La gig economy : comprendre l'économie des petits boulots pour vos dissertations d'ESH

Définir la gig economy : un périmètre bien plus flou qu'il n'y paraît

Du « gig » musical au travail à la tâche

Le mot gig désigne à l'origine, dans le jargon des musiciens de jazz, un cachet ponctuel : une soirée, un contrat, puis plus rien. Transposé à l'économie numérique, il nomme un travail fragmenté en tâches courtes, rémunérées à la prestation et non au temps, attribuées par une plateforme numérique à des travailleurs formellement indépendants. Trois familles doivent être distinguées avec rigueur. Le travail à la demande localisé (on-demand work) suppose une exécution physique dans un lieu donné : VTC, livraison de repas, ménage, bricolage. Le crowdwork en ligne confie à distance des micro-tâches numériques : annotation de données, modération de contenus, transcription, sur des plateformes comme Amazon Mechanical Turk ou Clickworker. Le freelancing de projet, enfin, met en relation des professionnels qualifiés — développeurs, graphistes, traducteurs — pour des missions parfois longues. Les mêmes mécanismes d'intermédiation y produisent des situations sociales radicalement différentes : le développeur freelance parisien facturant 600 euros la journée et le micro-travailleur payé quelques centimes la tâche relèvent tous deux, statistiquement, du « travail de plateforme ». Cette hétérogénéité explique une grande part des désaccords empiriques et normatifs.

Économie de plateforme, économie collaborative, ubérisation : démêler les mots

Trois cercles concentriques aident à ordonner le vocabulaire. L'économie de plateforme est le cercle le plus large : elle recouvre tous les intermédiaires numériques mettant en relation des offreurs et des demandeurs, y compris lorsque l'offreur loue un bien plutôt qu'il ne vend son travail — Airbnb, Leboncoin, Blablacar. L'économie collaborative insiste sur le partage d'actifs sous-utilisés entre pairs et sur une logique non professionnelle ; elle s'est largement dissoute à mesure que les offreurs se professionnalisaient. La gig economy est le sous-ensemble où ce qui est vendu est du travail, tâche par tâche. Quant à l'ubérisation, popularisée en France vers 2014-2015, la notion n'est pas une catégorie analytique mais un récit : celui d'un entrant numérique qui contourne une réglementation sectorielle, capte une rente et déstabilise les acteurs installés. Confondre ces quatre termes est l'erreur la plus fréquemment sanctionnée en copie.

Aux origines : quand la technologie fait s'effondrer les coûts de transaction

Le smartphone géolocalisé comme infrastructure

La gig economy n'est pas née d'une idée mais d'une conjonction technique datable. Le lancement de l'iPhone en 2007, la généralisation du GPS civil dans les terminaux grand public, la baisse du coût de la connexion mobile et la diffusion du paiement dématérialisé rendent possible ce qui était auparavant prohibitif : apparier en temps réel, à coût quasi nul, une offre et une demande atomisées et mobiles. Uber est fondée en 2009, Deliveroo en 2013 ; Amazon Mechanical Turk existait dès 2005 pour la version en ligne. Trois fonctions techniques sont décisives : la géolocalisation, qui permet l'appariement spatial ; la notation réciproque, substitut privé à la confiance institutionnelle ; le paiement intégré, qui supprime la friction monétaire. S'y ajoutent de puissants effets de réseau croisés, analysés par Jean-Charles Rochet et Jean Tirole dans leurs travaux sur les marchés bifaces publiés à partir de 2003 : plus il y a de chauffeurs, plus l'attente diminue, plus les clients affluent, plus les chauffeurs ont intérêt à rejoindre la plateforme. Cette dynamique auto-renforçante pousse vers des positions dominantes locales.

Coase, Williamson et la frontière de la firme

Le cadre théorique le plus rentable en dissertation reste celui de Ronald Coase. Dans « The Nature of the Firm » (1937), Coase explique l'existence même de l'entreprise par les coûts de transaction : recourir au marché coûte cher — il faut chercher un partenaire, négocier, rédiger, contrôler l'exécution. La firme internalise ces opérations lorsque leur coût administratif interne est inférieur au coût de passage par le marché. Oliver Williamson prolonge l'analyse à partir de 1975 en insistant sur la spécificité des actifs, la rationalité limitée et l'opportunisme. La plateforme agit précisément comme une technologie de réduction des coûts de transaction : elle abaisse le coût de recherche, standardise le contrat, automatise le contrôle. La frontière de la firme se déplace vers l'extérieur, et une activité jadis salariée redevient marchande. Mais l'argument doit être nuancé : la plateforme ne rétablit pas un marché de concurrence pure. Elle fixe unilatéralement le prix, contrôle l'exécution, sanctionne. On observe plutôt une hiérarchie sans contrat de travail : c'est là toute l'ambiguïté du modèle, et le cœur du contentieux.

Compter les travailleurs de plateforme : une statistique étonnamment fragile

Les ordres de grandeur mondiaux et européens

Aucun chiffre n'est solide, et c'est en soi un résultat à exploiter en copie. Au niveau mondial, l'Organisation internationale du travail a publié en février 2026 un travail de recension identifiant au moins 653 plateformes de travail actives en octobre 2025, contre 777 recensées en 2021, la baisse traduisant une consolidation par fusions et acquisitions plus qu'un recul de l'activité. La même publication souligne que seuls 40 pays sur 133 examinés disposent d'une mesure statistique du travail de plateforme, très majoritairement en Europe, et que les estimations nationales oscillent entre 0,2 % et 2,8 % de la population en âge de travailler en définition étroite, et entre 0,9 % et 5,7 % en définition large incluant la vente de biens et la location. Pour l'Union européenne, le chiffre le plus cité reste celui de l'étude d'impact de la Commission européenne de 2021 : environ 28 millions de personnes concernées en 2021, avec une projection à 43 millions en 2025. Ce chiffre, très large, inclut toute activité même occasionnelle et ne dit rien de l'intensité de l'engagement.

La France et l'énigme des chiffres divergents

En France, le périmètre le mieux cerné est celui des plateformes dites de mobilité, VTC et livraison de repas, seul champ doté d'un régulateur dédié : l'Autorité des relations sociales des plateformes d'emploi (ARPE), créée en 2021. Les scrutins de représentativité qu'elle organise depuis 2022, puis 2024, portent sur des corps électoraux de l'ordre de la centaine de milliers de travailleurs, chauffeurs et livreurs confondus. Si l'on élargit à l'ensemble des formes de travail intermédiées par une plateforme, micro-travail compris, les estimations montent nettement, sans jamais faire consensus. Quatre raisons expliquent cette dispersion. D'abord la définition : compte-t-on toute personne ayant réalisé une seule prestation dans l'année, ou celles qui en tirent l'essentiel de leur revenu ? Ensuite l'intermittence : la rotation est très forte, une large part des inscrits cessant leur activité en quelques mois. Puis la pluriactivité, qui gonfle mécaniquement les comptages par plateforme. Enfin l'absence de catégorie statistique dédiée dans les enquêtes emploi, conçues autour du couple salarié/indépendant.

L'économie du modèle : algorithme, asymétries et capital-risque

Le management algorithmique et l'asymétrie d'information

Ce qui distingue la plateforme d'une simple bourse d'annonces, c'est le management algorithmique : attribution des tâches, fixation du prix, évaluation de la performance et sanction sont automatisées. Alex Rosenblat, dans Uberland (2018), montre comment l'application organise un contrôle continu — incitations à rester connecté, pénalités de refus, opacité des critères d'attribution — tout en maintenant la fiction juridique de l'autonomie. L'asymétrie d'information, chère à George Akerlof depuis son article de 1970 sur le marché des voitures d'occasion, joue ici de façon inhabituelle : la notation réduit efficacement l'incertitude du client sur la qualité du service, mais laisse le travailleur dans une opacité quasi totale sur la logique de l'algorithme, sur le montant réellement payé par le client et sur la part prélevée par la plateforme. L'asymétrie n'est donc pas supprimée : elle est redistribuée au profit de l'intermédiaire, seul détenteur des données d'appariement.

Tarification dynamique, capital-risque et rentabilité longtemps introuvable

La tarification dynamique — le fameux surge pricing — est présentée comme un mécanisme d'équilibrage walrassien : le prix monte quand la demande excède l'offre, attirant davantage d'offreurs. En pratique, elle transfère aussi le risque de fluctuation d'activité vers le travailleur, qui supporte les heures creuses sans compensation. Le second trait du modèle est le financement de la croissance par le capital-risque. Pendant plus d'une décennie, les prix payés par les consommateurs sont restés inférieurs au coût complet du service, l'écart étant comblé par des levées de fonds visant la conquête de positions dominantes. Uber, introduite en Bourse en mai 2019, a accumulé des pertes de plusieurs dizaines de milliards de dollars avant son premier résultat opérationnel annuel positif en 2023 ; la consolidation s'est poursuivie, l'américain DoorDash rachetant le britannique Deliveroo en 2025. Question de dissertation redoutable : gain d'efficience durable, ou subvention temporaire à la consommation urbaine financée par les marchés de capitaux, puis compensée par la compression des rémunérations une fois la position acquise ?

Le statut juridique, cœur du conflit

La séquence française : de Take Eat Easy au revirement de 2025

Le contentieux français constitue un cas d'école. Par un arrêt du 28 novembre 2018, la chambre sociale de la Cour de cassation requalifie en contrat de travail la relation entre un coursier et la plateforme Take Eat Easy, retenant l'existence d'un pouvoir de direction, de contrôle et de sanction via la géolocalisation et le système de bonus-malus. Le 4 mars 2020, elle franchit une étape supplémentaire dans l'affaire Uber : un chauffeur ne se constitue pas sa propre clientèle, ne fixe pas ses tarifs et ne détermine pas les conditions d'exécution ; il intègre un « service organisé », marqueur classique du lien de subordination. Mais la séquence s'est infléchie. Par un arrêt du 9 juillet 2025, la chambre sociale a refusé la requalification d'un chauffeur VTC, en tenant compte du cadre légal intervenu entre-temps — loi d'orientation des mobilités du 24 décembre 2019 et ordonnance du 6 avril 2022 — qui organise les droits sociaux des travailleurs de plateforme sans les faire basculer dans le salariat. Le juge apprécie désormais la subordination à l'aune d'un statut intermédiaire construit par le législateur. La jurisprudence n'est donc pas une ligne droite : c'est un excellent argument contre les copies téléologiques.

Royaume-Uni, Californie, Union européenne : trois réponses divergentes

Le droit comparé offre trois trajectoires contrastées. Au Royaume-Uni, la Cour suprême, dans l'arrêt Uber BV v Aslam du 19 février 2021, a jugé que les chauffeurs relevaient de la catégorie intermédiaire de workers, ouvrant droit au salaire minimum et aux congés payés sans les assimiler à des employees : une voie médiane permise par la tripartition propre au droit britannique. En Californie, la loi AB5 de 2019 avait durci les critères de l'indépendance ; les plateformes ont financé une campagne référendaire aboutissant à la Proposition 22 en novembre 2020, qui les en exempte en échange de garanties minimales, dispositif validé par la Cour suprême de Californie en 2024. L'Union européenne a choisi une troisième voie avec la directive (UE) 2024/2831 du 23 octobre 2024. Elle instaure une présomption légale de relation de travail lorsque des éléments de direction et de contrôle sont constatés, à charge pour la plateforme de la renverser, et encadre le management algorithmique. Les États membres doivent la transposer au plus tard le 2 décembre 2026, mais définissent eux-mêmes les critères déclenchant la présomption — ce qui laisse présager une application inégale d'un pays à l'autre.

Ce que la gig economy fait réellement aux travailleurs

Flexibilité annoncée, flexibilité contrainte

L'argument central des plateformes est la liberté : choisir ses horaires, se connecter quand on veut, cumuler avec des études ou un autre emploi. Cette flexibilité est réelle pour une partie des travailleurs, notamment les étudiants et les pluriactifs pour qui l'activité constitue un complément. Elle se révèle beaucoup plus théorique pour ceux qui en dépendent : la rémunération à la tâche impose de se connecter aux heures de forte demande, soit les soirées, les week-ends et les périodes de mauvais temps. La flexibilité devient alors une contrainte de disponibilité déguisée en choix. S'y ajoute une asymétrie de risque : le travailleur supporte l'amortissement de son véhicule, le carburant, l'assurance, les temps d'attente non rémunérés et les baisses d'activité. Les revenus horaires nets de ces coûts sont significativement inférieurs aux montants bruts affichés. Les analyses publiées par l'ARPE au milieu des années 2020 sur les indicateurs des plateformes de livraison montrent d'ailleurs une érosion du revenu horaire réel, corrigé de l'inflation, sur la période 2021-2024.

Protection sociale, accidents et privation de collectif

Le second front est celui de la protection. L'indépendant ne cotise pas à l'assurance chômage au titre de cette activité, relève d'un régime de retraite moins favorable et n'est pas couvert par la législation sur les accidents du travail au sens du régime général : la France a certes imposé aux plateformes une assurance accident, mais la couverture reste inférieure à celle du salariat. Or les métiers concernés sont physiquement exposés, la livraison à deux-roues en milieu urbain présentant une sinistralité élevée, aggravée par l'incitation à la vitesse qu'induit la rémunération à la course. Le troisième effet, plus sociologique, est la privation de collectif : ni lieu de travail commun, ni collègues stables, ni représentation traditionnelle. Le conflit se déplace alors vers des formes inédites — groupes de messagerie, déconnexions coordonnées, collectifs informels de livreurs. La dispersion spatiale, longtemps un obstacle à l'action collective, se trouve partiellement compensée par les outils numériques eux-mêmes.

Les cadres théoriques à mobiliser en dissertation

Segmentation, précariat, désaffiliation

Le modèle de la segmentation du marché du travail, formulé par Peter Doeringer et Michael Piore dans Internal Labor Markets and Manpower Analysis (1971), reste le plus opérant : il distingue un marché primaire, stable, à salaires élevés et perspectives de carrière, et un marché secondaire, instable, mal rémunéré, sans mobilité ascendante. La gig economy peut se lire comme une extension technologique du segment secondaire, avec une nouveauté : le passage du contrat précaire au non-contrat. Guy Standing, dans The Precariat (2011), propose une lecture en termes de classe en formation, définie par la perte des sécurités du travail fordiste — thèse utile mais discutée, l'idée d'une classe unifiée résistant mal à l'hétérogénéité observée. Robert Castel, dans Les métamorphoses de la question sociale (1995), fournit un outil plus fin avec la désaffiliation : l'individu n'est pas seulement pauvre, il est détaché des supports collectifs qui rendaient l'existence sociale prévisible. Antonio Casilli, dans En attendant les robots (2019), complète le tableau côté crowdwork en montrant que l'intelligence artificielle repose sur un digital labor massif et invisibilisé.

Schumpeter, Coase et le débat sur la nouveauté du phénomène

Face à ces lectures critiques, la thèse de la destruction créatrice de Joseph Schumpeter, exposée dans Capitalisme, socialisme et démocratie (1942), fournit le contrepoint indispensable. L'innovation détruit des rentes — celle des licences de taxi, par exemple — et redéploie les facteurs vers des usages plus efficients ; les pertes d'emplois d'un secteur sont compensées par les créations d'un autre, et le consommateur bénéficie de prix plus bas et d'un service plus accessible. Une dissertation solide confrontera cette lecture à celle de Coase : si la plateforme réduit les coûts de transaction, elle crée aussi des rentes de position fondées sur les effets de réseau, ce qui interroge la nature du gain. Un dernier axe consiste à relativiser la nouveauté du phénomène : le paiement à la pièce et le tâcheronnage ont dominé le XIXe siècle industriel, et le docker embauché à la journée sur le quai relevait de la même logique. La gig economy apparaît alors moins comme une rupture que comme la réactivation numérique d'une forme ancienne, dans une société qui avait construit ses protections contre elle.

Perspectives : réguler, s'organiser, affronter l'intelligence artificielle

Réguler l'algorithme et reconstruire un dialogue social

La régulation s'est déplacée du seul terrain du statut vers celui de la transparence algorithmique. La directive de 2024, comme le règlement européen sur l'intelligence artificielle adopté la même année, impose une information sur les systèmes automatisés, un droit à l'explication et une supervision humaine des décisions affectant l'accès au travail. L'enjeu est considérable : rendre contestable une décision de déconnexion suppose de rendre lisible la règle qui l'a produite. En parallèle, la France a expérimenté une voie originale avec l'ARPE, qui organise depuis 2022 des élections de représentativité et un dialogue social sectoriel aboutissant à des accords sur des revenus minimaux par course. Ce modèle tente de bâtir une négociation collective sans salariat, ce qui heurte la tradition juridique française mais offre une réponse pragmatique. Sa portée dépendra de la façon dont la présomption européenne sera transposée, la France étant, à l'été 2026, encore engagée dans ce chantier à quelques mois de l'échéance.

L'intelligence artificielle, prochaine bifurcation

Trois effets de l'intelligence artificielle méritent d'être anticipés. Le premier est un effet de substitution : les véhicules autonomes, déployés commercialement dans plusieurs villes américaines et chinoises depuis le début des années 2020, menacent à terme le cœur du modèle VTC — d'où le paradoxe d'un investissement massif des plateformes dans une technologie susceptible d'éliminer leur propre main-d'œuvre. Le deuxième est un effet de création : l'entraînement des modèles repose sur l'annotation, la modération et l'évaluation humaines, largement externalisées vers des micro-travailleurs des pays à bas revenus, dans des conditions documentées de faible rémunération. Le troisième est un effet d'intensification du contrôle : des systèmes prédictifs plus fins ajustent les incitations au comportement individuel de chaque travailleur. La gig economy pourrait ainsi ne pas disparaître, mais se recomposer : moins visible dans la rue, plus massive derrière les écrans.