Le travail invisible : ces humains qui apprennent aux robots à tenir un verre

Avant que les robots humanoïdes entrent dans nos usines et nos cuisines, des milliers de personnes passent leurs journées à filmer leurs propres mains. C'est banal, répétitif, et c'est au cœur de l'une des transformations économiques les plus profondes de notre époque.

Une caméra sur le front, huit heures par jour

Imaginez : vous arrivez au travail, vous fixez une caméra sur votre front, et vous passez la journée à plier des serviettes. À empiler des boîtes. À brancher des câbles. À verser de l'eau d'une carafe dans un verre. Encore. Encore. Encore.

C'est le quotidien de milliers de travailleurs en Inde aujourd'hui. La caméra filme leurs mains en vue subjective — chaque micro-mouvement, chaque ajustement de prise, chaque correction instinctive du poignet. Ces séquences voyagent ensuite vers des data centers aux États-Unis, où des réseaux de neurones les dissèquent pour apprendre à des robots humanoïdes comment interagir avec le monde physique.

Dans l'industrie, on appelle ça les handforms.

La logique est simple, presque désarmante. Pour qu'un robot apprenne à saisir un objet sans le casser ni le lâcher, il faut des millions d'exemples humains. Des millions de gestes annotés, classifiés, hiérarchisés. Et filmer des mains en Inde coûte, aujourd'hui, moins cher que déployer des robots pour produire ces mêmes données. Tant que c'est vrai, des humains porteront des caméras sur le front.

Ce n'est pas un bug du système. C'est le système.

Les cols blancs y passent aussi

Il serait commode de penser que cette histoire ne concerne que les emplois manuels — que les ingénieurs, les avocats, les analystes financiers sont à l'abri. Ce serait une erreur.

Regardez ce que font des plateformes comme Mercor ou Scale AI depuis deux ou trois ans. Elles ne recrutent pas des travailleurs peu qualifiés pour cliquer sur des images. Elles recrutent des anciens de Goldman Sachs, des médecins, des juristes, des ingénieurs seniors — et elles les paient jusqu'à 200 dollars de l'heure pour une chose très précise : transférer leur expertise dans des modèles d'IA.

Corriger un raisonnement. Évaluer une réponse. Annoter un contrat. Produire l'exemple "idéal" pour qu'un modèle apprenne à faire ce qu'eux font depuis des années.

Mercor a été fondée en 2023 par trois vingtenaires. Moins de trois ans plus tard, la startup est valorisée 10 milliards de dollars. Elle verse plus de 1,5 million de dollars par jour à ses contractuels. Ses clients s'appellent OpenAI, Google DeepMind, Anthropic, Meta. La croissance est si verticale qu'elle a fait de ses fondateurs les plus jeunes milliardaires autodidactes de l'histoire.

Le modèle repose sur une tension que peu de gens voient. Les grands labs ont besoin d'expertise sectorielle pointue — finance, droit, médecine — pour affiner leurs modèles. Mais les banques et les cabinets d'avocats ne vont évidemment pas leur ouvrir leurs données : ce serait signer leur propre arrêt de mort. Alors Mercor contourne le problème en recrutant d'anciens employés de ces mêmes institutions. Le fondateur Brendan Foody le dit sans ambages : "Goldman Sachs n'aime pas l'idée d'avoir des modèles capables d'automatiser leur chaîne de valeur. C'est pour ça que les labs ont besoin de nous."

L'expertise sort par la petite porte.

Ce qu'on ne vous dit pas quand on vous embauche

Il y a une formulation qui résume mieux que n'importe quel rapport d'analyste ce qui se joue en ce moment :

Vous n'êtes plus payé pour exercer votre savoir-faire. Vous êtes payé pour le transférer.

Pendant des siècles, la valeur d'un individu sur le marché du travail tenait à quelque chose de difficile à copier : son intelligence, son jugement, ses réflexes forgés sur le terrain. Cette rareté était le fondement du contrat implicite entre les humains et l'économie. C'était le prix de l'humain.

Ce contrat est en train d'être réécrit — sans qu'on vous le signale à la signature.

Le travailleur des handforms n'est pas payé pour plier des serviettes. Il est payé pour que la machine apprenne à plier des serviettes sans lui. L'analyste qui évalue les raisonnements d'un LLM chez Mercor n'est pas payé pour son analyse. Il est payé pour rendre son analyse inutile à terme. Les deux font le même travail, au fond : ils se rendent progressivement remplaçables, et ils sont rémunérés précisément pour ça.

Ce n'est pas du cynisme. C'est la description la plus honnête de ce qui se construit sous nos yeux.

Une valeur qui s'effondre

Ce qui rend la situation difficile à saisir, c'est que le mouvement est graduel. Mais sa direction est nette.

Appen était la référence mondiale du data labeling en 2020 — valorisation : 4,3 milliards de dollars. Aujourd'hui, la même entreprise vaut moins de 130 millions. Non pas parce que le secteur s'est effondré — au contraire, il explose — mais parce que les tâches simples qu'Appen effectuait ont été absorbées par les modèles eux-mêmes. L'IA a dévoré la partie basse du marché. Seule l'expertise rare et contextualisée tient encore.

Pour l'instant.

Dans certains secteurs, une heure de calcul GPU coûte déjà moins qu'un mois de salaire dans les économies émergentes. Le coût marginal de l'intelligence artificielle chute plus vite que les économistes ne l'avaient modélisé. Nos institutions n'ont pas intégré ce rythme. Nos systèmes de formation non plus.

La vraie question

Le débat public tourne encore autour de la même formulation, un peu paresseuse : est-ce que l'IA va remplacer des emplois ?

Ce n'est plus la question urgente.

La vraie, c'est celle-ci : que devient une économie entière quand l'intelligence cesse d'être un actif rare ?

Quand la capacité à diagnostiquer, analyser, rédiger, trancher, anticiper devient abondante et bon marché, tout le système de valeur qui organise le marché du travail depuis deux siècles vacille. Ce n'est pas de la science-fiction. Ce n'est pas non plus une certitude absolue. C'est une probabilité qui se renforce à chaque millier d'heures de données humaines injectées dans un modèle.

Ce que nous traversons en ce moment, c'est la phase d'encodage : le moment où l'intelligence humaine est systématiquement capturée, compressée, transférée. Ce qui vient après — l'autonomisation de ces machines — est déjà en cours, moins spectaculairement qu'on ne l'imagine, mais avec une régularité que les chiffres du secteur confirment chaque trimestre.

Personne, ou presque, n'est préparé au moment où le coût de l'intelligence approchera zéro.

Sources : Bain & Company Technology Report 2025, TechCrunch Disrupt 2025, analyses sectorielles Mercor / Scale AI / Surge AI / Appen.

Manifeste Shiftometer

Le constat établi par Shiftometer n'est pas une fatalité, c'est une opportunité. C'est le moment idéal pour reprendre les rênes de votre carrière, anticiper les mutations et transformer le changement en avantage stratégique.

Analyse Métier

"L'IA transforme les compétences, pas seulement les métiers."

Curieux de savoir comment votre secteur évolue ? Vérifiez l'indice de mutation de votre métier.

Analyser mon métier 🔍

Premium

"L'évolution du marché du travail n'est pas une fatalité, c'est un nouveau terrain de jeu. Anticiper aujourd'hui, c'est choisir sa place demain."

Accédez à nos rapports prospectifs, aux stratégies de reconversion et à une veille exclusive.

Prendre l'avance avec nos Plans Premium 🚀