Imaginez recevoir un chèque chaque fois que vous faites la vaisselle. Ce n’est pas une utopie: des centaines de travailleurs sont déjà payés pour filmer leurs gestes du quotidien. Et les données qu’ils produisent servent à entraîner les robots ménagers du futur. Un marché discret mais en pleine expansion, et le Canada en fait déjà partie.
Comment ça marche concrètement
Le principe est simple. Des entreprises comme Sunain envoient des caméras montées au poignet à des contributeurs vérifiés. Ces derniers les portent pendant leurs activités habituelles: couper des légumes, nettoyer le comptoir, arroser les plantes. Chaque geste est capturé, annoté, puis intégré à des jeux de données qui permettent aux robots d’apprendre à naviguer dans un vrai foyer humain, avec toutes ses imprévus et ses interruptions.
Ce que les entreprises comme Instawork ou Sunain cherchent, ce ne sont pas des mouvements scénarisés et parfaits. Elles veulent le naturel brouillon de la vie réelle. Si vous entendez le robinet couler pendant que vous cuisinez et que vous allez le fermer avant de revenir à vos chaudrons. C’est exactement ce genre de changement de priorité que les robots doivent apprendre à gérer.
Le Canada est déjà dans le pipeline
Ce n’est pas qu’un phénomène américain. Sunain a déjà étendu ses opérations de capture de données au Canada. En plus de la Turquie, de Singapour et de la Malaisie. La startup compte plus de 25 000 contributeurs dans 30 pays pour des tâches vocales, vidéo et de complétion de texte.
Pour les travailleurs canadiens des grandes villes, ce type de mission s’inscrit dans la même couche de l’économie gig que les panels de sondages ou les tâches Amazon Mechanical Turk. Avec en plus des exigences vidéo physiques et un processus d’approbation qui peut rendre le taux horaire effectif variable et parfois frustrant.
Le paradoxe au coeur du modèle
L’un des participants interrogés par le LA Times a dit que ses amis lui avaient demandé s’il trouvait normal d’entraîner une IA à faire ce que seuls les humains savent faire. Sa réponse était pragmatique: il devait faire ses corvées de toute façon, autant être payé pour ça. Cette tension, entre participer à un système qui pourrait éventuellement automatiser votre catégorie de travail et la valeur économique immédiate de cette participation, est la question ouvrière centrale de cette décennie.
Les frictions de contrôle qualité révèlent aussi des limites insoupçonnées. Un couple a eu ses vidéos de cuisine rejetées parce que la vapeur bloquait l’objectif. Ils évitent maintenant de cuire des plats humides pendant leurs sessions d’enregistrement. Résultat: la base de données qui entraîne ces robots est subtilement biaisée vers les tâches de cuisine sèches et bien éclairées. Le robot entraîné sur ces données aura probablement du mal avec la vapeur. L’humidité et tout ce qui obstrue la visibilité dans une vraie cuisine.
À qui profite tout ce travail?
En parallèle du modèle gig à domicile, il existe des installations industrielles dédiées, parfois appelées « arm farms ». Des espaces contrôlés avec des équipements caméra professionnels où des travailleurs passent leurs journées à enregistrer des mouvements physiques. Ces installations existent en Chine, en Inde et en Europe de l’Est. Le modèle gig distribue la même tâche dans de vrais foyers pour obtenir des données plus diversifiées et naturalistes.
L’objectif final de toute cette collecte de données: des robots humanoïdes capables de naviguer et d’opérer dans de vraies maisons. Figure, Tesla Optimus, Boston Dynamics, et une douzaine d’autres entreprises courent toutes vers la même cible. La startup Sunday Robotics vient d’ailleurs de lever 165 millions de dollars américains à une valorisation de 1,15 milliard. Son robot Memo est déjà capable de plier des chaussettes, manipuler des verres à vin et préparer un espresso.
Le pipeline de données construit aujourd’hui par des programmes comme celui de Sunain est l’infrastructure invisible qui déterminera si ces robots tiennent leurs promesses ou non.
