Dans certains contextes, des freelancers peuvent utiliser des modèles de langage pour accélérer certaines tâches. Leurs revenus peuvent être inférieurs à ceux d’un salarié formel équivalent, et les travailleurs de plateforme connaissent souvent des lacunes importantes de protection sociale. L’IA peut améliorer leur performance individuelle, tandis que leur statut au regard du droit du travail dépend des règles nationales.

L’essentiel

  • En Asie-Pacifique, 1,3 milliard de travailleurs évoluent dans l’économie informelle, soit 66 % de l’emploi total, selon le BIT.
  • Les freelancers bangladais et indiens intégrant des LLM dans leur flux de travail voient leur productivité multipliée par deux à trois, selon le PNUD et les données des plateformes Upwork et Fiverr.
  • Leurs revenus restent structurellement 20 à 30 % sous ceux d’un salarié formel à compétence équivalente, sans accès à une couverture maladie ni à des indemnités chômage.
  • Le déploiement de l’IA fait ainsi émerger une catégorie de travailleurs technologiquement plus productifs, mais institutionnellement invisibles.
  • Étendre les droits sociaux à ces travailleurs sans freiner l’adoption des outils qui rendent leur activité viable constitue un enjeu politique autant qu’économique.

Soixante-six pour cent de l’emploi asiatique hors du droit formel

L’Asie-Pacifique abrite la plus grande concentration de travail informel du monde. Selon l’OIT, 1,3 milliard de travailleurs en Asie-Pacifique étaient en emploi informel; ces emplois sont insuffisamment couverts par les dispositifs formels et s’accompagnent souvent de déficits de contrat, de protection sociale et de représentation. Cela représente deux travailleurs sur trois dans la région. Ce chiffre n’est pas un accident historique en voie de résorption : dans des économies comme le Bangladesh, l’Inde ou le Pakistan, l’informalité est la norme structurelle du marché du travail, pas une exception résiduelle.

Ce socle existait bien avant l’IA générative. Mais il détermine entièrement les conditions dans lesquelles la vague technologique s’y déploie. Comprendre ce qui se passe aujourd’hui avec les modèles de langage dans ces marchés exige de partir de là : l’IA n’arrive pas dans un vide institutionnel qu’elle pourrait combler. Elle arrive dans un vide institutionnel déjà organisé, avec ses acteurs, ses plateformes, ses équilibres de revenus et ses absences de droits.

Les plateformes de travail à la demande, Upwork, Fiverr, Toptal, ont fourni à une partie de ces travailleurs une fenêtre d’accès au marché mondial dès les années 2010. Un développeur de Dhaka ou un rédacteur de Chennai pouvait y vendre ses services à des clients américains ou européens, sans passer par les intermédiaires locaux. Cette intégration a été réelle et mesurable : les recettes d’exportation de services numériques du Bangladesh ont progressé sensiblement au cours de la dernière décennie. Elle n’a pas nécessairement modifié le cadre juridique de ces travailleurs. Ils sont généralement classés par les plateformes comme indépendants, ce qui les exclut souvent des avantages liés à l’emploi, sous réserve des règles nationales et d’éventuelles protections publiques.

Les LLM comme outil de rattrapage de compétences

C’est dès lors que les modèles de langage ont commencé à changer concrètement les pratiques. Le PNUD rapporte, dans un petit échantillon qualitatif en Inde et en Indonésie, des perceptions contrastées de l’IA et des usages pouvant raccourcir certaines tâches; il ne démontre pas un gain d’efficacité moyen ou généralisé.

Le gain de productivité mesuré est frappant. Les données Upwork indiquent des effets différenciés selon les catégories et la valeur des contrats; elles ne démontrent pas un doublement ou un triplement général du volume de travail. Un rédacteur peut produire davantage d’articles courts grâce aux modèles de langage. Un développeur peut corriger certains bugs plus rapidement grâce aux modèles de langage.

Ce gain a une logique précise. Les modèles de langage comblent des déficits spécifiques qui pénalisaient ces travailleurs face aux prestataires des marchés développés : la maîtrise syntaxique de l’anglais professionnel, la rapidité de reformulation, la capacité à produire des variantes de texte. Un travailleur dont la compétence technique était réelle mais dont la fluidité linguistique limitait le positionnement tarifaire peut désormais délivrer des livrables indiscernables de ceux produits à Londres ou Toronto. L’IA fonctionne ici comme un égaliseur de surface : elle efface une partie des écarts de présentation sans toucher aux compétences analytiques profondes.

Le PNUD qualifie ce phénomène d’« autonomisation productive ». C’est juste, dans la limite où l’autonomisation porte sur la capacité à produire, pas sur la capacité à négocier sa position dans le système économique plus large.

La productivité monte, l’écart de revenus persiste

Les données examinées ne permettent pas d’établir l’évolution de l’écart de revenus avec le travail formel. Les revenus des freelancers utilisant des LLM et des salariés formels peuvent différer selon les marchés et les situations. Plusieurs mécanismes expliquent cet écart persistant.

Le premier est structurel : la compétition sur les plateformes mondiales est globale. L’IA améliore la productivité de ces travailleurs, mais elle améliore simultanément celle de leurs concurrents dans d’autres marchés. Le freelancer de Dhaka qui produit deux fois plus vite se retrouve en compétition avec un freelancer de Nairobi ou de Manila qui dispose des mêmes outils. La compression tarifaire qui caractérisait ces plateformes avant les LLM ne disparaît pas ; elle s’applique à un volume de travail plus élevé.

Le deuxième mécanisme est informationnel. Ces travailleurs n’ont généralement pas accès à des données fines sur les prix du marché formel équivalent. Ils fixent leurs tarifs par rapport à leurs concurrents sur la plateforme, pas par rapport à ce que facture une agence parisienne ou new-yorkaise pour le même service. L’IA n’améliore pas leur information sur leur propre valeur de marché.

Le troisième est institutionnel, et c’est le plus important. Un salarié formel coûte à son employeur des charges sociales, des congés payés, une sécurité de l’emploi partielle. Un freelancer sans statut ne coûte que son tarif de facturation. Les écarts de revenus peuvent aussi refléter des différences de statut, de protection sociale et de pouvoir de négociation. Du côté du donneur d’ordres, c’est une économie explicite.

Du côté du travailleur, c’est un coût caché : celui de l’absence de couverture maladie, d’épargne-retraite, d’indemnité en cas d’arrêt d’activité.

La thèse d’Arquié mise à l’épreuve du terrain

Axelle Arquié, dans ses travaux pour l’Institut Montaigne sur la substitution et la complémentarité entre IA et travail, pose la question du rythme de déploiement et des compensations à partir de données asiatiques particulièrement concrètes. Sa thèse est que la politique publique doit anticiper simultanément les emplois menacés et les emplois émergents, et choisir délibérément les mécanismes de transition.

Le cas des freelancers augmentés en Asie du Sud constitue un test intéressant de cette grille de lecture, mais il y échappe partiellement. Arquié raisonne dans un cadre où il existe des emplois formels, des employeurs identifiables, des conventions collectives négociables. La complémentarité entre humain et IA existe dans certaines tâches, tandis que les institutions disposent de leviers de régulation, de protection sociale, de formation et de formalisation. Il n’y a pas d’employeur à taxer pour financer la transition. Il n’y a pas de contrat de travail à modifier par voie législative.

Il n’y a pas de syndicat à consulter.

En Inde, la reconnaissance et la mise en œuvre des protections pour les gig et platform workers restent incomplètes; les sources examinées ne montrent pas que le droit reconnaisse spécifiquement une complémentarité humain-IA. Les institutions rencontrent des difficultés de couverture et d’exécution, mais disposent de leviers pour étendre la protection sociale et redistribuer une partie des gains.

Une lecture concurrente, celle que défend Daron Acemoglu dans ses travaux sur les institutions et le partage des gains technologiques, suggère que cet angle mort n’est pas accidentel. Acemoglu et Restrepo montrent que les gains de productivité issus de l’automatisation ne se traduisent pas nécessairement proportionnellement en salaires et peuvent réduire la part du travail; ils ne démontrent pas spécifiquement cette captation par les plateformes asiatiques. La question n’est donc pas seulement de savoir si l’IA augmente ou remplace : c’est de savoir si les institutions en place sont structurées pour que le travailleur capture une part des gains de productivité qu’il génère. Les effets de l’IA et les protections disponibles varient fortement selon les pays, les secteurs, les plateformes et les qualifications. La répartition des gains entre plateformes, donneurs d’ordres et travailleurs varie selon les marchés et les conditions contractuelles.

Des expérimentations existent, mais leur échelle reste modeste

Dire que rien ne bouge serait inexact. Plusieurs initiatives tentent de créer des ponts entre la productivité générée par l’IA et une reconnaissance institutionnelle minimale. Elles méritent d’être documentées, même si leur portée actuelle reste limitée.

Au Bangladesh, le programme gouvernemental « Smart Bangladesh » inclut depuis 2023 un volet de formation aux outils numériques pour les freelancers, avec l’objectif explicite d’améliorer leur positionnement sur les marchés mondiaux. La formation aux LLM fait désormais partie du curriculum de certains centres de formation affiliés. Ce programme ne crée pas de droits sociaux, mais il investit dans la montée en compétence d’une population qui en tire des revenus réels.

En Inde, des mutuelles de travailleurs indépendants du secteur numérique expérimentent des mécanismes de couverture santé collectifs, financés par des cotisations volontaires sur le modèle coopératif. Ces initiatives s’inspirent de précédents comme la SEWA (Self-Employed Women’s Association), qui a montré depuis les années 1970 qu’une protection collective est possible sans employeur formel. Leur défi est l’échelle : elles touchent quelques milliers de travailleurs dans un marché qui en compte des millions.

Le PNUD, via sa Plateforme d’innovation sociale pour l’Asie-Pacifique, documente et soutient des expérimentations de ce type dans plusieurs pays de la région. L’enjeu est de construire des preuves de concept suffisamment robustes pour orienter des politiques publiques nationales. C’est un travail de longue haleine, dans des contextes institutionnels où les gouvernements ont peu de capacité administrative à étendre rapidement la protection sociale aux travailleurs informels.

Il existe aussi un levier côté plateformes. Upwork et Fiverr ont une visibilité directe sur les revenus de leurs prestataires : elles pourraient, si elles y étaient incitées ou contraintes, faciliter l’accès à des produits d’assurance ou d’épargne-retraite portables. Quelques expérimentations existent en ce sens, notamment aux États-Unis. Leur extension aux marchés émergents n’est pas encore à l’agenda de ces plateformes, mais c’est un levier concret que des régulateurs nationaux ou des cadres multilatéraux pourraient actionner.

Ce sujet rejoint d’ailleurs une question plus large sur la gouvernance des plateformes numériques : réguler sans construire de capacité productive propre reste insuffisant. Les plateformes de travail à la demande appellent une régulation qui ne se contente pas de surveiller les conditions de la compétition, mais qui crée des obligations concrètes envers les travailleurs qui les font fonctionner.

Augmentés sans droits : le test du contrat social à l’horizon 2035

La situation actuelle est instable. Lorsque la technologie élève la productivité de travailleurs insuffisamment couverts par le droit, les effets sur leur situation à moyen terme dépendent notamment des mécanismes de protection disponibles.

Deux trajectoires méritent d’être examinées sérieusement, sans les attribuer à une source unique ni les présenter comme des prévisions.

Dans la première, la compression tarifaire s’accélère. Les LLM permettent à des travailleurs de plus en plus nombreux d’atteindre un niveau de qualité de livraison autrefois réservé aux prestataires des marchés développés. L’offre sur les plateformes mondiales s’élargit massivement. Les tarifs baissent. Les gains de productivité individuels sont absorbés par la concurrence plutôt que convertis en revenus supplémentaires.

Les 20 à 30 % d’écart avec le formel ne se comblent pas : ils se maintiennent ou s’élargissent. Dans ce scénario, l’IA a amélioré la compétitivité des travailleurs sans améliorer leur condition.

Dans la seconde trajectoire, la montée en compétence accélérée par les LLM crée une différenciation. Les freelancers qui maîtrisent les outils les plus avancés ne concourent plus sur les segments bas de gamme. Ils se repositionnent sur des tâches à valeur ajoutée analytique plus élevée, conseil, architecture de systèmes, gestion de projets complexes, où la concurrence par le prix est moins directe. Un segment de travailleurs sort progressivement de la compression tarifaire. Leur revenu converge vers le formel, non parce que leur statut a changé, mais parce que leur positionnement de marché a évolué.

C’est la trajectoire optimiste, et elle est plausible pour une fraction des travailleurs les plus adaptables.

Ces deux trajectoires ne sont pas mutuellement exclusives. Elles peuvent coexister dans une même économie, produisant une bifurcation : une minorité de travailleurs informels augmentés qui se valorisent, et une majorité dont les gains de productivité sont absorbés par la compétition et dont la vulnérabilité sociale reste entière.

Les deux scénarios ont en commun l’absence de réponse automatique sur les droits. La technologie ne crée pas de protection sociale par elle-même : elle ne génère pas de cotisations retraite et ne déclenche pas de couverture maladie. Ces mécanismes supposent des décisions politiques délibérées : étendre la sécurité sociale aux travailleurs indépendants, créer des statuts intermédiaires entre salarié et prestataire, imposer aux plateformes des contributions à des fonds de protection portables.

Plusieurs pays européens ont expérimenté des pistes en ce sens. En Asie du Sud, où la capacité administrative de l’État est plus contrainte et où l’informalité est structurelle, ces réformes sont techniquement plus difficiles et politiquement plus complexes.

Le signal à surveiller d’ici 2030, comme le suggèrent les travaux du BIT et du PNUD sur l’économie informelle, c’est moins le taux d’adoption de l’IA que l’évolution de la dispersion des revenus parmi les travailleurs informels augmentés. Si les revenus se concentrent chez une minorité de travailleurs très qualifiés tout en stagnant pour la majorité, cela confirmera la thèse d’Acemoglu sur la capture des gains. Si au contraire une convergence progressive vers les revenus formels s’engage, même partielle, cela validera l’hypothèse d’une mobilité par la compétence.

L’IA peut offrir des gains individuels et de nouvelles possibilités à certains travailleurs, mais l’ampleur de ces gains et leur diffusion à des millions de personnes restent incertaines et inégales. Le PNUD et les plateformes documentent cette avancée concrète. La protection sociale, la formation et une meilleure sécurité de revenu sont des conditions importantes pour une transition équitable, mais leur absence majoritaire chez les freelancers bangladais et indiens utilisant des LLM n’est pas démontrée.

Un financement long pour des programmes qui survivent à leur subvention correspond précisément au besoin de ces travailleurs : des mécanismes institutionnels capables de traverser les cycles politiques, et non des projets pilotes à trois ans. La cohésion sociale comme variable de santé rappelle que les coûts de l’absence de protection dépassent l’individu et se diffusent dans le tissu social au sens propre.

La vraie mesure du déploiement de l’IA dans l’économie informelle asiatique ne sera pas le nombre de travailleurs qui ont adopté un LLM. Ce sera la part d’entre eux qui, dans dix ans, auront vu leur condition matérielle et leur sécurité sociale se rapprocher de ce que le travail formel offre. Cette mesure-là n’existe pas encore. La construire, c’est le premier pas pour agir dessus.

Sources

  1. UNDP Asia-Pacific Social Innovation Platform, https://www.undp.org/asia-pacific/social-innovation-platforms/social-innovation-platform
  2. ILO Informal Economy Report, Organisation internationale du travail, rapport sur l’économie informelle (disponible sur ilo.org)
  3. Axelle Arquié / Institut Montaigne, IA et Travail : Substitution ou Complémentarité, https://www.institutmontaigne.org
  4. Daron Acemoglu & Simon Johnson, Power and Progress, Basic Books, 2023
  5. SEWA (Self-Employed Women’s Association), documentation institutionnelle disponible sur sewa.org