DoorDash commence à payer ses livreurs pour des données destinées à entraîner l'IA et la robotique

DoorDash a commencé à payer une partie de ses livreurs non seulement pour livrer, mais aussi pour des tâches numériques, comme l'envoi de courtes vidéos et d'autres contenus destinés à améliorer des modèles d'IA. La plateforme transforme ainsi son réseau de terrain en source de données pour l'apprentissage automatique et la robotique.

Comment ça fonctionne

Selon Bloomberg, dans certaines régions, DoorDash propose à ses livreurs des tâches rémunérées sans lien direct avec la remise d'une commande au client. Il s'agit de courtes vidéos et d'autres actions numériques qui aident à améliorer des modèles d'IA et de robotique.

C'est un changement notable. Auparavant, des plateformes comme DoorDash monétisaient surtout la logistique ; elles commencent désormais à monétiser aussi l'accès à un réseau distribué de personnes présentes en permanence « sur le terrain » et capables de collecter des données utiles dans l'environnement réel.

Cette approche s'accorde bien avec l'économie des plateformes de travail à la demande. DoorDash dispose déjà d'une application, d'un système de micropaiements, d'une base de travailleurs répartis sur de nombreux sites et d'un mécanisme d'attribution des tâches. Ajouter à la livraison une couche supplémentaire de travail, sous forme de missions numériques, est plus simple pour l'entreprise que de monter un réseau distinct de prestataires pour la collecte de données. Pour les livreurs, cela ressemble à un moyen de gagner un complément entre deux commandes ; pour la plateforme, à une extension vers l'infrastructure d'IA sans refonte radicale de son service principal.

Pourquoi DoorDash veut des données

Les modèles d'IA et de robotique butent non seulement sur la puissance de calcul, mais aussi sur la qualité des données. Ils ont besoin d'exemples récents issus du monde réel : à quoi ressemble l'environnement urbain, comment évoluent les conditions de tournage, comment se comportent les objets dans des scénarios quotidiens. Les vidéos et autres tâches numériques réalisées par les livreurs peuvent fournir précisément ce matériau : non pas stérile et conçu en laboratoire, mais vivant et varié. Pour des systèmes appelés à s'orienter dans le monde physique, cette information est particulièrement précieuse.

Pour DoorDash, ce dispositif présente plusieurs avantages à la fois :

• l'entreprise obtient un flux de nouvelles données sans créer d'équipe de terrain dédiée ;
• la collecte peut être étendue rapidement grâce au réseau de travailleurs existant ;
• on peut proposer aux livreurs des microtâches supplémentaires entre deux livraisons ;
• la plateforme logistique gagne une voie de croissance de plus dans l'IA.

Ce mouvement est aussi révélateur à l'échelle du marché. L'article de Bloomberg affirme sans détour que DoorDash suit des concurrents qui ont déjà trouvé de nouvelles façons d'employer des travailleurs à la demande dans l'essor de l'IA. Autrement dit, la demande de travail humain flexible dans l'industrie de l'IA ne disparaît pas, même face à l'automatisation. Au contraire : plus les entreprises développent leurs modèles, plus elles ont besoin de personnes pour collecter, vérifier et alimenter les jeux de données.

Une nouvelle économie des petits boulots

L'exemple de DoorDash montre comment le rôle même du travail de plateforme évolue. Le livreur ne se contente plus de transporter un colis du point A au point B. Il peut devenir un maillon d'une chaîne numérique qui soutient l'entraînement des modèles. Dans ce schéma, le travail physique et le travail sur les données fusionnent peu à peu : le même travailleur livre un repas aujourd'hui et, demain, contribue en parallèle à améliorer des algorithmes de vision par ordinateur ou des systèmes robotiques.

Ce virage soulève aussi des questions pratiques. Si ce modèle prend de l'ampleur, le marché devra débattre de la façon de rémunérer ces tâches, de la frontière entre livraison et activité numérique d'appoint, des exigences de qualité imposées au contenu et du degré de transparence avec lequel les plateformes expliquent à quoi servent exactement les contenus collectés. Pour l'entreprise, c'est un moyen peu coûteux d'étoffer son pipeline de données ; pour les travailleurs, c'est aussi une forme de travail plus morcelée, atomisée, où chaque étape supplémentaire devient une microtâche distincte.

Ce que cela signifie

DoorDash montre que la prochaine étape de l'économie de l'IA se construit non seulement autour des modèles et des puces, mais aussi autour de l'accès à des personnes réelles et à des données issues du monde hors ligne. Les entreprises dotées de grands réseaux de travailleurs obtiennent un nouvel actif : la capacité de réunir rapidement du matériel pour entraîner l'IA. Pour le marché du travail, c'est le signe que le travail à la demande s'intègre de plus en plus, non plus seulement dans la livraison, mais dans le service rendu à l'industrie de l'IA elle-même.