Derrière chaque réponse fluide d'un agent conversationnel, derrière chaque voiture qui « voit » un piéton, il y a des mains humaines. Des millions de mains, le plus souvent invisibles, qui trient, étiquettent, corrigent et notent les données dont les modèles d'intelligence artificielle se nourrissent. Ces « travailleurs du clic » sont majoritairement installés dans les pays du Sud, payés à la tâche, sans contrat ni protection. À l'heure où l'IA inquiète les marchés du travail occidentaux, une chercheuse résume la situation d'une formule devenue mot d'ordre : « Nous assistons à la naissance d'une nouvelle classe ouvrière. »
Naftali Wambalo est diplômé de mathématiques. À Nairobi, il a fini par accepter un travail qui n'avait rien à voir avec ses études : étiqueter des données pour entraîner des systèmes d'intelligence artificielle, pour le compte de la société d'externalisation Sama. Une partie de sa mission consistait à lire et à classer des textes parmi les plus violents du web, afin d'apprendre à un filtre automatique à reconnaître la haine, la pornographie ou la description de meurtres. « Si les grandes entreprises de la tech veulent continuer ce commerce, elles doivent le faire correctement », résume-t-il, amer (WeeTracker).
Son histoire est l'une des innombrables variantes d'un même récit, qui se rejoue de Nairobi à Manille, de Caracas à Hyderabad. Celui d'une force de travail planétaire, indispensable et pourtant niée, qui constitue l'infrastructure humaine de la révolution de l'IA.
Le travail caché derrière la « magie »
On parle volontiers de l'intelligence artificielle comme d'une technologie qui « apprend toute seule ». La réalité est plus prosaïque. Pour qu'un modèle distingue un chat d'un chien, un feu rouge d'un feu vert, ou une insulte d'une plaisanterie, il faut lui montrer des millions d'exemples préalablement annotés par des êtres humains. Cette opération — le data labeling, ou annotation de données — est le carburant de l'apprentissage automatique. Sans elle, ni ChatGPT, ni les voitures autonomes, ni les filtres de modération ne fonctionneraient.
La sociologue Mary L. Gray et l'informaticien Siddharth Suri ont popularisé en 2019 le terme de ghost work, le « travail fantôme » : cette main-d'œuvre invisible qui fait tourner des services présentés comme entièrement automatisés (Data & Society). L'expression dit l'essentiel : le secteur a tout intérêt à effacer la présence humaine derrière ses produits, parce qu'elle contredit le récit de l'autonomie de la machine — et parce qu'elle a un coût.
Ce coût, l'industrie le comprime en le délocalisant. Le marché des données d'entraînement, estimé à près de 3 milliards de dollars en 2024, pourrait dépasser 18 milliards à l'horizon 2032, porté par un secteur de l'IA dont les projections frôlent les 400 milliards de dollars dès 2027 (The Conversation). Pourtant, ceux qui exécutent ce travail à la base de la chaîne en captent une part dérisoire.
Deux dollars de l'heure, et une marge confisquée
Le cas le plus documenté est celui du Kenya. En 2023, une enquête du magazine Time a révélé qu'OpenAI avait sous-traité à Sama l'entraînement d'un filtre de toxicité destiné à ChatGPT. OpenAI payait Sama autour de 12,50 dollars de l'heure et par travailleur ; les annotateurs, eux, touchaient entre 1,32 et 2 dollars de l'heure selon l'ancienneté (Time). L'écart entre ce que verse le client et ce que reçoit l'ouvrier de la donnée résume à lui seul le modèle économique.
La géographie de ces salaires dessine une carte de l'inégalité mondiale. Au Venezuela, les annotateurs gagnent de 0,90 à 2 dollars de l'heure ; aux Philippines, souvent en deçà du salaire minimum local ; aux États-Unis, le même travail est rémunéré de 10 à 25 dollars de l'heure (The Conversation). Une travailleuse vénézuélienne décrite dans la presse francophone cumule cinq plateformes, qui la payent entre 5 et 25 centimes de dollar la tâche (Le Devoir).
L'IA conçue au Nord est annotée par le Sud : les pôles documentés du « travail du clic » et le salaire horaire rapporté, en dollars. Sources : Time, The Conversation, Business & Human Rights Resource Centre, Le Devoir, arXiv.
La société Appen, qui affine les bases de données de Meta, Microsoft ou Amazon, revendique avoir mobilisé jusqu'à un million de personnes à la tâche, recrutées là où le travail coûte peu : Afrique de l'Est, Inde, Philippines, Venezuela, et jusque dans des camps de réfugiés au Kenya (Le Devoir). L'externalisation pousse la logique du moindre coût jusqu'à ses confins, là où une rémunération en dollars, même infime, surpasse les alternatives locales.
Caracas : quand l'effondrement nourrit la plateforme
Le Venezuela illustre le mécanisme avec une netteté presque clinique. Entre 2013 et 2025, le pays a connu la plus forte contraction économique enregistrée pour une nation qui n'était pas en guerre — de l'ordre de 80 % de son PIB —, plongeant quatre Vénézuéliens sur cinq dans la pauvreté. Dans ce contexte de monnaie effondrée, une tâche payée quelques centimes de dollar devient soudain attractive, parce qu'elle est libellée en devise forte.
Une étude académique portant sur quatre pays décrit le profil de ces travailleurs de la donnée vénézuéliens : deux tiers sont des hommes, 70 % ont moins de 35 ans, plus de la moitié sont diplômés du supérieur, souvent en ingénierie ou en informatique. Pour les trois quarts d'entre eux, le travail de plateforme constitue la principale source de revenus ; beaucoup travaillent à temps plein, se levant aux aurores pour se synchroniser avec les horaires de bureau de leurs donneurs d'ordre américains (arXiv).
L'image est saisissante : des ingénieurs surdiplômés réveillés à 4 heures du matin pour résoudre des captchas ou décrire des images, parce que l'économie réelle de leur pays ne leur offre plus rien. La précarité du Sud devient la matière première de l'opulence du Nord.
La part sombre : modérer l'innommable
Tout le travail de la donnée n'est pas qu'ennuyeux et mal payé. Une partie est traumatisante. Pour apprendre aux modèles à reconnaître et à filtrer les contenus les plus toxiques, des humains doivent d'abord les regarder — sans relâche.
Kauna Malgwi, ancienne modératrice au Kenya, décrit son quotidien sans détour : « On passait au crible des meurtres, des viols, des suicides. Ça reste avec vous. » Naftali Wambalo, lui, raconte avoir bouclé un contrat prévu sur six mois en trois mois, sans compensation, et n'avoir reçu pour toute reconnaissance « qu'un soda et deux morceaux de poulet KFC » (WeeTracker).
Les conséquences psychiques sont massives et désormais documentées. Un rapport de 2024 a établi que plus de 140 modérateurs kényans de Facebook, employés via Sama, avaient été diagnostiqués comme souffrant d'un état de stress post-traumatique sévère, certains développant en outre des troubles anxieux généralisés et des épisodes dépressifs majeurs. En 2023, Meta a licencié 260 de ces modérateurs pour transférer l'activité à un autre sous-traitant (Computer Weekly). Une formule, signée par près d'une centaine d'annotateurs kényans, a fait le tour du monde : leurs conditions de travail relèvent, écrivent-ils, du « modern day slavery », l'« esclavage des temps modernes » (The Conversation).
La justice kényane a commencé à ouvrir une brèche : la cour de Nairobi a jugé que Meta pouvait être tenue pour responsable aux côtés de son sous-traitant Sama, ouvrant la voie à un procès (Computer Weekly). Une décision qui menace, pour la première fois, le bouclier juridique de la sous-traitance.
Scale AI : la « course vers le bas »
Au sommet de la chaîne d'approvisionnement trônent quelques fournisseurs devenus des géants. Scale AI, valorisée autour de 14 milliards de dollars, fournit en données étiquetées les plus grands laboratoires d'IA. Ses plateformes de travailleurs — Remotasks, puis Outlier — ont recruté des dizaines de milliers de personnes, dont au moins 10 000 aux Philippines.
Là encore, les témoignages convergent. Une enquête recueillant la parole de 36 travailleurs free-lance des Philippines rapporte que tous, sauf deux, ont vu des paiements retardés, réduits ou annulés après l'exécution des tâches. Beaucoup gagnent bien en deçà du salaire minimum philippin, compris entre 6 et 10 dollars par jour selon les régions (Business & Human Rights Resource Centre). Les organisations de défense des droits parlent de « digital sweatshops », d'ateliers de misère numériques, et d'une « course vers le bas » organisée à l'échelle planétaire.
Aux États-Unis mêmes, Scale AI a été visée par deux plaintes pour vol de salaire et requalification abusive de ses travailleurs en moins d'un mois, fin 2024 et début 2025 (TechCrunch). Une enquête du ministère américain du Travail sur le respect du droit du travail a toutefois été refermée sans suite (Inc.). Et lorsque la volatilité de la demande l'exige, ces plateformes se retirent brutalement : en mars 2024, Remotasks a fermé ses opérations au Kenya du jour au lendemain, laissant des milliers de jeunes sans revenu.
Une chaîne de valeur opaque, conçue pour l'être
Ce qui frappe, à mesure que les enquêtes s'accumulent, c'est l'opacité méthodique de la chaîne. Le travailleur de Caracas ne sait presque jamais pour qui il travaille : entre lui et le laboratoire d'IA s'interposent des plateformes, des sous-traitants, parfois des sous-sous-traitants, qui fragmentent la tâche en micro-opérations et brouillent les responsabilités. Cette architecture n'est pas un effet secondaire ; elle est une fonction. Elle permet au client final de revendiquer une technologie « propre », automatisée, tout en externalisant le coût social et le risque juridique vers le maillon le plus faible.
Les chercheurs qui documentent ce secteur insistent sur trois traits récurrents : la déshumanisation — le travailleur est réduit à un identifiant et un score de fiabilité —, la discrimination — les tâches les mieux payées sont réservées aux pays du Nord —, et le déskillage, ou perte de qualification : des diplômés du supérieur passent leurs journées à des micro-gestes répétitifs qui n'exploitent rien de leur formation (Tech Impact on Workers / ICCR). Le contraste avec le discours triomphant de la Silicon Valley sur l'« augmentation » des capacités humaines est saisissant.
« Une nouvelle classe ouvrière » qui s'organise
C'est à ce point précis que le vocabulaire bascule. Si l'on parle d'« ouvriers », c'est qu'émerge, derrière l'industrie la plus moderne du monde, une condition de travail qui rappelle les premières heures de l'industrialisation : paiement à la pièce, absence de contrat, invisibilité, et désormais, organisation collective.
La chercheuse Milagros Miceli, sociologue et informaticienne, professeure à l'Université nationale de San Martín (Argentine) et responsable de recherche au Distributed AI Research Institute (DAIR) fondé par Timnit Gebru, est l'une des voix qui ont théorisé cette continuité. Distinguée en 2024 par le classement TIME100 AI, elle pilote la Data Workers' Inquiry, une enquête participative radicale qui couvre neuf pays sur cinq continents et donne aux travailleurs eux-mêmes les moyens d'enquêter sur leurs propres conditions (DAIR). Sa thèse : la fabrication des données d'IA reproduit, à l'ère numérique, les asymétries de pouvoir du capitalisme industriel.
Cette prise de conscience se traduit en actes. Au Kenya, des travailleurs ont fondé en février 2025 la Data Labelers Association (DLA). En une semaine, 339 membres l'ont rejointe. Sa présidente, Joan Kinyua, résume l'injustice fondatrice : « Les travailleurs font fonctionner toutes ces avancées technologiques, mais ils sont payés des cacahuètes. » Son secrétaire, Michael Geoffrey Abuyabo Asia, dénonce un système qui exploite la faiblesse du droit du travail kényan, « une faille qu'ils utilisent » (Computer Weekly).
La DLA réclame des contrats en bonne et due forme, une « rémunération équitable », un soutien psychologique en cas d'exposition à des contenus nocifs, le droit à des pauses et à la négociation collective. Elle s'appuie sur un réseau international : l'African Content Moderators Union — un syndicat regroupant 150 modérateurs employés ou anciens employés de sociétés d'externalisation —, la plateforme Turkopticon, héritée de la résistance des micro-travailleurs d'Amazon Mechanical Turk, et le DAIR (Next).
Le paradoxe final : remplacés par ce qu'ils nourrissent
L'ironie de l'histoire est que ces travailleurs participent à la fabrication de leur propre obsolescence — et, parfois, la subissent déjà. À mesure que les modèles deviennent capables d'annoter des données automatiquement, l'industrie tend à remplacer les armées de « petites mains » par un nombre réduit d'« experts » mieux payés, chargés d'affiner les modèles sur des tâches pointues (Next). La précarité ne disparaît pas : elle se recompose.
Cette inquiétude résonne avec celles, plus visibles, qui agitent les économies du Nord — des salariés de l'édition juridique aux développeurs informatique, qui redoutent à leur tour que l'automatisation ne fragilise leurs métiers (voir notre article sur la mobilisation contre l'IA chez Dalloz). Mais elle révèle surtout l'angle mort du débat : avant même de « détruire des emplois », l'IA en a déjà créé des millions, invisibles, mal payés et délocalisés, qui forment le soubassement humain de toute la chaîne.
La « nouvelle classe ouvrière » dont parlent les chercheuses n'est donc pas une métaphore lointaine. Elle est déjà là, devant des écrans, à Nairobi, à Manille et à Caracas, en train d'apprendre aux machines à voir, à parler et à filtrer le monde. La question que pose sa lente prise de conscience est la même qui a accompagné toutes les révolutions industrielles : qui, au juste, profite de la valeur créée — et à quel prix humain ?
Sources principales : Time, The Conversation, Computer Weekly, Business & Human Rights Resource Centre, Le Devoir, Next, DAIR, arXiv – Global Inequalities in the Production of AI. Article original (payant) : Le Temps.