Le véritable coût du progrès et la nécessité de se développer grâce à l’imagination, et non à l’exploitation
Traduction de The Assembly Line in the Sky, par Howard Yu, 19 août 2025
La fenêtre du dortoir se trouvait au quatrième étage, au-dessus du sol en béton, lorsque Tian Yu a sauté.
C’était le 17 mars 2010. Elle avait 17 ans. Exactement 37 jours plus tôt, elle avait franchi les portes de Foxconn City, l’immense complexe industriel de Shenzhen où étaient assemblés des millions d’iPhones. Elle avait quitté son village pour acquérir des compétences et gagner sa vie, séduite par une phrase du manuel de l’employé : « Vos rêves s’étendent d’ici jusqu’à demain. »
La réalité était tout autre. Elle y trouva au contraire une répétition robotique. Elle devait polir trois écrans d’iPhone par minute, soit un total de 1 700 par jour. Les erreurs étaient sanctionnées par une humiliation publique et renforcées par l’autocritique.
Son premier mois de salaire fut perdu à cause d’« erreurs administratives ». Les dortoirs de l’entreprise étaient bondés d’inconnus aux horaires changeants, ce qui lui ôtait toute chance de se faire des amis. C’est « un immense lieu d’inconnus », dira-t-elle plus tard.
Son dernier quart de travail s’est terminé à 2 heures du matin. À l’aube, elle a ouvert la fenêtre de son dortoir et s’est jetée dans le vide.
Elle a survécu à la chute. Mais celle-ci l’a laissée paralysée des jambes.
De la gestion de crise à l’absolution
La première réaction d’Apple a été de détourner l’attention. « Foxconn n’est pas un atelier clandestin », a déclaré Steve Jobs lors d’une conférence. « Pour une usine, c’est plutôt agréable. »
Tim Cook, alors directeur des opérations et responsable de la chaîne d’approvisionnement d’Apple, a répondu à la controverse par un e-mail interne, dans lequel il déclarait que toute suggestion selon laquelle Apple ne se souciait pas de ses travailleurs était « manifestement fausse et offensante ».
Mais les gros titres continuaient de s’accumuler. L’affaire ne s’est pas éteinte. Des manifestants ont organisé des funérailles symboliques devant les Apple Stores. Finalement, Apple a rejoint la Fair Labor Association et a soumis ses fournisseurs, y compris Foxconn, à des audits indépendants.
Les conclusions étaient accablantes :
- Des semaines de travail dépassant régulièrement la limite légale chinoise de 49 heures.
- Sept jours de travail consécutifs sans repos
- Des salaires insuffisants pour couvrir les besoins de base
- Près de la moitié des travailleurs ayant été témoins d’accidents du travail.
Cook n’a eu d’autre choix que d’exiger des changements radicaux. Foxconn a embauché des milliers de nouveaux employés pour réduire les heures de travail, a amélioré les conditions de logement et de sécurité des travailleurs, et a payé l’intégralité des heures supplémentaires.
De son côté, Apple a commencé à mener des inspections surprises. Rien qu’en 2024, Apple a réalisé 893 évaluations de fournisseurs, dont 22 % étaient inopinées. Le message ? Nous pouvons débarquer à tout moment, n’importe où.
Une telle vigilance est aujourd’hui la norme, mais à une seule condition : la souffrance humaine doit être visible. Dès que les consommateurs demandent : «Qui a fabriqué mon iPhone ?», les entreprises ne peuvent plus détourner le regard. Les régulateurs sont prêts à bondir. Les organismes de surveillance veillent.
Et c’est là la leçon à retenir pour l’avenir industriel de l’IA.
Le coût caché du progrès ne restera caché que jusqu’à ce que quelqu’un, quelque part, décide de regarder.
L’usine cachée du cloud : serveurs, sueur et chagrin
Un smartphone est tangible. Tout comme un t-shirt de chez H&M ou une paire de baskets de chez Temu. On peut imaginer un atelier d’usine avec ses machines et ses rangées d’ouvriers.
Mais avec l’IA, tout se dissout dans l’abstraction. Dès l’instant où nous avons commencé à appeler les serveurs distants « le cloud », nous nous sommes permis d’oublier leur réalité physique. Il n’y a rien dans le ciel. Les serveurs sont solidement ancrés au sol, installés dans d’immenses entrepôts sans fenêtres où résonne un bourdonnement mécanique constant.
Entrez dans l’un de ces centres de données, et vous le sentirez : un souffle chaud derrière une rangée de machines qui prouve toute la chaleur produite par ces serveurs en pleine effervescence. Les techniciens connaissent le danger constant d’un «emballement thermique», une défaillance en cascade où les systèmes de refroidissement défaillent et où la chaleur s’amplifie d’elle-même.
En quelques secondes, des rangées de lumières vertes et bleues clignotantes peuvent virer à un rouge inquiétant. Lorsque cela se produit, l’air s’épaissit, devenant de plus en plus chaud, menaçant de faire fondre les machines.
Puis, dans un rugissement, d’énormes climatiseurs inondent la pièce d’un froid polaire, rétablissant l’ordre.
Telle est la réalité physique et thermodynamique du « cloud ».
Jusqu’à récemment, j’avais la vision naïve que l’IA générative était simplement l’œuvre de quelques brillants codeurs en Californie, tapant frénétiquement sur leur clavier jusqu’à ce que, voilà, le dernier et le plus puissant des grands modèles linguistiques (LLM) apparaisse.
Puis j’ai lu Empire of AI de Karen Hao. Hao, journaliste de premier plan spécialisée dans l’IA et correspondante tech du Wall Street Journal, apporte des années de reportages menés à travers la Silicon Valley, la Chine et l’Afrique. L’apprentissage automatique, en réalité, est extrêmement exigeant en main-d’œuvre. Avant qu’un modèle d’IA puisse paraître fluide et intelligent, il doit être entraîné.
Vous vous souvenez comment les premières versions de ChatGPT pouvaient être amenées à produire des scènes de violence explicites ou des discours de haine extrémistes ? La solution était évidente mais exténuante : assainir les données avant que l’IA n’apprenne à partir de celles-ci. Le processus impliquait d’embaucher des humains pour étiqueter et filtrer manuellement les contenus toxiques.
La chaîne de production n’a jamais disparu. Elle est simplement devenue invisible.
La nouvelle Foxconn
En 2021, OpenAI a discrètement externalisé ce travail vers l’Afrique. Bien sûr, ce n’était pas quelque chose que n’importe qui pouvait faire. Les travailleurs devaient posséder de solides compétences en anglais et un niveau d’éducation suffisant pour suivre des directives nuancées. Ils devaient également être suffisamment désespérés financièrement pour accepter ce travail, dans des pays où le contrôle gouvernemental était faible et où la rapidité primait sur tout.
À Nairobi, la capitale animée du Kenya, de jeunes diplômés en mathématiques et en informatique s’asseyaient devant des écrans lumineux, jour après jour, scrutant les recoins les plus sombres d’Internet. Embauchés par l’intermédiaire du sous-traitant Sama, ils avaient pour mission de filtrer et de classer les contenus violents et perturbants afin de donner l’impression que l’IA mondiale était « sûre ». C’était un travail invisible sur une chaîne de montage numérique. Et combien étaient-ils payés ? Entre 1,46 et 3,74 dollars de l’heure, juste assez pour survivre tant bien que mal dans une ville où le confort était hors de portée.
Le poids psychologique était écrasant. Les cauchemars, les crises d’angoisse et la dépression étaient monnaie courante. Des conseillers étaient techniquement disponibles, mais souvent mal équipés pour gérer un traumatisme de cette ampleur.
Mophat Okinyi, l’un de ces travailleurs, se souvient d’avoir passé au crible 700 passages de texte horribles par jour. Finalement, ces images ont envahi sa vie éveillée. Il est devenu paranoïaque en public et émotionnellement engourdi chez lui.
« Je suis très fier d’avoir participé à ce projet visant à rendre ChatGPT sûr », a-t-il déclaré à Karen Hao. « Mais maintenant, je me demande sans cesse : ma contribution valait-elle ce que j’ai reçu en retour ? » Sa femme enceinte l’a quitté, affirmant qu’il était « un homme changé ».
Il a simplement déclaré : « Cela m’a complètement détruit. »
La main-d’œuvre invisible
Du boom des premières voitures autonomes aux systèmes experts d’aujourd’hui, les humains ont toujours été impliqués. Mais aujourd’hui, les entreprises d’annotation de données sont devenues le Foxconn de l’ère numérique. Ces sous-traitants rendent possible notre vie numérique « intelligente », mais ils opèrent presque entièrement à l’abri des regards.
Scale AI, fondée en 2016 par Alexandr Wang, un étudiant ayant abandonné ses études au MIT, est l’un de ces acteurs pesant un milliard de dollars. Hao se souvient avoir demandé à un ancien responsable, qui avait supervisé l’expansion des effectifs de l’entreprise, comment Scale avait réussi à décrocher des clients comme Lyft, Apple, Toyota et Airbnb. La consigne était simple : « Recruter les meilleurs éléments au moindre coût possible. »
Cette philosophie a poussé Scale à recruter au Kenya et aux Philippines. Plus récemment, Scale s’est tournée vers le Venezuela, où l’effondrement économique a laissé une population hautement qualifiée désespérément à la recherche d’un emploi. À mesure que les besoins linguistiques de l’IA se sont développés, la même stratégie a été appliquée : recruter des francophones issus des anciennes colonies françaises en Afrique, des locuteurs de mandarin issus de la diaspora chinoise en Asie du Sud-Est, et ainsi de suite.
J’ai réalisé qu’il ne s’agissait pas d’une petite entreprise artisanale, mais d’un complexe industriel. C’est toujours la même chaîne de montage invisible, avec juste des visages différents. En juin 2025, Scale AI était évaluée à plus de 29 milliards de dollars. Et Wang, le fondateur de l’entreprise, est devenu l’un des plus jeunes milliardaires autodidactes de l’histoire de la Silicon Valley.
Le Léviathan assoiffé
Dans une interview accordée à Bloomberg, Wang a résumé l’empire de l’IA à trois piliers : les données, la puissance de calcul et les algorithmes.
L’étiquetage des données a propulsé Scale AI sur le devant de la scène. La puissance de calcul a propulsé la valorisation de Nvidia dans la stratosphère et est également le moteur de Stargate, le mégaprojet de 500 milliards de dollars mené par OpenAI, Oracle et SoftBank. Elle sous-tend l’ambition de Meta de construire un centre de données de la taille de Manhattan.
Et tout comme le travail humain derrière l’IA reste caché, il en va de même pour sa soif de ressources physiques. L’empreinte n’est pas seulement humaine. Elle est géologique.
Un seul centre de données d’IA de 100 mégawatts avale 2 millions de litres d’eau chaque jour rien que pour se refroidir. Cela correspond à l’approvisionnement quotidien en eau de 6 500 foyers.
Sous la chaleur de 47 °C de l’Arizona, cette soif prend une forme grotesque. Des techniciens réparent des systèmes de refroidissement par évaporation surnommés The Mouth : des tuyaux acheminent l’eau du fleuve Colorado, riche en sédiments, vers des filtres en nid d’abeille, où elle se solidifie en une « suie visqueuse » avant de s’évaporer dans l’air du désert.
Le refroidissement à lui seul peut engloutir plus de 40 % de la consommation électrique totale d’une installation.
Pendant ce temps, les communautés voisines luttent contre la sécheresse, et les politiciens dénoncent une utilisation « non essentielle » de l’eau.
Au cours des trois dernières années seulement, plus de 160 nouveaux centres de données IA ont vu le jour dans des comtés américains engagés dans une concurrence silencieuse pour une eau rare. L’emplacement de ces comtés est prévisible : l’Arizona, l’ouest du Texas et le sud de la Virginie. Des terrains bon marché. Du vent et du soleil en abondance. Des allègements fiscaux généreux.
Dans ce calcul d’entreprise, l’eau n’est qu’un poste de plus dans le bilan. C’est quelque chose que l’on peut acheter jusqu’à ce qu’un jour, le puits se tarisse.
Le Chili a appris cette leçon très tôt. En 2022, Google avait prévu de construire un centre de données de 200 millions de dollars à Santiago. Cela a déclenché des protestations si virulentes que les autorités ont temporairement révoqué le permis de Google. Les habitants ne comprenaient pas pourquoi leurs aquifères en voie d’épuisement devaient servir à refroidir les serveurs de YouTube plutôt qu’à irriguer les terres agricoles.
Ce même malaise s’exprime aujourd’hui aux États-Unis. De Mesa à Tucson en passant par Chandler, les habitants ont organisé des manifestations contre le bourdonnement incessant des salles de serveurs et la consommation vorace de leurs réserves d’eau.
Pour David Gray, un ingénieur en informatique de Chicago, le bourdonnement inévitable provenant d’un centre de données voisin est devenu « un compagnon constant et indésirable » pendant les confinements liés à la Covid. Le bruit était si incessant qu’il a fini par provoquer de l’hypertension et de l’anxiété nécessitant un traitement médical.
Mais cela ne doit pas nécessairement se passer ainsi. Cependant, la solution ne viendra pas uniquement de l’ingénierie.
Il faudra une réinvention collective.
Réinventer la bête
Lorsque Microsoft a annoncé son projet de centre de données gigantesque à Quilicura, au Chili, la résistance a été immédiate. Mais il s’est également passé autre chose. Des militants, des architectes et des étudiants ont commencé à se demander : « Et si cette boîte de serveurs pouvait cohabiter avec la communauté, plutôt que d’en être séparée ? »
Au lieu d’une forteresse de béton et de clôtures, ils ont imaginé quelque chose de perméable. Dans l’un des projets, les réservoirs de refroidissement de l’installation devenaient des piscines publiques, où chaque goutte était visible et partagée.
Une autre esquisse présentait un « territoire de données fluide » où des passerelles surélevées serpentaient à travers des marais, les salles de serveurs étant dissimulées parmi des pépinières de plantes indigènes. Dans cette vision, les machines elles-mêmes contribueraient à purifier l’eau des marais, renvoyant une eau propre vers l’aquifère.
Ces voix extérieures, qu’il s’agisse de résidents, d’étudiants ou d’écologistes, ont apporté des idées auxquelles la plupart des ingénieurs en informatique n’auraient jamais pensé. Même si ces propositions restent des suggestions plutôt que des plans concrets, elles révèlent une vérité plus large : l’IA ne peut pas évoluer par l’extraction seule.
Elle doit évoluer par la réinvention.
Au-delà de l’automatisation médiocre : réimaginer l’avenir de l’IA
Ce qui sépare notre réalité actuelle d’une réalité meilleure, ce ne sont pas les limites techniques. C’est plutôt notre réticence à réimaginer, souvent renforcée par notre propre peur. Nous nous racontons des histoires pour laisser l’IA tout automatiser. Et c’est un mythe.
Derrière chaque avancée technologique apparemment inexorable se cachent des choix humains quant à l’endroit et la manière dont elle doit être déployée. L’économiste lauréat du prix Nobel Daron Acemoglu et Simon Johnson, du MIT, ont mis en garde contre la tentation persistante des entreprises de se lancer dans une « automatisation médiocre », qui consiste à remplacer des travailleurs pour le simple plaisir de l’automatisation, sans grand bénéfice pour les clients ou la productivité.
Dans Power and Progress, ils prennent l’exemple frappant des caisses en libre-service. La tâche est simplement transférée au client, les emplois de caissiers disparaissent, et l’amélioration de la satisfaction est négligeable. Le point qu’Acemoglu et Johnson soulignent est le suivant : le progrès technologique est rarement déterministe. C’est nous qui choisissons la voie.
Les magasins « Go » d’Amazon — qui s’appuient sur la vision par ordinateur, la surveillance à distance et des applications mobiles pour que les clients puissent « simplement sortir » — illustrent ce point. La technologie fonctionne, la plupart du temps. Mais le bénéfice est marginal, le coût de l’infrastructure immense, et le principal résultat n’est rien d’autre qu’un déplacement d’emplois.
Il en va de même pour la trajectoire de l’IA. Aucune loi de la nature n’impose que nous nous développions comme nous le faisons actuellement. Nous pourrions inventer de nouveaux systèmes de refroidissement, développer des sources d’énergie plus propres ou concevoir des moyens plus sûrs et plus dignes pour que les humains participent à l’étiquetage des données.
Pourtant, un discours politique s’impose : si nous ne nous développons pas aussi vite et à aussi grande échelle que possible, la Chine nous dépassera. C’est un discours qui séduit fortement la Silicon Valley et qui justifie, sans réflexion, ses méthodes actuelles.
Au-delà des modèles plus grands : les limites de l’échelle
Certes, même si l’on adhère à la prémisse de la rivalité stratégique, se développer aveuglément est une impasse. Le lancement décevant du modèle GPT-5 d’OpenAI, pourtant très médiatisé, illustre ce point. Sam Altman, PDG d’OpenAI, a présenté le GPT-5 comme « une étape importante sur la voie de l’AGI [intelligence artificielle générale] ». Mais la réalité n’a pas été à la hauteur de la promesse.
En quelques jours, les utilisateurs ont constaté que le nouveau modèle commettait des erreurs élémentaires (en étiquetant mal une carte des États-Unis, par exemple) et n’apportait que des améliorations mineures par rapport à son prédécesseur. Les gens « s’attendaient à découvrir quelque chose de totalement nouveau » avec GPT-5, a noté Thomas Wolf de Hugging Face, mais il a expliqué que « ce n’était pas vraiment le cas ».
Yann LeCun, scientifique en chef de l’IA chez Meta et lauréat du prix Turing, a récemment déclaré qu’il n’était « plus vraiment intéressé par les LLM ». Il faisait référence au fait que le simple fait d’augmenter la taille des grands modèles linguistiques entraîne des rendements décroissants. « Nous n’atteindrons pas une IA de niveau humain en nous contentant de créer des LLM plus grands », affirme-t-il.
Au contraire, il prône de nouvelles orientations de recherche moins gourmandes en données et moins dépendantes d’une armée d’étiqueteurs humains sous-payés. Joelle Pineau, ancienne responsable de la recherche en IA chez Meta et désormais directrice de l’IA chez la start-up Cohere, partage ce point de vue : « Se contenter d’ajouter de la puissance de calcul ne suffira pas. »
Si nous voulons des projets ambitieux ou l’AGI sur laquelle Sam Altman insiste tant, nous avons besoin de machines qui comprennent le monde physique, disposent d’une mémoire persistante et soient capables de raisonner et de planifier.
En bref, nous avons besoin d’un changement radical dans l’approche actuelle pour franchir le cap.
Inflexion de la courbe de l’innovation
Le progrès est rarement linéaire. Et nous devons rejeter l’idée fausse selon laquelle l’échelle est synonyme de progrès. Rebecca Solnit écrit dans Hope in the Dark : « La relation de cause à effet suppose que l’histoire avance, mais l’histoire n’est pas une armée. C’est un crabe avançant de flanc, une goutte d’eau douce érodant la pierre, un tremblement de terre brisant des siècles de tension. »
Ce qui semblait autrefois impossible finit par devenir réalité, uniquement parce que des gens ordinaires ont continué à s’attaquer au problème jusqu’à ce que le moment décisif arrive.
J’aime sa théorie parce qu’elle refuse le désespoir : « Vos adversaires aimeraient vous faire croire que c’est sans espoir… L’espoir est un cadeau auquel vous n’avez pas à renoncer, un pouvoir que vous n’avez pas à abandonner. » Oui, ChatGPT est désormais le cinquième site web le plus visité au monde, juste derrière Instagram et déjà devant X. OpenAI affirme que le système reçoit chaque jour le nombre stupéfiant de 2,5 milliards de requêtes. Son ampleur semble imparable.
Et pourtant, rien de notre avenir n’est prédéterminé.
Les entreprises peuvent repenser l’étiquetage des données. Les scientifiques peuvent inventer des systèmes de refroidissement plus efficaces. Les gouvernements peuvent donner la priorité à un travail digne. Les programmeurs peuvent innover avec de nouvelles approches. Et Alexandr Wang — cofondateur de Scale et désormais directeur de l’IA chez Meta — ne fait que commencer, et il pourrait bien réécrire les règles.
C’est ainsi que nous avons tous un rôle à jouer, si nous choisissons de le faire :
- Si vous dirigez une petite entreprise, concevez des systèmes d’IA efficaces et transparents qui poussent les grands acteurs à s’améliorer.
Si vous êtes une entreprise non technologique, posez à vos fournisseurs des questions difficiles sur la durabilité et l’éthique.
Si vous êtes un consommateur ou un citoyen concerné, soutenez les politiques et les produits qui privilégient une IA responsable, et exprimez-vous haut et fort à ce sujet.
Petit à petit, notre technologie peut s’aligner sur nos valeurs, « non pas par magie, mais grâce à l’effet cumulatif d’innombrables actes de courage, d’amour et d’engagement ».
D’une larme naît une marée
L’histoire de Tian Yu n’a pas été vaine. Le tollé général qui a suivi sa chute a déclenché des manifestations mondiales contre Apple et l’a contraint à faire face au coût humain de sa chaîne d’approvisionnement. Début 2012, Foxconn a annoncé une augmentation salariale de 16 à 25 %, portant le salaire de base à Shenzhen à 1 800 yuans par mois. C’est bien au-dessus du minimum de la ville. Ces changements ne se sont pas produits du jour au lendemain, et ils n’ont pas tout résolu. Mais pour les jeunes hommes et femmes sur les chaînes de montage de Foxconn, ces changements ont compté.
Ce revirement nous rappelle que même les plus grandes entreprises peuvent être amenées à changer. Nous faisons avancer l’innovation par le simple fait de rendre visible la chaîne de montage invisible et d’exiger mieux. Chaque question dérangeante et chaque choix de principe est une goutte d’eau qui use la pierre.
J’ai repéré ce panneau publicitaire Apple à Manhattan lors de mon récent voyage à New York.
Lentement et sans relâche, nous remodelons l’architecture cachée de l’IA au service de la dignité humaine.
À dans deux semaines. 👋
TL;DR (à partager)
L’IA ne flotte pas en l’air. Elle repose sur le travail humain (souvent caché et sous-payé) et sur une infrastructure physique massive qui consomme de l’eau et de l’énergie. Considérer l’échelle comme une fatalité conduit à une « automatisation médiocre » et nuit à la communauté. L’alternative consiste à évoluer grâce à l’imagination : de nouveaux systèmes de refroidissement, une énergie plus propre, des emplois dignes dans l’étiquetage et une conception axée sur la communauté. Ce changement ne nécessite pas de miracles, mais simplement des choix différents de la part des constructeurs, des acheteurs et des citoyens. La courbe de l’innovation s’incurve lorsque nous rendons visible l’invisible et insistons pour obtenir mieux.
Fichier Excel des traductions par Gilles en vrac
Fiches avec les premières phrases (et non seulement les titres)
Les caractères gras dans le texte sont de Gilles.