DoorDash lance Tasks : des travailleurs à la tâche se filment pour entraîner l'IA

DoorDash, que la plupart des gens connaissent comme plateforme de livraison de repas, a lancé discrètement un nouveau produit baptisé Tasks. C'est une application où des particuliers filment leur vie quotidienne en échange d'une petite rémunération. Faire la lessive, cuire des œufs, se promener dans le parc : tout cela peut désormais être monétisé. Un journaliste de Wired l'a testée en personne et en est arrivé à une conclusion décourageante : Tasks n'est pas un petit boulot d'appoint, mais une fenêtre sur un avenir sombre de l'économie des petits boulots.

Le principe est d'une simplicité absurde. L'utilisateur ouvre l'application, consulte une liste de missions et en choisit une. Une mission peut se lire ainsi : « Filmez-vous en train de cuisiner pendant 3 minutes dans votre cuisine ». On lance l'enregistrement, on accomplit la tâche, on envoie le fichier. Chaque vidéo rapporte une rétribution, généralement quelques centimes ou dollars selon la complexité. L'argent s'accumule et se retire par les systèmes de paiement standards.

Qui achète ces vidéos ? De grandes entreprises technologiques qui ont besoin de données d'entraînement pour des systèmes d'IA. Il s'agit de vision par ordinateur, de reconnaissance des mouvements et de compréhension de scènes domestiques. Pour apprendre à un réseau de neurones comment une personne fait cuire un œuf, il faut lui montrer des milliers d'enregistrements de personnes réelles en train de le faire, dans des conditions variées, dans des cuisines différentes, sous des éclairages différents. DoorDash joue les intermédiaires : elle agrège les contributeurs et revend le résultat à des clients professionnels. En somme, c'est Amazon Mechanical Turk, mais pour les données visuelles à l'ère de l'IA générative.

Le problème, c'est l'économie. Alors que les livreurs de DoorDash pouvaient auparavant gagner 15 à 25 $ de l'heure en livrant des repas, avant déduction des frais de transport, Tasks propose nettement moins. Le journaliste, après plusieurs heures passées dans l'application, a gagné des sommes qu'on peut difficilement qualifier de revenu complémentaire. Par ailleurs, le ticket d'entrée est minimal, puisqu'il suffit d'un smartphone doté d'une caméra, ce qui crée inévitablement une concurrence entre un très grand nombre de contributeurs et tire les tarifs vers le bas. C'est le piège classique de l'économie de plateforme : plus il est facile d'entrer, moins le travail est payé.

La nature même de ce travail est intéressante. Contrairement à la livraison ou au VTC, Tasks n'exige aucun déplacement physique ; les missions s'effectuent à domicile. Cela abaisse la barrière pour ceux qui ne peuvent pas ou ne veulent pas travailler hors de chez eux. Mais cela signifie aussi que la concurrence n'est pas limitée par la géographie : un contributeur de Manille ou de Lagos peut réaliser la même mission qu'un utilisateur de New York, pour bien moins d'argent. La mondialisation du marché des données d'entraînement en action.

Il y a aussi la question de la vie privée. Quand on filme chez soi, on transmet involontairement des données sur son intérieur, ses habitudes et les membres de sa famille qui apparaissent par hasard dans le cadre. Où vont ces enregistrements, qui les traite, combien de temps sont-ils conservés : d'après la description du journaliste, Tasks n'est pas assez transparent sur ces points pour les contributeurs.

Le marché des données d'entraînement pour l'IA se chiffre en milliards de dollars et continue de croître à mesure que les grands laboratoires se disputent la qualité et la diversité des jeux de données. Tasks n'a pas inventé cette niche : Scale AI, Remotasks, Appen et CloudFactory travaillent depuis longtemps avec des contributeurs à la tâche pour l'annotation de données. DoorDash arrive simplement sur ce marché avec une marque connue et des millions d'utilisateurs dans sa base. Cela montre la direction que prend l'économie de plateforme : de la livraison physique de marchandises à la livraison du comportement humain comme matière première pour l'IA. Les mêmes mécanismes, la même précarité, un nouveau type de mission.

Tant que les entreprises technologiques paieront pour des données d'entraînement, les plateformes trouveront des moyens d'en collecter : à bas coût, à grande échelle et avec des personnes qui ont besoin de revenus complémentaires. Tasks n'est pas un avenir lointain. C'est le présent, déjà disponible sur l'App Store.