Lorsque Cielo24 a fermé ses portes fin 2025, sa dirigeante Shanna Johnson a vendu un dernier actif dont personne n’aurait soupçonné la valeur. Treize années de messages Slack, de courriels internes et de tickets de suivi de projet sont parties vers des laboratoires d’intelligence artificielle pour des centaines de milliers de dollars. Le cas n’est pas isolé. SimpleClosure, une start-up américaine qui accompagne la fermeture d’entreprises, décrit un afflux de demandes venues des concepteurs de modèles IA, au point d’avoir ouvert une plate-forme où les sociétés en fin de vie peuvent céder leur code, leurs archives de messagerie et leurs courriels.
Les premiers grands modèles ont été entraînés sur le web ouvert, ses forums, son encyclopédie collaborative, ses livres numérisés : le fameux common crawl. L’institut de recherche Epoch AI estime, avec une probabilité de 80 %, que le stock de textes humains publics disponible pourrait être entièrement consommé entre 2026 et 2032. L’accès commence d’ailleurs à se refermer. Depuis septembre, Cloudflare, qui protège une large partie du web, bloque par défaut les robots d’entraînement sur les pages financées par la publicité de nouveaux clients. Face à cet assèchement des données publiques, les laboratoires se ruent donc sur les données privées, jusqu’à des cas extrêmes comme le projet Panama d’Anthropic. L’entreprise a acheté des millions de livres physiques d’occasion auprès de vendeurs en ligne comme Better World Books, World of Books et Zoom Books pour découper les reliures puis numériser les pages.
Toutes les archives ne se valent pas
Cette demande a fait naître une industrie. Mercor, fondée en 2023, rémunère des dizaines de milliers d’experts pour rédiger des réponses, noter ou corriger les modèles. L’entreprise a dépassé en juin les 2 milliards de dollars de revenus annualisés bruts, dont 60 à 70 % sont reversés aux contributeurs. Handshake, à l’origine un site d’emploi pour jeunes diplômés, a converti son réseau d’étudiants et de docteurs en fournisseur de données d’entraînement.
La ruée vers les données privées bat son plein. Sur ce marché estimé à 15 milliards de dollars annuels, les intermédiaires les plus efficaces deviennent des licornes en quelques mois. L’un des gisements les plus intéressants est constitué… des entreprises mortes. Toutes les archives ne se valent pas. Les laboratoires recherchent moins des téraoctets d’e-mails que des boucles de travail complètes, difficiles à concevoir depuis une feuille blanche. Une discussion Slack suivie d’une modification dans Salesforce, d’un ticket dans Jira puis d’une écriture comptable décrit beaucoup mieux le fonctionnement réel d’une entreprise qu’un manuel de procédure. La valeur vient précisément de cette succession d’actions, de corrections et de validations dont on ne trouve généralement aucune trace sur Internet.
Ces étapes servent à construire des environnements d’entraînement, notamment pour les agents IA. L’agent tente une action et reçoit une réponse vérifiable, par exemple le verdict des outils de vérification d’une puce ou l’équilibre d’un bilan comptable. Les modèles apprennent à partir de leurs propres essais et non plus seulement de textes antérieurs. Après avoir digéré le savoir humain, ils cherchent désormais à absorber les processus par lesquels ce savoir est transformé en décisions, puis en actions. Les liquidateurs judiciaires vendent depuis longtemps les machines, les brevets, les marques, les noms de domaine et les fichiers clients des entreprises disparues. Les archives des messageries et des logiciels métier s’ajoutent désormais à cet inventaire.
Dans le cas d’une liquidation, celui qui vend les données n’est pas celui qui les a produites. Les anciens salariés de Cielo24 n’ont pas été consultés sur le sort de leurs messages. Les intermédiaires affirment retirer les noms et les identifiants, sans que les intéressés puissent vérifier la qualité de cette opération.
En Europe, le RGPD interdit de réutiliser des données personnelles pour une finalité incompatible avec celle de leur collecte. Transformer des années de messagerie professionnelle en carburant d’entraînement suppose une base juridique pour ce nouvel usage, ou une anonymisation réelle. Depuis août 2025, l’AI Act impose également aux fournisseurs de modèles généralistes de publier un résumé des contenus utilisés pour leur entraînement. Mais ce document, souvent très succinct, ne mentionnera pas le nom des entreprises dont les données ont été recyclées.
Source link : https://www.lexpress.fr/economie/high-tech/avec-lia-rien-ne-se-perd-tout-se-transforme-par-robin-rivaton-VGCCNB3IIFDXFNOZZSIREWXRSQ/
Author : Par Robin Rivaton
Publish date : 2026-10-29 10:30:00
Copyright for syndicated content belongs to the linked Source.
