On vous propose 100 euros de l’heure pour apprendre votre métier à une IA. Vous acceptez ?
À première vue, la proposition est plutôt séduisante. Vous êtes médecin, avocat, enseignant, ingénieur ou consultant, et une entreprise vous propose de rémunérer correctement quelques heures de votre expertise. Vous avez déjà vendu votre temps pour moins que cela.
Sauf que ce qu’elle vient chercher ne se trouve pas vraiment dans vos diplômes, ni dans les manuels qu’elle a déjà pu lire. Elle s’intéresse à ce que vous avez appris depuis, en exerçant votre métier, et que vous auriez parfois du mal à expliquer vous-même.
James Maisiri raconte cette expérience dans une tribune publiée par Rest of World. Après son doctorat en sociologie industrielle à l’université de Johannesburg, il envisageait une carrière universitaire. Un recruteur lui a plutôt proposé d’entraîner une IA à préparer des évaluations, enseigner et corriger des copies. La rémunération représentait près de vingt fois le salaire minimum sud-africain. Il a accepté de passer l’entretien.
Ce qui m’intéresse dans cette histoire, c’est ce qu’on voulait réellement lui acheter.
Corriger une copie, ce n’est pas seulement connaître la bonne réponse. C’est reconnaître un étudiant qui a compris derrière une formulation maladroite, ou celui qui récite parfaitement sans avoir saisi le raisonnement. C’est pouvoir expliquer pourquoi un travail mérite 75 plutôt que 60, alors que les deux contiennent des éléments justes. Une grille de correction aide, bien sûr, mais elle ne fait pas tout.
C’est là que l’expérience intervient. Et c’est précisément cette expérience que les entreprises cherchent à faire entrer dans leurs modèles.
Pendant longtemps, nous avons pensé qu’elle nous protégerait. Une machine pourrait connaître les textes de loi, mais pas apprécier une situation comme un bon avocat. Elle pourrait apprendre la médecine, mais pas avoir le regard d’un médecin qui a vu passer des milliers de patients.
Pour se rapprocher de ce jugement, les entreprises ont trouvé une solution assez simple : recruter ceux qui le possèdent et leur demander de montrer comment ils travaillent.
Des plateformes comme Mercor ou Outlier sollicitent ainsi des professionnels qualifiés pour entraîner des modèles. À l’autre bout de l’échelle des rémunérations, des ouvriers en Inde enregistrent leurs gestes avec une caméra pour alimenter l’apprentissage de robots.
Les métiers sont différents, mais la logique se ressemble. On cherche à transformer en données ce qu’une personne a mis des années à apprendre, qu’il s’agisse de la façon dont elle tient un outil ou dont elle évalue une situation.
Alors combien vaut cette expérience, une fois qu’elle peut servir bien au-delà de la personne qui la transmet ?
Reprenons nos 100 euros de l’heure. Vous travaillez sept heures et vous touchez 700 euros. Pour une journée, c’est une rémunération tout à fait correcte. Mais ce que vous avez transmis pendant ces sept heures ne s’est pas construit en une journée. Il y a derrière dix ans d’études et de pratique, des milliers de dossiers, des erreurs qui vous ont appris à repérer un problème plus tôt ou à poser la bonne question.
L’entreprise rémunère le temps que vous passez avec elle. Ce qu’elle pourra ensuite réutiliser, c’est une partie de tout ce qui vous a rendu compétent.
Quand j’accompagne une entreprise, je facture une journée de conseil. Quand j’ai publié un livre, ma rémunération comprenait des droits sur les exemplaires vendus. Ce sont deux façons différentes de reconnaître la valeur d’un travail : dans un cas, je suis payée pour une intervention ; dans l’autre, je reste associée à la diffusion de ce que j’ai produit.
Cette comparaison ne règle pas à elle seule la rémunération des experts qui entraînent les IA. Mais elle pose une question très concrète : pourquoi leur contribution serait-elle rémunérée uniquement au temps passé, alors que toute sa valeur tient à ce qui pourra être réutilisé ensuite ?
Nous avons déjà vu ce décalage avec les plateformes numériques. Nous leur avons confié nos photos, nos goûts et nos déplacements, souvent sans bien mesurer la valeur que cet ensemble pouvait représenter. Aujourd’hui, ce sont aussi nos façons de travailler qui intéressent les entreprises de l’IA. Nous les appelons expérience, intuition, coup d’œil ou tour de main, parce que nous savons ce qu’il a fallu pour les acquérir.
Je ne pense pas qu’il faille, par principe, refuser de les transmettre. Une IA qui aide un soignant à mieux repérer un problème ou un enseignant à accompagner un élève peut être très utile. Nous avons tous intérêt à ce que ces outils apprennent auprès de professionnels compétents.
Mais cette utilité ne dispense pas de discuter des conditions. Que transmet-on exactement ? Pour quels usages ? Avec quelle reconnaissance pour celui qui a contribué ?
Et surtout, qui a réellement les moyens de négocier ?
Un professionnel isolé peut difficilement peser sur ces conditions. S’il refuse, quelqu’un d’autre acceptera, parfois parce qu’il a besoin de cette rémunération immédiatement. On peut comprendre ce choix sans considérer que le contrat proposé est le meilleur possible. C’est aussi pour cela que les professions doivent se saisir du sujet collectivement.
La question concerne d’ailleurs bien plus que les plateformes d’entraînement. Elle se pose dans les entreprises qui demandent à leurs meilleurs experts de documenter leurs pratiques pour nourrir un assistant interne. Je comprends très bien l’intérêt : rendre des connaissances accessibles, éviter qu’elles disparaissent avec un départ, aider les équipes à progresser.
Mais lorsqu’un outil devient utile grâce au savoir-faire d’un collaborateur, comment cette contribution est-elle reconnue ? Et quelle place lui donne-t-on dans la suite du projet ?
James Maisiri n’a finalement pas poursuivi le recrutement. Il reconnaît lui-même qu’il ne sait pas complètement expliquer son malaise.
Un dernier détail de son récit me reste en tête. Pour évaluer sa capacité à entraîner une IA, on lui a fait passer un entretien de 45 minutes avec une IA. Elle lui a ensuite envoyé un retour sur ses points forts et ses points faibles.
Avant même qu’il transmette son jugement, une machine était donc déjà chargée de juger le sien.
Si notre expérience devient l’une des matières premières de l’économie de l’IA, est-ce que nous voulons vraiment continuer à la vendre uniquement au prix de notre temps ?
Il y a pourtant quelque chose de très prometteur dans cette perspective : ce qu’un excellent professionnel a mis des années à apprendre pourrait aider des milliers d’autres personnes à mieux travailler, à mieux soigner ou à mieux enseigner. À condition de savoir quand s’appuyer sur l’outil et quand exercer son propre jugement, nous avons beaucoup à gagner à cette circulation de l’expérience.
Alors comment organiser ce partage pour que l’IA nous aide à progresser, tout en reconnaissant la valeur de ceux auprès desquels elle apprend ?