> ## Content Index > Fetch the complete content index at: https://jppoisson.com/llms.txt > Use this file to discover other available public pages before exploring further. # Humanités Artificielles #4 - URL: https://jppoisson.com/ligne-de-fracture/humanites-artificielles-4/ - Published: 2025-02-20T08:27:51.000Z - Updated: 2026-08-27T01:18:11.000Z - Description: Depuis quelques semaines, DeepSeek, start-up chinoise d’IA, fait sensation avec son modèle open source, R1. - Author: Jean-Philippe Poisson - Tags: Travail, #ligne-de-fracture, #humanites-artificielles ## DeepSeek : Derrière l’innovation chinoise, l’exploitation du travail humain. Depuis quelques semaines, DeepSeek, start-up chinoise d’IA, fait sensation avec son modèle open source, R1\. Derrière cette prouesse technologique se cachent des polémiques : censure, failles de sécurité, mais aussi une réalité souvent ignorée : le rôle central du travail humain à bas coût. Si DeepSeek brille aujourd’hui sur la scène internationale, ce n’est pas uniquement grâce à des prouesses algorithmiques. Le modèle repose sur une main-d’œuvre invisible : des milliers de travailleurs chargés d’annoter, trier, et structurer les données nécessaires à l’entraînement des IA. En Chine, cette activité est massive et organisée avec des spécificités bien distinctes. [Comme le rapporte le New York Times](https://www.nytimes.com/2018/11/25/business/china-artificial-intelligence-labeling.html), des "fermes d’annotation" sont implantées dans des régions rurales comme Jiaxian (Henan), souvent dans d’anciens sites industriels reconvertis. Les travailleurs, pour la plupart d’anciens ouvriers, effectuent des tâches répétitives : identifier des objets sur des images, étiqueter des visages, ou encore classifier des vidéos. Leur salaire est modeste, environ 400 à 500 dollars par mois, mais cette main-d’œuvre reste essentielle pour transformer des données brutes en matériaux exploitables par les IA. Cette réalité ne se limite pas à la Chine. OpenAI n’échappe pas aux mêmes logiques. [Une enquête de TIME](https://time.com/6247678/openai-chatgpt-kenya-workers/) a révélé que des travailleurs kényans, payés moins de 2 dollars de l’heure, on été chargés de modérer des contenus violents et sensibles destinés à l’entraînement de ChatGPT. Leur mission : filtrer des textes explicites liés à la violence, aux discours haineux ou à des sujets extrêmes, afin de garantir la "sécurité" des modèles d’IA. Côté français, [une enquête menée par l’Institut Mines-Télécom](https://imtech.imt.fr/2023/03/27/enquete-ia-travailleurs-pays-du-sud/) met en lumière le rôle des travailleurs de la donnée à Madagascar pour ces tâches externalisées par nos entreprises. Ces travailleurs, souvent jeunes et diplômés, gagnent entre 96 et 126 euros par mois pour des tâches d’annotation de données, révélant des "logiques d’externalisation héritées des relations postcoloniales". L’étude souligne que ces emplois, bien qu’intégrés dans l’économie numérique formelle, restent précaires. Ils s’inscrivent dans des zones franches créées pour attirer des entreprises technologiques grâce à des régulations fiscales avantageuses. Ce contexte favorise des conditions de travail où la protection des droits des travailleurs est minimale. A regarder aussi, si vous ne l’avez pas vu, [le reportage "Invisibles – Les travailleurs du clic" (France Télévisions)](https://www.francetvinfo.fr/internet/intelligence-artificielle/ils-profitent-de-notre-pauvrete-derriere-le-boom-des-intelligences-artificielles-generatives-le-travail-cache-des-petites-mains-de-l-ia%5F6466742.html), qui montre ces "petites mains de l’IA", essentielles mais encore largement ignorées du grand public. ## Faisons-nous preuve d’une grande inconscience dans notre utilisation de ChatGPT ? J’ai de plus en plus de proches qui utilisent ChatGPT comme un psy, un confident ou un coach, partageant des détails super intimes sans réaliser ce qu’ils révèlent vraiment. Contrairement aux recherches Google ou aux interactions sur Meta, où les données sont fragmentées, ici, les informations sont structurées, continues, et souvent contextualisées par l’utilisateur lui-même. On peut même recouper facilement le graal marketing du « cercle de relations » : on lui parle nominativement de nos enfants, de notre ex, de nos collègues… Cela crée des portraits psychologiques d’une précision inédite : motivations profondes, schémas de pensée, vulnérabilités, aspirations… Un niveau de connaissance de la personne et de son cercle proche qu’aucun moteur de recherche n’aurait pu atteindre aussi facilement. Et pourtant on imagine bien que ces data peuvent être exploitées à des fins publicitaires par exemple. C’est que veut démontrer par exemple [l’article “Shh, ChatGPT. That’s a Secret” publié par The Atlantic](https://www.theatlantic.com/technology/archive/2024/10/chatbot-transcript-data-advertising/680112/). Même si les entreprises d’IA promettent la confidentialité, l’accumulation de données sensibles et leur recoupement représente un risque en cas de faille de sécurité, [avec des exemples de fuites déjà documentées](https://www.usine-digitale.fr/article/des-failles-de-securite-dans-chatgpt-et-ses-plug-ins-pourraient-compromettre-des-milliers-de-comptes.N2210003). De plus, l’[étude académique](https://arxiv.org/abs/2307.14192) “Unveiling Security, Privacy, and Ethical Concerns of ChatGPT”, rédigée par Xiaodong Wu, Ran Duan et Jianbing Ni et publiée sur arXiv en juillet 2023, met en lumière des préoccupations spécifiques : la possibilité de reconstituer des identités à partir de fragments de conversations, le manque de transparence sur la gestion des données, et le risque d’exploitation involontaire d’informations sensibles dans l’entraînement des modèles d’IA. L’étude souligne également l’absence de régulations strictes encadrant ces pratiques, laissant des zones d’ombre sur la protection des utilisateurs. Le plus fou ? C’est volontaire. Pas caché derrière des cookies ou des algorithmes opaques… ## L’IA va-t-elle enfin faire mentir “No Silver Bullet” ? En 1986, Frederick P. Brooks Jr. affirmait qu’aucune avancée ne pourrait, à elle seule, révolutionner le développement logiciel. Depuis, chaque grande innovation a tenté de le contredire : programmation objet, frameworks, cloud computing… mais aucune n’a éliminé la complexité essentielle du logiciel. Aujourd’hui, l’IA générative remet évidemment la question sur la table. [L’impact sur la productivité est indéniable](https://arxiv.org/abs/2302.06590). GitHub Copilot et d’autres outils similaires permettent d’accélérer l’écriture du code, de générer des tests et de réduire le temps passé sur des tâches répétitives. L’IA assiste, optimise et automatise certaines parties du travail, ce qui facilite l’exécution. Mais elle ne comprend ni le contexte métier, ni les compromis architecturaux. Elle applique des modèles statistiques, sans conscience de la pertinence des choix qu’elle propose. Le véritable changement pourrait venir des agents IA. Contrairement aux assistants de code actuels, un agent autonome serait capable d’exécuter des tâches complexes en plusieurs étapes : interpréter un besoin, concevoir une architecture, générer du code, le tester, et l’améliorer de manière itérative. Certains projets commencent à explorer cette approche, avec des agents capables d’enchaîner des actions techniques en relative autonomie. Mais aujourd’hui, ces modèles restent fragiles. Ils peinent à gérer des contextes longs, manquent de capacité à généraliser et nécessitent encore une supervision humaine étroite. On est donc loin d’un basculement. L’IA réduit les efforts sur certaines tâches, mais ne fait pas disparaître la complexité logicielle. Un projet mal défini, une architecture mal pensée ou une dette technique non maîtrisée ne seront pas encore résolus par une IA, qu’elle soit générative ou agentique. Pour l’instant, No Silver Bullet tient toujours. Mais si les agents IA parviennent un jour à intégrer une véritable compréhension des systèmes, alors le débat pourra réellement commencer. A la semaine prochaine ! Jean-Philippe --- *Note du site, ajoutée en 2026.* Ce texte appartient au cycle [Humanités Artificielles](https://jppoisson.com/ligne-de-fracture/humanites-artificielles/), paru sur Substack entre janvier et mars 2025\. Il emploie le vocabulaire de sa plateforme d’origine — il s’y désigne parfois comme une newsletter et annonce un rythme hebdomadaire. Rien n’a été corrigé : c’est ce qu’il disait. Depuis avril 2026, il n’existe qu’une seule publication, Ligne de fracture, et ce cycle en est l’origine.