Les employeurs utilisent vos données personnelles pour déterminer le salaire le plus bas que vous accepterez

Les employeurs utilisent vos données personnelles pour déterminer le salaire le plus bas que vous êtes prêt à accepter
Genna Contino
9 min de lecture
Vous avez probablement déjà ressenti la piqûre numérique de la « tarification de surveillance ». Cela peut ressembler à une compagnie aérienne annonçant un forfait tarifaire spécifique parce que les données du programme de fidélité d'un client suggèrent qu'il est susceptible de l'acheter, ou à un site Web facturant plus cher du lait maternisé parce qu'un algorithme a détecté le désespoir d'un nouveau parent.
Nous vivons dans un monde où votre historique d'achat, votre vitesse de navigation et même votre code postal dictent de plus en plus le coût de votre vie. Et à mesure que les entreprises s'améliorent dans la collecte et l'analyse des données personnelles, elles ne visent pas seulement l'argent qui sort de votre portefeuille – elles contrôlent aussi combien y entre.
Les experts décrivent les « salaires de surveillance » comme un système dans lequel les salaires ne sont pas basés sur la performance ou l'ancienneté d'un employé, mais sur des formules qui utilisent leurs données personnelles, souvent collectées à l'insu des employés.
Les entreprises essaient déjà de faire accepter aux nouveaux employés l'offre salariale la plus basse possible. Mais alors qu'il s'agissait autrefois d'évaluer l'expérience et les qualifications d'un candidat par rapport au taux du marché, il s'agit de plus en plus d'alimenter les données personnelles du candidat dans un algorithme.
Selon Nina DiSalvo, directrice des politiques au groupe de défense des travailleurs Towards Justice, certains systèmes utilisent des signaux associés à la vulnérabilité financière – y compris des données sur la question de savoir si un futur employé a contracté un prêt sur salaire ou a un solde élevé de carte de crédit – pour déduire le salaire le plus bas qu'un candidat pourrait accepter. Les entreprises peuvent également parcourir les pages publiques de médias sociaux personnels des candidats, a-t-elle dit, pour déterminer s'ils sont plus susceptibles de rejoindre un syndicat ou s'ils pourraient tomber enceintes. Les données peuvent être utilisées pour déterminer les augmentations de salaire après l'embauche d'un employé, et la pratique peut dégénérer en discrimination, selon les experts.
« Si vous êtes une entreprise qui s'amuse avec ce type de pratiques sur les consommateurs, vous regardez comment elles fonctionnent », a déclaré Lindsay Owens, directrice exécutive de Groundwork Collaborative, un groupe de réflexion progressiste. « Les travailleurs sont aussi des consommateurs. Si ça marche sur les consommateurs, ça marche sur les travailleurs. C'est la même psychologie. »
Un audit inédit de 500 entreprises d'intelligence artificielle de gestion du travail mené par Veena Dubal, professeur de droit à l'Université de Californie, Irvine, et Wilneida Negrón, stratège en technologie, a révélé que les employeurs des secteurs de la santé, du service client, de la logistique et de la vente au détail sont des clients de fournisseurs dont les outils sont conçus pour permettre cette pratique. Publié par le Washington Center for Equitable Growth, un groupe de réflexion économique progressiste, le rapport d'août 2025 a identifié des employeurs américains majeurs comme étant parmi ces clients, notamment Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL et Healthcare Services Group HCSG.
Le rapport ne prétend pas que tous les employeurs utilisant ces systèmes s'engagent dans la surveillance algorithmique des salaires. Au lieu de cela, il avertit que l'utilisation croissante d'outils algorithmiques pour analyser les données personnelles des travailleurs peut permettre des pratiques salariales qui privilégient la réduction des coûts plutôt que la transparence ou l'équité.
Thomas DiPiazza, directeur des communications d'entreprise de Colgate-Palmolive, a déclaré que l'entreprise « n'utilise pas d'outils de fixation algorithmique des salaires pour prendre des décisions de rémunération pour nos employés ou pour fixer les salaires des nouveaux employés ».
Intuit « ne s'engage pas dans de telles pratiques », a déclaré un porte-parole de cette entreprise à MarketWatch.
Les autres entreprises nommées dans le rapport n'ont pas répondu aux demandes de commentaires de MarketWatch.
Les salaires de surveillance ne s'arrêtent pas au stade de l'embauche – ils suivent aussi les travailleurs dans leur emploi.
Les fournisseurs qui fournissent de tels services proposent également des outils conçus pour fixer les primes ou les rémunérations incitatives, selon le rapport. Ces outils suivent leur productivité, leurs interactions avec les clients et leur comportement en temps réel – y compris, dans certains cas, la surveillance audio et vidéo au travail. Près de 70 % des entreprises de plus de 500 employés utilisaient déjà des systèmes de surveillance des employés en 2022, tels que des logiciels qui surveillent l'activité informatique, selon une enquête de l'International Data Corporation.
« Les données qu'ils ont sur vous peuvent permettre à un système de décision algorithmique de faire des suppositions sur le montant, l'ampleur de l'incitation, qu'ils doivent donner à un travailleur particulier pour générer la réponse comportementale qu'ils recherchent », a déclaré DiSalvo.
« Juger notre taux de désespoir »
L'un des exemples les plus clairs de fixation des salaires basée sur la surveillance apparaît dans la dotation en personnel de santé à la demande. Un rapport élaboré par le Roosevelt Institute, un groupe de réflexion de tendance libérale, était basé sur des entretiens avec 29 infirmières indépendantes et a révélé que les plateformes de dotation que les infirmières indépendantes utilisent pour s'inscrire aux quarts de travail, y compris CareRev, Clipboard Health, ShiftKey et ShiftMed, utilisent systématiquement des algorithmes pour fixer la rémunération des quarts de travail individuels.
ShiftKey a nié s'engager dans la fixation de salaires de surveillance lorsqu'elle a été contactée par MarketWatch pour commentaire. « ShiftKey n'utilise absolument aucun service de courtier de données ni ne s'engage dans aucune fixation de salaires de surveillance », a déclaré Regan Parker, directeur juridique et des affaires publiques de l'entreprise. Parker a spécifiquement contesté les affirmations du rapport du Roosevelt Institute suggérant que sa plateforme utilise le niveau d'endettement des travailleurs pour déterminer la rémunération, déclarant que ShiftKey n'utilise pas de données de carte de crédit ou d'autres données d'endettement pour fixer les salaires et ne pouvait pas commenter les pratiques d'autres plateformes.
CareRev, Clipboard Health et ShiftMed n'ont pas répondu aux demandes de commentaires.
Plutôt que d'offrir un salaire fixe, les plateformes ajustent la rémunération en fonction de ce qu'elles savent de chaque travailleur – y compris la fréquence à laquelle une infirmière accepte des quarts de travail, la rapidité avec laquelle elle répond aux offres et le salaire qu'elle a accepté par le passé, selon le rapport du Roosevelt Institute. Les infirmières interrogées pour le rapport ont déclaré que cela entraînait souvent des infirmières étant payées différemment pour le même travail, même au sein du même établissement.
Les critiques soutiennent que le système récompense les travailleurs non pas pour leurs compétences ou leur expérience, mais pour ce que leur comportement révèle de leur vulnérabilité financière. De tels systèmes « peuvent déterminer la rémunération en fonction de ce que l'entreprise sait de la volonté d'une infirmière d'accepter pour une mission précédente », ont écrit les auteurs du rapport, la bloquant ainsi dans des bandes salariales plus basses au fil du temps.
Selon Rideshare Drivers United, le syndicat qui représente les chauffeurs de covoiturage, les salaires algorithmiques façonnent la rémunération des travailleurs de cette industrie depuis des années. Ben Valdez, un chauffeur de covoiturage basé à Los Angeles, a déclaré qu'après qu'Uber UBER et Lyft LYFT aient déployé de nouveaux algorithmes de rémunération il y a plusieurs années, ses revenus ont diminué – même alors que la demande post-pandémie rebondissait. En comparant ses notes avec d'autres chauffeurs, Valdez a déclaré avoir vu différents chauffeurs se voir proposer des tarifs de base différents pour le même trajet au même moment.
Valdez a déclaré que les chauffeurs se voient initialement proposer un tarif « prenez-le ou laissez-le », qui n'augmente qu'après que suffisamment de chauffeurs l'aient rejeté. La manière dont ce tarif de départ est fixé est opaque. « Pourquoi un chauffeur obtient une base différente et plus élevée est inconnu », a-t-il dit.
Cette incertitude est intentionnelle, selon Zephyr Teachout, professeur de droit à l'Université Fordham. Dans un rapport de 2023, Teachout a écrit qu'Uber « utilise des profils de chauffeurs riches en données pour faire correspondre le salaire aux incitations individuelles du chauffeur et aux besoins de la plateforme », citant des recherches antérieures de Dubal et des reportages de The Markup.
Uber a déclaré dans un e-mail à MarketWatch que ses tarifs initiaux sont basés sur le temps, la distance et les conditions de demande, et que ses algorithmes n'utilisent pas les caractéristiques individuelles des chauffeurs ou leur comportement passé pour déterminer la rémunération. L'association professionnelle de covoiturage Flex, qui a répondu après que MarketWatch ait contacté Lyft pour commentaire, a déclaré dans un communiqué que les technologies basées sur les données « aident à traiter les données en temps réel et historiques pour aider à faire correspondre les travailleurs avec une livraison ou un trajet qui représente l'utilisation la plus efficace de leur temps, ce qui, à son tour, leur permet de passer plus de temps à gagner ».
Les défenseurs des travailleurs restent sceptiques. « C'est juger notre taux de désespoir », a déclaré Nicole Moore, présidente de Rideshare Drivers United.
Certains législateurs y prêtent attention
Les critiques des salaires de surveillance soutiennent que la pratique peut conduire à la discrimination sur le lieu de travail en permettant aux employeurs de contourner la rémunération traditionnelle basée sur le mérite. Parce que ces algorithmes sont conçus pour trouver le minimum absolu qu'une personne acceptera en fonction de ses antécédents financiers et d'autres facteurs, ils peuvent cibler de manière disproportionnée les travailleurs les plus vulnérables financièrement.
Cela crée un cycle où les difficultés économiques passées ou les choix de vie personnels d'une personne sont utilisés pour justifier une rémunération plus faible dans le présent, souvent sans que l'employé ne sache jamais quels points de données ont été utilisés contre lui.
« Nous connaissons le concept du plafond de verre. Mais au moins dans ce concept, nous avons une certaine visibilité à travers ce plafond de verre. Nous avons une idée de ce à quoi ressemble ce monde. Nous pouvons le briser si nous faisons les bonnes choses et nous galvanisons », a déclaré Joe Hudicka, auteur d'un livre intitulé « The AI Ecosystems Revolution ». « Ce plafond de surveillance salariale – il est en fer. Il est en béton. C'est quelque chose d'imperméable. »
Les législateurs ont été plus lents à aborder les salaires de surveillance que la tarification de surveillance. L'État de New York a récemment adopté une règle exigeant que les entreprises divulguent aux consommateurs lorsque leurs prix sont fixés avec des algorithmes qui utilisent leurs données personnelles – mais la plupart des lois dans le pays ne s'intéressent qu'aux prix, pas aux salaires.
Le Colorado essaie d'aller plus loin. Un projet de loi introduit à la Chambre des représentants de l'État, intitulé Prohibit Surveillance Data to Set Prices and Wages Act, interdirait aux entreprises d'utiliser des données personnelles intimes – telles que l'historique des prêts sur salaire, les données de localisation ou le comportement de recherche Google GOOG – pour fixer algorithmiquement la rémunération d'une personne. Le projet de loi exclut les salaires basés sur la performance, ce qui signifie que les employeurs pourraient toujours lier la rémunération à une productivité mesurable.
Le représentant Javier Mabrey, un démocrate parrainant le projet de loi, trace une ligne claire entre la tarification dynamique – où les coûts fluctuent en fonction des conditions générales du marché – et ce qu'il soutient que ces systèmes font réellement. « Notre projet de loi porte sur la fixation de prix individualisée, qui est distincte de la tarification dynamique », a-t-il déclaré. « Il exige que l'entreprise récupère des données très personnelles vous concernant, et non l'offre et la demande. »
En ce qui concerne spécifiquement la rémunération de surveillance, le projet de loi interdirait aux entreprises d'utiliser les données personnelles des travailleurs – sans leur consentement – pour déterminer leur rémunération. Uber et Lyft ont nié utiliser les caractéristiques individuelles des chauffeurs pour fixer les salaires, mais Mabrey a déclaré que les deux sociétés faisaient pression contre le projet de loi. « Quel est le problème de codifier dans la loi que vous n'êtes pas autorisé à le faire ? » a-t-il dit.