Des radiologues aux avocats, les experts profitent des emplois en plein essor de formation en IA

Une nouvelle forme d'économie de la gig se dessine discrètement — et cette fois, les freelances ne livrent pas de nourriture ni ne conduisent de passagers, mais enseignent à l'intelligence artificielle comment penser.

Partout aux États-Unis, des professionnels hautement qualifiés s'inscrivent de plus en plus pour des travaux horaires de formation de systèmes d'IA, attirés par des salaires élevés et des horaires flexibles à un moment où les opportunités d'emploi traditionnelles semblent plus difficiles à obtenir.

Les plateformes spécialisées dans la mise en relation d'experts avec des développeurs d'IA sont devenues essentielles à cette tendance. Une startup basée à San Francisco, Mercor, aurait engagé environ 30 000 travailleurs contractuels au cours de la dernière année et est évaluée à environ 10 milliards de dollars. Son modèle commercial ressemble à celui des plateformes de marché : elle connecte des spécialistes aux entreprises technologiques et conserve une part – environ 30 % – de ce que les clients paient.

Les missions varient considérablement mais partagent un objectif commun : améliorer la façon dont les machines raisonnent. Les travailleurs peuvent concevoir des questions auxquelles les chatbots ne parviennent pas à répondre, comparer les résultats de modèles concurrents ou expliquer quelles réponses répondent aux normes professionnelles.

Et la rémunération peut être impressionnante. Des radiologues se voient offrir jusqu'à 340 dollars de l'heure pour aider à développer le raisonnement diagnostique, tandis que les anesthésiologistes peuvent gagner environ 200 dollars. Il existe même des rôles moins spécialisés — de la simulation de conversations de centres d'appels avec des accents spécifiques à l'analyse de matchs de basket-ball — ce qui suggère que presque tous les domaines possèdent des connaissances que les entreprises d'IA souhaitent absorber.

Le taux horaire moyen sur l'ensemble des projets serait d'environ 85 dollars.

Pour certains participants, ce travail est rapidement devenu financièrement significatif. Matthew Simmons, un doctorant en littérature qui subvenait auparavant à ses besoins en enseignant à temps partiel, consacre désormais environ 30 heures par semaine à l'évaluation des productions d'IA sur plusieurs plateformes. Il estime ses revenus horaires à environ 65 dollars – plus du triple de ce qu'il gagnait auparavant en corrigeant des dissertations d'étudiants – doublant ainsi son revenu.

Malgré la rémunération plus élevée, Simmons espère toujours obtenir un poste universitaire à temps plein avec des avantages sociaux. Pourtant, le flux constant de missions d'IA a rendu difficile de s'en éloigner. Comme il l'a indirectement noté à travers son expérience, le calcul est simple : lorsque le taux horaire est attractif, se déconnecter devient plus difficile que prévu.

D'autres sont arrivés par des chemins moins planifiés. Ben Spangler, un chimiste titulaire d'un doctorat dont la startup a perdu son financement en 2025, a été contacté par une plateforme de recrutement après avoir annoncé ses services de conseil en ligne. Il teste désormais des systèmes d'IA pour des applications pharmaceutiques, identifiant les questions auxquelles ils ne peuvent pas répondre de manière fiable.

Bien que la rémunération soit légèrement inférieure à ses tarifs de consultant précédents, Spangler apprécie la flexibilité et la possibilité d'observer de première main le développement de l'IA de pointe. Son évaluation est pragmatique : les modèles sont persuasifs mais loin d'être impeccables, nécessitant souvent un examen expert pour détecter les sources inventées ou les erreurs logiques.

L'essor du travail de gig pour experts reflète deux forces qui se chevauchent.

Premièrement, les développeurs d'IA ont de plus en plus besoin de connaissances spécialisées à mesure que les modèles s'étendent à des domaines tels que la médecine, le droit et la finance. La formation initiale reposait souvent sur l'étiquetage de données moins bien rémunéré, fréquemment externalisé vers les pays en développement. Les tâches actuelles exigent une expertise plus approfondie, poussant les entreprises à recruter des professionnels principalement issus des économies industrialisées, notamment les États-Unis, le Royaume-Uni et le Canada.

Deuxièmement, un marché du travail en refroidissement a rendu de nombreux travailleurs qualifiés plus ouverts aux rôles non conventionnels. L'incertitude économique et des recherches d'emploi plus longues ont poussé les professionnels au chômage, à la retraite ou sous-employés vers des plateformes promettant un revenu immédiat.

Pour les entreprises d'IA, cet arrangement offre de l'efficacité. Plutôt que de former des partenariats institutionnels coûteux, elles obtiennent un accès direct aux personnes qui détiennent les connaissances dont elles ont besoin.

Pourtant, cette configuration soulève une question évidente : ces experts forment-ils efficacement leurs futurs remplaçants ?

Les opinions divergent. Spangler soutient que la surveillance humaine restera essentielle, en particulier dans des domaines à enjeux élevés comme le développement de médicaments où la responsabilité ne peut être automatisée. Simmons est moins certain mais pragmatique, suggérant que les réalités financières immédiates l'emportent sur les spéculations à long terme.

Un effet secondaire inattendu a été le scepticisme professionnel. Après des mois passés à décortiquer les réponses générées par machine, Simmons dit qu'il aborde désormais les réponses de l'IA avec plus de prudence — en particulier les outils gratuits qui peuvent privilégier la vitesse à la profondeur.

Si rien d'autre, ce phénomène met en lumière un paradoxe au cœur du boom de l'IA : plus les machines deviennent intelligentes, plus elles semblent avoir un besoin urgent d'enseignants humains. La persistance de cette dépendance pourrait déterminer non seulement l'avenir du travail — mais aussi qui le fera encore.