Plateformes collaboratives et discriminations : le cas du site de covoiturage Blablacar

Cette note présente de manière synthétique les résultats d’une étude menée sur le site de covoiturage Blablacar par trois chercheurs en économie : Mehdi Farajallah (ESC Rennes, Thierry Pénard (CREM, University of Rennes 1) et Robert Hammond (North Carolina State University). L’un des résultats clés est que les conducteurs ayant un nom à « consonance arabe ou musulmane » ont une probabilité significativement plus faible d’attirer des passagers que des conducteurs ayant un nom à « consonance française » (avec un écart dans les taux de remplissage de 13 points), et affichent des prix plus bas sur les trajets qu’ils offrent. L’explication avancée est l’existence de comportements discriminatoires de la part des utilisateurs de Blablacar, similaires à ceux observés aux Etats Unis sur AirBnB.

AirBnB, Blablacar, LeBonCoin, ces plateformes numériques sont plébiscitées par les Français. Un Français sur 5 déclare avoir déjà utilisé un site de location ou d’échange de logement entre particuliers et 23% un site de covoiturage (source M@rsouin, enquête Consommation collaborative 2016). Tous ces sites mettent en relation principalement des particuliers et leur apportent des services et des outils facilitant les échanges (moteurs de recherche, paiements sécurisés, systèmes d’évaluation, …). Si ces plateformes connaissent un tel succès, c’est qu’elles constituent une source de revenus additionnels côté offre (hébergeur, conducteur, vendeur) et permettent de réaliser de bonnes affaires côté demande (voyageur, passager, acheteur). D’autres motivations peuvent rentrer en compte comme le plaisir de rencontrer de nouvelles personnes, ou des motivations environnementales (réduire la pollution automobile, recycler/réutiliser des biens d’occasion).

Mais tout le monde accèdent-ils aux avantages de ces plateformes dite collaboratives ou communautaires ? Ces plateformes sont-elles des espaces réellement animés par le partage ? Deux études américaines menées sur la plateforme AirBnB apportent un regard plus nuancé. Elles mettent en évidence des comportements de discriminations raciales. Ainsi, Edelman et Luca (2014) montrent qu’à New York, un logement Airbnb proposé par un hôte « afro-américain » est 12% moins cher qu’un logement à caractéristiques identiques proposé par un hôte « blanc ». De même, Edelman, Luca et Svirsky (2016) observent que sur AirBnB, la probabilité d’accepter une demande de réservation est plus faible lorsqu’elle émane d’une personne ayant un nom à consonance afro-américaine. L’écart d’acceptation serait de l’ordre de 8 point de pourcentage entre un utilisateur ayant un nom de « blanc américain » (probabilité d’acceptation de 50%) et le même utilisateur ayant un nom de « noir américain » (probabilité de 42%). Ce résultat est robuste lorsque l’on prend en compte les caractéristiques du logement et de l’hôte. Doléac et Stein (2013) mettent aussi en évidence des phénomènes de discrimination raciale sur la plateforme de petites annonces américaine Craiglist. Ils montrent que la couleur de la main qui tient l’iPod mis en vente a un effet significatif sur la probabilité de vendre cet objet et donc sur son prix de vente : il est plus difficile de vendre un iPod si la couleur de la main sur la photo de l’annonce est noire.
 
Dans cette note, nous présentons les principaux résultats d’une étude menée sur le site de covoiturage Blablacar (Farajallah, Hammond et Pénard, 2016). L’un des résultats clés est que les conducteurs ayant un nom à « consonance arabe ou musulmane » ont une probabilité plus faible de remplir leur voiture que des conducteurs ayant un nom à « consonance française » et affichent des prix plus bas sur les trajets qu’ils offrent. En d’autres termes, avoir un prénom à consonance arabe est associé à une espérance de gain plus faible sur le site Blablacar. L’explication avancée est l’existence de comportements discriminatoires de la part des utilisateurs de Blablacar, similaires à ceux observés aux Etats Unis sur AirBnB.

La plateforme Blablacar

Lancé en France en 2006, Blablacar est devenu en dix ans le leader mondial du covoiturage. Présent dans 22 pays, Blablacar compte plus de 20 millions de membres et est valorisé à 1,5 milliards d’euros. En France, Blablacar détient plus de 90 % du marché du covoiturage, laissant très peu de place à ses concurrents comme IDVroom.

De manière pratique, l’inscription sur le site est gratuite. Chaque utilisateur remplit son profil (nom, âge, numéro de téléphone, type de voitures, …). Il a aussi la possibilité d’ajouter une photographie et quelques phrases pour se présenter. Une fois inscrit, un conducteur peut proposer des places pour un trajet donné (en indiquant la ville de départ et d’arrivée, le jour et l’heure de départ). Le site Blablacar indique au conducteur un prix recommandé, mais ce dernier a la possibilité de fixer un prix supérieur ou inférieur (entre 50% et 150% du prix suggéré). Ce prix sert à partager les frais du trajet (essence et éventuellement péages). A la différence d’Uber, un conducteur Blablacar ne peut pas en faire son activité professionnelle. Blablacar se rémunère en prélevant une commission de l’ordre de 15% sur le prix du covoiturage.

Une des spécificités de Blablacar est de proposer à ses membres une combinaison d’interactions en ligne et physiques. La mise en relation se fait bien via la plateforme, mais se poursuit en face à face (dans la voiture le temps du trajet) et se termine de nouveau sur la plateforme lorsque le conducteur et le passager décident de s’évaluer. Compte tenu de la nature du service (et des risques d’accidents ou d’agressions liés au covoiturage), on peut penser que les passagers sont vigilants quant au choix du conducteur et vice versa, et que les profils et les évaluations sont des éléments importants avant de sélectionner un conducteur ou d’accepter un passager. Par exemple, un passager ne va pas uniquement regarder le prix, mais peut prendre en compte l’expérience de conduite et refuser un conducteur qui a la réputation de rouler trop vite. Une conductrice peut préférer prendre uniquement des passagères. Un jeune peut avoir envie de voyager avec des personnes du même âge parce qu’il pourra plus facilement avoir des sujets de conversation ou écouter de la musique à son goût dans la voiture.

A côté du critère prix, l’expérience et la réputation du conducteur ou les effets d’homophilie sociale peuvent donc guider les choix du conducteur et/ou des passagers sur Blablacar. Mais si on peut comprendre qu’un passager n’ait pas envie de risquer sa vie avec un conducteur imprudent ou inexpérimenté, les choix sur Blablacar relèvent-ils tous de motivations moralement acceptables ? Certains comportements ne sont-ils pas de nature discriminatoire, alimenté par des préjugés ou du racisme à l’instar de ce qui est observé sur AirBnB ? Pour répondre à ces questions, nous avons étudié empiriquement la manière dont les conducteurs fixaient le prix de leurs trajets sur Blablacar et l’effet du prix et des caractéristiques du conducteur sur le taux de remplissage de sa voiture.

Les données

Notre étude s’appuie sur une base de données collectées sur le site de Blablacar entre août 2013 et mars 2014. Nous avons sélectionné 40 trajets et nous avons récupéré l’ensemble des offres disponibles grâce à un programme informatique effectuant des requêtes journalières sur chacun de ces trajets. Notre base comprend aussi bien des trajets entre Paris et des villes de province que des trajets entre villes de province. Le trajet le plus court est Nîmes-Montpellier (56 Km) et le plus long est Marseille-Paris (774 Km). Au total, nos données couvrent 948.789 offres de trajets provenant de 297.582 conducteurs différents. Pour chaque offre, nous disposons des villes de départ et d’arrivée, de l’heure et la date de départ, du profil du conducteur (genre, âge, photo ou non, prénom), de ses préférences déclarées lors de l’inscription sur Blablacar (en termes de musique et de discussion dans sa voiture, s’il accepte la présence d’un animal ou de fumeurs) et du niveau de confort de sa voiture (sur une échelle de 1 à 5). Par ailleurs, nous connaissons son niveau d’expérience (débutant, habitué, confirmé, expert, ambassadeur) selon la classification de Blablacar qui tient compte à la fois de l’ancienneté sur le site et des évaluations positives reçues.

Concernant les évaluations reçues, les passagers avaient, à l’époque de la collecte de données, la possibilité d’évaluer le conducteur de manière binaire (positif ou non). A noter que dans notre base, les conducteurs quand ils sont évalués, reçoivent une évaluation positive dans 99 % des cas. Cette surreprésentation d’évaluations positives est aussi observée sur AirBnB (Fradkin et alii, 2014), et s’explique par les réticences des utilisateurs à évaluer négativement, notamment par peur de représailles (pour éviter une évaluation négative en retour).

Pour chacune des offres, nous disposons aussi du prix fixé par le conducteur et du nombre de sièges encore disponibles le jour du départ. Dans notre échantillon, l’âge moyen des conducteurs est de 36 ans, 40% sont des femmes, le prix moyen d’un trajet est de 13,38 euros et dans 52,9% des cas, la voiture est remplie au moment du départ (le taux de remplissage étant en moyenne de 61,8%).

A partir d’analyses économétriques, nous constatons que les passagers sont bien sensibles au prix du trajet. En contrôlant pour les caractéristiques du trajet et du conducteur, nous montrons que relever le prix du trajet d’un euro diminue de 8 point de pourcentage le taux de remplissage de sa voiture.

D’autres caractéristiques que le prix influencent la demande, notamment l’âge (la demande est plus forte pour les conducteurs ayant entre 30 et 40 ans), le genre (les femmes ont une probabilité plus élevée de remplir leur voiture). Une voiture plus confortable ou la présence d’une photo a aussi un effet positif sur les réservations. Nous allons maintenant nous concentrer sur deux facteurs jouant un rôle clé à la fois sur le prix et la demande : le prénom du conducteur et son expérience sur Blablacar (mesurée par son statut et son profil d’évaluation).

L’effet de la consonance du prénom du conducteur.

En croisant plusieurs sources, nous avons catégorisé les prénoms de nos conducteurs Blablacar en prénoms à consonance « arabe ou musulmane » (par exemple, Mehdi, Ibrahim, Mohamed, Fatima, Khadija, …), les prénoms à consonance « française » et les autres prénoms à consonance ni française, ni musulmane (consonances européennes, asiatiques, américaines). Dans notre base, les prénoms à sonorité arabe représentent 4,7% des conducteurs, les prénoms à sonorité française 67,3% des conducteurs, la dernière catégorie réunissant 28% des conducteurs. Bien évidemment, cette catégorisation est imparfaite, car un conducteur sans ascendance migratoire peut très bien avoir un prénom à consonance arabe (et inversement un conducteur d’origine maghrébine peut avoir un prénom à consonance française). Le terme consonance arabe renvoie donc aux perceptions (et préjugés) que l’utilisateur de Blablacar peut se faire du conducteur. Ces perceptions peuvent être confirmées ou révisées si l’utilisateur a accès à la photo du conducteur ou à d’autres informations relatives à ses origines (par exemple dans sa mini biographie ou dans les commentaires laissés par des passagers). Par ailleurs, cette catégorisation ne permet pas de tester l’existence de comportements discriminatoires basés sur la couleur de peau (liée à la photo du conducteur).

Les résultats des analyses économétriques montrent que la consonance du prénom du conducteur a un effet très significatif sur le prix du trajet et le taux de remplissage. Les conducteurs ayant des prénoms à consonance arabe ou musulmane sont amenés à baisser de 19 centimes en moyenne le prix de leur trajet. Par ailleurs, à caractéristiques identiques, le taux de remplissage pour un conducteur ayant un prénom à consonance arabe ou musulmane est de 13 points de pourcentage inférieur à celui d’un conducteur ayant un prénom à consonance française. Dit autrement, avoir un prénom à sonorité arabe diminue de 20% le taux de remplissage par rapport à un prénom à sonorité française. Lorsque l’on croise le prénom et le genre, on constate que les écarts liés à la consonance du prénom sont plus élevés au sein des conducteurs masculins qu’au sein des conductrices. De même, les écarts dans les taux de remplissage selon les prénoms sont plus importants parmi les conducteurs sans photos.

Ces résultats témoignent d’attitudes discriminatoires dans le choix du conducteur sur Blablacar. Cette discrimination s’explique certainement par des préjugés et attitudes racistes (surtout envers les conducteurs masculins ayant des prénoms d’origine arabe ou musulmane et sans photo). Il est en effet peu probable que les différences dans les réservations de sièges relèvent d’un comportement de discrimination statistique au sens de Phelps (1972). Cela serait le cas si la consonance du prénom était fortement corrélée à des caractéristiques inobservées du conducteur et qui seraient indispensables pour réaliser un choix éclairé (par exemple pour connaître le type de conduite et le risque d’accidents). Or des caractéristiques observables comme l’âge, le genre, l’expérience du conducteur ou le confort de sa voiture sont bien plus utiles pour cela que le prénom du conducteur. Comme nous contrôlons dans nos estimations pour toutes ces caractéristiques, l’effet des prénoms sur le prix et la demande ne peut venir que d’une discrimination liée aux origines.

L’effet de l’expérience et des évaluations du conducteur

Le deuxième résultat important de notre étude concerne l’effet de l’expérience et de la réputation du conducteur sur le prix et le taux de remplissage. De nombreuses études consacrées aux places de marché électroniques eBay ou PriceMinister ont montré que la réputation du vendeur est importante. Lorsqu’un vendeur est bien évalué et expérimenté, il a une probabilité plus élevée de trouver des acheteurs et ces derniers seront prêts à payer plus (Cabral, 2016). Observe-t-on le même phénomène sur la plateforme de covoiturage Blablacar ?

Globalement, la réputation du conducteur (mesurée par le nombre et le pourcentage d’évaluations positives) influence positivement le prix et le nombre de places vendues, mais cet effet reste minime. Selon les prédictions de notre étude, un conducteur dont le pourcentage d’évaluations positives passerait de 90% à 100% augmenterait ses prix en moyenne de 2 centimes. De même, recevoir 10 évaluations de plus ou augmenter de 10 point de pourcentage la part d’évaluations positives augmentent le taux de remplissage de respectivement 0,3 points et 2 points de pourcentage.

Le statut du conducteur importe, mais l’impact reste modeste par rapport au prénom et à l’opposé de ce que l’on observe sur eBay. En effet, ce sont les conducteurs les plus expérimentés (ayant le statut d’ambassadeur) qui vendent leurs places le moins cher. Nous montrons qu’un « ambassadeur », toute chose égale par ailleurs, affiche des prix 44 centimes plus bas qu’un conducteur « débutant » sur Blablacar. Toutefois, à prix identique, les ambassadeurs ont un taux de remplissage de leur voiture significativement plus élevé que celui des débutants.

Une des interprétations possibles est que les conducteurs apprennent avec le temps à fixer (en ajustant à la baisse) les prix qui leur permettent de remplir leur voiture et d’optimiser les revenus tirés du covoiturage. Par ailleurs, les conducteurs débutants qui pratiquent des prix trop élevés auront une probabilité plus faible de trouver des passagers et resteront plus longtemps débutants.

Conclusion

Si l’environnement numérique peut réduire les discriminations, en facilitant les interactions et transactions anonymes, il peut aussi les exacerber et attiser les discours racistes comme on le voit sur les réseaux sociaux. Des plateformes numériques comme AirBnB, Facebook ou Blablacar permettent de rendre plus visibles les discriminations et de mieux quantifier leurs effets (et leur coût économique). Elles offrent aux chercheurs de nouveaux terrains d’expérimentations et de collecte de données. Manant, Pajak et Soulié (2014) ont ainsi montré l’existence de discrimination à l’emploi à partir d’expériences contrôlées sur de faux comptes Facebook. Edelman, Luca et Svirsky (2016) ont réalisé des expériences similaires sur la plateforme AirBnB pour tester les comportements discriminatoires envers les utilisateurs afro-américains.

AirBnB a récemment annoncé une série de mesures pour limiter les discriminations sur sa plateforme. Désormais, les hôtes devront s’engager à respecter une charte interdisant toute forme de discrimination fondée sur l’origine ou l’orientation sexuelle. Par ailleurs, AirBnB souhaite développer son système de réservations instantanées (acceptation automatique) et mettre moins en avant le profil des utilisateurs (photos, noms) afin de limiter les possibilités de discrimination. Gageons que Blablacar prendra lui aussi position sur cette question et proposera lui aussi des changements sur son site pour mieux répondre aux discriminations constatées.

Références :

Cabral, L. (2012). Reputation on the Internet. in Martin Peitz and Joel Waldfogel (Eds), The Oxford Handbook of the Digital Economy, Chapter 13.

Doleac, J., and Stein L. (2013). The Visible Hand: Race and Online Market Outcomes. Economic Journal, 123(572), 469–492.

Edelman, B., and Luca, M. (2014). Digital Discrimination: The Case of airbnb.com. Harvard Business School, Working Paper 14–054.

Edelman, M., Luca, M and Svirsky, D. (2016). Racial Discrimination in the Sharing Economy: Evidence from a Field Experiment. forthcoming, American Economic Journal: Applied Economics.

Farajallah, M., Hammond, R. and Pénard, T. (2016), What Drives Pricing Behavior in Peer-to-Peer Markets? Evidence from the Carsharing Platform Blablacar. Working Paper CREM. Available at http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2828046

Fradkin, A., Grewal, E., Holtz,D., and Pearson, M. (2014).. Reporting Bias and Reciprocity in Online Reviews: Evidence from Field Experiments on AirBnB. Working paper.

Manant, M., Pajak, S. and Soulié, N. (2014). Do recruiters ‘like’ it? Online social networks and privacy in hiring: a pseudo-randomized experiment. MPRA Paper 56845, University Library of Munich, Germany.

Phelps, E. (1972) The Statistical Theory of Racism and Sexism. American Economic Review, vol. 62, n° 4, pp. 659–661.