Les travailleurs invisibles qui nourrissent l’IA
Avant qu’un modèle d’IA puisse répondre à vos questions, des centaines de milliers de personnes ont passé des heures à lui apprendre à le faire.
Vous ne les verrez jamais. Ils n’apparaissent dans aucun communiqué de presse. Leurs noms ne figurent pas dans les crédits des annonces spectaculaires de Google, OpenAI ou Meta.
Ils s’appellent annotateurs de données. Et leur travail est le sale secret de l’IA.
Ce que cache le mot « intelligence »
Quand un modèle de langage répond correctement à une question complexe, on parle d’intelligence artificielle. Ce mot laisse entendre que la machine a, d’une façon ou d’une autre, compris par elle-même.
Ce n’est pas ce qui se passe.
Avant d’être « intelligente », une IA est entraînée. Et pour être entraînée, elle a besoin de données annotées — c’est-à-dire de données que des humains ont étiquetées, classifiées, corrigées, validées, des millions de fois. Qui sont ces humains ? Leurs conditions de travail ? Leurs revenus ?
C’est ce que Karen Hao, journaliste d’investigation spécialisée en IA, a passé des années à documenter.
La factory invisible
Les plateformes d’annotation de données — Scale AI, Remotasks, Appen, Mechanical Turk — emploient des centaines de milliers de travailleurs dans le monde entier.
Leurs tâches sont variées : détourer des piétons sur des images pour les voitures autonomes, noter la qualité des réponses d’un chatbot, transcrire des conversations, étiqueter des émotions sur des visages, signaler des contenus violents.
Ce travail est décrit par Karen Hao comme mécanisant et atomisant — il réduit des individus à des gestes répétitifs, déconnectés de tout sens ou de toute progression.
Les conditions de travail sont conçues pour maximiser la disponibilité :
Les travailleurs restent fixés sur leurs écrans, attendant qu’une tâche apparaisse sur Slack — car elles disparaissent en quelques secondes sous la pression de la concurrence.
La peur de rater une tâche, de ne pas « nourrir sa famille », interdit toute déconnexion — y compris pour les besoins les plus fondamentaux.
Le paradoxe de l’entraînement
Ce qui rend la situation particulièrement cruelle, c’est le cycle dans lequel ces travailleurs se trouvent.
Un directeur artistique est licencié. Son employeur lui explique que l’IA peut désormais faire son travail. Quelques semaines plus tard, il trouve un emploi dans une société d’annotation. Sa mission : entraîner un modèle d’IA sur les tâches qu’il effectuait lui-même. Il devient ainsi l’artisan de sa propre obsolescence.
Karen Hao documente des cas où des médecins, des avocats, des réalisateurs primés, des diplômés de PhD se retrouvent dans ces emplois de substitution — à « récolter » leur propre expertise au profit de machines destinées à remplacer leur profession.
L’échelle de carrière brisée
Pour les générations qui entrent maintenant sur le marché du travail, le problème prend une autre dimension.
Les premiers emplois — ceux qui permettent d’acquérir de l’expérience, de progresser, de construire une carrière — sont précisément ceux que l’IA automatise en premier. Les postes juniors et intermédiaires disparaissent. Ce que Karen Hao appelle les « rungs » (échelons) de l’échelle professionnelle sont supprimés.
Sans ces échelons, il devient impossible de grimper. Le marché du travail se polarise :
- D’un côté : quelques postes de haute expertise pour ceux qui orchestrent les agents IA
- De l’autre : une masse de sous-emplois précaires liés à la maintenance de ces mêmes agents
Les jeunes diplômés se retrouvent bloqués dans la seconde catégorie, sans passerelle vers la première. Et la vitesse de la transition laisse peu de temps pour se reconvertir.
« Mon humanité est pressée et diminuée »
Karen Hao cite le témoignage d’une annotatrice qui décrit avoir crié sur son enfant — simplement parce qu’il représentait une distraction susceptible de lui faire rater une tâche rémunérée.
Elle dit avoir eu l’impression que son humanité était « pressée et diminuée ».
Ce n’est pas une métaphore. C’est une description précise de ce que produit un système optimisé pour extraire de la valeur humaine au minimum de coût — un système dans lequel la dignité des travailleurs n’est pas une variable d’optimisation.
Ce que ça change pour vous
Si vous utilisez des outils d’IA au quotidien — et vous en utilisez — vous bénéficiez de ce travail invisible. C’est une réalité inconfortable, mais c’est une réalité.
La question n’est pas de cesser d’utiliser l’IA. C’est de comprendre le modèle économique qui se cache derrière, et de soutenir les initiatives qui changent ce modèle : transparence sur les chaînes d’approvisionnement en données, réglementation des conditions de travail des annotateurs, certification éthique des modèles.
L’IA que vous utilisez a un coût humain. Il est temps de le rendre visible.
Source : Karen Hao — journaliste d’investigation, auteure d’une enquête sur les empires technologiques de l’IA. Ses recherches incluent des documents internes et des témoignages de travailleurs de l’annotation à travers le monde.
Laisser un commentaire