Le personnel des ressources humaines soutenait que des caméras minuscules fixées sur la tête de chaque tailleur permettraient aux clients potentiels de apprécier la qualité des produits et d’augmenter les commandes, ce qui se traduirait par des hausses de salaire pour tout le monde dans l’usine de confection située à l’extérieur de la capitale indienne.
Mais les travailleurs soupçonnaient que la véritable raison était l’IA.
Ainsi Ankush Yadav, un jeune tailleur, et ses amis ont arraché les caméras, retiré les cartes mémoire et les ont branchées sur leurs téléphones.
« Nous avons visionné les enregistrements sur nos mobiles et avons constaté que cela enregistrait nos voix, tout ce que nous disions, nos mains, notre travail, tout, dans des clips de trois minutes », a déclaré Yadav. « Après chaque trois minutes, l’enregistrement recommençait. »
Tandis que les décideurs politiques et les gens ordinaires peinent à comprendre comment les grands modèles de langage comme ChatGPT, Claude et Gemini vont bouleverser des millions d’emplois de bureau, les entreprises d’IA se précipitent pour résoudre l’un des problèmes les plus épineux de la technologie: la dextérité, c’est-à-dire la formation de modèles d’IA à toucher, sentir et manipuler des objets dans le monde réel. Les robots excellent déjà dans des tâches réglementées sans contact, telles que la soudure et la pulvérisation, mais rencontrent des difficultés avec des tâches non structurées comme l’assemblage, la couture ou la recherche aveugle d’un téléphone dans un sac à main.
En théorie, l’intelligence artificielle générale associée à une dextérité similaire à celle des humains donnerait naissance à une « armée de robots » qui, selon les magnats de la tech tels qu’Elon Musk, l’homme le plus riche du monde, a longtemps été rêvée. Mais d’abord, les robots doivent apprendre à changer une ampoule.
Une approche de plus en plus populaire consiste à entraîner des modèles sur des millions d’heures d’enregistrements de personnes qui effectuent des tâches nécessitant de la dextérité, dans l’espoir d’atteindre une avancée similaire à celle observée lorsque des modèles de langage comme ChatGPT ont acquis leur capacité à imiter le langage et la cognition après avoir ingéré le vaste corpus de données disponibles sur Internet. Une estimation prévoit que, au cours des trois prochaines années, les laboratoires de robotique pourraient dépenser plus de 1,5 milliard de dollars pour acquérir entre cent millions et un milliard d’heures de vidéo montrant des personnes accomplissant sans doute l’un des gestes les plus humains: l’utilisation experte de leurs mains.
Une poignée de startups d’IA telles qu’OpenAI et Anthropic ont obtenu des valorisations valant des milliards de dollars en volant la propriété intellectuelle d’écrivains, d’artistes, de musiciens et d’utilisateurs d’Internet sans leur consentement. À présent, une nouvelle cohorte d’entreprises cherche à répéter ce succès avec les travailleurs manuels. Ces sociétés concluent des accords avec des propriétaires d’usines en Inde, offrant l’accès à leurs caméras pour surveiller des employés comme Yadav, qui travaillent déjà dans des conditions d’exploitation, en échange des séquences filmées.
« Avant de déployer des caméras et des capteurs et de récolter les mouvements physiques des personnes de l’autre côté du monde, nous devons nous poser la question: à quoi ressemblerait une technologie conçue pour tous les acteurs impliqués ? » a déclaré Caitrin Lynch, professeure d’anthropologie à Olin College of Engineering, Massachusetts. « À quoi ressemblerait une collaboration avec les travailleurs pour déterminer quel type de technologie ils accepteraient et partir de là ? »
Lynch, qui étudie l’intersection entre robotique et société, a déclaré que plutôt que d’extraire des données des travailleurs, cela pourrait être une occasion de concevoir des applications d’IA et des technologies robotiques bénéfiques à la fois pour les travailleurs et pour les entreprises.
« En tant que techniciens, nous ne pouvons pas simplement attendre que les politiques rattrapent nos capacités technologiques », a-t-elle ajouté. « Nous avons la responsabilité d’examiner l’histoire de l’extraction coloniale et de reconnaître lorsque nous répétions ses schémas. »
Les approches « gold standard approaches » actuelles pour la formation impliquent qu’un humain contrôle à distance un robot pour effectuer des tâches physiques telles que soulever ou trier, ou qu’un humain réalise une tâche manuelle en portant une sorte de gant-agrippe ressemblant à une main robotisée. Elles sont efficaces, mais difficiles à amplifier et très coûteuses.
Une approche moins coûteuse consiste à utiliser des données de simulation, dans lesquelles un modèle d’IA conçu pour former des robots est exécuté et testé dans un environnement virtuel contrôlé – mais cela présente ses propres inconvénients.
« On peut facilement se développer en simulation, mais rien ne vaut les données réelles », explique Jigar Kumar Patel, roboticiste et ingénieur en apprentissage automatique à l’Institut de robotique et d’IA de Cambridge (Massachusetts). « Les propriétés physiques ne se traduisent pas aisément en modèles. Les simulateurs s’améliorent, mais nous n’y sommes pas encore », a-t-il expliqué, évoquant une « lacune de simulation » où les propriétés des objets du monde réel – poids, bruits, malléabilité au toucher, imprévisibilité – ne se traduisent pas fidèlement dans les données.
Dans ce contexte, les technologues se tournent vers des « données égocentriques », ou des enregistrements obtenus à partir de caméras montées sur la tête, qui capturent avec précision les positions et les configurations des mains humaines lors de l’exécution de tâches complexes. Comme prévu, plusieurs startups ont alors émergé pour répondre à ce besoin.
Une startup fabriquant le matériel nécessaire à ces données est Egolab.AI, fondée en janvier de cette année par deux adolescents indiens résidant à l’étranger, dont l’un avait abandonné un programme d’ingénierie dans une université américaine.
Vers la même période où les travailleurs des usines que nous avons interrogés expérimentaient son matériel, Egolab a été rachetée par une autre startup dirigée par deux fondateurs tout aussi jeunes. Build Artificial Intelligence Inc. se décrit comme le « plus vaste effort de collecte de données égocentriques de l’histoire », ayant pour but de « bâtir de l’IA sur une base humaine ». Elle a été enregistrée l’an dernier dans l’État américain du Delaware par Edward Xu, 19 ans, et Jonathan Jia, 21 ans.
Egolab a proposé aux usines potentielles une offre qui illustre parfaitement les dynamiques d’oppression associées à la technologie sur le lieu de travail moderne.
Un rapport échantillon présenté par la société incluait des « informations critiques » telles que « 51% du temps d’inactivité est consacré à la sociabilité. C’est trois fois plus que dans les meilleures usines. Nous avons remarqué que des travailleurs de différentes stations se regroupaient près du porteur du CAM 02 entre 14h00 et 15h30 » et « La productivité chute de 35% après le déjeuner pour tous les travailleurs. Les meilleures usines résolvent cela en démarrant les tâches prioritaires juste après le déjeuner au lieu de laisser les travailleurs « revenir tranquillement ».
« En prélevant des données sur des employés qui sont une main-d’œuvre captive et qui disposent déjà de peu de pouvoir de négociation, de telles entreprises collectent des données dans un vide réglementaire », a déclaré Shruti Narayan, avocate spécialisée dans les technologies à New Delhi.
L’Inde ne dispose toujours pas d’une législation robuste sur la protection des données. Sa principale loi sur la vie privée, la Digital Personal Data Protection Act, a connu des années de retard et de report avant d’être adoptée à la hâte en une semaine en 2023, au cours d’un mouvement de défection de l’opposition au Parlement. L’essentiel de ses dispositions en matière de confidentialité – notamment concernant le consentement – a été reporté et ne prendra effet qu’à la mi-2027.
Egolab.AI et Build AI n’ont pas répondu aux demandes de commentaire.