Il y a quelque chose de presque vertigineux dans la scène. Une architecte formée pendant des années termine sa journée, ouvre une plateforme en ligne et explique à une machine, étape après étape, comment préparer une proposition de bâtiment ou mener une analyse de rentabilité. Ce n’est pas un exercice scolaire. Elle puise dans son vrai travail, dans ses habitudes professionnelles, dans cette partie de l’expertise qu’on apprend rarement dans un manuel.

Cette architecte s’appelle Cuicui et vit à Shenzhen. En cinq ans, son revenu a été divisé par deux dans un contexte de baisse des dépenses publiques d’infrastructure. Le soir, elle travaille donc pour TalentsAI afin de payer son crédit immobilier et les activités extrascolaires de son enfant. Le paradoxe est là : elle monétise à court terme le savoir qui pourrait contribuer à réduire, à plus long terme, la rareté de son propre métier.

Pour rester solvable aujourd’hui, certains professionnels apprennent à la machine ce qui pourrait rendre leur travail moins indispensable demain.

Ce n’est plus de l’annotation : c’est du transfert de métier

Le mot « annotation » donne encore l’image de petites tâches répétitives : classer une photo, vérifier une phrase, cliquer sur une catégorie. Ici, on change d’échelle. Les plateformes cherchent des gens capables de transmettre un raisonnement professionnel, des méthodes, des arbitrages, parfois même une manière de reconnaître une bonne réponse sans pouvoir l’expliquer en une règle simple.

ByteDance a lancé Xpert en 2025 et revendique plus de 50 000 experts recrutés, des écrivains aux thérapeutes. Alibaba, avec Siriser, recrute notamment des enseignants, des ingénieurs mécaniques et des compositeurs. TalentsAI et MeetChances visent aussi des journalistes, des fiscalistes ou des chasseurs de têtes. Aux États-Unis, Mercor, Surge AI et Handshake recrutent déjà des avocats, des scientifiques et des professionnels du cinéma pour entraîner des modèles sur des tâches de cols blancs.

Le changement est important : la matière première n’est plus seulement la donnée, mais le jugement humain. Dans ces missions, ce qui est recherché est la façon dont un expert passe d’un problème incomplet à une décision exploitable. En juin, l’Administration nationale des données de Chine a d’ailleurs appelé au développement de jeux de données de haute qualité et encouragé les diplômés universitaires à considérer l’annotation comme un emploi flexible.

Le marché chinois des données d’entraînement pour l’IA devrait atteindre 1,1 milliard de dollars en 2026, soit 25 % de plus qu’en 2025. Dans le même temps, la consommation quotidienne de tokens en Chine est passée d’environ 100 milliards au début de 2024 à 500 000 milliards à la mi-2026. Ces chiffres ne disent pas que les experts vont disparaître. Ils montrent en revanche à quel point l’écosystème a besoin d’un carburant plus sophistiqué : des exemples de raisonnement utilisables par les modèles.

Pourquoi accepter de former un concurrent potentiel ?

La réponse la plus simple est aussi la moins confortable : parce qu’un principe moral pèse rarement autant qu’une échéance bancaire. En Chine, les travailleurs interrogés décrivent ce travail comme exigeant, précaire et moins payé qu’aux États-Unis. Certaines missions rapportent entre 100 et 500 yuans, soit environ 15 à 74 dollars, tout en demandant plusieurs heures. Des tâches peuvent être rejetées par les équipes qualité et ne pas être payées.

Le contexte économique joue donc un rôle central. Le chômage des jeunes en Chine est donné à 17,9 %. MeetChances a même utilisé sur RedNote un argument publicitaire très direct : après un licenciement à l’âge mûr, devenir formateur d’IA peut constituer une option. La promesse n’est pas celle d’une carrière prestigieuse. C’est celle d’un revenu disponible maintenant.

Le même conflit apparaît ailleurs. En Afrique du Sud, James Maisiri, docteur en sociologie industrielle, a refusé une mission où il devait transférer à une IA ce qu’il avait appris en dix ans sur la conception d’évaluations, l’enseignement et la correction. Le poste était payé 600 rands de l’heure, environ 37 dollars, très au-dessus du salaire minimum national de 30,23 rands. Pourtant, il a estimé que la rémunération ne compensait pas le problème de fond : contribuer à fabriquer un outil capable de concurrencer le métier qu’il avait mis des années à maîtriser.

Tout le monde ne peut pas se permettre ce refus. En Afrique du Sud, le chômage des jeunes atteignait 47,4 % au deuxième trimestre 2026. C’est là que le dilemme devient moins philosophique. Plus le marché du travail se dégrade, plus la frontière entre « je protège mon expertise » et « je vends ce que je peux vendre » devient difficile à tenir.

Une expertise mieux payée ne supprime pas le paradoxe

Aux États-Unis, le modèle peut être beaucoup plus rémunérateur. Mercor, valorisée 10 milliards de dollars, dispose de plus de 30 000 contractants cols blancs travaillant pour des laboratoires comme OpenAI ou Anthropic. Des avocats et des médecins y gagneraient en moyenne 85 à 200 dollars de l’heure, tandis que certaines spécialités, comme la psychiatrie ou le capital-risque, peuvent atteindre 350 à 1 000 dollars de l’heure.

Mais un tarif élevé ne change pas la nature de l’échange. L’expert vend moins une heure de production qu’un morceau de son avantage comparatif. C’est précisément pour cela que ce nouveau marché mérite d’être regardé autrement qu’un simple « petit boulot de l’IA ».

Ce que la Chine annonce — et ce qu’elle n’annonce pas — pour l’Europe

Il faut être précis : aucun des cas documentés ici ne permet d’affirmer que ce phénomène est déjà installé en France ou en Europe. La Chine, les États-Unis, l’Afrique du Sud et l’Inde montrent toutefois que le mécanisme n’est pas propre à un seul système économique. Il apparaît aussi bien dans un marché où l’expertise est payée cher que dans des pays où la nécessité pousse à accepter des missions précaires.

Ce qui est transposable à l’Europe n’est donc pas forcément le niveau de rémunération, ni le statut juridique, ni même la forme exacte des plateformes. C’est le mécanisme : lorsqu’un secteur embauche moins, qu’une entreprise d’IA cherche une compétence rare et qu’un professionnel possède cette compétence mais manque de débouchés, un marché peut se créer pour transformer son savoir tacite en matériau d’entraînement.

Cette possibilité mérite d’autant plus d’attention que les offres de premier échelon pour certains cols blancs — jeunes avocats, analystes financiers, chercheurs — auraient déjà chuté de 50 % depuis 2019 selon Datasumi. Il serait abusif d’en déduire que l’IA en est l’unique cause ou que l’Europe suivra mécaniquement la même trajectoire. Mais l’enchaînement est suffisamment cohérent pour poser une question sérieuse : que se passe-t-il quand les premiers emplois qui permettaient d’acquérir de l’expérience deviennent plus rares, tandis que les machines apprennent justement à exécuter une partie de ces tâches ?

Le savoir humain vaut peut-être plus comme matière première que comme poste

C’est, à mes yeux, le point le plus inquiétant. Pendant longtemps, on a supposé que les professions complexes seraient protégées parce qu’elles reposent sur des années d’expérience, du contexte, des exceptions et du jugement. Or c’est précisément cette complexité qui devient précieuse pour les entreprises d’IA.

Le savoir-faire humain n’est donc pas devenu inutile. C’est presque l’inverse : il est suffisamment précieux pour qu’on paie des experts afin de le capturer. La question est de savoir qui conservera la valeur une fois ce savoir transformé en capacité logicielle reproductible.

  • Pour le professionnel, la mission apporte un revenu immédiat.
  • Pour la plateforme, elle transforme une expertise rare en exemples réutilisables à grande échelle.
  • Pour l’entreprise cliente, elle peut réduire demain le besoin de mobiliser un expert pour chaque tâche similaire.

Il ne faut pas en conclure que chaque avocat, architecte ou ingénieur est en train de programmer son propre licenciement. Rien dans les cas documentés ne permet une conclusion aussi mécanique. La dynamique mérite pourtant mieux que le cliché du « robot qui vole les emplois ».

Le vrai basculement est plus discret : des professionnels en difficulté peuvent devenir les fournisseurs temporaires du savoir qui automatisera une partie de leur propre chaîne de valeur. La Chine nous montre surtout ce que ce marché devient quand la pression économique est forte. Pour l’Europe, l’avertissement n’est pas une prophétie. C’est une question à régler avant que la nécessité ne tranche à la place des professionnels : combien vaut une expertise lorsqu’on la vend une fois, mais qu’elle peut ensuite être reproduite presque sans fin ?