En bref : les données pour entraîner l'IA sont les exemples annotés (textes, images, vidéos de gestes) à partir desquels un modèle apprend. Elles ne tombent pas du ciel : des humains les produisent et les étiquettent, souvent à la main. La performance d'une IA dépend d'abord de la qualité et de la spécificité de ces données, beaucoup moins du modèle lui-même.

En Inde, des travailleurs équipés d'un smartphone fixé sur le front s'enregistrent en train de plier du linge, trancher une mangue, préparer un café. L'objectif : produire des données pour entraîner l'IA et les robots censés, demain, faire ces gestes à notre place. On regarde ça comme une scène de film de science-fiction. Nous y voyons surtout le rappel le plus terre-à-terre qui soit sur l'endroit où se loge vraiment la valeur d'un projet IA.

La scène fascine, mais elle dit quelque chose de très banal

Derrière chaque IA qui semble « comprendre » le monde, il y a un travail humain qu'on ne montre jamais.

Derrière l'image, il y a des gens et des heures. Des travailleurs payés quelques dollars de l'heure de vidéo, dans des villes comme Chennai ou Bengaluru. Ensuite, des sociétés d'annotation découpent ces vidéos image par image et étiquettent chaque main, chaque objet, chaque étape du mouvement. C'est ce travail d'étiquetage qui transforme une vidéo en quelque chose qu'une machine peut apprendre. Et les commanditaires comptent parmi les plus grands noms de la tech.

Pourquoi tout ce monde s'agite ? Parce que Goldman Sachs estime que le marché des robots humanoïdes pourrait atteindre 38 milliards de dollars d'ici 2035, six fois sa prévision de l'année précédente. La banque le dit elle-même : ce qui l'a fait réviser ses chiffres, c'est la vitesse des progrès de l'IA. Or ces progrès ne viennent pas de nulle part. Ils se paient en données. Le spectaculaire (le robot qui plie le linge) fait oublier le mécanisme (la personne qui lui a montré comment).

D'où viennent vraiment les données pour entraîner l'IA

Un modèle, c'est une mécanique d'imitation. Il ne « sait » rien : il reproduit des régularités repérées dans des montagnes d'exemples. Pour un texte, ces exemples sont des pages écrites par des humains. Pour un robot de cuisine, ce sont ces vidéos à la première personne, découpées et étiquetées une à une. On appelle ça l'annotation : le geste brut ne suffit pas, il faut le nommer pour que la machine le relie à une action.

Cette chaîne est invisible et elle est immense. Des studios reconstituent de fausses cuisines, des travailleurs rejouent des scènes, des annotateurs taguent les images. C'est lent, c'est manuel, et c'est là que se joue la qualité du résultat. Un modèle nourri de données floues produit une IA floue. Un modèle nourri d'exemples précis, propres, bien décrits, produit une IA utile. La vieille loi de l'informatique n'a pas pris une ride : ce qui entre détermine ce qui sort.

Des travailleurs indiens filment leurs gestes du quotidien pour entraîner l'IA (reportage AFP).

Le modèle (le moteur)

Disponible pour tout le monde, souvent les mêmes quelques fournisseurs. Se banalise et baisse de prix chaque trimestre. Un concurrent peut s'offrir le même en une journée.

Vos données (le carburant)

N'existent que chez vous : vos dossiers, vos échanges, votre façon de faire. Prennent de la valeur à mesure que vous les structurez. Impossibles à copier : c'est votre métier accumulé.

« Un modèle n'apprend rien tout seul. Quelque part, des mains ont produit et étiqueté la donnée qui le rend utile. »

Pourquoi vos données valent plus que le modèle

Tout le monde regarde la course aux modèles. Votre avantage, lui, se joue ailleurs.

Les modèles puissants sont devenus une commodité. Votre concurrent a accès exactement aux mêmes que vous, au même prix, le même jour. Ce qu'il n'a pas, c'est votre matière première. Dix ans de devis, des milliers d'échanges clients, vos contrats, vos comptes rendus, votre manière à vous de qualifier une demande ou de traiter un litige. Personne d'autre ne possède ça. C'est exactement ce que ces travailleurs indiens fabriquent à la main pour les robots : un savoir-faire transformé en données exploitables. Sauf que le vôtre, vous l'avez déjà. Il dort dans vos fichiers.

Ce qui nous agace dans ce genre d'histoire, c'est qu'elle braque le projecteur sur la dystopie et passe à côté de la leçon utile. Dans les entreprises que nous auditons, le frein n'est presque jamais le modèle que nous allons utiliser. C'est presque toujours la donnée : éparpillée, mal rangée, jamais structurée, donc inexploitable telle quelle. La bonne nouvelle, c'est que ce problème-là se règle, et sans caméra sur le front.

Trois idées reçues sur les données et l'IA

1. « Le modèle fait tout le travail »

Faux. Le modèle imite des exemples. Sans données propres et bien décrites, même le meilleur modèle reste générique et passe à côté de votre métier.

2. « Il faut des données massives »

Pas forcément. Mieux vaut quelques centaines d'exemples propres et bien rangés, vraiment représentatifs de votre tâche, qu'un téraoctet de fichiers en vrac.

3. « Mes données n'ont rien de spécial »

C'est l'inverse. Leur banalité apparente est leur force : elles encodent votre façon de travailler, que personne ne peut copier.

L'avantage compétitif d'un projet IA ne se télécharge pas. Il se construit, à partir de ce que vous avez déjà accumulé sans toujours le savoir. Reste une question à se poser : quelle part de votre savoir-faire dort aujourd'hui dans des fichiers que personne n'ouvre jamais ?

Questions fréquentes

Faut-il beaucoup de données pour lancer un projet IA en entreprise ?

Moins qu'on ne le croit. Pour une tâche métier précise (et non complexe : pas de visualisation par exemple), quelques dizaines ou centaines d'exemples bien choisis et bien rangés valent souvent mieux qu'un énorme volume de fichiers désordonnés. La représentativité et la propreté comptent davantage que la quantité brute.

Mes données internes sont-elles vraiment utilisables par une IA ?

Le plus souvent oui, mais rarement en l'état. Vos devis, contrats, e-mails et comptes rendus sont une matière précieuse (une fois anonymisés) ; il faut d'abord les rassembler, les nettoyer et les structurer. C'est précisément la première étape d'un projet sérieux, avant même de parler de modèle.