Fondamentaux

Capitalisme de surveillance : ce qu’il est et comment il fonctionne

Le capitalisme de surveillance décrit une logique économique qui transforme les données comportementales en prédictions et en opportunités d’influence. La comprendre exige de distinguer observation, inférence, personnalisation et coercition.

Par Daniel Sardá · Publié: 31 octobre 2026

8 min de lecture1 673 mots

Une application recommande un morceau au moment précis où il semblait qu’il ne restait rien de nouveau à écouter. Une boutique se souvient d’un produit consulté quelques jours plus tôt. Un réseau social réorganise les contenus en fonction des pauses, des clics et des interactions de chaque utilisateur. Ces expériences peuvent sembler pratiques, mais elles révèlent aussi une transformation économique : de nombreuses entreprises ne se contentent plus de fournir un service, elles apprennent du comportement de ceux qui l’utilisent.

Le capitalisme de surveillance est un cadre critique destiné à interpréter cette transformation. L’universitaire Shoshana Zuboff a employé ce concept pour décrire une logique d’accumulation fondée sur l’extraction de données issues de l’expérience humaine, leur traitement afin de prédire des comportements et la monétisation des résultats. Sa formulation académique est apparue en 2015 et a acquis une diffusion internationale avec son livre de 2019.

Il ne s’agit pas, toutefois, d’une catégorie neutre ni d’une description acceptée sans débat. C’est une thèse sur le fonctionnement d’une partie de l’économie numérique et sur le pouvoir qui peut en émerger. Il convient de comprendre d’abord le mécanisme vérifiable, puis d’évaluer la portée de la critique.

Idée clé : Le capitalisme de surveillance ne signifie pas simplement qu’une entreprise possède des données. Il décrit une logique économique dans laquelle observer, inférer et prédire les comportements devient une source systématique de valeur et de pouvoir.

D’un signal à une prédiction

Le processus débute par des signaux qui peuvent avoir des origines différentes. Les lignes directrices du Comité européen de la protection des données distinguent les données fournies, observées et inférées.

Une personne fournit son âge lors de la création d’un compte. La plateforme observe qu’elle a cliqué sur plusieurs publicités de bicyclettes. Ensuite, un système peut inférer qu’elle s’intéresse au cyclisme urbain. Cette dernière catégorie n’est pas un fait déclaré par l’utilisateur : c’est une conclusion probabiliste obtenue en mettant des données en relation.

Le profilage automatisé organise ces signaux pour évaluer ou prédire des aspects tels que les intérêts, les préférences, le comportement ou la localisation. Cela n’implique pas que le système connaisse intimement une personne ni qu’il voie toujours juste. Il construit des catégories et des probabilités qui peuvent servir à ordonner des contenus, à sélectionner une offre, à calculer un risque ou à décider quelle publicité afficher.

Dans la terminologie de Zuboff, le surplus comportemental englobe les données collectées au-delà de ce qui est nécessaire pour fournir ou améliorer le service. Ces données alimentent des processus qui produisent des estimations sur des actions futures. La séquence de base peut se résumer ainsi : signaux comportementaux, inférences, profils, prédictions et exploitation commerciale.

La monétisation n’exige pas non plus qu’une entreprise vende une base de données à l’annonceur. Elle peut vendre un accès à une audience ciblée : l’annonceur choisit certaines caractéristiques et la plateforme décide à qui afficher le message. Elle peut également utiliser ses prédictions pour améliorer ses recommandations, retenir l’attention ou faciliter des transactions au sein de son propre écosystème.

Ce que le concept englobe — et ce qu’il n’englobe pas

Qualifier toute activité numérique de « capitalisme de surveillance » dilue le concept. Plusieurs distinctions permettent d’en préserver l’utilité.

La personnalisation n’équivaut pas à elle seule à de la surveillance. Un service peut adapter une fonctionnalité à partir d’informations limitées, stockées localement ou transmises de manière consciente. La critique devient plus pertinente lorsque la collecte est vaste, opaque et orientée vers la prédiction ou la modification des comportements à des fins économiques.

La publicité comportementale n’est pas synonyme de l’ensemble du modèle. C’est l’une de ses applications les plus visibles : des annonces choisies en fonction de l’activité passée ou de profils inférés. Mais Zuboff propose une thèse plus large sur l’accumulation, le savoir et le pouvoir.

L’influence n’est pas la coercition. Classer des options, mettre en avant un message ou exploiter un moment de vulnérabilité peut orienter une décision. Cela n’équivaut pas à supprimer la capacité de choisir. Les prédictions modifient des probabilités ; elles ne contrôlent pas les individus de manière déterministe.

La surveillance commerciale et la surveillance étatique sont différentes. Les entreprises recherchent généralement des revenus, de la rétention ou des avantages concurrentiels ; l’État dispose de prérogatives légales et coercitives qu’un acteur privé ne possède pas. Les deux formes peuvent partager des technologies ou échanger des informations, mais les confondre empêche d’évaluer leurs risques spécifiques.

Distinction utile : Le fait qu’une recommandation soit pertinente ne prouve pas une manipulation. La question déterminante consiste à savoir quelles données l’ont rendue possible, ce qui a été inféré, avec quel degré de transparence et de quelle capacité réelle la personne disposait pour accepter ou refuser le processus.

Exemples quotidiens du mécanisme

Un pixel intégré dans une page peut enregistrer qu’un navigateur a consulté un certain produit. Un kit de développement intégré dans une application peut transmettre des événements d’usage. Combinés avec l’activité au sein d’une plateforme, ces signaux permettent de constituer des segments tels que « personnes probablement intéressées par les voyages » ou « utilisateurs ayant une intention d’achat ».

Ces exemples montrent pourquoi il convient de distinguer les données observées des données inférées. La visite d’une page a bien eu lieu ; l’intention d’achat relève de l’interprétation. Si le profil sert à décider quel message reçoit un individu, une inférence incertaine commence à influencer son environnement informationnel.

L’échelle et le contexte comptent. Mémoriser la langue préférée ne pose pas le même problème que suivre l’activité entre plusieurs services pour en déduire des traits sensibles. Une option activée volontairement et un système difficile à détecter ou à quitter ne sont pas non plus équivalents.

Vie privée, autonomie et pouvoir

La première préoccupation concerne la vie privée, comprise non seulement comme le secret, mais comme la capacité de décider qui a connaissance de quels aspects de sa propre existence et à quelles fins ces éléments sont utilisés. Un formulaire visible permet d’évaluer ce qui est transmis. Le profilage opaque complique cette évaluation, car une personne peut ignorer aussi bien les signaux collectés que les conclusions qui en sont tirées.

Cela produit une asymétrie d’information : l’organisation en sait beaucoup sur les schémas agrégés de ses utilisateurs, tandis que chaque utilisateur ne sait que peu de choses sur les modèles qui le classent. L’inégalité de connaissances peut se transformer en inégalité de pouvoir lorsqu’elle influe sur les prix, les opportunités, l’information disponible ou les conditions d’accès.

L’autonomie personnelle est également en jeu. Choisir librement n’exige pas de vivre sans influence ; toute société comporte de la persuasion, de la réputation et de la publicité. Le problème survient lorsque l’influence est difficile à déceler, s’appuie sur des vulnérabilités inférées ou n’offre pas d’échappatoire praticable.

Dans une perspective libérale, la réponse ne consiste pas à supposer que l’utilisateur est incapable de décider, ni à accorder à l’État un accès illimité à ces mêmes instruments. Elle consiste à protéger des espaces de choix au moyen de règles générales : transparence, consentement effectif, responsabilité en cas d’abus et limites claires imposées tant au pouvoir privé qu’au pouvoir public.

Critère libéral : La liberté contractuelle perd de sa substance lorsqu’une partie ne peut raisonnablement savoir ce qu’elle accepte. Dans le même temps, la protection de la vie privée ne doit pas devenir une justification pour étendre la surveillance étatique.

Une thèse influente, non un verdict définitif

La théorie de Zuboff a fourni un vocabulaire puissant à des pratiques réelles de traçage, de profilage et de ciblage. Mais certaines de ses conclusions les plus générales demeurent débattues. Une cartographie systématique publiée en 2024 a mis en évidence un champ dominé par des études conceptuelles et une base empirique encore limitée. Des preuves solides attestent que des signaux sont collectés et que des profils sont élaborés ; il est plus difficile de démontrer dans quelle mesure une intervention concrète détermine le comportement individuel ou le résultat social.

Il existe également des avantages qu’une critique complète se doit de reconnaître. La publicité finance des services gratuits ou peu coûteux, et la personnalisation peut faire gagner du temps tout en présentant des informations pertinentes. Reconnaître ces avantages ne résout pas les problèmes d’opacité ou de consentement. Cela évite toutefois de présenter les utilisateurs comme des sujets entièrement passifs et chaque recommandation comme une forme de domination.

La concurrence peut offrir des alternatives comportant moins de traçage ou reposant sur des modèles d’abonnement. Néanmoins, elle ne corrige pas toujours des pratiques que le consommateur ne peut ni observer ni comparer. Changer de service n’est pas simple non plus lorsque pèsent les contacts accumulés, les formats incompatibles ou l’absence d’options équivalentes.

Comment évaluer une pratique concrète

Plutôt que de trancher pour savoir si l’ensemble de l’économie numérique relève d’une seule étiquette, il convient de poser des questions précises : quelles données sont nécessaires pour fournir le service et lesquelles sont collectées en sus ? Quelles inférences sont produites ? La personne peut-elle comprendre et refuser le traitement ? L’utilisation est-elle limitée à la finalité annoncée ? Existe-t-il de véritables alternatives ? Qui est responsable si un profil cause un préjudice ?

Ces questions permettent de distinguer une personnalisation utile d’une extraction disproportionnée, et une offre persuasive d’une pratique trompeuse. Elles orientent également les institutions vers la protection du droit à la vie privée sans interdire l’innovation ni concentrer encore davantage d’informations entre les mains de l’État.

L’apport durable du concept de capitalisme de surveillance est de rendre visible le fait que les données ne constituent pas seulement une ressource technique. Leur collecte organise des relations de savoir et de pouvoir. Une société libre a besoin de marchés capables d’innover, mais aussi d’individus capables de comprendre, de choisir et de fixer des limites. Le défi ne consiste pas à éliminer toute prédiction : il s’agit d’empêcher que le confort numérique ne transforme l’autonomie en une condition que nul ne peut vérifier ni négocier.