Données de travail et IA : les risques à maîtriser
Fichiers, courriels, tickets : découvrez pourquoi les acteurs de l’IA achètent des données de travail et comment en maîtriser les risques.
Quand les entreprises vendent leurs fichiers de travail à l'IA
Des courriels, des conversations internes, des tickets de support ou des dossiers de production peuvent désormais intéresser des entreprises qui développent des systèmes d'intelligence artificielle. Des intermédiaires proposent de racheter ces archives, parfois pour plusieurs centaines de milliers d'euros ou de dollars, puis de les préparer pour des laboratoires d'IA. Le but : entraîner ou évaluer des modèles à partir de situations de travail réelles, plus difficiles que des exemples fabriqués pour la démonstration.
Sur le papier, l'idée fait sens. Les modèles ont besoin de données variées pour traiter des tâches professionnelles. Mais les documents d'une entreprise ne sont pas un « stock » neutre : on y trouve des informations personnelles, des secrets commerciaux et des traces produites par des salariés qui n'ont pas forcément donné leur accord pour une réutilisation. Retirer les noms ne règle pas toujours tout.
Voici comment fonctionne ce marché, pourquoi il attire les acteurs de l'IA et quels contrôles une entreprise devrait mettre en place avant de céder quoi que ce soit. L'enjeu n'est pas d'empêcher toute innovation, mais de clarifier qui peut réutiliser le travail, dans quel but et avec quelles garanties.
Pourquoi les entreprises achètent-elles les fichiers de travail ?
Les modèles d'IA ont besoin de plus que des textes accessibles au public. Ils servent aussi des exemples qui montrent comment on résout des problèmes dans un contexte professionnel : traiter une demande client, documenter un incident, coordonner une équipe ou suivre une procédure. Les documents internes peuvent fournir ce type de matière, avec ses contraintes, ses angles morts et ses incohérences.
C'est aussi ce qui différencie une archive d'entreprise d'un jeu de données « fait pour la démo ». Un ticket de support peut contenir plusieurs échanges, des informations incomplètes et une résolution finale. Un fil de discussion peut montrer comment une équipe tranche une décision. Dans ces cas, on teste si un modèle sait suivre une tâche dans la durée, plutôt que de produire une réponse convaincante à une question isolée.
De la simulation au travail réel
Des intermédiaires comme Handshake, Micro1 ou Mercor disent collecter et préparer des données professionnelles pour des laboratoires d'IA ou pour leurs propres produits. Les offres varient selon le volume et la nature des archives : un récit publié par WIRED mentionnait des propositions allant de quelques centaines de milliers à près de deux millions de dollars pour de gros corpus. Une rédactrice indépendante a, elle, indiqué s'être vu proposer 1 000 dollars pour une seule enquête. Ces montants correspondent à des propositions rapportées, pas à un tarif de marché établi.
La demande concerne aussi des travaux d'étudiants, des dossiers de service client, des transcriptions d'appels ou des données issues de logiciels de collaboration. Certaines sociétés accompagnant la fermeture d'entreprises cherchent également à valoriser leurs archives. Pour un laboratoire, l'intérêt est d'obtenir des données plus proches du travail réel que des exercices produits par des prestataires.
Pourquoi cette donnée vaut-elle de l'argent ?
La valeur dépend de plusieurs choses : la rareté du domaine, la qualité des documents, les droits associés et la possibilité de les exploiter à grande échelle. Des données issues de la finance, de l'industrie ou de la santé peuvent être très recherchées, mais elles peuvent aussi être plus compliquées à réutiliser. Du coup, le prix ne reflète pas seulement le volume : il « paie » aussi l'effort de sélection, de nettoyage et de vérification des droits.
Les chiffres avancés par certains dirigeants sur la taille actuelle ou future du marché doivent être pris avec prudence. Dans l'enquête de WIRED, un dirigeant évoquait des dépenses annuelles de données de l'ordre de 40 à 50 milliards de dollars, sans que le montant soit vérifié. Pour un décideur, la tendance est utile, mais la prévision spectaculaire l'est moins : les données de travail deviennent un actif commercial, mais leur valeur dépend de conditions juridiques et opérationnelles à examiner avant de signer.
Quels risques la vente de données professionnelles crée-t-elle ?
La première erreur est de penser qu'une archive devient « sûre » dès qu'on retire les noms et les adresses électroniques. Dans les données de travail, il y a souvent peu de structure : un message peut évoquer une maladie, un conflit d'équipe, une situation familiale ou un client identifiable. Et même sans nom, une combinaison de détails peut suffire à reconnaître une personne... ou une entreprise.
La dé-identification réduit certains risques, mais elle ne garantit pas l'anonymat. Le problème s'aggrave quand les documents proviennent de plusieurs systèmes ou qu'ils conservent des métadonnées : dates, intitulés de poste, lieux, noms de projets ou historique de conversations. Un échantillon peut sembler « propre » lors d'une vérification rapide tout en cachant des exceptions dans des milliers de fichiers.
Le risque de fuite ne disparaît pas après la cession
Une fois les données transmises, l'entreprise doit savoir qui les conserve, qui y accède, combien de temps elles restent disponibles et si le corpus peut être revendu ou utilisé pour d'autres finalités. Elle doit aussi comprendre si les documents servent à entraîner un modèle, à l'évaluer, ou à autre chose. Ces usages ne provoquent pas les mêmes conséquences, et ils ne devraient pas se résumer à une formule vague du type « amélioration de l'IA ».
Les courriels et messages internes peuvent en plus contenir des secrets commerciaux : méthodes de fabrication, projets non annoncés, incidents de sécurité, prix négociés ou informations sur des clients. Même sans fuite de données personnelles, la cession peut donner à un tiers une vision très détaillée du fonctionnement d'une entreprise. Pour une PME, le corpus peut être moins volumineux que celui d'un grand groupe. Mais il peut aussi être plus facile à recouper avec quelques personnes ou un savoir-faire bien spécifique.
Des droits qui ne sont pas détenus par un seul acteur
Avoir ou administrer des fichiers ne veut pas dire, automatiquement, pouvoir autoriser tous les usages. Les documents peuvent contenir des données personnelles de salariés ou de clients, des contenus soumis à des droits, des informations confidentielles, ou encore des données fournies par des prestataires. En Europe, le RGPD impose notamment d'examiner la finalité du traitement, sa base juridique et l'information des personnes concernées. Une anonymisation réelle peut changer l'analyse, mais elle doit être démontrée et ne se confond pas avec une suppression de noms.
La vente d'archives de la compagnie américaine Spirit Airlines illustre bien cette difficulté. Le corpus mis en vente comprenait, d'après les éléments rapportés, des comptes de messagerie, des messages internes, des fichiers SharePoint et des données de temps de travail. Le syndicat des personnels navigants a contesté l'opération au nom de la vie privée des salariés, et la vente a été suspendue. Ce cas rappelle qu'une liquidation ou une cession d'actifs ne fait pas disparaître les droits des personnes qui ont produit les données.
Comment encadrer une cession de données à un acteur de l'IA ?
La décision ne devrait pas commencer par le prix proposé, mais par la définition du corpus et de son usage. Une entreprise qui reçoit une offre doit pouvoir répondre à trois questions : quelles données seraient transmises, quelles personnes sont concernées et que fera exactement l'acheteur ? Si l'intermédiaire ne peut pas donner ces réponses par écrit, on est trop tôt dans la négociation.
Une méthode de décision en cinq étapes
- Inventorier les sources. Listez les systèmes concernés : messagerie, outils de collaboration, CRM, support, gestion de projet, fichiers partagés et archives. Précisez les périodes, les propriétaires et les catégories de personnes présentes dans chaque ensemble.
- Qualifier les informations. Repérez les données personnelles, les catégories sensibles, les secrets d'affaires, les informations clients et les contenus appartenant à des tiers. Pensez aussi aux métadonnées et aux pièces jointes.
- Définir la finalité autorisée. Distinguez entraînement, évaluation, recherche et démonstration. Fixez les usages interdits, les destinataires autorisés, la durée de conservation et les règles de suppression. Une autorisation générale, sans limites opérationnelles claires, sera difficile à contrôler.
- Tester la préparation des données. Demandez comment les données sont filtrées, comment les exceptions sont traitées et comment l'efficacité de la dé-identification est vérifiée. Un test sur un échantillon représentatif vaut mieux qu'une promesse commerciale « globale ».
- Formaliser la gouvernance et la sortie. Précisez les responsabilités, les audits, les notifications d'incident, la sous-traitance éventuelle et les preuves de suppression. Prévoyez aussi ce qui se passe si l'acheteur change de stratégie ou revend l'activité.
Qui doit participer à la décision ?
Le sujet ne concerne pas que l'informatique. La direction juridique ou le délégué à la protection des données doit évaluer les obligations applicables. Les équipes sécurité regardent les transferts, les accès et la conservation. Les responsables métier repèrent quelles informations révèlent comment l'entreprise fonctionne réellement. Et les ressources humaines, avec les représentants du personnel, deviennent centrales quand les données décrivent l'activité des salariés.
Dans certains cas, une analyse d'impact relative à la protection des données est nécessaire. Ce n'est pas un papier à produire après coup : elle aide à identifier si le traitement envisagé présente un risque élevé et quelles mesures de réduction prévoir. L'analyse juridique dépend du contexte et doit être confirmée par des personnes compétentes.
Enfin, comparez la vente à d'autres options : ne transmettre qu'un sous-ensemble, créer des exemples synthétiques, proposer un accès contrôlé sans transfert des archives ou refuser l'opération. Ces alternatives peuvent réduire la valeur financière immédiate, mais elles peuvent aussi limiter les risques de ré-identification, de fuite et de perte de contrôle. En clair : la « meilleure » option est celle dont l'usage reste vérifiable après signature, pas celle qui promet le nettoyage le plus simple.
Quel impact ce marché aura-t-il sur le travail et les entreprises ?
Les données de travail ont une particularité : elles sont produites par des personnes dans le cadre de leur emploi, mais leur réutilisation commerciale peut être décidée sans que ces personnes aient participé à la décision. Le sujet ne se limite donc pas à la confidentialité. Il touche aussi à la répartition de la valeur et à la relation entre les salariés et les outils qui peuvent automatiser une partie de leurs tâches.
Les entreprises qui achètent ces données expliquent qu'elles servent à rendre les modèles plus utiles, notamment pour des tâches professionnelles. C'est plausible : des exemples de qualité peuvent mieux aider sur des demandes répétitives ou soutenir les équipes. Mais l'amélioration d'un modèle ne garantit pas, automatiquement, moins de charge de travail pour ceux dont les pratiques ont alimenté les données. Elle peut aussi pousser à une réorganisation, à une standardisation du métier, voire à réduire certains postes.
Le consentement ne se résume pas à une case cochée
Dans la vraie vie, un salarié ne négocie pas les conditions d'un « contrat de données » comme le ferait une entreprise. Une information claire sur les usages envisagés est donc un minimum, mais ce n'est pas suffisant pour régler la question du pouvoir de décision ni celle de la contrepartie. Une organisation devrait expliquer ce qui est transmis, comment les informations sont protégées et quelles conséquences sont envisagées pour les équipes.
Faire intervenir les représentants du personnel aide aussi à repérer des risques que l'encadrement ne voit pas : messages liés à la santé, échanges privés mélangés aux conversations professionnelles, ou données de suivi du temps. Cette concertation n'est pas seulement « sociale ». Elle améliore souvent l'inventaire et évite qu'une opération techniquement préparée se heurte, ensuite, à une contestation légitime.
Une nouvelle ligne de revenu, pas un revenu sans coût
Certains imaginent que la vente de données deviendra une source de revenus régulière pour les entreprises. Cette idée mérite d'être évaluée comme n'importe quelle décision d'actif : revenus attendus, coûts de mise en conformité, risques contractuels, atteinte à la confiance et perte de contrôle sur des informations stratégiques.
Pour une entreprise française ou européenne, la question n'est pas de suivre une tendance vue dans la French Tech ou chez les grands groupes du CAC 40. C'est de savoir si la valeur obtenue justifie les risques liés à votre activité. Un industriel peut exposer des méthodes de production ; un cabinet de conseil, des livrables clients ; une plateforme, des conversations d'utilisateurs. La même offre peut être acceptable pour un corpus public et strictement borné, mais totalement inacceptable pour une messagerie complète.
À retenir : les archives professionnelles ne sont pas une ressource gratuite parce qu'elles existent déjà. Leur réutilisation doit avoir une finalité précise, des droits clarifiés, des contrôles vérifiables et une discussion honnête avec les personnes concernées. Sans ces conditions, le gain financier immédiat peut coûter bien plus cher en confiance et en maîtrise des données.
Conclusion
L'achat de données de travail répond à un besoin réel des acteurs de l'IA : disposer d'exemples professionnels pour entraîner et évaluer des modèles. Mais une archive interne n'est ni un actif sans propriétaire, ni une matière première sans conséquences. Elle peut contenir des données personnelles, du savoir-faire, des informations clients et des traces de la vie quotidienne des salariés.
La bonne approche consiste à traiter toute cession comme un projet de gouvernance, pas comme une simple transaction de fichiers. Définissez les usages, vérifiez les droits, testez les protections et impliquez les personnes concernées avant de transmettre quoi que ce soit. Si tout ça ne peut pas être documenté clairement, le prix proposé ne compensera probablement pas la perte de contrôle.