Incidents associés
À la fin du 18e siècle, un maître d'échecs automate connu sous le nom de "Turc mécanique" a fait le tour de l'Europe et des États-Unis. Conçue en 1770 par l'inventeur Wolfgang von Kempelen, la machine semblait capable de vaincre n'importe quel joueur humain.
Il s'est avéré plus tard que le Turc était en fait une illusion mécanique. Marionnette vêtue d'habits orientaux, elle cachait sous son fez et sa robe un maître d'échecs humain. Le poète américain Edgar Allen Poe était tellement convaincu de la fraude du Turc qu'il a écrit un essai pour attirer l'attention sur le canular.
Un mécanisme prédéterminé battant un esprit humain aux échecs était impossible, affirmait Poe, car « aucun mouvement aux échecs ne suit nécessairement un autre. période."
Aujourd'hui, l'intelligence artificielle permet aux ordinateurs de faire de telles prédictions, il serait donc juste de supposer que de telles illusions naïves sont derrière nous . Après tout, il existe maintenant des ordinateurs capables de battre n'importe quel humain aux échecs.
Mais une illusion similaire caractérise l'industrie de l'intelligence artificielle. Sur Amazon Mechanical Turk, une plateforme en ligne détenue et exploitée par Amazon depuis 2005, l'activité humaine est censée prendre l'apparence d'une activité mécanique. Le principe d'Amazon Mechanical Turk est simple. Le site héberge des sous-traitants, souvent de grandes entreprises technologiques, qui sous-traitent de courtes tâches de données à une foule de travailleurs.
Les travailleurs accomplissent les tâches que les algorithmes d'apprentissage automatique ne sont pas encore en mesure d'accomplir. Parce que le travail est censé apparaître comme si l'intelligence artificielle le faisait, l'ancien PDG d'Amazon, Jeff Bezos, a qualifié la plate-forme d '"intelligence artificielle artificielle". Les sous-traitants ont tendance à interagir uniquement avec la plateforme, qui héberge les tâches et recrute les travailleurs. N'ayant que peu ou pas de contact direct avec les travailleurs, les entrepreneurs vivent le processus comme s'il était entièrement réalisé par des ordinateurs.
L'apprentissage automatique, la branche la plus courante de la formation à l'IA, s'appuie sur de grands ensembles de données pour former des modèles qui sont ensuite utilisés pour faire des prédictions. Des algorithmes intégrés à ce processus analysent les données pour extraire des modèles et faire d'autres prédictions, qui utilisent ensuite ces prédictions pour générer d'autres algorithmes.
Plus les données auxquelles ces technologies sont exposées sont riches, plus leur formation est complète et plus leurs capacités deviennent sophistiquées, améliorant leurs performances dans des tâches aussi variées que la catégorisation d'images, la classification de textes et la reconnaissance vocale. Dans de nombreux domaines, de tels développements ont conféré aux machines des capacités qui égalent ou dépassent souvent celles des humains. Les diagnostiqueurs de l'IA sont déjà au moins aussi compétents que les médecins pour identifier certains types de cancer.
Mais pour trouver des modèles et faire des prédictions, l'algorithme a besoin que les données d'entrée soient étiquetées ou catégorisées. Un algorithme pour une voiture autonome, par exemple, doit être exposé à des images détaillées et annotées de zones urbaines avant de pouvoir conduire un véhicule en toute sécurité dans un centre-ville. L'intelligence artificielle n'est pas encore capable d'annoter ces images elle-même, c'est pourquoi les humains doivent les étiqueter. Pour une tâche qui prend en charge la formation de véhicules autonomes, cela peut impliquer d'étiqueter une image d'un carrefour avec les balises « piéton », « feux de signalisation » et « voiture ».
Ce type de travail, souvent appelé « microtravail » - en raison de la brièveté des tâches - est de plus en plus populaire. Un nombre croissant de sites tels que Clickworker, Appen et Playment accueillent désormais de grandes foules de travailleurs qui entreprennent ces courtes tâches de données, souvent pour très peu de paiement. Une étude a révélé que le salaire moyen d'un travailleur sur Mechanical Turk est inférieur à 2 dollars de l'heure, avec seulement 4 % des travailleurs gagnant plus de 7,25 $ de l'heure, le salaire minimum américain. Les tâches sont très courtes, allant d'environ 30 secondes à 30 minutes et ne paient souvent que quelques centimes.
Les tâches peuvent être très répétitives et sont souvent opaques au point d'être impossibles à relier à un projet plus vaste. Une étude menée en 2020 par des universitaires a révélé que les entrepreneurs offrent souvent très peu d'informations détaillées sur leurs tâches et sur les objectifs qu'ils servent. Cela signifie que les travailleurs ont peu d'idée de ce sur quoi ils travaillent précisément. Cela est particulièrement préoccupant lorsque les travailleurs peuvent soutenir une technologie telle qu'un logiciel de reconnaissance faciale, qui a de graves implications éthiques.
Le travail est également très précaire. Les travailleurs sont généralement classés dans la catégorie des « entrepreneurs indépendants », de sorte qu'ils ne bénéficient pas des droits et avantages accordés aux employés à temps plein travaillant pour les entreprises qui les emploient. Cela signifie que les travailleurs travailleront généralement pour plusieurs sous-traitants au cours d'une même journée, ce qui signifie que les travailleurs doivent continuellement rechercher de nouvelles tâches. Une partie importante de la journée doit être consacrée à trouver du travail, plutôt qu'à faire un travail qui rapporte.
La majorité de ce travail est actuellement effectuée dans des pays du Sud comme l'Inde, le Kenya et le Venezuela. Mais certaines études suggèrent que ce type de travail numérique est [également en hausse dans des pays comme le Royaume-Uni](https://www.tuc.org.uk/news/uks-gig-economy-workforce-has-doubled- 2016-tuc-and-feps-backed-research-shows).