J'ai refusé de former l'IA qui pourrait me remplacer

Le témoignage de James Maisiri met en lumière une nouvelle dynamique du marché du travail liée à l'IA, où la demande ne se limite plus aux tâches de data labeling répétitives. Des plateformes comme Outlier, Mercor ou Surge recrutent désormais des experts pour transférer non seulement des connaissances factuelles, mais surtout leur "jugement" professionnel. Ce processus implique de capturer des nuances complexes, telles que l'évaluation de la compréhension d'un étudiant par opposition à la mémorisation, ou la justification d'une note spécifique. Pour les entreprises d'IA, l'enjeu est de dépasser la simple génération de texte pour atteindre une capacité de raisonnement critique, traditionnellement réservée aux professions intellectuelles supérieures.

Cette évolution repose sur une disparité économique mondiale. L'Afrique, malgré un faible taux d'adoption des outils d'IA, devient un réservoir de main-d'œuvre qualifiée bon marché. Avec un chômage des jeunes avoisinant 47,4 % en Afrique du Sud et un salaire minimum proche de 2 dollars de l'heure, des rémunérations de 37 dollars l'heure pour former des modèles apparaissent comme une opportunité financière majeure. Les entreprises technologiques externalisent ainsi l'acquisition de cette expertise cognitive coûteuse vers des marchés où le coût du talent intellectuel est inférieur à celui des économies occidentales, transformant les diplômés en vecteurs d'automatisation de leur propre secteur.

Le cas du secteur éducatif n'est pas isolé et s'inscrit dans une tendance plus large d'automatisation du travail qualifié. On observe déjà des mécanismes similaires en Inde, où des soudeurs ou des trieurs de déchets équipent de caméras leurs outils de travail pour enregistrer leurs gestes. Ces données servent à l'entraînement de robots humanoïdes destinés à remplacer ces mêmes travailleurs manuels. De la même manière, des écrivains hautement qualifiés sont payés à bas coûts pour "humaniser" des textes générés par IA, participant à l'amélioration des modèles qui pourraient à terme les rendre obsolètes. Le lien commun reste l'extraction de données expertes à moindre coût pour entraîner des systèmes concurrents.

Le processus de recrutement lui-même subit cette transformation, illustrant l'automatisation des fonctions de gestion. L'auteur décrit une entrevue de 45 minutes menée entièrement par une IA, chargée d'évaluer ses compétences pour un poste de formation d'IA. Ce boucle récursive, où la machine évalue l'humain sur sa capacité à former la machine, soulève des questions sur la déshumanisation des ressources humaines et la fiabilité des algorithmes pour juger des nuances du potentiel humain sans intervention humaine.

Au-delà de la menace économique, le dilemme éthique soulève la question de la nature du jugement transféré aux machines. Les professions libérales et académiques, comme le droit, la médecine ou l'enseignement, reposent sur la discrétion et l'interprétation contextuelle. En codifiant ces processus décisionnels, on risque de figer des biais ou de réduire la complexité éthique à des patterns statistiques. L'incertitude de l'auteur sur les raisons de son refus — entre peur du remplacement et malaise face à la cession de son expertise à un algorithme — reflète l'absence de cadre moral actuel pour définir ce qui doit ou ne pas être automatisé dans l'exercice d'un métier intellectuel.