Le test qui a brisé l'illusion
En 2023, une équipe de recherche de l'EPFL à Lausanne a mené une expérience discrète sur des travailleurs de crowdsourcing qu'elle avait recrutés via Amazon Mechanical Turk pour résumer des textes. À l'aide de l'enregistrement des frappes et d'un classifieur entraîné à repérer la prose écrite par des machines, l'équipe, dirigée par Veselovsky, a estimé qu'entre 33 et 46 pour cent des travailleurs avaient utilisé un grand modèle de langage pour produire leurs réponses 'humaines'.
La découverte n'était pas un scandale sur des travailleurs paresseux. C'était un avertissement sur la provenance. La place de marché vendait du jugement humain à la tâche, et entre un tiers et la moitié de ce jugement était déjà une machine derrière l'identifiant d'un autre. Qui achetait des données étiquetées, des décisions de modération ou des réponses d'enquête au prix de la pièce achetait un mélange qu'il ne pouvait pas voir.
Ce qu'Amazon a réellement fait
Le 30 juillet 2026, AWS cesse d'accepter de nouveaux clients pour Mechanical Turk. Les clients actuels peuvent continuer à l'utiliser, mais le service est désormais en maintenance : AWS dit qu'il investira dans la sécurité et la disponibilité, mais n'ajoutera pas de nouvelles fonctions. Dans le langage du cloud, c'est le chemin vers le retrait, pas une pause.
Mechanical Turk est né en 2005 et tire son nom d'une machine à jouer aux échecs du XVIIIe siècle qui cachait une personne dans un faux automate. Le nom était la plaisanterie et le modèle : un logiciel qui semblait automatique mais fonctionnait grâce à des personnes. Deux décennies plus tard, les personnes fonctionnaient en silence grâce au logiciel, et les comptes qui rendaient la plateforme utile ne tenaient plus.
Pourquoi cela atterrit sur votre bureau
L'histoire n'est pas la fermeture d'un service. C'est chaque étape de votre système qui suppose qu'un humain a vérifié quelque chose. Files de modération, étiquetage de données pour un modèle que vous affinez, notation de tests, contrôles de conformité avec 'revue humaine', panels d'enquête derrière un tableau de bord d'étude de marché : beaucoup passent par des places de marché bon marché de tâches humaines, et le résultat de 2023 dit que cette couche humaine était poreuse il y a des années déjà.
Pour un exploitant européen, ce n'est pas qu'une question d'efficacité. Le règlement sur l'IA attend une gouvernance et une traçabilité des données pour les systèmes à plus haut risque, et 'une personne a vérifié le jeu d'entraînement' est exactement le genre d'affirmation qu'un auditeur vous demandera de prouver. Si vous ne pouvez pas montrer qui a produit une étiquette, vous ne pouvez pas montrer que l'étiquette est propre.
La décision, pas la nostalgie
L'instruction est concrète et datée. Avant le 30 juillet, recensez chaque flux de travail qui atteint une place de marché de tâches humaines, marquez lesquels alimentent un modèle, un dossier de conformité ou une décision côté client, et décidez pour chacun s'il faut le déplacer, le vérifier ou le remplacer. Traitez 'ça, on le sous-traite à des humains' comme une affirmation à tester, pas comme un contrôle qui fonctionne.
Le taux de base est la leçon. Qui achète de la vérification à la pièce reçoit du fournisseur le moins cher la lettre de la tâche avec l'outil le plus rapide, et aujourd'hui cet outil est un modèle de langage. Payez pour la preuve de la provenance, pas seulement pour une réponse, et la fermeture d'une place de marché cesse d'être votre problème.
À lire ensuite: Quatre clouds américains relèvent d'un régulateur britannique | Le 24 juillet, deepseek-chat cesse de répondre
