats en Suisse.

Â