Un bâtiment de style soviétique dans la banlieue de Beijing. Des rangées de femmes, la plupart jeunes, assises coude-à-coude face à un écran d’ordinateur. Et toute la journée elles taguent, elles taguent et taguent encore. Comprendre, elles enchainent la visualisation d’images sur lesquelles elles placent des points, des lignes, des descriptions.

Bienvenue dans les sous-sols de l’Intelligence Artificielle, bienvenue dans les ‘Data Tagging Factories’. Car avant que l’IA ne nous délivre les très attendues promesses d’un monde meilleur (?), il faut alimenter les algorithmes, fournir des data de qualité au Data Scientist. Et même avant que les Learning Machines ne puissent auto-apprendre et se corriger, il faut les nourrir, remplir leur réservoir d’un carburant qui ne peut être produit que par les petites mains de ces nouvelles usines pour le coup pas du tout 4.0.

Payées au salaire minimum (1,3€ de l’heure), ne disposant ni de table de ping-pong, de murs d’escalade ou de campus verdoyants, les data tagging girls accomplissent le travail de l’ombre. Un humain est ‘qualifié’ avec 15 points. Une image d’un groupe d’humains peut comporter jusqu’à 40 individus. Faites le compte 15×40 = 600 points à positionner sur un écran de 15 pouces. Et vite, car il faut passer à l’image suivante qui peut être celle d’une scène d’un véhicule se déplaçant dans une rue, là il faut identifier les objets, les situations et décomposer le tout en points, lignes et descriptions pour alimenter les algorithmes qui seront utilisés par les véhicules autonomes. Ces femmes écoutent aussi pour, par exemple, repérer comment se prononce la phrase ’25 degrés Celsius’ dans toutes les langues, tous les accents. Ce n’est qu’avec ce travail qu’un air-conditionner pourra répondre à une commande vocale humaine.

Et la productivité est importante pour cette usine de Beijing car déjà les acteurs du Data Tagging font jouer la concurrence. A l’identique du secteur textile, les usines se déplacent vers le nord ou les régions les plus pauvres de la Chine à la recherche du profit maximum (au pays du marxisme qui prévoyait la baisse tendancielle du taux de profit, c’est logique…).

La concurrence étrangère ? Celle d’Amazon Mechanical Turk par exemple ? Balayée. Amazon Mechanical Turk avait développé son business model sur l’utilisation massive de freelance mexicains. Mais les résultats n’étaient pas au rendez-vous. La Chine produit vite et surtout avec une qualité reconnue par tous ses clients. Notamment ses clients américains tels Microsoft, les Universités américaines et leur tech-labs. Et puis il y a les clients domestiques, ces tech-compagnies au développement foudroyant dans la reconnaissance faciale SenseTime ou ces géants que sont Baidu, Alibaba, Tencent. Les entreprises chinoises représentent 70% de ce marché. L’atelier-monde qui s’est construit grâce aux délocalisations occidentales – celles du textile et des hardware (voyez Foxconn et les iphones) par exemple – continue son développement mais aujourd’hui grâce aux entreprises chinoises. Phénomène renforcé par deux éléments essentiels car en termes de data la Chine a deux avantages concurrentiels définitifs : une législation laxiste sur l’obtention et la manipulation des data et la taille de sa population

Paradoxe, ironie ou drame à venir, le travail de ces data-tagging girls alimente les technologies qui détruiront le travail des ouvriers du textile et du hardware à cause de la combinaison IA/Robotique. Illustration d’un paradoxe anxiogène : le concept de la ‘destruction créatrice’ est très joli sur le papier, un travail peut être remplacé par un autre. Mais les travailleurs ‘détruits’ ne sont pas ceux ‘créés’. Or ce sont des êtres humains qui ne se nourrissent pas de concept, qui ont emprunté pour acheter un logement et qui ont pris goût à la consommation de masse.

Chronique rédigée à partir d’un article du South China Morning Post (EN) à retrouver ici.

Similar Posts