300 000 Indiens entraînent ChatGPT. Et si c'était leur dernier emploi ?

Ils construisent la machine qui pourrait les remplacer. Et ils le savent.

Quelque part à Hyderabad, une jeune femme diplômée en informatique passe sa journée à étiqueter des images, corriger des phrases générées par une IA et noter la qualité de réponses produites par ChatGPT. Son salaire : environ 300 dollars par mois. Sa mission : rendre l'IA plus intelligente. L'ironie cruelle, c'est que plus elle excelle dans ce travail, plus elle accélère l'obsolescence de son propre poste.

Ce paradoxe n'est pas une métaphore. C'est le quotidien de centaines de milliers de travailleurs indiens engagés dans ce qu'on appelle l'annotation de données ou le RLHF — Reinforcement Learning from Human Feedback. Ils sont le carburant humain invisible des grands modèles de langage. Et leur avenir professionnel mérite qu'on s'y arrête sérieusement.

L'armée invisible derrière les IA génératives

Avant que Claude, Gemini ou GPT-4 ne génèrent une réponse fluide et pertinente, des milliers d'humains ont travaillé en amont pour leur apprendre ce que "bon" signifie. Ce travail — annoter, classer, corriger, évaluer — est massivement externalisé vers des pays à faibles coûts de main-d'œuvre, l'Inde en tête.

Des entreprises comme Scale AI, Appen ou Sama sous-traitent ces tâches à des milliers de travailleurs via des plateformes en ligne. En Inde, ce secteur représente plusieurs centaines de milliers d'emplois directs et indirects, concentrés dans les grandes métropoles tech comme Bangalore, Hyderabad ou Pune.

Ces travailleurs ne sont pas des techniciens lambda. Beaucoup sont diplômés, parfois surdiplômés, et ont choisi ce travail faute d'opportunités mieux rémunérées dans leur domaine. Ils comprennent exactement ce qu'ils font. Et c'est précisément ce qui rend la situation si ambiguë.

Un emploi de transition… ou un cul-de-sac ?

La question centrale est la suivante : ces emplois sont-ils des tremplins ou des trappes ?

D'un côté, certains défenseurs du secteur arguent que l'annotation de données est un emploi de transition, une porte d'entrée vers l'économie numérique pour des populations qui n'auraient autrement aucun accès à l'industrie tech. Ils soulignent que :

• Le travail développe une familiarité avec les systèmes d'IA
• Certains annotateurs évoluent vers des rôles de supervision ou de gestion de projet
• La demande en données humaines de qualité reste forte à court terme

De l'autre côté, les signaux d'alarme s'accumulent. Les IA deviennent exponentiellement plus autonomes dans leur propre évaluation. Des modèles comme Constitutional AI d'Anthropic ou les systèmes d'auto-évaluation de Google DeepMind réduisent structurellement le besoin de feedback humain massif. Ce n'est pas une menace vague et lointaine : c'est une trajectoire documentée.

Ce que disent ceux qui vivent cette réalité

Dans une enquête publiée par le MIT Technology Review en 2023, plusieurs travailleurs indiens de l'annotation témoignaient d'une conscience aiguë de leur situation. L'un d'eux résumait la contradiction en une phrase : "Je rends l'IA meilleure chaque jour. Je sais que dans deux ans, elle n'aura plus besoin de moi."

Ce sentiment n'est pas de la paranoïa. Il reflète une réalité économique mesurable. Entre 2021 et 2024, plusieurs grandes plateformes d'annotation ont déjà réduit leurs effectifs ou automatisé des pans entiers de leurs processus de labellisation. Appen, l'un des leaders du secteur, a licencié des milliers de travailleurs en 2023 en citant explicitement l'amélioration des capacités des modèles eux-mêmes.

Le vrai problème : une formation sans transfert de compétences

Ce qui distingue ce secteur des précédentes vagues d'automatisation, c'est l'absence quasi-totale de formation transférable. Un opérateur textile reconverti peut apprendre à utiliser une machine numérique. Un annotateur de données, lui, maîtrise une tâche que seule l'IA en cours de construction peut absorber.

Les compétences acquises — identifier des biais dans un texte, évaluer la cohérence d'une réponse — sont précieuses mais non certifiées, non reconnues, et rarement valorisées ailleurs sur le marché du travail. Il n'existe à ce jour aucun équivalent d'un "titre professionnel d'annotateur IA" reconnu par les universités ou les employeurs technologiques.

Vers une responsabilité partagée

Ni fatalisme ni optimisme naïf ne sont de mise ici. Ce que cette situation exige, c'est une responsabilité claire de la part de tous les acteurs.

Les grandes entreprises d'IA — OpenAI, Google, Anthropic — qui bénéficient directement de ce travail invisible ont une obligation éthique et économique d'investir dans la reconversion des populations qu'elles mobilisent. Des programmes de formation en prompt engineering, en gestion de données ou en éthique de l'IA pourraient offrir des passerelles réelles.

Les gouvernements, notamment indien, doivent encadrer ce secteur : conditions de travail, rémunération minimale, et surtout, exiger des plateformes qu'elles financent des dispositifs de formation continue.

Et les travailleurs eux-mêmes, aussi paradoxal que cela puisse paraître, ont intérêt à utiliser leur exposition à l'IA non pas comme une fin, mais comme un point de départ pour développer des compétences en adjacent : audit algorithmique, gestion de projets data, ou formation à l'utilisation avancée des outils IA.

Conclusion : construire sans être englouti

Les travailleurs indiens qui entraînent les IA ne sont pas des victimes passives. Ils sont, à leur échelle, des architectes d'une révolution technologique qu'ils ne contrôlent pas encore. La vraie question n'est pas de savoir si leurs emplois actuels disparaîtront — ils disparaîtront, en grande partie. La question est de savoir si le système dans lequel ils opèrent leur donnera les outils pour construire leur prochain rôle avant que le précédent ne s'efface.

Pour l'instant, la réponse est non. Et c'est un problème que l'industrie de l'IA ne peut plus se permettre d'ignorer.

— Reservoir Live