Les intermédiaires de données offrent entre 350 000 et 1,8 million de dollars aux entreprises pour des copies de leurs e-mails, documents et messages internes afin d'entraîner l'IA, selon un article de la revue Wired publié le 6 novembre. Un autre message a élevé l'offre à 2 millions de dollars si des transcriptions d'appels étaient incluses.
L'auteur de l'article, Steven Levy, a reçu ces propositions de personnes inconnues. L'une affirmait qu'Anthropic et OpenAI paient ces sommes aux médias pour leurs anciens dossiers professionnels. Une autre soutenait que les laboratoires dépensent plus de 45 milliards de dollars en données privées. Les chiffres proviennent des vendeurs eux-mêmes.
Anthropic a déclaré à Wired qu'il existe un grand marché des données, mais qu'elle n'achète pas les flux de travail des entreprises actives comme la revue. OpenAI n'a pas répondu avant la publication.
Handshake, l'une des entreprises du secteur, a confirmé qu'elle avait offert 1 000 dollars à une journaliste indépendante pour un seul article. Un porte-parole a expliqué qu'elle licence des documents professionnels pour que les laboratoires testent comment les modèles gèrent le travail avec connaissance, et qu'une grande partie de son activité concerne des travaux d'étudiants en master.
Un marché estimé à 50 milliards de dollars par ses dirigeants
Mercor, Micro1 et Handshake dominent ce secteur. Mercor, fondée en 2023, est née comme une entreprise de recrutement avec l'IA. Son directeur général, Brendan Foody, a déclaré à Wired que les laboratoires étaient insatisfaits de la qualité des données : embaucher des experts pour simuler des tâches ne capturait pas le désordre d'une entreprise réelle.
Foody a affirmé que Mercor supprime les données personnelles avant de recevoir les informations et que ce nettoyage peut être vérifié. Les trois cofondateurs de l'entreprise sont devenus multimillionnaires à 22 ans, selon la revue.
Le directeur général de Micro1, Ali Ansari, a estimé que les laboratoires, les entreprises et les sociétés de robotique paient aujourd'hui entre 40 et 50 milliards de dollars par an pour des données. Wired n'a pas pu vérifier ce chiffre. Ansari prévoit que le marché dépassera le billion de dollars annuels dans deux à quatre ans, et que la vente de données professionnelles deviendra plus courante que la publicité comme source de revenus pour les entreprises.
Selon Wired, dans la dernière promotion de l'accélérateur Y Combinator, 40 des 65 entreprises lancées sont des startups spécialisées dans les données.
Spirit Airlines, le cas qui a freiné une vente
Le marché est devenu visible lorsque Spirit Airlines, en faillite, a mis en vente ses actifs numériques : 80 000 comptes de messagerie, 500 millions de messages internes, 20,6 millions de fichiers Microsoft SharePoint et un million de dossiers d'horaires.
Google semblait avoir remporté l'enchère avec une offre de 10 millions de dollars, mais Micro1 l'a surpassée de 2,5 millions de dollars, ce qui a suscité un différend sur le véritable gagnant.
Aujourd'hui, l'opération est en pause. L'association des assistants de vol, l'Asociación de Auxiliaires de Vuelo (AFA-CWA), a dénoncé que la vente inclut des informations privées concernant ses membres. Selon Fortune, le syndicat a présenté une objection devant le tribunal des faillites du district sud de New York, où il soutient que les données des employés bénéficient d'une protection moindre que celles des clients.
Google a répondu à Fortune qu'il ne recevrait aucune information personnelle issue de l'ensemble de données. Le syndicat a précisé dans son écrit qu'il ne cherchait pas à annuler la vente aux enchères, mais à supprimer les données permettant d'identifier les employés.
Mayu Tobin-Miyaji, conseillère juridique du Center for Electronic Privacy Information (EPIC), qui a déposé un mémoire en soutien au syndicat, a mis en garde : il n'est pas certain que l'anonymat règle tout : les courriels et messages contiennent des données non structurées, telles que des rendez-vous médicaux ou des problèmes familiaux. La présidente du syndicat, Sara Nelson, a affirmé qu'il s'agit de données précieuses pour entraîner des modèles susceptibles de remplacer des emplois.
L'investisseur Gordon Ritter a déclaré qu'aucune norme n'a été fixée pour l'achat de données et que l'industrie évolue plus rapidement que la capacité à la réglementer. Jusqu'à la publication de cet article, la vente des données de Spirit restait suspendue.