De la planification capitaliste à la planification socialiste ? L’enjeu d’une démocratisation des connaissances

Qui a déjà entendu dire que le socialisme n’est pas possible parce que la planification socialiste éliminerait la variété, la possibilité de satisfaire des goûts différents et nous condamnerait tous à porter la même paire de chaussures ? Se résigner à l’existence de l’économie de marché semble être la seule façon de sortir de cette impasse. Cependant, bien que cela puisse sembler invraisemblable à première vue, les entreprises les plus puissantes du capitalisme contemporain ont montré qu’il existe une autre option. Disposant d’un accès exclusif ou privilégié aux connaissances, ces entreprises planifient la production à grande échelle, satisfaisant les intérêts individuels avec une efficacité sans précédent. 

***

Seulement 2 000 entreprises possèdent 60% des inventions brevetées simultanément dans les cinq plus grands offices de brevets du monde. Les géants du numérique s’approprient également des sources de connaissances brutes en récoltant des flux constants de données individuelles, relationnelles et organisationnelles, qui sont ensuite traitées par l’intelligence artificielle et utilisées pour planifier des portions croissantes du capitalisme.

Des géants comme Amazon et Alibaba récoltent des données sur le marché à partir de leurs plateformes de commerce électronique. Grâce à leurs clouds publics, ces deux géants, ainsi que Microsoft et Google, forment et améliorent leurs algorithmes en traitant les données issues des processus de production de leurs clients. Et, par le biais des réseaux sociaux et des applications les plus diverses, ils planifient même – dans une certaine mesure – nos vies personnelles.

En conséquence, ces géants ont non seulement une capacité de planification qui ferait rougir d’envie les planificateurs du Gosplan, mais ils s’approprient également une part croissante de la valeur produite socialement, creusant les inégalités à mesure qu’ils dirigent nos vies. Sans que personne n’ait voté pour eux, ils dirigent autoritairement le capitalisme.

Si la planification était synonyme de socialisme au 20e siècle, mais qu’elle est aujourd’hui fondamentale pour comprendre le capitalisme, qu’est-ce qui nous empêche de penser et de réaliser un projet de planification ouvrière et socialiste ?

 

Savoir pour planifier

Parler de planification vous ramène probablement à ses cas les plus connus : les expériences de ce qu’on appelle le socialisme réel, de l’Union soviétique à Cuba ; les plans économiques – y compris les plans de développement – mis en œuvre par les États nationaux dans diverses parties du monde, aussi bien dans le passé – comme les plans quinquennaux des gouvernements de Perón en Argentine – que la planification réalisée par l’État chinois aujourd’hui ; ou la capacité de planifier le processus de travail à l’intérieur de l’usine[1].

Toutes ces expériences ont quelque chose en commun : la planification est circonscrite à des limites territoriales clairement définies, un périmètre qui – tout au plus – coïncide avec celui d’une frontière géopolitique claire régie par le même acteur : un État ou une usine. Mais le capitalisme d’aujourd’hui, plus mondialisé que jamais, cache une autre expérience de planification camouflée en échanges mercantiles. Elle atteint une échelle mondiale, chevauche des portions d’espaces régis par différents États, et son protagoniste est un type particulier d’entreprise qui planifie un ensemble de processus de production diversifiés, organisés en systèmes d’accumulation qui dépassent les portes de ses usines.

Les grands planificateurs capitalistes de notre époque sont des entreprises issues des secteurs les plus divers : big pharma, géants des technologies numériques, leaders de l’industrie automobile, entreprises de grande consommation comme Coca Cola ou Nestlé, et même de grandes chaînes comme McDonald’s, Pizza Hut, Starbucks ou les hôtels Hilton. Leur point commun est qu’ils fondent leur pouvoir sur l’accumulation d’actifs immatériels, c’est pourquoi nous les appelons des monopoles intellectuels. Les actifs immatériels sont des connaissances intégrées dans la sphère économique, dont l’accès est exclusif ou limité. Le reste de la société doit payer pour y avoir accès, à moins qu’il ne s’agit de connaissances gardées secrètes, auxquelles personne d’autre ne pourra y accéder. Examinons quelques exemples.

Les données extraites par les plateformes numériques (et traitées par l’intelligence artificielle) et les développements scientifiques et technologiques avancés sont des exemples de connaissances qui, lorsqu’elles sont accessibles de manière exclusive, deviennent des actifs. D’autres exemples d’actifs immatériels sont les marques, les innovations dans l’organisation de la production, les changements dans les techniques utilisées qui peuvent résulter de connaissances tacites (savoir-faire) et l’accès exclusif à des informations sur qui peut produire quelle étape de la production au sein des chaînes de valeur (know-who).

Étant donné que les innovations peuvent éventuellement être copiées, la perpétuation d’un monopole intellectuel dans le temps nécessite d’augmenter constamment son stock d’actifs immatériels ; des actifs qui sont mobilisés pour dominer – par le biais de relations de planification – d’autres entreprises, universités, organisations de recherche et même des États. Les monopoles intellectuels utilisent leur accès exclusif à des parties de la connaissance pour contrôler et organiser les processus de production distribués dans des organisations subordonnées qu’ils ne possèdent pas formellement mais qu’ils contrôlent de fait. Ils décident au nom de ces unités de production subordonnées comment et ce qu’elles vont produire, en combien de temps, selon quelles normes et même quelles transformations elles vont mettre en œuvre dans leurs techniques de production. Cette forme de planification implique non seulement la fixation des prix, mais aussi la définition de clauses d’exclusivité, de conditions de crédit commercial et de normes de qualité. Au niveau contractuel, la planification capitaliste à grande échelle prend la forme de contrats d’adhésion dans lesquels les entreprises subordonnées peuvent seulement décider d’accepter ou de rejeter l’accord.

Lorsque les informations ne peuvent être facilement encodées, les entreprises planificatrices exercent une coordination ou un contrôle direct. Quelques semaines avant le lancement du premier iPhone, Apple a décidé de changer l’écran. Les responsables se sont ensuite rendus en Chine, arrivant en pleine nuit à l’usine Foxconn (son principal sous-traitant) pour donner des instructions et veiller à ce que les changements nécessaires soient effectués à temps. Les dirigeants de Foxconn ont immédiatement réveillé leurs ouvriers pour répondre à l’exigence d’Apple. Ce n’est qu’un exemple d’une pratique courante d’Apple, où les responsables d’Apple supervisent les processus de production quotidiens sur site et définissent les calendriers de livraison pour les entreprises qui ne sont pas formellement détenues par Apple, comme Foxconn.

À un niveau général, les structures utilisées pour la planification en dehors de l’usine vont de l’organisation des chaînes de valeur mondiales au modèle de franchise et, plus récemment, aux plates-formes. Dans ce dernier cas, la planification comprend la création de marchés, la définition de normes sur ce qui peut être fait et comment, et ce qui ne peut pas être fait au sein des plateformes. Dans tous ces domaines – plateformes, chaînes, franchises – le monopole intellectuel définit les règles du jeu ; il fixe les normes qui régissent la production et le marché. Selon l’économiste Charles Bettelheim, les entreprises subordonnées ont « la capacité de mettre en œuvre les moyens de production » mais manquent partiellement « du pouvoir de disposer des produits obtenus à l’aide de ces moyens de production ».

La capacité de planification capitaliste à grande échelle s’étend également à la production de nouvelles connaissances. Les monopoles intellectuels contrôlent et organisent les processus de recherche et de développement au niveau mondial. Ils imposent leur programme de recherche aux institutions publiques, qu’elles soient ou non directement liées à elles. Elles organisent également des systèmes d’innovation d’entreprise avec des universités, des start-up et des organismes de recherche, dans lesquels elles externalisent des phases des processus de recherche et de développement. Elles choisiront d’externaliser tant qu’elles pourront ensuite transformer les connaissances qui en résultent en actifs immatériels exclusifs, en innovations exclusives qui leur permettront de continuer à s’approprier la valeur de la société. L’appropriation privée des connaissances leur permet de capter de la valeur sous forme de rente intellectuelle, soit en faisant payer l’accès à ces connaissances (par exemple, dans le cas des redevances pour l’utilisation de brevets), soit en vendant leurs produits à un prix systématiquement supérieur à leur prix de production.

En bref, le capitalisme actuel est structuré sur la base de sphères de planification contrôlées par des monopoles intellectuels. C’est l’accès exclusif aux connaissances – les actifs immatériels – nécessaires pour organiser et planifier les processus productifs qui est la clé pour expliquer pourquoi certaines entreprises sont devenues des planificateurs capitalistes. Comme nous le verrons plus loin, au sein de l’accumulation de connaissances essentielles à la planification, l’accès à l’intelligence numérique se distingue : le big data traité par des algorithmes.

 

Big data et algorithmes au service de la planification capitaliste à grande échelle

La planification exige des connaissances. Savoir quelles techniques de production utiliser et comment, qui peut produire avec elles et quels sont les besoins à satisfaire, tous ces éléments étant en constante évolution. Une planification efficace exige donc un exercice permanent d’ajustement ou de recalibrage qui dépend de la connaissance que l’on a des processus spécifiques que l’on cherche à planifier. Internet est une source inépuisable de données, qui sont la forme la plus grossière de la connaissance. C’est pourquoi l’émergence de l’économie numérique a permis à la planification de se développer et de se professionnaliser.

En ce sens, une différence essentielle entre un plan quinquennal et la planification numérique est que cette dernière – parce qu’elle est basée sur des flux de données constants – permet une mise à jour du plan en temps réel. Une autre différence est qu’elle ne nécessite pas de simplifications (par exemple, l’identification d’une unité de production ou d’un consommateur moyen) puisque des données individualisées sont disponibles. Il s’agit d’une planification à grande échelle avec des données microscopiques.

Cependant, des données décentralisées et brutes sont inutiles pour la planification et l’innovation. L’économie numérique ne se résume pas à des données ; c’est l’intelligence numérique qui résulte du traitement de ces données centralisées par des algorithmes d’intelligence artificielle. Parmi eux, selon les statistiques de l’Organisation mondiale de la propriété intellectuelle, le domaine qui connaît la plus forte croissance en termes de demandes de brevets, avec une augmentation de 175 % entre 2013 et 2016, est celui des algorithmes basés sur le deep learning et les deep neural networks, des algorithmes qui ont la capacité d’apprendre et de se corriger au fur et à mesure qu’ils traitent les données.

En d’autres termes, ils fonctionnent comme s’ils étaient des moyens de production en constante amélioration : des machines qui apprennent (c’est pourquoi on parle d’apprentissage automatique). En apprenant, ils mettent à jour leur technique de production d’intelligence numérique (et donc leur capacité prédictive). Cockburn et ses co-auteurs considèrent le traitement des données à l’aide d’algorithmes de deep learning comme une nouvelle méthode d’invention, car ils automatisent considérablement la découverte et élargissent les types de problèmes qui peuvent être résolus par l’analyse de grands volumes de données. Ainsi, la collecte, la centralisation et l’analyse des données favorisent un avantage cumulatif en termes de capacité d’innovation.

Les géants de la technologie numérique des États-Unis, et dans une moindre mesure de la Chine, sont en train de monopoliser cette nouvelle méthode d’invention et, en ce sens, nous pouvons les considérer comme le cas le plus extrême de monopole intellectuel. Ils disposent de la plus grande capacité de traitement des données (au niveau des algorithmes comme de l’infrastructure matérielle) et des sources de données les plus importantes et les plus diverses. Ils pourraient donc finir par étendre sans limites leur monopole intellectuel sur la base des innovations issues du traitement des données par des algorithmes auto-apprenants. Selon le rapport State of AI du 2020, le modèle de deep learning le plus avancé compte 175 milliards de paramètres. Alors qu’il a été développé par l’organisation à but non lucratif OpenAI, il a été cédé sous licence exclusive à Microsoft après que le monopole historique créé par Bill Gates a investi un milliard de dollars dans OpenAI en 2019.

En agissant comme des monopoles intellectuels basés sur le traitement des données, les géants de la technologie peuvent trouver de nouvelles activités et pénétrer sur divers marchés avec un avantage (de données) sur ceux qui sont déjà présents. Leur expansion en tant que pieuvres dans les secteurs les plus divers – y compris les soins de santé, l’éducation et les transports – est la preuve de leur capacité à planifier des processus productifs au-delà de leurs plateformes d’origine.

En bref, étant donné que la planification nécessite toujours des connaissances, le fait de monopoliser à la fois l’accès à de grands volumes de données individualisées et les connaissances nécessaires pour faire de ces données des connaissances utiles à réinjecter dans leurs exercices de planification est la source du pouvoir qui distingue les grandes entreprises de technologie numérique. Ils constituent un cas extrême de monopoles intellectuels. Comme expliqué plus en détail ci-dessous, ils disposent d’un avantage relatif en matière de planification en raison de leur accès exclusif aux données de production, de distribution (marché) et de consommation sur lesquelles ils entraînent leurs algorithmes depuis des années.

 

Oxymore ou dialectique ? Planifier le marché

Amazon est probablement le cas le plus paradigmatique d’un planificateur capitaliste à grande échelle ; une sorte de main (in)visible du marché qui remet en question la fiction du capitalisme comme système spontané et décentralisé. Il anticipe la demande individuelle et manipule l’offre.

Amazon exige des prix bas des vendeurs opérant sur sa plateforme de commerce électronique, dont plus de 1,9 million de petites et moyennes entreprises qui représentent près de 60 % des ventes. Amazon définit également les produits qui apparaîtront en premier lorsqu’un consommateur effectue une recherche.

Sa capacité de planification, y compris la possibilité de procéder à des ajustements rapides face à des événements imprévus, a été mise à l’épreuve – avec succès – lors de la pandémie. Ses centres de distribution étant submergés de commandes, Amazon a dû suspendre la vente d’articles non essentiels. Toutefois, l’entreprise a réagi rapidement en embauchant 175 000 travailleurs supplémentaires dans les semaines qui ont suivi le début de la quarantaine aux États-Unis. Et, entre février 2020 et mars 2021, l’entreprise a embauché un total de 400 000 travailleurs dans le monde entier. Au-delà de la pandémie, les marchés intégrés à sa plateforme de commerce électronique s’équilibrent non par l’interaction spontanée de l’offre et de la demande (l’idée derrière la métaphore de la main invisible), mais par l’action délibérée d’Amazon.

Derrière un accès supposé plus démocratique à une diversité d’options pour satisfaire les besoins, les plateformes de commerce électronique telles qu’Amazon, Alibaba et Mercado Libre planifient la sphère des échanges. Camouflés en échanges marchands, ils orchestrent des échanges planifiés où ceux qui consomment sont incités à acheter et ceux qui vendent se plient aux règles et conditions de ces géants numériques.

Mais il y a autre chose qui nous dit comment le plus grand planificateur capitaliste différencie ses entreprises entre celles qui lui permettent d’accumuler du capital (et de s’approprier de la valeur) et celles qui lui fournissent des données, source indispensable de son pouvoir. Amazon ne donne pas la priorité aux bénéfices en espèces de sa plateforme de commerce électronique, au point que, en général, cette activité dégage des marges faibles, voire négatives. Il s’agit d’une stratégie visant à maximiser le volume des ventes et, plus généralement, le trafic sur sa plateforme, ce qui augmente les données récoltées. Cette récolte est l’objectif principal d’Amazon en ce qui concerne sa plateforme de commerce électronique. Plus le trafic est important, plus la génération (et l’appropriation) de données individualisées sur les transactions, les consommat·rices et les fournisseurs est grande.

Sur la base de l’intelligence numérique résultant du traitement de ces données par des algorithmes de deep learning, Amazon planifie sa plateforme de commerce électronique. Elle planifie également son activité publicitaire et ses centaines de milliers de produits propriétaires fabriqués par des tiers dans des chaînes de valeur mondiales également planifiées par Amazon. Parmi les plus importants, citons son assistant intelligent Alexa et son livre électronique Kindle. Ces appareils sont des sources supplémentaires de données sur les consommateurs. Il y a plus de 100 millions d’appareils intelligents connectés grâce à Alexa. Amazon a même déposé un brevet stipulant qu’Alexa peut détecter la toux d’une personne et lui suggérer d’acheter du sirop via Amazon.com.

En bref, Amazon ne planifie pas seulement les entreprises subordonnées à ses plateformes et à ses chaînes de valeur, mais aussi les marchés du monde entier (principalement occidental). Et si cet exercice n’entraîne pas forcément des bénéfices exorbitants, l’appropriation et l’analyse des données du commerce électronique constituent la base de l’activité qui est sa principale source de profit : Amazon Web Services.

 

Cloud « public », profits privés

Les algorithmes qui traitent (et s’améliorent en traitant) les données du commerce électronique sont à la base d’Amazon Web Services. Les applications, l’infrastructure de traitement et de stockage des données et les portions de code qui peuvent être intégrées en tant que boîte noire dans des applications ou dans le cadre d’autres algorithmes sont proposés en tant que services sur le cloud. Amazon, Microsoft, Google et Alibaba détiennent près de 70 % de ce marché. Amazon est en tête avec 33%.

Les algorithmes proposés sous forme de services sur le cloud apprennent en traitant les données des clients. Les données détaillées des processus de production dans les secteurs les plus divers sont collectées au moyen de capteurs, une technologie connue sous le nom d’internet des objets.

L’internet des objets est au cœur de la planification de la production : il permet de réduire les perturbations potentielles et d’identifier les étapes qui nécessitent des investissements, des développements ou des attentions supplémentaires. Par exemple, les défaillances potentielles des machines sont anticipées, ce qui permet une maintenance prédictive. Le fait qu’une part croissante de ces données soit traitée dans les clouds « publics » de quatre entreprises constitue un processus sans précédent de centralisation des paramètres critiques de la gestion du capital. Même si aucun employé·e de ces entreprises n’a accès aux données, du simple fait qu’elles soient utilisées par un service sur le Cloud permet aux algorithmes de continuer à apprendre et à devenir de meilleurs prédicteurs.

Étrangement appelé public, le cloud est en fait une affaire privée très rentable pour une poignée d’entreprises. Leurs clients contribuent à améliorer les services qu’ils achètent et fournissent des données cruciales aux géants de la technologie pour accéder à de nouveaux marchés. Ainsi, le coût supplémentaire pour offrir à un nouveau client l’accès à un algorithme de deep learning dans le cloud est négatif : cela ne coûte rien au géant numérique et en plus il est gagnant (par l’amélioration induite de son algorithme, en plus du prix de vente du service lui-même).

La planification des processus de production atteint ainsi une sophistication et une échelle maximales. Si les entreprises ont toujours planifié vers l’intérieur, et que désormais les monopoles intellectuels planifient également les entreprises subordonnées qui participent à leurs chaînes de valeur, franchises ou plateformes, les géants qui dominent le cloud public ajoutent une autre dimension à la planification capitaliste. Leurs algorithmes planifient les processus de production de leurs clients. A mesure que les entreprises passeront à l’exploitation de ces clouds, nous pourrions nous retrouver face à quatre planificateurs de l’ensemble du système de production de marchandises.

 

Réseaux sociaux et moteurs de recherche : des données pour planifier la vie personnelle

Les réseaux sociaux complètent le cycle de collecte de données dans tous les domaines de la vie humaine. À partir d’eux, et même par le biais de moteurs de recherche tels que Google, des données sont récoltées sur nos vies personnelles, sur nos relations (et notre consommation) en dehors des sphères de production et d’échange.

Les résultats de nos recherches sur internet, les recommandations d’ajout d’ami sur Facebook ou de twittos à suivre sont basés sur une analyse méticuleuse de nos comportements individuels et collectifs, qui cherche à anticiper, surveiller et modeler notre comportement quotidien. Outre leur utilité pour ceux qui veulent faire de la publicité pour leurs produits et leur potentiel en tant qu’outils de surveillance de l’État, ces plateformes permettent aux entreprises qui les exploitent d’organiser les domaines de la vie privée ou personnelle ; et en ce sens, elles réussissent – du moins dans une certaine mesure – à planifier ces domaines.

En bref, trois processus de planification capitaliste à grande échelle sont entrelacés : 1) la planification des processus de production – de marchandises et de connaissances – que tous les monopoles intellectuels réalisent, et qui sont centraliser et utiliser à leur avantage par ceux qui offrent des services sur le cloud, 2) la planification du processus de distribution (la « main visible » du marché opérant sur les plateformes de commerce électronique) et 3) l’influence des plateformes dans la sphère de la consommation, y compris la manière dont elles influencent nos relations personnelles ou directes. Si l’on considère l’ensemble de ces trois processus de planification, on peut penser que la planification capitaliste à grande échelle est une expérience anti-démocratique, profondément asymétrique, qui touche tous les domaines de notre vie. Est-il possible de penser à partir de cette forme de planification un scénario de planification ouvrière, socialiste et donc nécessairement démocratique et équitable ?

 

Planification socialiste : techniquement proche, politiquement lointaine

L’avancée de la planification capitaliste à grande échelle en dehors de l’unité de production renverse la caricature selon laquelle le socialisme est impossible parce que nous finirions tous par porter la même paire de chaussures, quelle que soit notre taille. L’analyse de grands volumes de données par l’intelligence artificielle permet d’anticiper l’évolution des besoins individuels à l’échelle mondiale et d’organiser la production en fonction de ces besoins. Dans le même temps, l’internet des objets facilite la planification au niveau technique dans l’usine. Si les plus grandes bases de données, les algorithmes avancés et les processeurs d’avant-garde qui sont aujourd’hui contrôlés par quelques entreprises étaient entre les mains d’organes directeurs composés de travailleurs (élus démocratiquement et provenant de différentes parties du monde), nous disposerions des conditions techniques nécessaires à des exercices de planification socialiste à grande échelle, ajustés en temps réel aux spécificités locales de chaque coin du monde.

Mais alors, si un système planifié est déjà possible, dans lequel nous avons tou·tes les paires de chaussures que nous voulons et que même de nouvelles paires arrivent sur le pas de notre porte avant même que nous en ayons exprimé le besoin, que faut-il pour qu’un projet de planification socialiste soit viable ? En d’autres termes, si le socialisme n’a plus de limites techniques, pourquoi, dans un contexte d’inégalités croissantes inacceptables, la perspective d’un monde où chacun donne selon ses capacités et prend selon ses besoins semble-t-elle s’éloigner ?

Nous devons reconnaître que nous n’avons pas la réponse à une question qui doit être abordée collectivement. Mais il y a quelques indices sur la façon de penser la planification socialiste à partir de, mais aussi en opposition à, la planification capitaliste à grande échelle. A partir de là, il est possible d’indiquer les conditions nécessaires – en dehors de la dimension technique – pour ouvrir une voie, c’est-à-dire commencer à tracer une stratégie, vers la planification socialiste comme utopie concrète.

D’une manière générale, la planification n’est pas seulement un exercice technique, c’est un rapport social de production qui, dans le capitalisme actuel, se développe de manière hiérarchique ou asymétrique. Elle s’exprime par la capacité des monopoles intellectuels à s’emparer de parts croissantes de la valeur produite dans les organisations du monde entier en s’appropriant systématiquement les connaissances converties en actifs immatériels. Il en résulte un pouvoir politique croissant qui permet à ces entreprises de s’imposer, y compris face aux États du monde entier. La planification capitaliste est politique dans la mesure où les monopoles intellectuels organisent, contrôlent et régulent des sphères entières du capitalisme en leur faveur, comme s’il s’agissait d’États.

La planification ouvrière doit également être politique mais, contrairement à la planification capitaliste, elle doit être profondément démocratique. La centralisation – pour la planification – n’est pas synonyme d’asymétrie ou d’inégalité, à condition que les décisions soient prises démocratiquement. Cela nécessite des délibérations collectives sur le type de données à collecter et sur celles à ne pas collecter. Ainsi, décider de collecter des données sur la façon dont une maladie se propage afin d’apporter des solutions rapides est certainement légitime. Inversement, les données qui contribuent à la répression et à la violence policières, comme les données de reconnaissance faciale, ne le sont pas. La planification du socialisme nécessite également un exercice performatif dans lequel les algorithmes sont entraînés avec des données qui reflètent ce que nous voulons faire en tant que société, par exemple, une société qui n’est ni raciste ni patriarcale. Au lieu de cela, à l’heure actuelle, les algorithmes sont formés avec des données réelles qui reflètent et reproduisent ces formes d’oppression et de marginalisation.

D’autre part, dire que les conditions techniques de la planification socialiste sont en place parce qu’aujourd’hui les grandes entreprises planifient les sphères du capitalisme mondial nécessite de s’interroger sur qui définit ce qui est planifié et comment. Les données qui sont collectées et, par conséquent, la façon dont les algorithmes d’intelligence artificielle sont formés sont des décisions à la fois techniques et politiques. Tant que les grandes entreprises de technologie numérique continueront à avoir un accès exclusif aux plus grands flux de big data, elles continueront à affiner leurs algorithmes secrets sur la base de la génération sociale de données. De plus, ces algorithmes sont basés sur des résultats de recherche publics et utilisent des parties en open source. En d’autres termes, il s’agit d’algorithmes qui utilisent des connaissances publiques ou communes, pour un bénéfice privé. Pour que la planification socialiste soit viable, il est essentiel de se battre pour que ces algorithmes et bases de données soient socialisés, car les alternatives que nous avons en accès libre sont loin de la puissance prédictive des algorithmes de deep learning d’Amazon, Microsoft, Google et des autres géants du numérique.

En outre, pour que la planification soit démocratique, il est nécessaire d’identifier des objectifs intermédiaires qui permettent au socialisme d’être un scénario possible à long terme. La prise de conscience que la planification à grande échelle existe et est efficace est l’un de ces objectifs intermédiaires. Un autre objectif intermédiaire urgent est de développer dès à présent la capacité de pensée autonome et critique de chaque être humain.

La démocratie bourgeoise est formelle. En principe, tout le monde peut participer. C’est oublier que la participation – aussi minime soit-elle – est fondée sur la connaissance, dont l’accès est de plus en plus concentré dans quelques mains privées. Tant que l’accès à la connaissance et sa production ne seront pas démocratisés, la planification ouvrière et socialiste ne sera pas viable, car pour décider collectivement, nous devons comprendre en profondeur ce dont nous discutons et pourquoi.

Dans le monde numérique, des formes simples de connaissance sont déjà produites collectivement et sur la base de relations de solidarité, mais les fruits économiques associés sont appropriés par des monopoles intellectuels. Evgeny Morozov interprète par exemple les évaluations que nous fournissons quotidiennement sur ce que nous consommons comme un lien de solidarité, parfois involontaire, avec les autres consommateurs. Nous leur fournissons librement des informations qui peuvent contribuer à leur processus de décision. Cette expérience montre que la connaissance se développe davantage (et nous aide à mieux vivre) lorsqu’elle est produite collectivement. C’est-à-dire, quand elle n’est pas monopolisée.

Les expériences de logiciels libres sont un exemple similaire dans la mesure où, bien que le code soit produit collectivement et sur des principes de solidarité, de plus en plus, ses fruits sont appropriés par les géants du numérique. Ils mettent des parties de leurs algorithmes en accès libre afin de pouvoir profiter du travail gratuit des développeurs lorsqu’ils les complètent, ou pour leurs proposer ensuite des solutions complémentaires payantes. Pour contrebalancer ces pratiques, il est essentiel de limiter l’utilisation de l’open source dans les logiciels propriétaires.

Cependant, l’élimination des monopoles intellectuels n’est pas suffisante pour obtenir la démocratisation de l’accès aux algorithmes et, plus généralement, à toutes les formes de connaissance. Elle exige également que tous les individus aient la même capacité à absorber ces connaissances, grâce à un accès garanti à une éducation publique de qualité à tous les niveaux pour toute la population. La démocratie sans éducation n’est pas la démocratie, et la planification sans démocratie ne peut jamais être considérée comme socialiste.

Pour sa part, la démocratisation de la production de connaissances implique, entre autres, la définition d’agendas de recherche motivés par la recherche de solutions aux problèmes sociaux et non par la recherche de profits privés. La résolution des problèmes sociaux comprend à la fois des problèmes généraux (repenser notre mode de vie, résoudre les catastrophes écologiques, vaincre l’oppression sexuelle et raciale, etc.) et des problèmes particuliers ou locaux, en dialogue avec d’autres travailleurs et leurs connaissances. La revalorisation de cet autre savoir, lié à la pratique, à l’expérience, est indispensable à la réalisation d’un projet dans lequel la production publique de connaissances – scientifiques, techniques et même des données de notre vie quotidienne – est la base d’une planification démocratique.

En définissant des objectifs intermédiaires qui permettent d’atteindre des objectifs plus complexes et à long terme, nous prenons en main la planification de notre vie ; de cette manière, nous luttons également contre la planification capitaliste à grande échelle. Et même si nous sommes certainement loin d’initier ces transformations ; même si les monopoles intellectuels continuent à s’approprier des portions croissantes du savoir et à définir les agendas dominants de la production scientifique et technologique, ne leur permettons pas de s’approprier également notre capacité à imaginer et à créer des mondes nouveaux et meilleurs.

*

Cecilia Rikap est économiste à  University of London et au CONICET.

 

Notes

[1] Chaque entreprise planifie en interne. Ses travailleurs ne choisissent pas ce qu’ils font, mais se conforment à une liste de tâches ou de responsabilités qui leur sont assignées par ceux qui, au sein de l’entreprise, ont pour rôle de planifier l’organisation du travail et de la production en général. Le livre « The People’s Republic of Walmart » fournit des exemples détaillés de la façon dont Wal-Mart et Amazon planifient en interne.