Navigation – Plan du site

AccueilNumérosVol. 18, N° 2Tracer la question de la croissan...

Tracer la question de la croissance dans le capitalisme cybernétique

Tracing growth in cybernetic capitalism
Trazar la pregunta del crecimiento en el capitalismo cibernético
Jacob BOIVIN
p. 36-60

Résumés

Cet article cherche à faire dialoguer le courant de la décroissance et l’économie politique du numérique pour problématiser la compatibilité entre la forme actuelle de la numérisation et l’injonction d’une transition écologique. À cet effet, la question de la croissance est cadrée à partir des mutations du capitalisme engendrées par la révolution cybernétique. La croissance y est tracée comme expression sur trois plans : en tant qu’idéologie, processus social et processus matériel. Il en ressort une relation dynamique et conjointe entre impératif de croissance et impératif de numérisation qui se traduit par une logique de gouvernementalité algorithmique et un extractivisme renouvelé. Cet article propose donc plusieurs points d’ancrage pour l’analyse critique de l’impératif de croissance dans le contexte de la numérisation contemporaine.

Haut de page

Texte intégral

Introduction

1L’analyse proposée ici s’inscrit dans une volonté de faire dialoguer les études sur la décroissance (Abraham, 2019; D’Alisa et al., 2015; Schmelzer et al., 2022) avec celles sur l’économie politique du numérique (Durand, 2020; Ouellet, 2016; Srnicek, 2018; Zuboff, 2019). Le but est d’ouvrir un cadre à partir duquel évaluer la compatibilité entre l’expression actuelle de la numérisation et l’injonction de la transition écologique. Comme le soulignent Schmelzer et al. (2022), ce croisement d’analyse entre numérique et décroissance constitue en partie un angle mort de la littérature scientifique actuelle. Aussi, il m’apparaît que le dialogue est mutuellement bénéfique puisque le courant de la décroissance permet d’apporter un cadre théorique novateur aux critiques de l’économie politique du numérique tandis que ces dernières permettent de préciser et de mettre à jour le rapport aux technologies numériques dans le cadre de la crise climatique.

2Sur le plan de la structure, je commence par préciser la définition que j’adopte de la notion de « capitalisme cybernétique » pour désigner le lien plus spécifique que je propose de tracer entre croissance et technologies numériques dans le cadre du capitalisme contemporain. J’effectue cela en soulignant brièvement l’influence de la pensée cybernéticienne au sein des structures socioéconomiques contemporaines, principalement dans la pensée néolibérale. Ensuite, je propose une tripartition structurelle dans le but de cerner le rapport entre numérisation et croissance à partir de son expression comme idéologie, comme processus social et comme processus matériel. J’adopte en ce sens une perspective d’écologie sociale qui tente de saisir la façon dont le rapport entre nature et société est structuré par certaines médiations sociotechniques. En guise de conclusion, je dégage ce qui en ressort comme des chantiers fertiles pour ancrer l’analyse critique de la croissance au sein du capitalisme numérique contemporain.

1. Le capitalisme cybernétique

3Je pars du principe que la croissance est une caractéristique essentielle du capitalisme et que ce dernier peut être saisi synthétiquement comme une organisation sociétale orientée vers l’accumulation (Schmelzer et al., 2022). La croissance est donc constitutive de la reproduction dans le temps des sociétés modernes capitalistes, ce que le sociologue Hartmut Rosa (2017) identifie comme une « stabilisation dynamique ». Comme le défendent les études critiques sur la croissance (Abraham, 2019; Parrique, 2023; Schmelzer et al., 2022), ce lien n’est toutefois pas de l’ordre d’une condition naturelle de l’économie, mais bien d’une certaine économie politique, et se traduit par des effets négatifs sur le plan social autant qu’environnemental.

4Je propose plus strictement ici d’historiciser cette problématique à partir de l’influence de la révolution scientifique de la cybernétique (Dupuis, 1994; Lafontaine, 2004; Mirowski, 2001) comme fondement épistémologique du capitalisme numérique contemporain. Puisque cette analyse ne porte pas spécifiquement sur l’expression historique du capitalisme, je ne noterai ici que certains éléments qui caractérisent la dynamique contemporaine du capitalisme tel qu’inscrit dans un renouveau technologique et épistémologique influencé par la cybernétique.

5Je mobilise la notion de capitalisme cybernétique (Ouellet, 2016; Ström, 2022) pour pointer l’influence de la cybernétique au sein des mutations institutionnelles et culturelles qui ont marqué le passage du capitalisme industriel au capitalisme avancé et qui se déploient aujourd’hui sous la forme d’un capitalisme dit communicationnel (Dean, 2009), de plateforme (Srnicek, 2018), de surveillance (Zuboff, 2019) ou algorithmique (Folco et Martineau, 2023). Schématiquement, la cybernétique se présente comme la science du contrôle par la communication (Wiener, 2014). Il s’agit d’optimiser la régulation sociale pour lutter contre l’entropie à partir des processus communicationnels. Ceci est postulé à partir d’une réduction de ces derniers à leur dimension informationnelle, elle-même saisie strictement dans son sens statistico-mathématique présenté initialement dans la théorie mathématique de la communication de Claude Shannon (1948). En ce sens, la cybernétique opère une absorption des dualismes modernes dans un seul principe, l’information. Humain, machine, organisme biologique ou organisation sociale sont saisis à partir de leur communication informationnelle conceptualisée mathémati-quement, rabattant alors radicalement la régulation sociale sur le nombre et la technologie. Dans un contexte d’après-guerre où le sujet politique moderne semble avoir échoué face au totalitarisme, face à la crainte du communisme et comme forme de rachat de la « faute nucléaire » (Lafontaine, 2004, p. 37), la cybernétique offre une alternative épistémologique « réductionniste, atomistique, positiviste, pragmatique, conservatrice, mécaniste et empiriste » (Heims, 1991, p. 8).

6Au niveau institutionnel, cela se traduit par ce que l’historien de l’économie Philip Mirowski (2001) nomme une « cybernétisation de l’économie », qui s’exprime par l’influence de la pensée néolibérale. Son théoricien le plus influent, Friedrich Hayek, s’inspire explicitement du réductionnisme informationnel opéré au sein des travaux de la cybernétique (Halpern et Mitchell, 2022). Il pose ainsi une reconceptualisation du marché à travers sa capacité à agir en tant que « processeur d’information » :

[...] le problème économique fondamental que la société doit résoudre, si elle veut instituer un ordre économique rationnel, n’est pas d’abord celui de l’allocation des ressources rares, mais plutôt celui de l’information par nature dispersée et incomplète. (Hayek, 1986, p. 136)

7Le marché serait ainsi comme un algorithme et les prix comme des signaux auxquels s’adapter pour orienter la régulation sociale. L’idéal d’autorégulation des marchés théorisé par Hayek serait parfaitement incarné au sein des mécanismes de rétroaction informationnelle des plateformes contemporaines en substituant le mécanisme de signal-prix par le traitement des données numériques en temps réel (Ouellet, 2021). Cette reconceptualisation s’inscrit directement dans la critique de toute tentative de gestion centralisée et bureaucratique de la société, soit dans une forme étatique, alors discréditée pour son impuissance inhérente à faire état de la totalité de l’information de façon hiérarchique. Le néolibéralisme réarticule ainsi la question de la croissance à travers un processus de dérégulation radicale et de nouvelles pratiques de gestion inspirées de la cybernétique (Rappin, 2022). Les arguments entourant les bénéfices de la croissance sont alors formulés autour d’un effet de « ruissellement » sensé traduire les forces non entravées du marché par une amélioration généralisée des conditions matérielles d’existence, plutôt que par une logique étatique de redistribution (Schmelzer, 2015). Cette redéfinition sera portée par les technologies numériques de communication en tant qu’outil efficient et optimal de distribution de l’information ainsi qu’en tant qu’outil de globalisation. Ainsi, croissance, néolibéralisme et information vont de pair dans la régulation sociale de forme cybernéticienne caractéristique d’un capitalisme globalisé.

8L’adéquation des différentes sphères de la société à un principe de marché lui-même calqué sur une épistémologie cybernétique de la communication informationnelle est ici le point névralgique d’une problématique de la croissance spécifiquement numérique. Le processus d’abstraction propre au fonctionnement du capitalisme ne se restreint plus seulement au travail et à la marchandise (en particulier pour planifier l’adéquation entre surconsommation et surproduction dans le cadre du capitalisme avancé), mais également à l’information (Ouellet et al., 2015). C’est cette abstraction de l’information qui se réalise aujourd’hui dans le big data et l’économie numérique contemporaine, permettant au passage de renouveler les espoirs d’une gestion « intelligente » comme solution à la crise climatique.

2. La croissance comme idéologie : impératif de numérisation et idéologie californienne

9L’expression idéologique de la croissance en contexte de capitalisme cybernétique se présente sous la forme d’une sorte de « consensus vert » voulant que la numérisation soit fondamentalement bonne pour l’économie et pour l’environnement. L’idéologie n’est pas ici saisie dans le sens marxiste classique d’un reflet distordu de la réalité, mais dans un sens plus proche de la sociologie de la connaissance, soit comme un ensemble de représentations symboliques spécifiques opérant une médiation sur la reproduction sociale. Ainsi, le paradigme de la croissance peut être défini comme

un ensemble spécifique de discours, théories et standards statistiques sociétaux, politiques ou académiques qui affirment et justifient conjointement que la croissance économique telle que définie conventionnellement est désirable, impérative et essentiellement sans limites. (Schmelzer, 2015, p. 264)

10Ce n’est qu’à partir des années 1950, environ, que la croissance s’impose comme mesure hégémonique de la capacité d’une économie à assurer le bien commun. L’implémentation du produit intérieur brut (PIB) comme outil statistique est venue fournir un mécanisme de légitimation à la croissance. Malgré les débats entourant l’imprécision de cet outil d’analyse (Macekura, 2020), il fut imposé par les gouvernements et les organisations internationales – parmi elles, l’Organisation de coopération et de développement économiques (OCDE) et l’Organisation des Nations unies (ONU) – en tant que méthode standardisée dans la foulée du contexte d’après-guerre. L’augmentation du PIB est donc devenue synonyme de croissance, qui, elle-même, est devenue synonyme de bien-être et de capacité de redistribution tout en faisant fi de quelconques limites biophysiques inhérentes.

11La transposition de cette logique dans le cadre du capitalisme cybernétique correspond à ce que les sociologues Orit Halpern et Robert Mitchell (2022) identifient sous le terme de « smartness mandate », que je traduis ici par un « impératif de numérisation ». Ce dernier correspond à un impératif social de numérisation qui agit comme un imaginaire normatif dominant. Il consiste en une interprétation infrastructurelle de la cognition sous forme de computation qui se présente alors comme voie salvatrice unique aux multiples crises qui nous affligent, tout en soutenant et en orientant la croissance économique par le biais d’opportunités d’innovation. Cette adéquation se retrouve au cœur des discours et des stratégies contemporaines de développements.

  • 1 Young urban professionals.

12Ce rapport à la numérisation s’inscrit dans ce que Richard Barbrook et Andy Cameron (1996) ont théorisé comme « l’idéologie californienne », et que l’économiste Cédric Durand (2020) identifie aujourd’hui comme le « consensus de la Silicon Valley », prolongeant lui-même le « consensus de Washington ». Dans le sillon des promesses de la « société post-industrielle » (Bell, 1973; Touraine, 1969), l’idéologie californienne constitue une fusion culturelle entre « l’esprit libertaire des hippies et le zèle entrepreneurial des yuppies1 » (Barbrook et Cameron, 1996, p.1), tous deux péchant par un déterminisme technologique. Le résultat est une utopie technolibertaire qui se couple avec la logique néolibérale. Le cas de figure de la Silicon Valley est par conséquent devenu la référence ultime en matière de développement socioéconomique. On y célèbre l’innovation technologique comme dynamique catalysatrice de la productivité et d’un renouveau des structures économiques suivant résolument la logique de « destruction créatrice » théorisée par Schumpeter (1942). À son plus simple, la logique va comme suit : les innovations technologiques entraînent la croissance en diffusant des technologies nouvelles et en éliminant des méthodes dès lors fondamentalement obsolètes.

13Au niveau international, cette perspective s’ancre dans les discours sur la « quatrième révolution industrielle » portée par le Forum Économique Mondial (FEM) qui structure et légitime cette idéologie. L’ingénieur et économiste Klaus Schwab (2016), fondateur du FEM, en résume les bienfaits sur la croissance en trois points principaux. D’abord, en intégrant « les besoins non satisfaits » d’un supplément de deux milliards de personnes dans l’économie globale, entraînant une hausse de la demande pour des produits et services existants. Ensuite, en augmentant notre capacité à adresser les externalités négatives tout en augmentant la croissance. Finalement, comme le promeut le « consensus de la Silicon Valley », en permettant aux entreprises et gouvernements de libérer leur plein potentiel à travers un impératif d’innovation qu’imposent les nouvelles règles de concurrence sur le marché de cette nouvelle économie.

  • 2 Notons que ce rapport est rédigé en partenariat avec l’entreprise de conseil Accenture, laquelle pr (...)

14Si la croissance semble dès lors aller de pair avec la numérisation, il ne va pourtant pas de soi que cela se traduise par une « économie verte » (Lange et Santarius, 2020; Santarius et al., 2020; Santarius et Wagner, 2023). Pourtant, tout un ensemble de pratiques et de discours participe aujourd’hui explicitement à décrire le développement des technologies numériques en ce sens. Par exemple, le Global e-Sustainability Initiative (GeSI) représente un acteur-clé des pratiques discursives vouées à déployer cette interprétation de façon hégémonique. Il s’agit d’un groupement d’acteurs privés du numérique et d’organisations internationales établies à Bruxelles qui se donne comme mission de « produire un monde durable » à partir d’une transformation responsable facilitée par les technologies de l’information et de la communication (TIC). On retrouve principalement parmi ses membres des entreprises telles qu’AT&T, Dell, Deutsche Telekom, Huawei, IBM, Swisscom et ZTE (Pitron, 2021). Leurs principaux arguments se retrouvent dans un premier rapport publié en 2012, intitulé SMARTer 2020, lequel prévoyait une réduction de 16,5 % des émissions de gaz à effet de serre grâce aux TIC pour l’horizon 2020. Il est ensuite suivi d’un second rapport publié en 2015, le SMARTer 2030, qui avance des estimations encore plus positives : « Les émissions évitées grâce à l’utilisation des TIC sont près de dix fois plus importantes que celles générées par le déploiement de ces technologies2. » (GeSI, 2015, p. 8) À cela s’ajoute :

[…] une diminution générale des émissions des TIC sur le long terme; une augmentation de 30 % des rendements agricoles se traduisant par une économie de 300 billions de litres d’eau et de 25 milliards de barils de pétrole par année; 11 billions de dollars en retombées économiques par an d’ici 2030; 2,5 milliards de personnes supplémentaires connectées à « l’économie de la connaissance » d’ici 2030 et finalement, une accélération continue de la croissance mondiale de l’économie numérique favorisant une plus grande connectivité et des modèles commerciaux disruptifs.  (GeSI, 2015, p. 8)

15L’influence de ces discours est d’autant plus déterminante que ces conclusions seront ensuite relayées par des organisations telles que l’ONU, l’Union internationale des télécommunications (UIT) ou la Banque mondiale, ainsi que par des entreprises privées influentes comme McKinsey, le Boston Consulting Group, Deloitte ou Orange (Pitron, 2021, p. 40-41). Le rapport est toutefois critiqué par plusieurs autres organisations. L’Agence de l’environnement et de la maîtrise de l’énergie (ADEME) souligne par exemple les limites suivantes (parmi tout un éventail) :

[…] une méthode de « forecasting » qui projette des situations du passé jugées inadéquates; une absence de mise en rapport des réductions d’émissions de GES rendues possibles par chacune des solutions éco-TIC avec leurs propres émissions de GES; le fait que les sources sur lesquelles les hypothèses sont basées ne sont pas claires, et que les hypothèses sont appliquées de manière indifférenciée à des contextes socioéconomiques très différents; une trop faible considération des effets rebonds; un passage sous silence des conséquences sociétales. (Tinetti et al., 2016, p. 86-88)

16Les conditions de réalisation du rapport sont également critiquées. Le journaliste Guillaume Pitron (2021) souligne à ce sujet que 13 des 17 organismes ayant dépêché des experts pour la rédaction du rapport SMARTer 2030 sont des entreprises privées. On y retrouve entre autres BT, Deustche Telekom, Huawei, Microsoft, Verizon, Fujitsu, AT&T et Nokia.

17Ainsi, s’il n’est pas d’emblée assuré que la numérisation s’accompagne de gains sur le plan de la transition écologique, une sorte de « consensus vert » semble s’inscrire au cœur des discours institutionnalisés autour du rapport entre numérisation et croissance économique. Pour interroger ces prétentions, il convient toutefois de se tourner vers l’expression de la croissance sur le plan social et matériel.

3. La croissance comme processus social : impératif de surveillance et gouverne-mentalité algorithmique

18Sur le plan social, la croissance peut se comprendre comme un ensemble spécifique de relations sociales résultant de l’accumulation capitaliste et qui participe de la reproduction du capitalisme tout en agissant à titre de mécanisme de stabilisation central dans une société moderne (Schmelzer et al., 2022). L’impératif de numérisation porteur de croissance se traduit donc entre autres par une augmentation des pratiques de surveillance ainsi qu’un passage à la « gouvernementalité algorithmique » (Rouvroy et Berns, 2013) comme forme de régulation sociale spécifique.

19Comme l’ont bien montré les analyses de la sociologue Shoshana Zuboff, les données numériques constituent la colonne vertébrale du capitalisme cybernétique. Elles sont en effet nécessaires à la traduction des investissements en profits et en revenus – tout en étant au cœur des discours sur la quatrième révolution industrielle. C’est à partir des données produites dans des interactions « hors marché », mais à travers l’usage des technologies numériques, qu’il est possible d’obtenir ce que Zuboff (2019) appelle un « surplus béhavioral », un surplus de données nécessaires par rapport au maintien du service numérique. Ce surplus est utilisé pour constituer des profils numériques à la base des analyses algorithmiques vendues aux publicitaires et qui constituent le réel « produit » au cœur des revenus des GAFAM, et donc de la croissance économique qu’on y associe. En fait, Google et Facebook fondent respectivement leurs revenus sur la publicité à 89 % et 97 % (Srnicek, 2018). Ainsi, plus le nombre de données est grand, plus les prédictions algorithmiques sont efficaces et plus les revenus augmentent. Le développement d’algorithmes de recommandations ainsi que les logiques de personnalisation qui les accompagnent deviennent ainsi un outil servant principalement à assurer l’arrimage entre surproduction et surconsommation. Dans un contexte économique où il faut constamment trouver de nouveaux débouchés, la capacité à anticiper les comportements est cruciale, et la nature préemptive de la médiation algorithmique permet cela de façon tout à fait novatrice. Par extension, la croissance dans le cadre de ce modèle se traduit également par un impératif structurel de surveillance. Toute donnée doit être captée pour affiner les recommandations algorithmiques.

20Il est intéressant de souligner ici une condition particulière du capitalisme cybernétique et de sa numérisation généralisée. L’efficacité de cette ambition repose sur la quantité de données ingérées. En ce sens, les moyens de production diffèrent du modèle industriel qui repose sur une tension entre quantité et qualité (Zuboff, 2019). Le projet de l’intelligence artificielle (IA) est la synthèse de cette tension puisqu’elle atteint son plein potentiel d’efficacité de production seulement à l’approche d’une certaine totalisation, ce qui est propre à la systémique de la cybernétique, laquelle ne peut contenir une altérité extérieure au système. Comme le souligne l’économiste Cédric Durand :

[…] la logique de rendement croissant de l’industrie est radicalisée dans le cas du digital, où il y a une différence majeure entre ressources numériques et ressources naturelles. Tandis que le monopole lié à la rareté absolue de la terre est contrebalancé par des rendements décroissants, le monopole sur les données numériques originales est redoublé par des effets d’économie d’échelle et des complémentarités de réseaux. (Durand, 2020, p. 211-212)

  • 3 C’est le cas au Québec (Duhaime, 2022).

21Cela se traduit selon Durand par un bouleversement des rapports de compétition qui sont constitutifs du capitalisme et qui, dès lors, font plutôt émerger une logique de « techno-féodalisme ». Cette dernière se caractérise par une logique de monopole radicalisée par les économies d’échelles et les complémentarités de réseau ainsi que par un rapport de dépendance aux services de ces monopoles en raison de « coûts de sortie » importants (similaire à des phénomènes de « verrouillage »). C’est ce qui produit une logique d’acquisition verticale des jeunes pousses (start-ups) vers les grandes firmes numériques et qui participe d’une fuite des brevets, des cerveaux et des investissements publics3. Cela ne relève pas seulement d’une logique stratégique visant à empêcher l’émergence de concurrents potentiels, mais d’une logique structurelle de l’économie numérique. Comme le souligne Durand, « l’organisation est ici supérieure au marché » (2020, p. 213). Cela est d’autant plus nécessaire à considérer alors qu’on peut percevoir une tendance à la « plateformisation » de la société (van Dijk et al., 2018). Étant la structure institutionnelle la plus adaptée pour profiter des gains de productivité issus des données numériques, la plateforme tend à être adoptée comme modèle organisationnel dans le milieu industriel, des services, de la publicité, des produits (Srnicek, 2018) ou même de l’éducation (Mirrlees et Alvi, 2014; Robertson, 2019).

22L’impératif de numérisation et de surveillance engendre une importance accrue de la prédiction algorithmique comme médiation centrale à l’organisation sociale contemporaine. Cela correspond au passage vers une gouvernementalité algorithmique (Rouvroy et Berns, 2013). Il s’agit d’un type de rationalité (a)normative et (a)politique reposant sur la récolte, l’agrégation et l’analyse automatisée de données en quantités massives de manière à modéliser, anticiper et affecter par avance les comportements possibles (Ibid.). La normativité peut ici être dite « a-normative » puisque la question des finalités est évincée par l’automatisme des processus de calcul en « boîte noire », lesquels reproduisent tout de même certaines normes sociales. La dimension politique peut être dite apolitique puisque les données ne sont pas débattues démocratiquement, mais plutôt prises pour le réel lui-même. C’est tout le geste subjectif (et donc politique) de la « mise en forme » des données qui est évincé. Il y a pourtant toujours en amont un geste de traduction du réel, une décision subjective des critères de classification mobilisés pour traduire par exemple un véhicule, un visage ou un déplacement sous une forme numérique (Crawford, 2021). La gouvernementalité algorithmique, se voulant pourtant explicitement plus efficace et démocratique, a ainsi tendance à traduire un certain « business as usual » socialement et écologiquement dangereux. À titre d’exemple, notons les éléments suivants : l’empreinte carbone plus importante des fonds passifs gérés par l’IA (Pitron, 2021; Sénécat, 2022); la gestion automatisée des chaînes d’approvisionnement et de transport qui est célébrée plus écologique, mais qui se révèle l’inverse (Dauvergne, 2022); les biais algorithmiques qui reconduisent et exacerbent les inégalités (Benjamin, 2019; Eubanks, 2018; Noble, 2018); un retour toujours plus accéléré des logiques de marché sur les individus se traduisant par un couplage entre marchandisation et subjectivation au bénéfice d’une société de consommation (Mondoux et Ménard, 2018).

23La gouvernementalité algorithmique participe aussi de l’impératif structurel de surveillance du fait qu’il ne s’agit pas simplement de capter des données au passage, mais de produire des comportements qui seront eux-mêmes producteurs de données. Il convient dès lors d’orienter les comportements en amont, comme le proposent d’ailleurs les économistes béhavioristes actuellement en vogue autour des théories du « nudge » (Sunstein et Thaler, 2008), mais également les approches psychologisantes des géosciences qui fédèrent les réflexions sur la crise climatique (Federau, 2016). À cet égard, et dans une optique de réelle autonomie au sens de Castoriadis (D’Alisa et al., 2015), c’est le geste même de la traduction du quotidien en données numériques qui doit être problématisé, et non seulement sa rémunération (Zuboff, 2019), comme c’est souvent le cas en économie politique du numérique. C’est ce geste de traduction qui constitue le lieu de l’abstraction à partir de laquelle se dissout la dimension politique. Cela concorde explicitement avec l’idéal cybernétique, qui est de remplacer une représentation politico-institutionnelle fondée sur l’autonomie politique du sujet par une vision scientifique et naturalisante fondée sur la dimension processuelle et pragmatique de la communication (Lafontaine, 2004).

24Ainsi, ce qui se perd dans l’impératif de numérisation et sa gouvernementalité algorithmique, c’est le geste politique, lequel est dissout dans un fétichisme technologique qui prend la médiation numérique du réel pour le réel lui-même. Or, le danger tout particulier ici est que la logique algorithmique et les « systèmes intelligents » qui la portent fonctionnent de façon préemptive. Ils anticipent et agissent sur le présent. On court ainsi le danger d’un « futur proleptique » (Garapon et Lassègue, 2021), qui consiste à présenter comme déjà actuel ce qui est censé se produire dans l’avenir. C’est tout l’inverse de « l’éducation au désir » nécessaire pour se projeter dans de nouvelles « utopies réelles » (Wright, 2020) et expérimenter des formes de société réellement soutenables. C’est la dimension proprement politique de la crise climatique qui est alors évincée à travers une lecture de cette dernière comme enjeu purement technique. Nul besoin de s’organiser autrement, il suffirait de plus de données et de meilleurs algorithmes.

  • 4 Antonio Casilli (2019) parle ainsi d’un processus de « tâcheronnisation » du travail comme retombée (...)

25Dans ce sillage, cela traduit également une problématique d’aliénation où la médiation algorithmique remplace la relation au monde et induit une distance par rapport à notre capacité à agir sur ce dernier. Cela se présente plus clairement dans le monde du travail. L’idéal décontracté, flexible, autonome et créatif que vend l’idéologie californienne et qui infuse les promesses de l’économie numérique fait pâle comparaison face à la réalité du travail numérique. La masse d’employés qui constitue la norme de l’évolution du travail se trouve plutôt dans les entrepôts d’Amazon, les centres d’appels, les « usines » de modérateurs du Sud global, ou dans les coursiers Uber ou Deliveroo (Casilli, 2019). Dans leurs cas, c’est davantage une hausse du contrôle, une fragmentation du travail sous la forme de « tâches4 » et une absence d’agentivité réelle sur les conditions de travail qui caractérisent les mutations liées au numérique. C’est à une logique algorithmique qu’est soumis le travail, de l’analyse des appels dans les centres téléphoniques (Woodcock, 2017) au système de guidage vocal dans les entrepôts d’Amazon (Crawford, 2021; Gaborieau, 2017) en passant par l’adaptation dynamique des prix sur des plateformes comme Uber (Casilli, 2019). La médiation algorithmique se présente comme l’outil ultime d’une « chasse au temps mort » propre aux économies de croissance soumises aux contradictions de surproduction du capitalisme avancé.

4. La croissance comme processus matériel : extractivisme et infrastructures intelligentes

26Sur le plan matériel, la croissance peut être appréhendée comme un métabolisme social fondamentalement dissipatif. L’approche de l’écologie sociale (Haberl et al., 2016) propose justement une représentation métabolique du processus économique d’une société. Ce dernier est ainsi saisi à partir des flux biophysiques qu’il mobilise. Dans le contexte des sociétés humaines, ces flux de matière et d’énergie ainsi que les relations écologiques sont influencés par des médiations comme les relations sociales, les structures symboliques significatives, les institutions, les idéologies et les structures de pouvoir (Pineault, 2023). L’impératif de numérisation, le consensus de la Silicon Valley, la structure institutionnelle des plateformes, les pratiques de surveillance ainsi que la régulation sociale algorithmique agissent ainsi comme des médiations spécifiques sur les flux de matières et d’énergie en contexte de capitalisme cybernétique. À la lueur d’une telle perspective, la numérisation se présente sur le plan matériel comme un démenti des discours sur la dématérialisation propre au numérique (Magee et Devezas, 2017). La tendance est plutôt celle d’une augmentation de la consommation de matière et d’énergie, et donc un métabolisme social plus dissipatif.

  • 5 À cet effet, les services d’IA sont pressentis par certains pour devenir une forme de service publi (...)
  • 6 Des données sont ainsi produites dans la communication entre les objets eux-mêmes ou à partir de ca (...)
  • 7 Radio Frequency Identification.

27L’impératif de numérisation et son imbrication dans le capitalisme cybernétique identifié plus haut supposent la mise en place d’infrastructures « intelligentes ». En effet, pour atteindre une traduction totale du monde en flux d’information, il convient de transformer chaque élément des infrastructures matérielles humaines en points de production de données5. Ce faisant, ce n’est plus simplement l’usage direct d’un service numérique qui est producteur de données, mais l’ensemble des gestes quotidiens d’une existence humaine (et non humaine6), du déplacement à l’alimentation en passant par les loisirs. On produit environ 150 gigaoctets de données par jour sans vraiment le savoir, de quoi remplir la mémoire de 9 iPhones de 16 gigaoctets toutes les vingt-quatre heures (Pitron, 2021). C’est sous le couvert de discours au sujet des bienfaits de l’Internet des Objets (IoT) et de la « connectivité » que l’on justifie le coût matériel de cette numérisation. Chaque bien intelligent nécessite alors que son entourage le soit également, que chaque objet soit muni d’un capteur ou d’une puce RFID7 pour participer à la production de données par la communication et que cette dernière soit traitée par une grande infrastructure numérique. Ainsi, la production des biens ne se résume pas à la matière nécessaire pour que ceux-ci fournissent un service (cuire pour un four, couper pour un couteau ou identifier la température pour un thermomètre), mais également à la matière nécessaire pour les mettre en communication (métaux pour puces, infrastructures de télécommunication, serveurs de données, etc.).

28Ce mode optimisé de communication permettrait des gains de productivité ainsi que des économies d’énergie et un couplage plus serré de l’offre et la demande qui réduirait en fin de compte le gaspillage et se traduirait par des bienfaits sociaux et écologiques. Dans le cadre de cette « pensée logistique » (Quet, 2022), il s’agit d’éliminer les points de frictions. Or, plusieurs études nous permettent de douter de ses bienfaits. Par exemple, Peter Dauvergne (2022) analyse les retombées supposées de l’IA sur les chaînes d’approvisionnement globales. Cela se traduit par des gains d’efficience et de productivité dans les portions mitoyennes, mais par plus de production et de consommation en amont et en aval, ce qu’on appelle communément des « effets rebonds » (Parrique et al., 2019). Sur la question des « villes intelligentes », lesquelles constituent des espoirs importants d’urbanisme « vert », Kikki Lambrecht Ipsen souligne que « [le] développement de solutions de villes intelligentes génère, d’une manière générale, une influence négative sur la performance environnementale d’un système urbain » (Ipsen et al., cité dans Pitron, 2021, p. 31). De leur côté, Tilman Santarius, Johanna Pohl et Steffen Lange (2020) ont évalué la capacité générale des technologies numériques à réduire l’impact sur l’environnement tout en conservant une croissance économique. Les conclusions sont négatives : une demande accrue de ressources rares (dont les métaux rares pour l’IoT), une augmentation de la demande en énergie, une augmentation de la consommation, etc. Notons toutefois que les auteurs en appellent à plus de recherche, surtout dans le but d’éclaircir le rapport d’échelle entre global et local tant au niveau des gains que des contraintes additionnelles. Le pilier logistique de cette numérisation qu’est l’IA se révèle également comme une source importante de consommation énergétique et matérielle. Strubell et al. (2019) évaluent pour leur part que l’entraînement d’un modèle d’IA émet autant de CO2 que cinq voitures états-uniennes sur l’ensemble de leur durée de vie. Ces modèles seront entraînés bien plus qu’une seule fois et tendent à nécessiter toujours davantage de données, d’infrastructures et de puissance de calcul selon une logique exponentielle (OpenAI, 2018). Plusieurs études soulignent ainsi que si l’IA a bel et bien un rôle à jouer sur le plan des solutions à apporter à la crise climatique, cela ne peut se faire sans prendre en compte son ancrage dans des relations sociales (Dauvergne, 2020; Kaack et al., 2022; Rolnick et al., 2022). Les centres de données se révèlent également pécher par leurs bienfaits de « façade » (Diguet et Lopez, 2018) puisque, malgré l’efficience énergétique dont ils font preuve, cela reste insuffisant par rapport à la croissance des données à stocker (Davis et al., 2022; Diguet et Lopez, 2020), ce qui participe à augmenter la consommation de ressources non renouvelables et polluantes ou simplement géostratégiques, comme c’est de cas du charbon et de l’eau aux États-Unis.

29Au poids matériel de la numérisation de la société s’ajoute le problème de l’obsolescence programmée, la « fin de vie » toujours plus rapide des biens. Par exemple, entre 1985 et 2015, la durée de vie d’un ordinateur est passée de 11 à 4 ans (IDDRI et al., 2018). Dans cette optique, les déchets électroniques et électriques ne sont globalement recyclés qu’à hauteur de 20 %, ce qui ne permet pas de suivre le rythme de croissance de production de ces derniers (Forti et al., 2020). Cela peut se saisir comme une retombée structurelle de la contrainte à la surproduction et à la surconsommation propre au capitalisme avancé (Pineault, 2023). La viabilité du régime d’accumulation capitaliste repose sur la capacité à mobiliser les forces sociales à travers un travail « d’absorption » des surplus de production. L’obsolescence programmée peut se comprendre comme un mécanisme pour assurer cet arrimage entre surproduction et surconsommation qui est fondamental au métabolisme social du capitalisme avancé. Les biens sont ainsi conçus de sorte à maximiser la consommation de façon à pouvoir répondre d’une surproduction continue. La menace permanente de la concurrence impose de trouver constamment des moyens de renouveler la rentabilité des entreprises. L’un de ses moyens consiste à diminuer le coût de production, ce qui se traduit par une externalisation de la production, des coupes de salaires ou davantage de productivité par le biais d’innovations technologiques. Un autre éventail de moyens consiste à obtenir des économies en utilisant des matériaux moins coûteux et d’une qualité inférieure pour faire des produits moins durables. Le design du produit lui-même (au niveau matériel ou logiciel) peut être fait de façon à en limiter la durée dans le temps, favorisant un flux de ventes renouvelé. La dynamique structurelle du capitalisme induit donc spontanément l’obsolescence des biens qu’on consomme, ce qui participe à augmenter les effets dissipatifs dommageables pour l’environnement.

30Il convient alors d’intégrer la question de la croissance à celle, plus métabolique, de la « géologie des médias » (Parikka, 2015), c’est-à-dire que les technologies numériques doivent toujours être pensées à partir de leur enchevêtrement avec des processus naturels à l’échelle géologique. Ces technologies sont directement redevables de processus qui se sont étendus sur des millions d’années et s’inscrivent aujourd’hui directement dans la perturbation irréversible de ces derniers. Ainsi, une perspective d’écologie sociale pointe vers le fait que le capitalisme cybernétique suppose un régime métabolique hautement dissipatif. Les flux de matière et d’énergie y sont structurés par des relations sociales qui accroissent les pratiques d’extraction et de dissipation bien plus qu’elles ne les réduisent.

En guise de conclusion

31La réflexion présentée ici se veut un dialogue entre l’économie politique du numérique et la question de la croissance dans le but d’offrir un terrain fécond sur lequel interroger la compatibilité de la numérisation et de la transition écologique. Cette réflexion s’ouvre sur différents chantiers à prolonger. D’une part, il faut approfondir le rapport sociohistorique entre l’impératif de croissance compris comme paradigme dominant de l’économie contemporaine (Schmelzer, 2015) et la révolution épistémologique cybernétique qui prend place à la même période (après-guerre). J’ai proposé ici que ce rapport puisse se penser autour du rôle épistémologique de la cybernétique au cœur d’un processus d’abstraction propre à l’information et que cela puisse être saisi comme un élément fondamental de la révolution néolibérale. D’autre part, il faut penser cela à partir du rôle de ce lien au sein de l’idéologie californienne et du modèle de la Silicon Valley qui se concrétise aujourd’hui sous la forme d’un processus de plateformisation. Aussi, je propose que l’impératif de croissance génère un impératif de surveillance caractérisé par le rôle structurel des données numériques dans le capitalisme contemporain. Cela se traduit par une régulation sociale de type algorithmique qui est antidémocratique ainsi qu’une source d’aliénation dans le monde du travail. En dernière instance, ces médiations sociales se répercutent sur le plan matériel par un extractivisme renouvelé qui participe à maintenir un métabolisme social qui n’est pas soutenable. Ces liens doivent selon moi être approfondis en tant qu’enjeux fondamentaux d’une écologie sociale pour le XXIe siècle.

Haut de page

Bibliographie

Abraham, Y.-M. (2019). Guérir du mal de l’infini. Produire moins, partager plus, décider ensemble. Écosociété.

Barbrook, R. et Cameron, A. (1996). The Californian Ideology. Science as Culture, 6(1), 44-72.

Bell, D. (1973). The Coming of Post-Industrial Society: A Venture in Social Forecasting. Basic Books.

Benjamin, R. (2019). Race After Technology. Polity.

Casilli, A. (2019). En attendant les robots. Enquête sur le travail du clic. Seuil.

Crawford, K. (2021). Atlas of AI. Yale University Press.

D’Alisa, G., Demaria, F. et Kallis, G. (2015). Décroissance. Vocabulaire pour une nouvelle ère. Écosociété.

Dauvergne, P. (2020). AI in the Wild: Sustainability in the Age of Artificial Intelligence. MIT Press.

Dauvergne, P. (2022). Is Artificial Intelligence Greening Global Supply Chains? Exposing the Political Economy of Environmental Costs. Review of International Political Economy, 29(3), 696-718.

Davis, J., Bizo, D., Lawrence, A., Rogers, O., Smolaks, M., Simon, L. et Donnellan, D. (2022). Uptime Institute Global Data Center Survey 2022. Resilience Remains Critical in a Volatile World, Uptime Institute, https://uptimeinstitute.com/resources/research-and-reports/uptime-institute-global-data-center-survey-results-2022.

Dean, J. (2009). Democracy and Other Neoliberal Fantasies: Communicative Capitalism and Left Politics. Duke University Press.

Diguet, C. et Lopez, F. (2018). Data centers, derrière la façade. Le coût réel des données virtuelles. Revue du crieur, 10(2), 90-115.

Diguet, C. et Lopez, F. (2020). Territoires numériques et transition énergétique : les limites de la croissance. Dans I. Laudier (dir.), Prospective et construction des territoires au XXIe siècle, (p. 109-118). Hermann.

Duhaime, E. N. (2022). L’économie numérique : portrait et enjeux aux Québec. Institut de recherche en économie contemporaine. https://irec.quebec/publications/rapports-de-recherche/leconomie-numerique-portrait-et-enjeux-au-quebec.

Dupuis, J.-P. (1994). Aux origines des sciences cognitives. La Découverte.

Durand, C. (2020). Techno-féodalisme. Critique de l’économie numérique. Zones.

Eubanks, V. (2018). Automating inequality. How high-tech tools profile, police, and punish the poor. Macmillan.

Federau, A. (2016). Philosophie de l’Anthropocène. Interprétations et épistémologies [thèse de doctorat, Université de Lausanne et Université de Bourgogne]. https://theses.fr/2016DIJOL006

Folco, J. D. et Martineau, J. (2023). Le capital algorithmique. Accumulation, pouvoir et résistance à l’ère de l’intelligence artificielle. Écosociété.

Forti, V., Balde, C. P., Kuehr, R. et Bel, G. (2020). The Global E-waste Monitor 2020: Quantities, flows and the circular economy potential. Nations University/United Nations Institute for Training and Research, International Telecommunication Union, and International Solid Waste Association. https://collections.unu.edu/view/UNU:7737

Gaborieau, D. (2017). Quand l’ouvrier devient robot. Représentation et pratiques ouvrières face au stigmate de la déqualification. L’Homme et la société, 3(205), 245-268.

Garapon, A. et Lassègue, J. (2021). Le numérique contre le politique. PUF.

GeSI (2015). SMARTer 2030. ICT Solutions for 21st Century Challenges. https://www.gesi.org/exclusive-previews/smarter2030-ict-solutions-for-21st-century-challenges/

Haberl, H., Fischer-Kowalski, M., Krausmann, F. et Winiwarter, V. (dir.) (2016), Social Ecology. Society-Nature Relations across Time and Space. Springer.

Halpern, O. et Mitchell, R. (2022). The Smartness Mandate. MIT Press.

Hayek, F. A. (1986). L’utilisation de l’information dans la société. Revue française d’économie, 1(2), 117-140

Heims, S. J. (1991). The Cybernetic Group. MIT Press.

IDDRI, FING, WWF France, GreenIT.fr (2018). Livre blanc Numérique et Environnement. https://www.actu-environnement.com/media/pdf/news-30878-livre-blanc-numerique-environnement.pdf

Ipsen, K. L., Zimmermann, R. K., Sieverts Nielsen, P. et Birkved, M. (2019). Environnemental assessment of Smart City Solutions using a coupled urban metabolism – life cycle impact assessment approach. The International journal of Life Cycle Assessment, 24(3), 1239-1253.

Kaack, L. H., Donti, P. L., Strubell, E., Kamiya, G., Creutzig, F. et Rolnick, D. (2022). Aligning Artificial Intelligence with Climate Change Mitigation. Nature Climate Change, 12, 518-527.

Lafontaine, C. (2004). L’empire cybernétique. Des machines à penser à la pensée machine. Seuil.

Lange, S. et Santarius, T. (2020). Smart Green World? Making Digitalization Work for Sustainability. Routledge.

Macekura, S. J. (2020). The Mismeasure of Progress. Economic Growth and its Critics. Chicago University Press.

Magee, C. L. et Devezas, T. C. (2017). A Simple Extension of Dematerialization Theory: Incorporation of Technical Progress and the Rebound Effect. Technological Forecasting and Social Change, 117, 196-205.

Mirrlees, T. et Alvi, S. (2014). Taylorizing Academia, Deskilling Professors and Automating Higher Education: The Recent Role of Moocs. Journal for Critical Education Policy Studies, 12(2), 45-73.

Mirowski, P. (2001). Machine Dreams: Economics Become a Cyborg Science. Cambridge University Press.

Mondoux, A. et Ménard, M. (2018). Big data et société : industrialisation des médiations symboliques. PUQ

Noble, S. (2018). Algorithms of oppression. NYU Press.

OpenAI. (2018, 16 mai). AI and Compute. OpenAI. https://openai.com/blog/ai-and-compute/

Ouellet, M., Ménard, M., Bonenfant, M. et Mondoux, A. (2015). Big Data et quantification de soi : La gouvernementalité algorithmique dans le monde numériquement administré. Canadian Journal of Communication, 40(4), 597-613.

Ouellet, M. (2016). La révolution culturelle du capital : le capitalisme cybernétique dans la société globale de l’information. Écosociété.

Ouellet, M. (2021). Pour une théorie critique de la gouvernance algorithmique et de l’intelligence artificielle. Tic & société, 15(1), 9-40.

Parikka, J. (2015). A geology of media. University of Minnesota Press.

Parrique, T., Barth, J., Briens, F., Kerschner, C., Kraus-Polk, A., Kuokkanen, A. et Spangenberg, J. H. (2019). Decoupling debunked: Evidence and arguments against green growth as a sole strategy for sustainability. European Environental Bureau. https://eeb.org/library/decoupling-debunked/

Parrique, T. (2023). Ralentir ou périr. L’économie de la décroissance. Seuil

Pineault, E. (2023). A Social Ecology of Capital. Verso.

Pitron, G. (2021). L’enfer numérique : Voyage au bout d’un like. Les liens qui libèrent.

Quet, M. (2022). Flux. Comment la pensée logistique gouverne le monde. Zones.

Rappin, B. (2022). Les origines cybernétiques du management contemporain. Éditions Ovadia.

Robertson, L. S. (2019). Platform Capitalism and the New Value Economy in the Academy. Dans R. Gorur, S. Sellar, et G. Steiner-Khamsi (dir.), World Yearbook of Education 2019: Methodology in an Era of Big Data and Global Networks. Routledge.

Rolnick, D., Donti, L. P., Kaack, H. L., Kochanski, K., Lacoste, A., Sankaran, K., Ross, A. S., Milojevic-Dupont, N., Jaques, N., Waldman-Brown, A., Luccioni, A. S., Maharaj, T., Sherwin, E. D., Mukkavilli, S. K., Kording, K. P., Gomes, C. P., Ng, A. Y., Hassabis, D., Platt, J. C., Creutzig, F., Chayes, J. et Bengio, Y. (2022). Tackling Climate Change with Machine Learning. ACM Computing Surveys. 55(2), 1-96. https://doi.org/10.1145/3485128

Rouvroy, A. et Berns, T. (2013). Gouvernementalité algorithmique et perspectives d’émancipation. Réseaux, 177(1), 163-196.

Rosa, H. (2017). Dynamic Stabilization, the Triple A. Approach to the Good Life, and the Resonance conception. Questions de communication, 31(1), 437-456.

Santarius, T., Pohl, J. et Lange, S. (2020). Digitalization and Energy Consumption. To What Extent can ICT Reduce Demand? Ecological Economics, 176, 1-14.

Santarius, T. et Wagner, J. (2023). Digitalization and Sustainability: A systemic literature analysis of ICT for Sustainability research. GAIA - Ecological Perspectives for Science and Society, 32(S1), 21-32.

Schwab, K. (2016). La quatrième révolution industrielle. Dunod.

Schmelzer, M. (2015). The Growth Paradigm: History, Hegemony, and the Contested Making of Economic Growthmanship. Ecological Economics, 118, 262-271.

Schmelzer, M., Vansintjan, A. et Vetter, A. (2022). The Future is Degrowth. A Guide to a World Beyond Capitalism. Verso.

Schumpeter, J. (1942). Capitalism, Socialism and Democracy. Harper & Brothers.

Sénécat, A. (2022, 29 novembre). La grande tromperie des fonds d’investissements « verts ». Le Monde. https://www.lemonde.fr/les-decodeurs/article/2022/11/29/la-grande-tromperie-des-fonds-d-investissement-verts_6152081_4355770.html?utm_source=facebook&utm_medium=paid&utm_campaign=acquisition-cbo&xtor=CS2-33281132-%5BFB%5D-%5Bteaser%5D-%5BCBO%5D.

Shannon, C. E. (1948). A Mathematical Theory of Communication. The Bell System Technical Journal, 27(3), 379-423.

Srnicek, N. (2018). Capitalisme de plateforme. L’hégémonie de l’économie numérique. Lux.

Steinhoff, J. (2019). Cognition On Tap. Capital’s Theory of AI as Utility. Digital Culture & Society, 4(2), 89-104.

Ström, T. E. (2022). Cybernetic and Capital, New Left Review, (135), 23-41.

Strubell, E., Ganesh, A. et McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, Florence, Italy, 28 juillet – 2 août, p. 3645-3650.

Sunstein, C. R. et Thaler, R. H. (2008). Nudge: Improving Decisions About Health, Wealth and Happiness. Yale University Press.

Tinetti, B., Duvernois, P.-A., Le Guern, Y., Berthoud, F., Charbuillet, C., Gossart, C., Orgerie, A.-C., Lefèvre, L., de Jouvenel, F., Desaunay, C. et Hébel, P. (2016). Potentiel de contribution du numérique à la réduction des impacts environnementaux : État des lieux et enjeux pour la prospective – Rapport Final. ADEME.

Touraine, A. (1969). La société post-industrielle. Denoël.

Zuboff, S. (2019). The age of surveillance capitalism. Public Affairs.

van Dijk, J., Poell, T. et de Waal, M. (2018). The Platform Society: Public Value in a Connected World. Cambridge University Press.

Wiener, N. (2014). Cybernétique et société. L’usage humain des êtres humains. Points.

Woodcock, J. (2017). Working the Phones. Control and Resistance in Call Centers. Pluto Press.

World Economic Forum (WEF). (2018, janvier). Harnessing the Fourth Industrial Revolution for Life on Land. Towards an Inclusive Bio-Economy. https://www.weforum.org/publications/harnessing-the-fourth-industrial-revolution-for-life-on-land/

Wright, E. O. (2020). Utopies réelles. La Découverte.

Haut de page

Notes

1 Young urban professionals.

2 Notons que ce rapport est rédigé en partenariat avec l’entreprise de conseil Accenture, laquelle présente les services qu’elle offre comme relevant de la capacité à « favoriser une croissance durable ». Voir https://www.accenture.com/ca-fr/about/consulting-index?c=acn_glb_brandexpressiongoogle_12723057&n=psgs_1221&gclid=EAIaIQobChMIueqZxuX0-wIVGOXICh01jw_OEAAYASAAEgKNxvD_BwE&gclsrc=aw.ds

3 C’est le cas au Québec (Duhaime, 2022).

4 Antonio Casilli (2019) parle ainsi d’un processus de « tâcheronnisation » du travail comme retombée corrélative d’une économie fondée sur les données et leur étiquetage, traitement et analyse pour alimenter le projet de l’intelligence artificielle.

5 À cet effet, les services d’IA sont pressentis par certains pour devenir une forme de service public au même sens que les autoroutes ou l’électricité puisqu’ils seraient au cœur de l’urbanisme « intelligent » contemporain (Steinhoff, 2019).

6 Des données sont ainsi produites dans la communication entre les objets eux-mêmes ou à partir de capteurs sur des éléments vivants non humains (animaux, plantes, etc.). Le Forum économique mondial envisage de mettre la forêt amazonienne sous capteur pour lui donner une « valeur » économique justifiant sa conservation (WEF, 2018).

7 Radio Frequency Identification.

Haut de page

Pour citer cet article

Référence papier

Jacob BOIVIN, « Tracer la question de la croissance dans le capitalisme cybernétique »tic&société, Vol. 18, N° 2 | -1, 36-60.

Référence électronique

Jacob BOIVIN, « Tracer la question de la croissance dans le capitalisme cybernétique »tic&société [En ligne], Vol. 18, N° 2 | 2e semestre 2024, mis en ligne le 28 avril 2025, consulté le 16 mai 2025. URL : http://journals.openedition.org/ticetsociete/9479 ; DOI : https://doi.org/10.4000/13vhk

Haut de page

Auteur

Jacob BOIVIN

Jacob Boivin est candidat au doctorat et chargé de cours à l’École des médias de l’Université du Québec à Montréal (UQAM). Il est membre du Groupe de recherche sur l’information et la surveillance au quotidien (GRISQ) et du Laboratoire d’éthique du numérique et de l’IA (LEN.IA). Ses recherches portent sur les formes de médiation sociales propres aux technologies numériques, particulièrement l’intelligence artificielle. Ces dernières y sont notamment saisies à partir de leurs effets sur les processus de reproduction sociale et cadrées en tant que problématique écologique.boivin.jacob@uqam.ca

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search