Des entreprises paient 4 000 travailleurs pour numériser leur vie au profit de robots IA

La ruée généralisée de l'industrie pour les données d'entraînement du monde réel a créé une nouvelle forme de travail numérique à la tâche. Des entreprises comme Micro1 et Scale AI paient des milliers de personnes dans le monde pour enregistrer leur vie quotidienne afin d'enseigner aux robots humanoïdes de Tesla et Figure AI comment fonctionner dans le monde physique. Ce nouveau marché du travail, qui rémunère les travailleurs environ 15 $ de l'heure pour attacher des iPhone sur leur tête tout en effectuant des tâches ménagères, met en lumière un goulot d'étranglement critique dans la course au développement de l'intelligence artificielle incarnée (embodied AI) : un déficit massif de données d'actions physiques nécessaires pour rendre les robots utiles.

« Nous avons probablement besoin de milliards d'heures », a déclaré Arian Sadeghi, vice-président de l'IA chez Micro1, notant que la collecte actuelle de sa firme de 160 000 heures de vidéo par mois est insuffisante. « Nous n'avons même pas commencé à collecter des données sur l'interaction d'humain à humain. Pour l'instant, ce ne sont que les tâches ménagères les plus basiques. »

Ce travail implique une main-d'œuvre mondiale d'environ 4 000 personnes réparties dans 71 pays qui s'enregistrent en effectuant des tâches comme faire les lits, laver la vaisselle et plier le linge. Les travailleurs, qui doivent utiliser des iPhone équipés de LiDAR, soumettent au moins 10 heures de séquences par semaine, qui sont ensuite examinées pour la qualité. Ce processus alimente une demande vorace des firmes de robotique qui ont déterminé qu'après les percées dans l'architecture des modèles d'IA, la ressource concurrentielle primaire est désormais constituée de vastes quantités de données d'interaction du monde réel.

Cette ruée vers les données alimente ce qui devrait devenir un marché mondial des robots humanoïdes de 42,3 milliards de dollars d'ici 2026, alors que les entreprises font la course pour réaliser une vision longtemps promise de robots polyvalents. Bien que les données soient essentielles pour l'entraînement, la méthode de collecte soulève de nouvelles questions éthiques sur la nature du travail à l'ère de l'IA, créant une main-d'œuvre mondiale de « travailleurs fantômes » qui alimentent les systèmes d'IA derrière un voile d'accords de non-divulgation.

Le Fantôme dans la Machine

La pratique consistant à payer des travailleurs à bas salaire pour générer des données d'entraînement a été qualifiée de « travail fantôme » (ghost work) par l'anthropologue Mary Gray et l'informaticien Siddharth Suri, décrivant le travail humain caché qui donne aux systèmes d'IA l'apparence de l'autonomie. Alors que ce travail passe des clics sur écran aux actions physiques hors écran, certains chercheurs, comme Nick Couldry et Ulises Mejias, soutiennent qu'il représente une forme de « colonialisme des données », où les matières premières de la vie quotidienne sont extraites des populations mondiales et raffinées en actifs précieux par une poignée d'entreprises technologiques.

Les travailleurs de cette nouvelle chaîne d'approvisionnement de données, souvent situés dans des pays comme l'Inde, le Nigeria et les Philippines, opèrent avec une asymétrie d'information significative. Ils ignorent généralement quels clients spécifiques leurs données servent ou comment elles seront utilisées et stockées. La rémunération, bien que compétitive sur les marchés locaux, ne représente qu'une fraction de la valeur qu'elle crée pour les entreprises de robotique soutenues par des milliards de dollars de capital-risque. Ravi Rajalingam, fondateur de la société d'étiquetage de données Objectways, a noté que les données provenant des foyers américains bénéficient d'une prime, les travailleurs gagnant parfois trois fois plus que leurs homologues au Vietnam ou en Inde, car les entreprises de robots supposent que les consommateurs américains seront les premiers à acheter les machines.

Une nouvelle course géopolitique

Cette opération discrète de collecte de données domestiques est l'un des fronts d'une compétition géopolitique beaucoup plus vaste pour la suprématie dans l'IA incarnée. Tandis que les startups américaines se concentrent sur l'approvisionnement en données pour les tâches ménagères et d'usine, la Chine poursuit une approche davantage axée sur l'écosystème. Lors d'un récent semi-marathon, des robots humanoïdes chinois ont démontré des améliorations spectaculaires en matière d'autonomie et de fiabilité, avec des dizaines d'équipes terminant un parcours que seule une poignée pouvait achever un an auparavant. Ce progrès est soutenu par l'aide de l'État et un passage à l'échelle massif de la fabrication ; la « super usine d'intelligence incarnée » Lingyi iTech de Pékin vise à produire 10 000 unités d'ici 2026 et 500 000 d'ici 2030.

La compétition comprend également une dimension militaire importante. Aux États-Unis, des startups comme Foundation Future Industries ont obtenu des contrats du Pentagone pour tester des robots humanoïdes pour des rôles de combat, avec Eric Trump comme conseiller stratégique. Parallèlement, la Russie a établi une branche dédiée aux Forces de systèmes sans pilote, et le gouvernement chinois convertit activement des entreprises technologiques civiles en fournisseurs militaires. La course n'est pas seulement pour des parts de marché dans les maisons et les usines, mais pour un avantage stratégique sur les futurs champs de bataille.

Distiller l'expérience humaine

Au fond, cet effort mondial de collecte de données est la première tentative à grande échelle d'extraire et de numériser ce que le philosophe Michael Polanyi appelait la « connaissance tacite » (tacit knowledge) — les compétences intuitives et incarnées que les humains savent exercer sans pouvoir les expliquer pleinement, comme l'équilibre, le pliage ou la perception du poids d'un objet. En enregistrant ces actions, les entreprises d'IA tentent de déconstruire cette connaissance corporelle en données lisibles par machine.

Le paradoxe est illustré par l'expérience de travailleurs comme Zeus, un étudiant en médecine au Nigeria qui s'enregistre en train de faire son lit après ses gardes. Il a déclaré aux journalistes qu'il y voyait une « opportunité de laisser une trace » et de participer à quelque chose d'important. Bien que sa contribution soit réelle, la trace qu'il laisse est un ensemble de données de capture de mouvement, acheté par une entreprise qu'il ne peut nommer, pour entraîner un robot qu'il ne pourra peut-être jamais s'offrir. La connaissance est séparée de celui qui connaît, soulevant une question politique fondamentale pour l'ère de l'IA : quand votre expérience physique elle-même devient une matière première, que possédez-vous vraiment ?

Cet article est uniquement à titre informatif et ne constitue pas un conseil en investissement.