Un algorithme de tarification volontaire AirBnb a considérablement réduit un écart de revenus préexistant entre les hôtes blancs et noirs, une nouvelle étude a trouvé, mais seulement lorsque les hôtes noirs l'ont adopté.

L'outil Smart Pricing, introduit par la plateforme d'économie collaborative en 2015, utilise un algorithme d'apprentissage automatique pour aider les hôtes AirBnb à optimiser les prix de leurs propriétés en fonction des fluctuations de la demande des clients. Les hôtes peuvent choisir d'utiliser ou non l'outil gratuit en l'activant et en le faisant ajuster automatiquement leurs tarifs par nuit dans les paramètres de prix qu'ils ont définis.

Un groupe de chercheurs a découvert que les hôtes qui ont adopté la tarification intelligente voyaient une baisse ultérieure de leurs tarifs nocturnes moyens, mais également une augmentation de leurs statistiques d'occupation mensuelles et une augmentation de près de 9 % de leurs revenus globaux.

Les hôtes noirs en ont le plus profité. C'est parce qu'ils ont commencé avec une demande 20 % inférieure pour des propriétés équivalentes par rapport aux hôtes blancs, représentant un écart de 12,16 $ dans les revenus quotidiens moyens. Après avoir adopté la tarification intelligente, Les hôtes noirs gagnaient 13,92 $ de plus par nuit, contre 5,22 $ pour les hôtes blancs.

Cela a comblé l'écart de revenus de 71%, mais il ne l'a pas éliminé. Et comme les hôtes noirs étaient 41 % moins susceptibles d'adopter la tarification intelligente que les hôtes blancs, ils se sont retrouvés encore plus défavorisés qu'avant l'introduction du Smart Pricing, globalement.

"L'algorithme fait un bon travail pour réduire l'écart de revenus mais ce n'est pas infaillible, " dit Nitin Mehta, professeur de marketing à la Rotman School of Management de l'Université de Toronto. Il est co-auteur de l'étude avec son ancien étudiant diplômé, Shunyuan Zhang, maintenant à la Harvard Business School, et Param Vir Singh et Kannan Srinivasan de l'Université Carnegie Mellon.

Aux États-Unis, il est illégal pour les algorithmes d'apprentissage automatique de faire des distinctions raciales dans leur conception. Les chercheurs soutiennent que cette cécité raciale, destiné à limiter la discrimination raciale, dans la pratique, peut laisser les races marginalisées encore plus loin en ne tenant pas compte des circonstances uniques qui les font démarrer au bas de l'échelle d'un terrain de jeu inégal.

"Parce que l'algorithme est aveugle à la race, il produit des prix plus proches du prix optimal des hôtes blancs que du prix optimal des hôtes noirs. C'est aveugle mais ce n'est pas juste, ", déclare le professeur Mehta qui prévient néanmoins que les résultats de l'étude impliquent les invités AirBnb pour discrimination raciale contre les propriétés hébergées par des Noirs plutôt que AirBnb ou son algorithme.

Les développeurs d'algorithmes pourraient contourner les limites de la loi en incorporant des informations socio-économiques corrélées à la race, suggèrent les chercheurs. Et AirBnb pourrait prendre des mesures pour encourager les hôtes noirs à utiliser la tarification intelligente.

Également, « la loi devrait être modifiée dans certains cas particuliers où il peut être démontré que cela aidera, " ajoute le Pr Mehta.

Les chercheurs ont travaillé avec des données disponibles via AirBnb ainsi que AirDNA, une plateforme d'analyse tierce. Ils se sont concentrés sur un peu plus de 9 000 propriétés Airbnb dans quelque 400 quartiers de sept grandes villes américaines. L'identification de la race d'un hôte a été effectuée à l'aide d'un modèle d'apprentissage en profondeur appliqué aux photos de profil sur la page de propriété en ligne de chaque hôte.

L'étude apparaît dans Sciences de la commercialisation.