Cycle sur les modèles de maîtrise (1)

500 000 humains à louer pour des clients IA, qui dit mieux ? Cité par Wire, Forbes, Futurism, RentAHuman.ai est une plateforme qui interroge, amuse et révèle peut-être une nouvelle acceptabilité en termes de transfert de maîtrise et du rôle de l’individu en tant que ressource.

RentAHumain.ai nous servira de point de départ dans une vision analytique et historique des modèles de plateformes, vous donnant les clefs d’un des modèles les plus puissant de maîtrise distribuée.

Mais faisons un micro-détour par l’année 1770.

En 1770, Wolfgang von Kempelen construisit le Turc mécanique, un automate censé jouer aux échecs, qui cachait en réalité un humain à l’intérieur de la machine, un humain pas dénué de talent, puisqu’il réussi à battre Napoléon Bonaparte, Catherine II de Russie et Benjamin Franklin !

En 2005, Amazon nomma délibérément sa plateforme de micro-tâches Mechanical Turk en hommage à cette supercherie. Sur Amazon Mechanical Truk, des humains accomplissent des tâches cognitives que les algorithmes ne savent pas faire, mais le système est conçu pour que cette contribution humaine reste invisible, encapsulée dans un flux technique.

RentAHuman va un cran plus loin : c’est la machine qui devient client et l’humain un périphérique biologique disponible sur appel d’API.

Comme vous pouvez le découvrir sur les captures d’écran, RentAHuman.ai vise à permettre aux IA d’accéder au monde physique, au travers des capacités d’action IRL des humains. Et de façon étrange, des humains jouent le jeu. Sur les 500 000 inscrits, on retrouve aussi bien des profils expérimentaux, que des profils très sérieux de personnes voulant valoriser leurs savoir faires, comme sur Linkedin.

La place de marché leur propose des missions souvent bien réelles, sur des thèmes comme la recherche utilisateur, la logistique, le marketing.

Tout ceci n’est que le début.

1- Ce que la plateforme fait au monde

De l’outil à l’infrastructure culturelle
Les plateformes sont principalement pensées comme un outil d’intermédiation numérique ainsi qu’une une catégorie de modèles économiques multifaces. Cependant lorsqu’Uber redéfinit le rapport au travail pour cinq millions de chauffeurs dans le monde, quand Airbnb transforme la manière dont des villes entières se logent et se délogent, quand Amazon devient l’infrastructure par défaut du commerce pour des millions de PME, on sort du registre de l’outil, pour entrer dans celui de l’infrastructure culturelle : un système qui ne se contente pas de faciliter des échanges, mais qui redéfinit des façons de construire le fonctionnement de la société.
Sangeet Paul Choudary, co-auteur de Platform Revolution (2016), a bien formulé cette bascule : les entreprises traditionnelles fonctionnent principalement en pipeline de création de valeur, de la matière première au produit fini. Les plateformes, elles, créent de la valeur en orchestrant des interactions. Elles ne fabriquent rien. Elles font se rencontrer, et c’est dans cette orchestration que réside leur puissance. Qui pour certaines se transforme en influence. Orchestrer revient, en effet, à décider qui rencontre qui, à quel prix, selon quelles règles.

Le déplacement du lieu de la maîtrise
Ce qui distingue fondamentalement la plateforme d’une entreprise classique, ce n’est donc pas la technologie. C’est le déplacement du lieu de la maîtrise. Dans un modèle pipeline, l’entreprise maîtrise la production. Dans un modèle plateforme, elle maîtrise les conditions de la rencontre. Le chauffeur Uber possède sa voiture mais pas son marché. L’hôte Airbnb possède son appartement mais pas sa visibilité. Le freelance Fiverr possède ses compétences mais pas l’algorithme qui le classe. L’utilisateur Instagram possède son attention mais pas le modèle qui l’exploite. À chaque fois, la propriété des moyens est découplée de la maîtrise des conditions de valorisation. C’est de découplage qui fait la différence entre une plateforme et un annuaire.
Dans la suite de l’article, nous nous attacherons à comprendre les différents leviers de maîtrise et leurs impacts, mais auparavant, je vous propose un rapide rappel de l’évolution des modèles de plateformes.

II. Généalogie : comment la plateforme est devenue un modèle de société

La plateforme est le produit d’une histoire longue, dans laquelle des innovations techniques, des théories économiques, des transformations sociales et des choix politiques se sont combinés pour produire le modèle que nous connaissons.

Les marchés bifaces et la théorie de l’intermédiation (avant 2000)

L’idée de plateforme comme marché à deux faces ne date pas d’Internet. Le journal local, la bourse, la foire médiévale sont autant de dispositifs d’intermédiation où la valeur réside dans la mise en relation. Ce qui change avec l’ère numérique, c’est l’échelle et la vitesse. Dans leur article fondateur “Platform Competition in Two‑Sided Markets” (2003), Jean‑Charles Rochet et Jean Tirole montrent que, dans un marché biface, la structure de prix (c’est‑à‑dire la répartition des prix entre les deux côtés) est centrale. Leur modèle explique pourquoi une plateforme peut rationnellement pratiquer des prix très bas, voire inférieurs au coût, sur un côté du marché et se rémunérer sur l’autre, ce qui rend plus difficile l’identification de stratégies réellement prédatrices au sens du droit de la concurrence

L’invention de la confiance à distance (1995-2007)

Les premières plateformes de commerce en ligne, telles qu’Amazon et eBay, toutes deux mises en ligne en 1995, ont dû traiter la question de la confiance de façon nouvelle, en identifiant des leviers permettant de faire confiance à un inconnu total, sans relation directe. Le système de feedback d’eBay, mis en place dès les débuts du site et décrit comme l’un des premiers grands systèmes de réputation en ligne, constitue un moment fondateur : la réputation d’un acteur économique y est quantifiée, publique et cumulative.

L’économie de l’attention et le capitalisme de surveillance (2007-2012)

Le lancement de l’iPhone en 2007 et la montée en puissance des réseaux sociaux déplacent l’enjeu : la plateforme ne connecte plus seulement acheteurs et vendeurs, elle capte l’attention et la monétise par la publicité ciblée fondée sur des données massives. C’est dans ce contexte que se généralise le “surplus comportemental” décrit par Shoshana Zuboff, c’est‑à‑dire la part des données comportementales excédant les besoins de service et utilisée comme matière première pour des produits de prédiction. Nick Srnicek, dans Platform Capitalism (2017), propose une taxonomie complémentaire en montrant que les plateformes ne sont pas des « disruptions » accidentelles mais l’expression contemporaine de la logique capitaliste, qui trouve dans la donnée un nouveau matériau brut à extraire potentiellement sans limite.

L’ubérisation et la maîtrise des corps (2012-2020)

Uber, Airbnb, Deliveroo, TaskRabbit, Fiverr : en quelques années, la plateforme quitte le domaine de l’information pour entrer dans celui des corps, des logements, des véhicules, du physique. Parker, Van Alstyne et Choudary formalisent cette bascule dans Platform Revolution (2016). L’enjeu de maîtrise devient explicitement social : redéfinir ce qu’est travailler, habiter, se déplacer. Et c’est là que le découplage propriété/maîtrise apparaît dans toute sa force, comme évoqué en introduction.

La plateforme comme infrastructure publique (2020-2025)

La pandémie accélère un mouvement déjà amorcé : les plateformes deviennent des infrastructures quasi publiques. Leur indisponibilité n’est plus un inconvénient : c’est une crise. L’Union européenne répond par le Digital Markets Act et le Digital Services Act (2022). Des entreprises historiquement « pipeline » internalisent la logique plateforme et le modèle se généralise.

Quand les machines deviennent clientes (2025-2026)

RentAHuman.ai et l’arrivée des agents IA marquent un point d’inflexion conceptuel. L’agent qui poste une mission sur RentAHuman n’est pas un employé : c’est un système autonome connecté via API, capable de rechercher, réserver et payer un humain sans intervention humaine. Si une machine peut être cliente d’un marché du travail, les questions se déplacent : qui est responsable quand une IA donne des instructions à un humain ? Où se situe la responsabilité morale dans une chaîne où le donneur d’ordre est un agent logiciel, lui-même piloté par un autre système ?

Cela fait penser à Deleuze qui dès 1987, dans une conférence à la FEMIS, décrivait le passage des « sociétés disciplinaires » aux « sociétés de contrôle » : des environnements ouverts où le pouvoir opère par modulation continue. Avec les agents IA comme clients, la modulation se met en abyme : on orchestre des systèmes qui eux-mêmes orchestrent des humains.

III. Les quatre opérations de maîtrise

En se fondant sur l’analyse de discours ou d’entretiens des fondateurs et théoriciens des grandes plateformes, il est possible de distinguer quatre principales opérations de maîtrise, présentes de manière invariante d’Uber à Fiverr, d’Amazon à RentAHuman. Ces quatre opérations s’exercent simultanément, se renforcent mutuellement, et constituent ensemble la grammaire profonde du modèle culturel de plateforme.

1. Maîtrise par architecture d’interface

Le premier geste de la plateforme est un geste de design. Celui qui conçoit l’interface, ses règles de matching, de visibilité ou de tarification, contrôle de facto l’écosystème, même si chaque acteur se croit autonome. L’interface n’est pas un outil neutre : c’est un dispositif normatif qui distribue les possibilités d’action.

Brian Chesky, fondateur d’Airbnb, a souvent expliqué comment tout est parti de la manière de penser l’expérience. Les premiers employés d’Airbnb photographiaient eux-mêmes les appartements de leurs hôtes, parce que la qualité de l’image déterminait la confiance, et la confiance déterminait le marché. Dara Khosrowshahi, CEO d’Uber, décrit le même mécanisme sous un angle différent dans le podcast Acquired (2023) : l’architecture décide quels chauffeurs voient quelles courses, à quel prix dynamique, avec quelles incitations. Chaque décision d’interface est une décision de pouvoir.

Le procès Meta de février 2026 révèle l’architecture d’interface poussée à son maximum d’intensité. Les documents internes montrent une interface conçue pour minimiser les points de sortie : défilement infini, autoplay vidéo, notifications à intervalles optimisés. Le design n’est pas une question d’expérience utilisateur : c’est une architecture de captation dont les indicateurs chiffrés internes (passer de 40 à 46 minutes par jour d’utilisation chez les adolescents) contredisent frontalement le discours public sur la « qualité de l’expérience ».

2. Maîtrise par standardisation des gestes

La deuxième opération consiste à découper le réel en unités élémentaires substituables. Une course Uber, un gig Fiverr, une nuit Airbnb, une micro-tâche TaskRabbit : chaque unité est définie par des paramètres normés (durée, prix, localisation, compétence requise) qui la rendent adressable par algorithme. Cette granularisation du monde est la condition de possibilité de l’orchestration à grande échelle.

Stacy Brown-Philpot, ancienne CEO de TaskRabbit, décrivait ainsi sa plateforme comme le « new normal du travail ». Derrière cette formule se cache une opération précise : transformer une tâche complexe en une unité standardisée assignable en quelques clics. La personne qui exécute la tâche, le « tasker », est définie par ses paramètres (note, disponibilité, localisation, tarif) autant que par ses compétences.

RentAHuman pousse cette logique jusqu’à son point d’inflexion : les humains y sont explicitement décrits comme la « couche de chair » (meatspace layer) de l’intelligence artificielle. Les tâches proposées réduisent l’intervention humaine à ce que la machine ne peut pas faire : être physiquement présent quelque part. C’est l’APIsation de l’humain.

3. Maîtrise par métriques et évaluation continue

La troisième opération est peut-être la plus puissante, parce qu’elle est la plus intériorisée. Notes, scores, temps de réponse, taux d’acceptation, évaluations : la plateforme instaure un régime d’évaluation permanente qui dessine une éthique implicite de la performance. Ce régime est intériorisé par les acteurs, qui s’auto-disciplinent pour maintenir leur score, sans qu’aucun manager n’ait besoin d’intervenir.

Sur Fiverr par exemple, la performance est mesurée en continu : temps de réponse, taux de livraison dans les délais, satisfaction client. L’algorithme de ranking traduit ces métriques en visibilité : un score qui baisse, c’est un freelance qui disparaît. Plus récemment, Kaufman a présenté Fiverr Go, un système où des agents IA peuvent répliquer le style d’un créateur, promettant aux freelances de « travailler même quand ils dorment ». Le paradoxe est saisissant : la métrique devient si envahissante qu’on propose à l’individu de s’automatiser lui-même pour y satisfaire.

4. Maîtrise par récit

La quatrième opération est la plus subtile : chaque plateforme produit un récit d’empowerment qui inverse symboliquement la réalité de la dépendance. « Soyez votre propre patron » (Uber). « Monétisez votre talent » (Fiverr). « Appartenez partout » (Airbnb). « Get paid when agents need someone in the real world » (RentAHuman). Le récit transforme la précarité en liberté, l’atomisation en autonomie, la subordination algorithmique en « flexibilité ».

Ce paradoxe représente le moteur même du modèle. La plateforme a besoin que ses acteurs se sentent libres pour qu’ils s’auto-optimisent. Chesky parle de « belonging », pas de commission. Kaufman parle de « libérer les talents », pas de dépendance algorithmique. Khosrowshahi décrit Uber comme une « infrastructure de mobilité » au service de tous. Le vocabulaire est systématiquement choisi pour décrire l’effet désiré (la fluidité, l’appartenance, l’autonomie) et non le mécanisme (le matching, le ranking, l’extraction).

Le procès Meta de février 2026 offre une illustration brutale de cet écart entre récit et réalité. Adam Mosseri, patron d’Instagram, déclare sous serment qu’il ne croit pas que l’on puisse parler d’“addiction clinique” aux réseaux sociaux et qu’il préfère, au sein de l’entreprise, la notion d’“usage problématique”. Au même moment, des échanges internes versés au dossier montrent des employés qui comparent Instagram à une drogue et se décrivent “en quelque sorte comme des dealers”, allant jusqu’à évoquer un “trouble du déficit de récompense” provoqué par le binge d’Instagram.

RentAHuman marque ici un seuil. Le récit d’empowerment y est si transparent qu’il frise la parodie. Le slogan « AI can’t touch grass. You can. » retourne la subordination en avantage compétitif : votre corps est votre valeur précisément parce que la machine ne peut pas le remplacer.

IV. Ce que l’on maîtrise

Les quatre opérations décrites ci-dessus constituent le « comment » de la maîtrise. Il s’agit maintenant de comprendre sur quoi elle s’exerce. L’analyse croisée de huit plateformes et cinq théoriciens critiques révèle que la maîtrise ne s’exerce pas uniformement. Elle opère sur des couches de plus en plus profondes de l’expérience humaine.

Couche 1 : les échanges

Ce qu’on maîtrise : qui rencontre qui, à quel prix, selon quelles règles

C’est la couche la plus visible et la plus ancienne. La plateforme crée un marché en connectant des groupes d’acteurs interdependants, et maîtrise les conditions de cette connexion. Chesky décide quels appartements sont visibles et à quel rang. Khosrowshahi décide quel chauffeur voit quelle course et à quel prix dynamique. Jassy décide quel vendeur obtient le Buy Box.

Couche 2 : les gestes et actions

Ce qu’on maîtrise : comment les individus agissent, travaillent, produisent

La deuxième couche est celle de la standardisation. La plateforme ne se contente pas de connecter : elle découpe le réel en unités élémentaires substituables. Le geste humain est reformaté pour être orchestrable à grande échelle. Le freelance Fiverr ne vend pas « son talent » mais un profil classable. Le chauffeur Uber ne fait pas « son métier », il exécute une course standardisée. Le travail n’est donc plus une relation salarié-employeur, ni un métier en tant qu’identité professionnelle, devenant une tâche paramétrable, une unité adressable. Le geste humain tend vers sa propre disparition.

Couche 3 : l’attention

Ce qu’on maîtrise : ce que les individus perçoivent, désirent, regardent

La troisième couche est celle de l’extraction attentionnelle. Ici, le « stock latent » n’est plus un bien matériel ni une compétence : c’est du temps de cerveau disponible. La plateforme capture l’attention et la monétise et surtout, elle la façonne. Le feed algorithmique ne montre pas le monde : il montre une sélection optimisée pour l’engagement. Ce que je vois sur Instagram n’est pas ce qui existe, mais c’est ce qui maximise mon temps passé sur la plateforme. La plateforme produit un réel parallèle, personnalisé et captif.

Couche 4 : la valeur de soi

Ce qu’on maîtrise : comment l’individu se juge, se projette, s’évalue

La quatrième couche est la plus profonde et la moins visible. C’est le moment où la maîtrise s’intériorise et où l’individu adopte les métriques de la plateforme comme critères de sa propre valeur. Le chauffeur Uber qui surveille sa note, le freelance Fiverr qui optimise son profil, l’hôte Airbnb qui maintient son statut Superhost, l’adolescent qui compte ses likes.

L’individu s’auto-discipline sans manager et s’auto-évalue sans hiérarchie. Il devient ce que Deleuze appelait un « dividuel » : fragmenté en chiffres, ce qui revient aujourd’hui à des scores, profils, métriques. La plateforme n’a plus besoin de contraindre puisqu’elle a produit un sujet qui se contraint lui-même.

« Les individus sont devenus des dividuels, et les masses des échantillons, des données, des marchés ou des banques » — Deleuze, Post-scriptum sur les sociétés de contrôle, 1990

V. La maîtrise distribuée : atomisation, frontières, systèmes

La maîtrise par plateforme est structurellement distribuée, atomisée et trans-frontalière. Et c’est cette distribution qui la rend à la fois si efficace et si difficile à contester.

L’atomisation : des millions de sujets isolés face à l’algorithme

La plateforme  maîtrise des millions d’individus isolés. 5,6 millions de chauffeurs Uber, 4 millions de freelances Fiverr, 7 millions d’hôtes Airbnb, 2 millions de vendeurs Amazon, 3 milliards d’utilisateurs Meta, chacun est seul face à l’algorithme. L’atomisation est une condition de fonctionnement permettant d’éviter la contestation des règles par un collectif organisé.

L’atomisation produit un paradoxe culturel fondamental. Chaque individu se croit autonome alors qu’il est structurellement dépendant (le système ne fonctionne qu’à l’échelle collective). Le chauffeur Uber pense « je suis libre de ne pas conduire », ce qui est vrai individuellement. Mais collectivement, le système a besoin d’un réservoir de 5 millions de chauffeurs disponibles à tout moment.

La distribution trans-frontalière

La maîtrise par plateforme ne s’exerce pas à l’intérieur d’une frontière nationale ou d’un espace culturel homogène. Le même algorithme de matching Uber opère à San Francisco, à Nairobi, à Jakarta et à Paris. Le même système de notation Airbnb s’applique à Tokyo et à Marrakech. Cette distribution trans-frontalière a trois conséquences culturelles majeures.

• L’exportation d’une norme sans négociation

Quand Fiverr impose un algorithme de ranking à des freelances au Bangladesh, en Roumanie et au Brésil, il exporte une norme de productivité, un régime d’évaluation et une éthique de la performance qui n’ont fait l’objet d’aucune négociation culturelle. Le « adapt or die » de Kaufman est formulé depuis une position de CEO tech et il s’applique à un graphiste à Dhaka qui n’a pas les mêmes alternatives, les mêmes filets de sécurité, les mêmes références culturelles. La plateforme produit une norme culturelle globale sans passer par les institutions qui, historiquement, visaient l’universalisation des normes.

• L’optimisation par les inégalités

La plateforme connecte des contextes économiques et culturels asymétriques. Un client américain achète un logo à 50 dollars à un designer philippin qui, chez lui, perçoit l’équivalent de plusieurs journées de salaire. Le chauffeur Uber à Lagos et le chauffeur Uber à Londres utilisent la même app mais vivent des réalités incomparables. La plateforme crée un espace homogène en surface (même interface, même langue, mêmes métriques) et radicalement hétérogène en profondeur.

Entre contrainte et libération

Contrairement aux systèmes de pouvoir classiques (l’État, l’entreprise hiérarchique, l’institution), la maîtrise par plateforme est extrêmement dynamique. Un changement d’algorithme Instagram redistribue la visibilité de millions de créateurs en quelques heures.

Cette dynamique est aussi ce qui rend le système porteur de libération. Le même algorithme qui capture l’attention peut propulser un mouvement social, comme le Printemps arabe, #MeToo, Black Lives Matter. Les mêmes plateformes qui atomisent les travailleurs peuvent permettre leur coordination informelle, à l’image des groupes WhatsApp de chauffeurs Uber ou des forums de vendeurs Amazon. La maîtrise n’est pas un système fermé : elle est en tension permanente entre domination et libération, et c’est cette tension qui la rend culturellement si puissante.

V. La plateforme comme architecture du pouvoir

Ce que révèle la trajectoire des plateformes, du bazar médiéval à RentAHuman, c’est le passage d’une grammaire du pouvoir à une autre. Le pouvoir passe d’une approche verticale, vers le design d’environnements numériques qui modulent les comportements de l’intérieur.

La plateforme définit ce qui compte (les métriques), ce qui est visible (les algorithmes de ranking), ce qui est possible (les APIs et les formats de tâches), et comment les acteurs doivent se raconter (les récits d’empowerment et de fluidité). C’est un modèle culturel de maîtrise au sens le plus complet du terme : il produit simultanément une vision du monde, une éthique, des pratiques et des subjectivités.

RentAHuman en dessine l’horizon logique : un monde où l’humain est « l’API du dernier kilomètre », commandé par une intelligence artificielle via protocole et où 500 000 personnes s’inscrivent en quelques semaines parce que cet horizon est déjà culturellement imaginable.

Mais ces logiques ne sont ni naturelles ni inévitables. Le procès Meta l’a montré : rendre visible la maîtrise, c’est le premier geste pour la rendre contestable. La plateforme représente un modèle puissant et utile. L’enjeu est de composer avec elle en conscience : comprendre ses architectures, ses opérations de maîtrise, cartographier les couches sur lesquelles elle opère, et choisir délibérément le modèle culturel que l’on veut diffuser.

The Aftermodernist
Composer le sens dans un monde de mondes.
Penser. Relier. Agir.