Les grandes entreprises d'IA supposent des travailleurs d'étiquetage de données bon marché en Afrique et en Asie pour des professionnels qualifiés et plus rémunérés pour aider à former des modèles plus intelligents.
Avant, les travailleurs de l'étiquetage des données recevaient principalement des tâches d'annotation simples. Cependant, les sociétés d'IA se rendent compte que l'amélioration de leurs modèles nécessite des volumes de données encore plus importants. En conséquence, les travailleurs devraient travailler encore plus rapidement et effectuer des centaines de tâches chaque jour, d'où leur passage aux experts de l'industrie.
L'échelle AI, Turing et Toloka embauchent plus d'experts
Le développement de systèmes d'IA «raisonnement», y compris l'O3 d'Openai et les Gemini 2.5 de Google, a accéléré le passage des travailleurs à bas salaires dans des pays comme le Kenya et les Philippines à des individus plus qualifiés.
Des entreprises telles que l'échelle AI, Turing et Toloka utilisent déjà des spécialistes de premier plan dans des domaines tels que la biologie et la finance pour soutenir les équipes de l'IA pour générer des ensembles de données de formation plus raffinés et complexes.
Olga Megorskaya, PDG et co-fondatrice de Toloka, a même déclaré: «L'industrie de l'IA a été pendant longtemps fortement axée sur les modèles et le calcul, et les données ont toujours été une partie supervisée de l'IA. Enfin, [l'industrie] accepte l'importance des données de formation.»
L'échelle AI, Turing IA et Toloka ont toutes connu une augmentation des intérêts des investisseurs depuis leur récent changement de stratégie. L'investissement de 15 milliards de dollars de Meta dans l'échelle de l'échelle en juin a augmenté sa évaluation à 29 milliards de dollars. En mars, Turing AI a obtenu 111 millions de dollars à une évaluation de 2,2 milliards de dollars et, en mai, Bezos Expeditions a mené un investissement de 72 millions de dollars à Toloka.
Turing verse à ses experts environ 20% de plus que leur salaire actuel
Joan Kinyua, chef de la Data Labelers Association au Kenya, a expliqué que les laboratoires sont maintenant invités à effectuer des tâches qui dépendent de leur compréhension des langues locales et des nuances culturelles.
L'organisation a également constaté des rôles d'assurance qualité accrus où les humains examinent le contenu généré par l'IA. Alors que OpenAI, anthropic et Google travaillent à la création de modèles qui pourraient dépasser l'intelligence humaine, la priorité est de passer à la précision des données et à l'analyse d'experts.
Jonathan Siddharth, co-fondateur et chef de la direction de la société d'étiquetage de données Turing IA, a également affirmé que pour améliorer les modèles d'IA, il est nécessaire d'utiliser des données de formation provenant de l'utilisation humaine réelle, en particulier dans des tâches complexes et de comprendre comment les modèles se décomposent dans ces scénarios.
Il a même noté qu'un système d'IA entièrement avancé peut surpasser non seulement les physiciens, mais aussi devenir plus intelligent que tous les meilleurs experts dans tous les domaines nécessaires pour le construire.
Il a ajouté que Turing compense les experts avec des salaires de 20 à 30% au-dessus de leurs revenus actuels. Bien que les Aifirms ne consacrent qu'environ 10 à 15% de leurs budgets aux données, par rapport aux grandes sommes versées dans les ressources informatiques, cela se traduit toujours par un investissement financier important.
Megorskaya de Toloka a également fait valoir que des caractéristiques comme la chaîne de pensées, qui illustrent comment les modèles d'IA résolvent les problèmes pas à pas, sont développés par des démonstrations par des experts humains qui décomposent les problèmes en composants plus petits.
Clai de différence de fil : l'outil secret que les projets de crypto utilisent pour obtenir une couverture médiatique garantie
