Le secteur des robots humanoïdes parle depuis quelque temps d'« entrer dans les usines » et d'« entrer dans les foyers », mais rares sont ceux qui expliquent comment ces robots apprennent à faire les choses. La réponse n'est pas un quelconque grand modèle miraculeux, mais des travailleurs à temps partiel dans des dizaines de pays à travers le monde, qui utilisent des iPhones attachés au front pour filmer, image par image, en train de faire la vaisselle, plier du linge ou faire cuire des œufs.
C'est la réalité révélée par un article du MIT Technology Review début avril.
iPhone sur le front, direction la cuisine
Voici comment ça fonctionne : attachez un iPhone sur votre front, dirigez-le vers vos propres mains, puis effectuez diverses tâches ménagères selon les instructions — plier des serviettes, sortir les aliments de la poêle dans un bol, ranger le plan de travail de la cuisine. Chaque tâche dure généralement plusieurs dizaines de minutes. Après le téléchargement, les vidéos sont annotées par l'IA et des réviseurs humains, qui marquent l'heure de début, l'heure de fin et la position des mains de chaque action.
La principale entreprise responsable est Micro1, basée à Palo Alto, en Californie, qui emploie des travailleurs sous contrat dans plus de 50 pays, principalement au Nigeria, en Inde et en Argentine. Le salaire est de 15 dollars de l'heure, considéré comme bon par rapport aux niveaux de revenus locaux.
Du côté des donneurs d'ordre, les entreprises qui fabriquent des robots humanoïdes comme Tesla, Figure AI et Agility Robotics achètent ces données. Pour que les robots apprennent à travailler dans des environnements domestiques réels, les simulateurs ne suffisent pas ; les données d'opération humaine réelles sont une matière première irremplaçable.
Micro1 n'est pas la seule. Scale AI affirme avoir collecté plus de 100 000 heures de données similaires. DoorDash paie même ses livreurs pour filmer leurs propres tâches ménagères en parallèle. L'ensemble du secteur dépense plus de 100 millions de dollars par an en données d'entraînement du monde réel.
Ce n'est pas la première fois, mais l'échelle grandit
Le recours à l'annotation humaine pour les données d'entraînement de l'IA n'est pas nouveau. La reconnaissance d'images à ses débuts dépendait des travailleurs d'Amazon Mechanical Turk, et le traitement du langage naturel dépendait de l'annotation massive de textes. Mais les données d'entraînement pour les robots humanoïdes présentent une différence fondamentale : elles ne nécessitent pas de classification de texte ou d'images, mais des données de mouvement tridimensionnel dans le temps, avec force, rythme et coordonnées spatiales.
Ce problème ne peut pas être résolu uniquement avec des données synthétiques, car les robots rencontrent trop de différences de friction, de poids et de propriétés des matériaux dans le monde physique réel. Les données de Scale AI proviennent de plus en plus de vidéos filmées à domicile par des travailleurs recrutés spécialement à cet effet, et non de professionnels en laboratoire.
Qu'est-ce que cela signifie ? Cela signifie que les limites de capacité des robots humanoïdes sont, dans une certaine mesure, déterminées par les cuisines domestiques du monde entier. Qu'un robot puisse ou non plier des serviettes de différents matériaux dépend du fait qu'il existe suffisamment de vidéos d'opérations avec les matériaux correspondants.
15 dollars de l'heure : Ce travail est-il stable à long terme ?
Les travailleurs ont une perception assez positive de ce travail.
"J'ai l'impression de faire quelque chose de complètement différent de tout ce qui se fait dans le monde." (Participant Zeus)
Un autre travailleur nommé Dattu a dit qu'il avait l'impression de « laisser une empreinte », ses données contribuant à la croissance des robots. Mais les chercheurs s'interrogent sur la durabilité de ce secteur. Ken Goldberg, de l'UC Berkeley, a déclaré sans détour :
"Les gens sous-estiment le temps nécessaire pour collecter suffisamment de données d'entraînement de robots sûres et utilisables."
Un problème plus concret est la vie privée. Le contenu filmé par les travailleurs ne montre pas seulement leurs mains, mais aussi la décoration de leur maison, les photos de famille, les habitudes de vie et l'agencement des pièces. Micro1 indique qu'elle supprime les visages et les informations sensibles, mais les travailleurs ne savent pas à quelle entreprise les données ont été vendues, où elles sont stockées, ni si elles pourraient être revendues. Certains ont demandé la suppression de leurs données, mais personne ne connaît le résultat.
La chercheuse Yasmine Kotturi, de l'Université du Maryland, considère cette asymétrie d'information comme un problème structurel : les travailleurs assument le risque informationnel, mais n'ont pas le droit correspondant d'être informés.
Il existe un autre risque : Aaron Prather, d'ASTM International, souligne que si les travailleurs opèrent de manière non standardisée pendant les enregistrements (par exemple, en utilisant des techniques de coupe dangereuses), ces « démonstrations erronées » pourraient être intégrées aux données d'entraînement, faisant apprendre aux robots des habitudes dangereuses.
Cette chaîne d'approvisionnement ne disparaîtra pas
| Fournisseur de données | Volume de données | Principales sources de travailleurs |
|---|---|---|
| Scale AI | 100 000+ heures | Réparti mondialement |
| Micro1 | Dizaines de milliers d'heures | Nigeria, Inde, Argentine |
| DoorDash | Non divulgué | Livreurs |
Pour que les robots humanoïdes puissent vraiment « entrer dans les foyers », il faut gérer un nombre inimaginable de scénarios : meubles de toutes les formes, vêtements de tous les matériaux, cuisines de toutes les configurations, plans de travail de toutes les hauteurs. Ce n'est pas une quantité qui peut être résolue avec quelques milliers d'heures de données, mais avec des millions d'heures.
Cette chaîne d'approvisionnement de données mondialisée et décentralisée existera longtemps et deviendra de plus en plus grande. Avant que les robots puissent apprendre de manière totalement autonome, les humains doivent d'abord leur montrer comment faire.
Seulement voilà, la personne chargée de cette démonstration se trouve peut-être dans un appartement loué au Nigeria, un iPhone attaché au front, en train de faire la vaisselle tout en aidant les robots du futur à apprendre à marcher.
Source de référence : CocoLoop, The gig workers who are training humanoid robots at home (MIT Technology Review)