Ainsi, lorsqu’un pays dispose de ressource dont il ne maitrise ni les modalités d’exploitation ni les mécanismes de protection, il devient potentiellement vulnérable à des formes d’appropriation par des acteurs extérieurs. Cette interaction peut prendre la forme d’échanges mutuellement bénéfiques, mais l’histoire économique montre que, dans de nombreux cas, elle a conduit à des dynamiques d’exploitation asymétriques.
À cet égard, tout comme la quête des épices a constitué l’un des moteurs des grandes explorations et des premières dynamiques de colonisation et d’exploitation, l’essor des grandes plateformes technologiques semble aujourd’hui ouvrir la voie à une autre forme d’exploitation plus subtile et moins agressive : l’exploitation numérique.
L’attention en tant que ressource stratégique :
Nous sommes passés en moins d’un siècle, d’un cadre classique de classification des facteurs de production – terre, travail, capital – à une version enrichie intégrant des facteurs immatériels tels que la technologie, le capital humain et l’information, pour aboutir aujourd’hui à une configuration structurée autour du développement des plateformes numériques, dans laquelle les ressources mentales et l’attention occupent une place centrale (Loewenstein et Wojtowicz, 2023).
Par ailleurs, pour que l’attention puisse être intégrer au champ des ressources rares, il a fallu qu’elle soit intrinsèquement liée à « quelque chose » d’autre qui la consomme, et qui soit si abondante qu’elle implique la nécessité d’une allocation optimale. Cette « quelque chose » a un nom. On l’appelle « information ».
Toute l’architecture de l’économie numérique repose, en effet, sur la production, la circulation et surtout la mesure de l’information. Or, à mesure que les technologies se développent, le volume d’information disponible augmente de manière exponentielle, élargissant ainsi le champ y relatif et sollicitant de plus en plus intensément nos capacités cognitives. Simon (1971) décrit cette dynamique en ces termes : « Dans un monde riche en information, la richesse d’information signifie la pénurie de quelque chose d’autre : la rareté de ce que l’information consomme. Il précise ensuite que : « ce que consomme l’information c’est l’attention de ses destinataires. »
Qu’est-ce que l’attention ?
Selon Lowenstein et Wojtowicz (2023) l’attention se définit comme l’allocation sélective d’une ressource mentale rare et rivale à certaines tâches de traitement de l’information au détriment d’autres. Cette définition rejoint la vision de William James (1890) pour qui l’attention constitue un processus cohérent permettant d’organiser le flux chaotique de stimuli auquel l’individu est exposé, afin de rendre l’information exploitable dans la prise de décision.
Autrement dit, face à un flux massif d’informations, le cerveau humain – à travers ses mécanismes perceptifs et cognitifs – procède par sélection et élimination. Puis, en quelques centaines de millisecondes – environ cent cinquante pour les processus liés à la mémoire iconique (Sperling, 1960 ; Coltheart, 1980) – il alloue efficacement des ressources mentales limitées à une sélection de données liée directement aux centres d’intérêts et aux mécanismes décisionnels sous-jacents.
Dès lors, nos mécanismes de choix impliquent indubitablement le rejet d’une quantité importante d’information sous contrainte d’un coût autrefois imperceptible, mais désormais indispensable : le coût cognitif. L’exemple le plus concret est le cocktail party effect illustré par Arons (1992), qui désigne la capacité d’un individu à se focaliser sur une source d’information spécifique dans un environnement saturé de stimuli.
Cette limite cognitive imposée par nos sens pour appréhender la complexité du monde sous certaine contrainte biophysique, donne lieu à ce que Simon (1971) appelle l’économie de l’attention.
Effets de réseaux, concentration de marché, et colonialisme des données
Les grands géants technologiques tels que Google, Amazon, Facebook, Apple et Microsoft, sont des plateformes de diffusion massives d’information, lesquelles sont extraites des données brutes qu’elles recueillent auprès des utilisateurs. Ce mécanisme de captation et de rediffusion participe de ce que OECD (2017), appelle network effects, qui décrit le fait que la valeur et le poids économique d’une plateforme dépend du nombre d’utilisateurs qui les utilisent. De même les utilisateurs sont d’autant plus intéressés à utiliser une plateforme qu’elle a d’utilisateurs. Cet effet implique une course aux utilisateurs et une tendance à la concentration du marché, et l’émergence d’un monopole naturel. Selon UNCTAD (2021) les États-Unis et la Chine représentent à eux-seuls 90% des parts de la capitalisation boursière des plus grandes plateformes numériques mondiales.
Cette concentration du marché, redessine un modèle classique en économie du développement – la division du monde en centre développé et périphérie (Prebisch et Singer, 1949) – et fait émerger du même coup, le schéma typique de ce que Furtado (1957) appelle la théorie de la dépendance. Donc, nous avons d’un côté les grands pays du centre détenteurs des capitaux technologiques, des centrales de data center et les plateformes numériques les plus utilisées, de l’autre, les pays de la périphérie numérique, dépourvus de toutes infrastructures, et dépendants des services technologiques étrangers.
Toutefois, la situation va au-delà d’un simple rapport de dépendance. Elle touche également le colonialisme des données, dans la mesure où les mécanismes du network effects mentionné plutôt, engendre une nécessité pour les plateformes de collecter massivement et continuellement des données. Quitte à mettre en place des designs addictifs visant à inciter les utilisateurs à constamment divulguer leur information.
À cet effet, le colonialisme des données décrit la transformation social, économique et juridique de la vie sociale à travers l’extraction massive de données (Couldry et Mejias, 2019). Cette extraction est d’autant plus préoccupante que le pays servant de ressource n’est pas en mesure de mesurer ni de comprendre l’importance du marché en question. À cet égard, Davenport (2014, cité dans Nick Couldry et Mejias, 2019) souligne que « la transformation de ce qui peut être considéré comme un input du capital va bien au-delà de ce qui a été observé dans le secteur des réseaux sociaux. Elle inclut, par exemple, l’essor de la logistique, les nouvelles méthodes de contrôle au travail, l’émergence des plateformes comme nouvelles structures d’extraction de profit (par exemple dans les transports et le tourisme), et plus généralement la reformulation du modèle économique par défaut du capitalisme autour de l’extraction et de la gestion des données. »
L’opération de collecte de données n’est donc plus liée à quelques plateformes privées spécifiques, mais participent de la vie sociale de chaque individu, jusqu’à en faire un moyen incontournable de profit.
Ainsi, tout comme le colonialisme historique a largement reposé sur une opposition entre des puissances en quête de ressources et des territoires qui en disposaient ; le colonialisme des données semble reproduire une logique similaire. La différence majeure réside dans ses modalités : là où le colonialisme classique s’exerçait par des formes directes de contrainte, le colonialisme des données s’appuie sur des mécanismes algorithmiques qui incitent les individus à produire et à partager eux-mêmes leurs données.
La fracture numérique comme toile de fond du colonialisme des données
L’économie numérique considère désormais les données comme le nouveau pétrole. Leur traitement et leur transformation revêtent une importance économique majeure, pouvant contribuer aux objectifs de développement durable, à condition que la valeur générée soit distribuée de façon équitable (UNCTAD, 2021). Pourtant, les dynamiques actuelles révèlent une réalité bien différente, marquée par de profondes inégalités.
Un écart technologique considérable sépare les pays développés des pays en développement. Selon l’UNCTAD (2021), l’économie fondée sur les données se caractérise par un déséquilibre marqué : 23 % de la population des pays en développement n’a pas accès à un réseau mobile à large bande, et seuls 20 % utilisent l’internet, contre près de 90 % dans les pays développés. Ce constat se manifeste également dans le contrôle exercé par les plus grandes plateformes numériques, qui dominent l’essentiel de la chaîne de valeur des données : collecte, transmission, traitement, utilisation et stockage.
Cette concentration se matérialise par une présence forte des plateformes dans les infrastructures : elles détiennent 50 % des centres de données hyperscale, affichent les taux d’adoption de la 5G les plus élevés et captent 94 % du financement des start-ups en intelligence artificielle. Ce déséquilibre structurel consacre la fracture numérique, et pose les bases du colonialisme des données, où la valeur extraite des données bénéficie principalement aux pays et acteurs technologiquement avancés, accentuant la dépendance des pays en développement.
La chaîne de valeur des données et la dynamique d’extraction dans les pays en développement
Intuitivement, on pourrait penser que le déficit technologique observé dans les pays en développement se traduit par une production de données moins importante, et donc par une moindre attractivité pour les grandes plateformes internationales. Cependant, cette perception s’avère en partie inexacte. En effet, bien que la quantité de données générées dans ces pays puisse être inférieure à celle des pays technologiquement avancés, leur rôle dans la chaîne de valeur des données est tout autre. Ce qui prime, ce n’est pas tant le volume produit, mais la valeur marginale de ces données et leur position stratégique dans le processus global d’extraction et de transformation.
Il est essentiel de rappeler que la notion de chaîne de valeur désigne l’ensemble des étapes nécessaires à la transformation d’une ressource en un bien ou service doté d’une valeur économique. Dans le contexte des pays en développement, cette chaîne révèle un schéma d’extraction caractérisé par l’absence d’accumulation locale de richesse : les ressources brutes sont exportées à faible coût, tandis que les produits finis sont importés à des prix élevés. Cela génère un manque à gagner structurel, accentuant la dépendance économique de ces pays.
Ce mécanisme s’intensifie dans l’économie numérique, notamment avec l’apparition de la data value chain. Les données sont extraites gratuitement, souvent sans consentement explicite des utilisateurs, alors même que la moindre interaction – tel qu’un clic – est monétisée par les plateformes. Ce processus, appelé datafication selon Mayer-Schönberger, K.Cukier (2013) et Van Dijck (2014), décrit la transformation de la vie sociale en données quantifiables.
Ce processus de quantification s’opère à tous les niveaux : interactions en ligne, navigation sur internet, évaluations professionnelles, etc. Chaque action, même la plus banale, laisse une trace exploitable, contribuant ainsi à l’alimentation de la chaîne de valeur numérique sans générer d’enrichissement local pour les pays en développement.
Les données, une fois recueillies, suivent un processus de transformation structuré :
- Données : enregistrements bruts des activités
- Information : organisation et contextualisation des données
- Connaissance : interprétation et analyse
- Sagesse : Utilisation rationnelle de la connaissance acquise
Une plateforme de commerce électroniques, par exemple, suivent exactement ces étapes afin de transformer des clicks et des attentions en stratégies de tarification et de publicité ciblée.
Ainsi, des actions apparemment insignifiantes – cliquer, scroller, naviguer – deviennent des sources de création de valeur économique. Ne pas capter cette valeur constitue un manque à gagner majeur pour les pays concernés, que l’on peut résumer comme suit :
- Perte de revenus (Potentielle)
L’attention est convertie en centaines de milliards de dollars par des entreprises technologiques concentrées aux Etats-Unis et en Chine, entraînant une fuite de valeur numérique.
- Perte de capital stratégique
Les données constituent un actif stratégique et incontournable. Leur externalisation massive renforce le retard technologique.
- Perte de productivité (Potentielle)
Le contrôle des données améliore la prise de décision et l’efficacité des systèmes économiques et administratif.
- Faible création d’écosystème numérique local
La captation externe de la valeur limite les investissements, la formation, l’innovation et entretient un piège structurel de sous-développement numérique.
Conclusion : Le leapfrogging à l’épreuve du numérique
Depuis Alexander Gerschenkron et sa théorie de l’avantage du retard jusqu’à Robert Solow et son hypothèse de convergence, l’idée dominante a été que les pays en retard peuvent tirer parti des technologies existantes pour combler leur retard. Moses Abramovitz a combiné ces deux approches pour proposer une nouvelle perspective à leur croisé.
En effet, selon Abramovitz (1986), les taux de croissance de la productivité entre pays ont tendance à varier en sens inverse des niveaux de productivité. Ainsi, plus un pays est productif au départ, moins il croît rapidement, et inversement. Cette dynamique s’explique par le fait que les pays développés évoluent souvent à la frontière de leur limite technologique, rendant les progrès réalisés entre deux périodes inférieurs aux moyens technologiques déjà existants. À l’inverse, les pays en retard peuvent imiter la technologie déjà développée pour moderniser leur capital obsolète et ainsi sauter certaines étapes.
Pour autant, Abramovitz s’est distingué en posant une question essentielle : « pourquoi l’écart entre les États-Unis et la moyenne des autres pays a-t-il persisté aussi longtemps, voire augmenté entre 1870 et 1929 ? » Il a élaboré trois raisons, mais une seule est retenue ici : l’hypothèse du rattrapage fondée sur l’emprunt technologique ne suffit pas à expliquer la réalité, car elle dépend des dotations en ressources et des cultures économiques propres à chaque pays.
Le rattrapage numérique : nouveaux paradoxes et obstacles
En combinant les conclusions d’Abramovitz avec les travaux récents sur l’économie des plateformes et des données, notamment ceux fondés sur les externalités des réseaux, les marchés à deux versants, la data colonialism et la concentration des données – (Rochet et Tirole, 2002 ; Couldry et Mejias, 2019 ; UNCTAD, 2021) – il apparaît que l’hypothèse du rattrapage, désormais numérique, est imbriquée dans un double paradoxe :
- D’une part, les pays accusant un retard doivent renforcer leur capacité sociale, c’est-à-dire leur niveau institutionnel, leur capital humain, la diffusion des connaissances, la mobilité des ressources et l’investissement, afin de pouvoir intégrer les nouvelles technologies. Or, cette capacité sociale ne se développe que lentement.
- D’autre part, la concentration des données, les rendements croissants liés aux effets de réseau et le contrôle des infrastructures par un nombre restreint de plateformes internationales entravent la diffusion technologique et limitent les possibilités de rattrapage numérique, conduisant ainsi à une dépendance structurelle et auto-générée.
Face à ces obstacles, une interrogation demeure : le numérique ouvre-t-il la voie à une nouvelle forme de sous-développement ?
Kervens Cherubin
Economiste
kervenscherubin@gmail.com
Références :
Abramovitz, M. (1986). Catching up, forging ahead, and falling behind. Journal of Economy History, 46(2), 385-406.
Arndt, H. W (1987). Développement économique : La marche d’une idée. Nouveaux Horizons.
Arons, B. (1992). A review of the cocktail party effect. Journal of the American voice I/O Society, 12, 35-50.
Coltheart, M (1980). Iconic memory and visible persistence. Perception et Psychophysics, 27(3), 183-228.
Couldry, N., et Mejias, U. A. (2019). The cost of connection: How data is colonizing human life and appropriating it for capitalism.
Furtado, C. (1971). Dépendance externe et théorie économique. L’homme et la société, (22), 53-65.
Gerschenkron, A. (1962). Economic Backwardness in historical perspective: A book of essays. Harvard University Press.
Loewenstein, G., Wojtowicz, Z. (2023). The Economics of Attention (CESifo Working Paper, No. 10712). Center for Economic Studies and ifo Institute (CESifo). Munich.
Mayer-Schrönberger, V., et Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt.
OECD. (2017). Network effects and efficiencies in multisided markets (DAF/COMP/WD (2017)40/FINAL). Organization for Economic Co-operation and Development.
Prebisch, R. (1950). The economic development of Latin America and its principal problems. United Nations.
Rochet, J. – C., et Tirole, J. (2003). Platform Competition in two-sided markets. Journal of the European Economic Association, 1(4), 990-1029.
Simon, H. A. (1971). Designing organization for an information-rich world. In M. Greenberger (Ed.), Computers, communications, and the public interest (pp. 37-72). Johns Hopkins Press.
Singer, H. W. (1950). The distribution of gains between investing and borrowing countries. American Economic Review, 40 (2), 473-485.
Sperling, G. (1960). The information available in brief visual presentations. Psychological Monographs: General and applied, 74(11), 1-29.
UNCTAD. (2021). World investment report 2021: Investing in sustainable recovery. United Nations.
Van Dijck, J. (2014). Datafication, Dataism and dataveillance: Big data between scientific paradigm and ideology. Surveillance et society, 12(2), 197-208.
Commentaires
Aucun commentaire pour le moment. Soyez le premier à réagir.