Comment nous avons étudié l'engouement pour l'IA afin de servir et d'autonomiser les publics africains

Read in English

Quand nous étions enfants, nous regardions la série animée populaire des années 90 « The Magic School Bus ». La série mettait en scène une enseignante excentrique, Mme Frizzle, son compagnon lézard et un bus scolaire jaune qui pouvait se transformer en n'importe quelle forme, taille ou « chose » pour emmener les élèves dans une aventure éducative. Au début de chaque épisode et avant chaque aventure, Mme Frizzle disait avec enthousiasme : « Prenez des risques, faites des erreurs, mettez le bazar ! »

Notre enquête sur le monde confus et obscur du recrutement des « formateurs en IA » et des « tuteurs en IA » incarnait parfaitement cet esprit.

Fuelling the AGI Hype est une enquête collaborative, fondée sur des données, qui a révélé la stratégie utilisée par les entreprises de micro-tâches pour recruter des travailleurs numériques afin de « former » de grands modèles linguistiques tels que ChatGPT. Elle a également mis en lumière les raisons pour lesquelles cette stratégie est employée, en montrant de manière détaillée comment le recrutement est utilisé pour générer des garanties humaines, provenant en grande partie des pays du Sud, qui peuvent être exploitées à tout moment.

Après avoir longuement discuté avec des experts en économie, sociologie, droit et droits de l'homme, entre autres, nous avons développé le terme « couverture du travail », qui résume la nature spéculative et précaire de l'industrie de l'IA, une industrie basée sur des potentialités plutôt que sur des réalités.

La célèbre plateforme de micro-tâches Mindrift, filiale néerlandaise de l'ancienne société technologique russe Toloka, a attiré notre attention en juillet 2024. Nous avons remarqué que Mindrift recrutait de manière agressive des tuteurs et des formateurs en IA en Afrique du Sud par le biais de centaines, voire de milliers d'offres d'emploi sur LinkedIn. Cependant, des sources internes à Mindrift nous ont indiqué qu'il y avait peu ou pas de travail.

Notre enquête a révélé que si des entreprises comme Mindrift menaient des campagnes de recrutement massif sur des sites d'offres d'emploi populaire, elles le faisaient en sachant qu'il n'y avait aucune garantie de travail (ni même aucun travail disponible). En fait, elles ont publiquement reconnu qu'il ne s'agissait même pas d'emploi, mais de « petits boulots ».

---

As a nonprofit journalism organization, we depend on your support to fund more than 170 reporting projects every year on critical global and local issues. Donate any amount today to become a Pulitzer Center Champion and receive exclusive benefits!

---

Alors, quel était l'intérêt ? C'est la question qui a marqué le début de notre voyage dans le véritable labyrinthe qu'est l'industrie mondiale des micro-tâches.

En explorant tous les aspects de l'activité de Mindrift, de son processus de recrutement à sa clientèle prestigieuse, en passant par l'objectif global de cette vaste opération, nous nous sommes souvent retrouvés dans des impasses. Nous étions constamment confrontés à de nouvelles questions et devions sans cesse revoir nos hypothèses. Nous avons très vite compris que nous devions accepter l'idée de nous tromper.

Construire des bases solides

En nous lançant dans cette aventure, nous savions que les données étaient la clé de l'industrie de l'IA. Plus une entreprise disposait de données, plus ses technologies pouvaient être sophistiquées, du moins en théorie. À ce stade, nous ne savions pas ce qu'était la superintelligence et n'avions jamais entendu parler de l'AGI, il nous semblait donc probable que les entreprises se lancent dans une quête effrénée de données (à tout prix).

Après avoir suivi les fils de discussion Reddit des travailleurs numériques qui avaient postulé à des emplois chez Mindrift et de ceux qui avaient travaillé pour la plateforme, nous sommes arrivés à notre hypothèse initiale, qui s'est avérée fausse : les entreprises de micro-tâches, comme Mindrift, utilisaient les évaluations non rémunérées qui faisaient partie de leur processus de candidature comme main-d'œuvre gratuite pour former des modèles d'IA. C'était une fausse piste. Même si cela aurait été très intéressant à découvrir, c'était trop facile à deviner et nous n'avons trouvé aucune preuve. Mindrift avait également publié un article de blog à ce sujet, affirmant que l'entreprise n'utilisait pas les évaluations comme données gratuites pour former l'IA.

Nous avons changé de cap et décidé d'étudier le comportement en ligne de Mindrift et de laisser les données parler d'elles-mêmes. Nous avons donc commencé à collecter et à suivre les données relatives aux offres d'emploi de Mindrift afin d'avoir une idée de l'ampleur de leurs opérations de recrutement. Nous avons essayé plusieurs méthodes pour collecter ces données, mais nous avons finalement convenu de collecter quotidiennement de nouvelles données à la même heure pendant cinq mois.

Au cours de cette période, nous avons travaillé avec Lighthouse Reports pour élaborer un plan de reporting et une méthodologie. Cette étape a été cruciale pour nous, car elle nous a permis de dresser une liste d'hypothèses et de questions potentielles pour le rapport, et de réfléchir concrètement à la manière dont nous allions les aborder.

Notre mentor sur le projet, Gabriel Geiger, journaliste chez Lighthouse Reports, a joué un rôle extrêmement important dans ce processus, en nous encourageant à vraiment décomposer l'enquête et à réfléchir aux différents types d'articles possibles. Nous devions définir un article minimum et un article maximum, définir nos objectifs éditoriaux (y compris qui était responsable de chaque objectif) et classer les objectifs par ordre de priorité.

Tout cela a pris du temps et a nécessité de nombreux allers-retours, mais cela nous a aidés à organiser notre projet de manière plus claire. Avec Gabriel, nous avons établi un point de référence solide auquel nous pouvions toujours revenir si nous avions l'impression de nous perdre dans les détails.

Notre collaboration avec Lighthouse Reports nous a non seulement aidés à définir notre méthodologie, mais aussi à découvrir des preuves suggérant que Mindrift embauchait des travailleurs tout en sachant qu'il n'y avait pas de travail disponible.

Notre question est donc devenue : pourquoi ? Quel était le but recherché ? Quel était l'intérêt d'embaucher des centaines de milliers de travailleurs pour les laisser ensuite sans rien faire pendant des semaines, voire des mois ?

Assembler les pièces du puzzle

Trouver des sources pour notre enquête a été un obstacle difficile à surmonter. Les travailleurs numériques évoluent dans un système très précaire et vulnérable. Parler à un journaliste est extrêmement risqué et pourrait compromettre leur emploi et, par conséquent, leur capacité à joindre les deux bouts.

Nous avons commencé à cultiver nos sources dès le début de cette enquête. Nous avons toujours été transparents sur qui nous étions, ce que nous recherchions, et nous nous sommes assurés que les travailleurs à qui nous parlions étaient conscients des risques que cela représentait pour eux. Cela dit, nous avons fait tout notre possible pour atténuer ces risques. Nous avons notamment utilisé des canaux de communication sécurisés (Signal, Session ou d'autres services de messagerie ou de courrier électronique cryptés similaires), veillé à ce qu'ils ne communiquent pas avec nous via leur ordinateur portable ou leur ordinateur pendant leur travail (afin d'éviter l'enregistrement d'écran et les technologies de surveillance des travailleurs) et ne leur avons demandé de s'exprimer officiellement qu'une fois qu'une relation de confiance claire s'était établie entre les deux parties.

Nous avons identifié ces travailleurs grâce à des reportages que nous avions réalisés précédemment sur le sujet, ainsi qu'en les trouvant via des fils de discussion Reddit, des commentaires Facebook, des recherches LinkedIn et différents groupes Whatsapp auxquels nous avions adhéré. La surveillance de ces différentes plateformes a joué un rôle important dans notre enquête, car elle nous a permis de mieux comprendre ce qui se passait au sein de Mindrift et d'autres plateformes similaires.

Pendant plusieurs mois, les travailleurs numériques de Mindrift nous ont dit qu'il n'y avait pratiquement pas de travail, mais que des centaines de personnes étaient ajoutées de manière sporadique au Discord de l'entreprise. À ce stade, même nos sources ne comprenaient pas ce que faisait l'entreprise.

Nous avons fait une percée décisive à la mi-juin, lorsque la nouvelle a été annoncée que Meta allait acquérir 49 % de Scale, soi-disant « leader du secteur des données d'IA ». Cette transaction signifiait que Meta passait à la vitesse supérieure dans le secteur de l'IA et qu'elle allait également recruter le PDG de Scale, Alexandr Wang, âgé d'une vingtaine d'années, pour diriger sa nouvelle unité « superintelligence ».

Nous avons continué à réfléchir à différentes idées : la quête de la « superintelligence » rencontre une entreprise de labellisation de mégadonnées, qu'est-ce que cela signifiait ? L'article parlait d'un « changement » dans le secteur du traitement des données, où les modèles nécessitaient de plus en plus des équipes d'« experts humains » à mesure qu'ils devenaient plus complexes ou développaient des capacités de « raisonnement » (simulées). Ce fut un moment décisif.

Des entreprises comme Mindrift recrutaient activement des formateurs et des tuteurs « experts » en IA pour répondre à la tendance du secteur vers la superintelligence, ou intelligence artificielle générale (AGI). C'est du moins ce que nous pensions. Mais quelque chose ne collait toujours pas : même si les géants de la technologie comme Meta et OpenAI parlaient d'AGI, pourquoi les travailleurs numériques des entreprises de micro-tâches n'avaient-ils pas de travail ?

Apprendre des experts

En tant que journalistes, nous ne pouvons apprendre que certaines choses de nos sources et en surveillant les réseaux sociaux. En particulier lorsqu'il s'agit de technologies d'IA, il y a forcément des personnes qui connaissent mieux le secteur que nous et qui ont accès à des recherches empiriques et à des études de cas pouvant étayer nos hypothèses et nos questions d'investigation. Consulter des chercheurs et des experts du secteur de l'IA qui n'étaient pas affiliés aux géants de la technologie nous a aidés à donner un sens à notre reportage sur le terrain.

C'est une conversation entre Kathryn et Antonio Casilli, cité dans l'article, qui a vraiment fait de cet article ce qu'il est aujourd'hui. Lorsque nous avons évoqué notre hypothèse (erronée) selon laquelle le secteur avait évolué pour atteindre l'objectif de l'AGI, M. Casilli a déclaré qu'il refusait de légitimer l'AGI, car elle n'existe pas : selon lui, il s'agit uniquement d'un effet de mode.

Au contraire, publier des offres d'emploi en masse sans avoir de travail à proposer n'était qu'une stratégie visant à signaler aux investisseurs et aux clients potentiels qu'ils avaient les capacités et le potentiel nécessaires pour alimenter la volonté des clients de développer des technologies d'IA superintelligentes. Pour ajouter plus de contexte à notre article, Casilli nous a mis en relation avec des économistes qui ont pu nous aider à comprendre comment cela s'appelait dans la pratique : le capitalisme spéculatif.

La collaboration avec les chercheurs a complètement changé la donne pour notre enquête, car enfin, tout s'imbriquait. Ce que nous entendions de la part des travailleurs numériques au sein de Mindrift était, en quelque sorte, clarifié par ce que les chercheurs nous communiquaient. Ensemble, ils corroboraient leurs expériences et leurs analyses respectives. Jusqu'à présent, nous disposions de nombreuses pièces du puzzle sous forme de preuves anecdotiques provenant de nos sources, mais après avoir discuté avec les chercheurs, c'est comme si les pièces du puzzle pouvaient enfin être assemblées pour nous permettre d'avoir une vue d'ensemble.

Grâce aux nouvelles perspectives apportées par les chercheurs, nous avons approfondi notre enquête en utilisant le site web et les documents de Mindrift et avons trouvé des preuves supplémentaires pour étayer les affirmations faites dans notre enquête.

Mettre en avant les histoires humaines

Pour la première fois depuis le début de notre enquête, nous avions enfin raison sur un point, ou du moins nous avions une hypothèse que nous pouvions prouver et une question à laquelle nous pouvions répondre. Cependant, il manquait un élément crucial à notre histoire : une voix, qui devait provenir d'un travailleur numérique acceptant de témoigner officiellement. Sans une voix à laquelle les lecteurs pourraient s'identifier et s'attacher, l'histoire était aride et sans relief.

Dès le début, nous avons toujours voulu que l'enquête reste centrée sur les besoins du public africain et sur l'impact de ces questions sur les travailleurs numériques africains. Nous nous sommes promis que notre enquête servirait nos communautés locales. Nous avons donc déployé des efforts concertés pour trouver des travailleurs numériques et des militants africains qui pourraient nous guider dans notre récit.

Grâce à l'un des chercheurs que nous avons consultés, nous avons pris contact avec Joan et Ephantus, de la Data Labeller's Association (DLA), basée à Nairobi. Joan et son équipe de la DLA étaient très enthousiastes à l'idée de nous parler, et leurs récits et leurs contributions à l'enquête ont vraiment enrichi notre article. Ce sont leurs récits, leurs expériences personnelles d'exploitation et d'abus par les géants de la technologie, qui ont finalement donné au lecteur une raison de s'intéresser à tout cela.

Malheureusement, la plupart des articles journalistiques sur les technologies d'IA et les géants de la technologie sont centrés sur les pays du Nord et excluent souvent les pays du Sud, et plus particulièrement les perspectives africaines. Nous avions vu les reportages des pays du Nord sur l'intersection entre le travail et l'IA qui dépeignaient systématiquement les travailleurs numériques africains (ou du Sud) comme des rouages invisibles d'une machine néocoloniale. C'était toujours la même histoire, encore et encore. Ce type de reportage ne valorise pas les personnes concernées, mais renforce sans cesse la même image auprès du public.

Notre enquête visait à valoriser et à mettre en avant les travailleurs du numérique qui nous ont si courageusement parlé, et à offrir de nouvelles perspectives et de nouvelles histoires, différentes de celles qui avaient été rapportées auparavant. Au lieu de raconter une fois de plus l'histoire des « travailleurs invisibles derrière l'IA », nous avons raconté l'histoire des travailleurs numériques africains qui sont les co-créateurs de l'avenir de l'IA.

Cette enquête a été difficile. Elle nous a mis au défi en tant que journalistes et en tant que personnes. Au final, nous sommes restés fidèles aux paroles de Mme Frizzle : nous avons pris des risques même lorsque nous étions remplis de doutes, nous avons commis d'innombrables erreurs, mais nous avons choisi de les utiliser comme des occasions d'apprendre et, peut-être plus important encore, nous avons pleinement accepté le caractère chaotique du parcours d'enquête.

Conseils aux journalistes :

1. Conservez une trace de tout ce que vous voyez en ligne. Il existe des outils qui peuvent vous aider, mais l'idéal est de faire des captures d'écran qui incluent la date et l'heure afin d'avoir une trace de tout changement ou élément de preuve au cours de votre reportage.
2. Établissez dès le début une relation avec vos sources avant de leur demander de s'exprimer officiellement, même de manière anonyme. Il est essentiel d'instaurer un climat de confiance, ce qui demande énormément de temps et d'efforts.
3. Établissez dès le début des liens avec des chercheurs indépendants, des universitaires ou des organisations de la société civile qui travaillent dans le domaine sur lequel vous faites un reportage. Ils en savent plus que vous n'en saurez jamais.
4. Interrogez les données de différentes manières afin d'observer autant de tendances que possible avant de choisir les tendances les plus uniques ou les plus marquantes à présenter à votre public.
5. N'ayez pas peur d'échouer. Les revirements font partie intégrante d'une enquête : nous suivons les pistes jusqu'à ce qu'elles s'épuisent, nous nous secouons et nous essayons à nouveau.