Des prestataires IA remplacent leur travail par des chatbots

La promesse des données d'entraînement « humaines » est en train de se fissurer silencieusement. Selon Futurism, qui relaie une enquête de *New Scientist*, les prestataires rémunérés par les entreprises d'IA pour produire du contenu d'entraînement original utilisent eux-mêmes des chatbots pour abattre ce travail, alimentant ainsi les modèles de demain avec les sorties des modèles d'aujourd'hui.

Les témoignages recueillis sont directs. Une contractuelle identifiée sous le pseudonyme « Alice » affirme que la pratique est « très répandue » et que « seuls les utilisateurs les plus négligents se font attraper ». Un autre prestataire décrit une méthode rodée : utiliser un premier LLM pour construire le scénario, un second pour rédiger les fichiers, puis effacer les tics linguistiques caractéristiques des chatbots avant de soumettre. La motivation initiale était la peur : « J'avais terriblement peur de perdre ma source de revenus, et ensuite c'est devenu plus simple de tout passer par les LLMs. »

Le contexte structurel explique pourquoi ce raccourci s'est normalisé. La quantité de données utilisées pour entraîner les modèles IA double tous les neuf mois depuis 2010, selon le reportage. Les réserves de données propres arrivent à saturation, et les entreprises signent des contrats de courte durée pour des tâches ultra-spécifiques, comme générer des données de paie hebdomadaire pour des musiciens de Broadway. Dans ces conditions, la pression sur les prestataires est forte et la rémunération mince.

Ce que le reportage ne tranche pas, c'est l'ampleur réelle du phénomène en chiffres agrégés, ni si les grandes entreprises d'IA disposent aujourd'hui d'outils capables de détecter les données synthétiques à grande échelle. Les sources citées sont anonymes et les effets concrets sur la qualité des modèles déployés restent non documentés.

Pour ceux qui construisent des produits sur ces modèles de fondation, la trajectoire mérite une surveillance active. La demande d'outils de vérification de la provenance des données va probablement s'accélérer, et les acteurs capables de certifier l'origine humaine de leurs données d'entraînement pourraient se retrouver en position de force sur un marché où la qualité des fondations devient un argument différenciateur.