Dans une pièce sans fenêtre de Karur, ville textile du Tamil Nadu, un jeune ingénieur nommé Naveen Kumar plie des serviettes depuis des heures. Une GoPro fixée sur le crâne, il répète le même geste des centaines de fois, sous l’œil de superviseurs qui éliminent une vidéo sur cinq pour un pli imparfait. Cet homme de 28 ans, diplômé d’une école d’ingénieurs, est payé à la tâche pour une mission singulière : apprendre à un robot domestique à faire son lit. Son employeur, Objectways, emploie plus de 2 200 personnes dans cette même usine à données. Bienvenue dans l’économie des petits boulots version robotique, où des milliers d’Indiens qualifiés deviennent les professeurs invisibles des machines qui, demain, remplaceront des emplois en Occident.
Karur, Inde : bienvenue à l’usine à données des robots domestiques
Le décor de Karur n’a rien d’une Silicon Valley. La ville est connue pour ses usines textiles, pas pour ses startups technologiques. Pourtant, c’est ici que se joue une partie cruciale de la course à la robotique incarnée. Naveen Kumar, cheveux noirs noués sous un bandeau maintenant sa GoPro, travaille dans un entrepôt reconverti où des dizaines de jeunes comme lui reproduisent des gestes ménagers : plier du linge, faire la vaisselle, ranger des objets sur une étagère.
L’absurdité apparente de la situation saute aux yeux. Pourquoi un ingénieur passe-t-il ses journées à plier des serviettes ? Parce que les robots humanoïdes, malgré des années de recherche en laboratoire, peinent encore à accomplir les tâches les plus triviales du quotidien. Un robot peut assembler une voiture avec une précision millimétrique, mais plier une serviette de bain sans la froisser reste un défi titanesque. La solution ? Lui montrer, image par image, geste après geste, comment un humain s’y prend.
Le geste parfait : pourquoi un robot a besoin de voir Naveen rater son pliage
Le processus est d’une exigence quasi obsessionnelle. Naveen ne se contente pas de plier des serviettes. Il doit le faire avec une régularité parfaite, en variant les angles, la pression exercée, la vitesse du geste. La GoPro capture chaque mouvement de sa tête, tandis que des capteurs fixés à ses poignets enregistrent les données tactiles et les accélérations. L’objectif est de créer une « data pipeline » physique : un flux de données multimodales — vision, profondeur, tactile, mouvements — qui servira à entraîner les algorithmes des robots.
L’échec fait partie intégrante de l’apprentissage. L’équipe de supervision d’Objectways supprime entre 150 et 200 vidéos pour des incohérences mineures : un pli mal aligné, une serviette qui glisse, un geste trop rapide. Ces variations, pourtant imperceptibles à l’œil humain, sont cruciales pour que le robot apprenne à généraliser. Si toutes les serviettes étaient pliées exactement de la même manière, le robot serait incapable de s’adapter à une serviette de taille ou de matière différente. C’est en voyant Naveen faire des erreurs, puis les corriger, que la machine intègre la notion de flexibilité.
Objectways, l’entreprise de Karur qui transforme les ingénieurs en danseurs de tâches ménagères
Objectways n’est pas une petite structure artisanale. Avec plus de 2 200 employés, l’entreprise s’est imposée comme un rouage central de cette industrie naissante. Le client final, une startup américaine non nommée, développe des « butler robots » destinés à assister les personnes âgées ou les familles aisées. Pour ces robots, chaque geste appris en Inde représente des mois de développement économisés.
Le recrutement cible spécifiquement les jeunes diplômés. Naveen et ses collègues sont ingénieurs, mais leurs diplômes ne leur ont pas ouvert les portes d’un emploi stable dans le secteur technologique indien. Le marché du travail local, saturé, les contraint à accepter ces missions précaires. La question éthique affleure : s’agit-il d’un job comme un autre, une bouée de sauvetage pour une génération sans perspectives, ou d’une nouvelle forme d’exploitation ? Les travailleurs d’Objectways n’ont aucun contrat stable, aucune protection sociale, aucun horizon de carrière. Ils sont payés à la tâche, sans garantie de revenu mensuel.
L’ampleur du phénomène : des dizaines de milliers de travailleurs concernés
Selon une enquête du MIT Technology Review publiée en avril 2026, le phénomène ne se limite pas à Karur. Des dizaines de milliers de travailleurs en Inde et au Nigeria participent à cette économie du data labeling physique. Les entreprises clientes incluent des géants comme Google, Meta et OpenAI, qui sous-traitent la collecte de données à des intermédiaires comme Objectways ou Wirestock. Cette dernière a levé 23 millions de dollars en mai 2026 pour fournir des données multimodales aux laboratoires d’IA, confirmant la vitalité du secteur.
Human Archive, la startup californienne qui industrialise le professeur de robot
Si Objectways illustre le phénomène à l’échelle locale, Human Archive en incarne la version industrielle et capitaliste. Cette startup californienne, issue de la promotion hiver 2026 de Y Combinator, a été fondée par quatre ingénieurs de Stanford et Berkeley : Shloke, Samay, Rushil et Raj. Leur objectif affiché est de construire l’infrastructure de collecte de données physiques la plus massive au monde. L’ambition est à la hauteur des enjeux : 8 000 heures de données collectées par jour, 50 000 contributeurs en Inde d’ici la fin de l’année.
Le modèle est directement calqué sur celui des data labelers qui ont alimenté les grands modèles de langage comme GPT. Mais là où les labelers annotaient du texte ou des images, les contributeurs de Human Archive deviennent des capteurs humains. Ils portent des gants tactiles, des unités de mesure inertielle (IMU) sur le corps, des caméras au poignet et des GoPro sur la tête. Chaque geste devient une donnée.
Des gants tactiles aux vidéos de vaisselle : la panoplie du « data labeler » physique
Le jeu de données phare de Human Archive s’appelle « HA-Multi ». Il combine des flux vidéo, des données de profondeur, des informations tactiles issues de gants équipés de capteurs de pression, et des relevés d’accélération et de rotation fournis par les IMU. Le contributeur type enchaîne des tâches domestiques filmées chez lui : faire la vaisselle, plier du linge, ranger des courses, préparer un café.
L’équipement est lourd et contraignant. Les gants tactiles, bien que légers, limitent la dextérité naturelle. Les caméras au poignet imposent des angles de prise de vue précis. La GoPro frontale doit rester stable, ce qui oblige le travailleur à adopter une posture rigide. Malgré ces contraintes, des milliers d’Indiens acceptent ces missions, attirés par la promesse d’un revenu complémentaire dans un pays où le salaire minimum officiel dépasse à peine 200 dollars par mois.
8 000 heures de données par jour : l’échelle industrielle du « digital sweatshop » version physique
Le principal goulot d’étranglement en robotique incarnée n’est plus le matériel, mais les données. Les chercheurs disposent de simulateurs sophistiqués, mais les données réelles restent irremplaçables pour apprendre aux robots à interagir avec des objets physiques. Human Archive vise à collecter 8 000 heures de données par jour, un volume qui dépasse de loin ce que les laboratoires universitaires peuvent produire.
L’Inde est le terrain de jeu idéal pour cette collecte massive. La main-d’œuvre y est qualifiée, anglophone, flexible et bon marché. Les infrastructures numériques, bien que perfectibles, permettent une transmission rapide des données. Le parallèle avec les « digital sweatshops » du data labeling textuel est frappant. Comme le souligne l’enquête d’AlgorithmWatch, ces travailleurs demeurent invisibles, sans protection, et leur contribution est systématiquement sous-évaluée. Human Archive scale à 50 000 contributeurs, créant de fait l’une des plus grandes armées de data labelers physiques au monde.
Un écosystème en pleine expansion : Wirestock et la course aux données
Wirestock, une autre startup du secteur, a levé 23 millions de dollars en mai 2026 pour fournir des données multimodales aux laboratoires d’IA. L’entreprise emploie 60 personnes et compte parmi ses concurrents Human Archive et Human Native AI. Cette levée de fonds, rapportée par TechCrunch, confirme que l’économie du data labeling physique attire des investissements massifs. La course aux données robotiques est lancée, et l’Inde en est le terrain principal.
Payé à la tâche : 2 dollars de l’heure pour apprendre à un robot à faire le café
La question de l’argent est centrale. Pour un public français habitué au SMIC et aux jobs étudiants, les chiffres donnent le vertige. En Inde, les travailleurs de Human Archive et d’Objectways sont payés à la tâche, et leur rémunération horaire oscille entre 1,50 et 2,50 dollars. C’est moins qu’un café dans une brasserie parisienne. C’est aussi le prix de la donnée robotique la plus précieuse au monde.
L’ironie est cinglante. Ces travailleurs construisent, geste après geste, les machines qui remplaceront des emplois d’avenir en Occident. Les livreurs Deliveroo, les aides-ménagères, les employés de nettoyage sont directement menacés par les robots que les Indiens entraînent. Et ceux qui les entraînent sont payés une misère pour accélérer leur propre obsolescence programmée.
Nigeria vs Inde : le grand écart des salaires pour dresser les humanoïdes
Le contraste avec d’autres régions du monde est saisissant. Au Nigeria, un travailleur surnommé « Zeus » gagne 15 dollars de l’heure pour des tâches similaires, selon le MIT Technology Review. Ce salaire, confortable dans l’économie nigériane sinistrée, est six fois supérieur à ce que perçoivent les Indiens. Pourquoi un tel écart ? La réponse tient en trois facteurs : le coût de la vie, l’offre de travail et la structure des plateformes.
L’Inde dispose d’un réservoir de main-d’œuvre qualifiée quasi illimité. Des millions de jeunes diplômés se disputent chaque année des postes rares dans le secteur formel. Les plateformes de micro-tâches exploitent cette surabondance pour tirer les salaires vers le bas. C’est une course au moins-disant salarial, une « race to the bottom » qui profite aux startups californiennes et aux géants de la tech. Le SMIC horaire français, à environ 12 euros, semble appartenir à un autre monde.
Le paradoxe Fairwork : des ingénieurs qualifiés condamnés à la micro-tâche sans avenir
Une étude du centre Fairwork de l’Université d’Oxford, publiée en 2025 et citée par Le Figaro, met en lumière la précarité structurelle de ces travailleurs. Naveen Kumar est ingénieur, mais il n’a aucun contrat stable, aucune protection sociale, aucun horizon de carrière. Le paiement à la tâche le prive de tout revenu fixe. Un mois sans mission, et c’est la chute.
Le paradoxe est total. Son travail crée de la valeur pour des startups valorisées plusieurs centaines de millions de dollars. Les données qu’il produit sont essentielles au développement de technologies de rupture. Pourtant, il reste confiné dans une précarité de « tâcheron numérique », sans perspective d’évolution. La Fairwork Study qualifie ce phénomène d’« exploitation systémique », où la promesse du gig economy — flexibilité et autonomie — se transforme en piège pour les plus vulnérables.
L’impact sur l’emploi mondial : que disent les études ?
Un rapport de l’Organisation Internationale des Employeurs (OIE) publié en juin 2024 analyse l’impact de l’IA sur le travail et l’emploi. Selon ce document, l’IA générative pourrait contribuer entre 2,6 et 4,4 billions de dollars par an à l’économie mondiale. Les principaux effets sur l’emploi sont liés au déplacement, à l’augmentation et à la création d’emplois. Si certains emplois peuvent être déplacés, d’autres connaîtront une croissance, notamment dans des domaines comme la modélisation de l’IA et la Business Intelligence. Le rapport note que 69 % des chefs d’entreprise reconnaissent la nécessité pour leur main-d’œuvre d’acquérir de nouvelles compétences.
Le rapport de l’OIT sur l’emploi et les questions sociales dans le monde (Tendances 2023) ajoute une perspective macroéconomique. Il souligne que les marchés du travail mondiaux sont confrontés à des défis structurels, et que l’économie des plateformes, bien qu’elle crée des opportunités, génère aussi une précarisation accrue. Ces analyses confirment que le phénomène du data labeling physique s’inscrit dans des tendances plus larges de transformation du travail.
Et en France ? Pourquoi le petit boulot étudiant de demain sera peut-être d’apprendre à un robot à livrer votre pizza
Le phénomène n’est pas confiné à l’Inde. Il pose une question directe aux jeunes générations françaises. Les petits boulots étudiants — livreur Deliveroo, coursier Uber Eats, aide-ménagère, nettoyeur — sont exactement les métiers que les robots humanoïdes visent. La logique est implacable : si un étudiant français peut être payé 12 euros de l’heure pour livrer une pizza, un robot entraîné par un Indien payé 2 dollars de l’heure pourra le faire pour une fraction du coût, 24 heures sur 24.
La frontière entre le travail humain et l’entraînement machine est en train de s’effacer. Le livreur qui pédale dans les rues de Lyon ou de Bordeaux produit déjà des données : ses déplacements, ses interactions, ses gestes. Demain, ne portera-t-il pas une caméra pour entraîner le robot qui le remplacera ?
Le miroir français : quand les livreurs à vélo deviendront les profs des robots-livreurs
Le parallèle avec les jobs étudiants français est frappant. Le livreur Deliveroo connaît les gestes précis de la livraison : sonner à l’interphone, monter des escaliers, gérer un colis fragile, trouver une adresse dans une rue mal éclairée. Ces gestes, pourtant banals, sont d’une complexité redoutable pour un robot. Les entraîner nécessite des milliers d’heures de données réelles.
Des entreprises françaises de robotique, comme Exotec ou Elium, pourraient être tentées par ce modèle. Pourquoi investir des millions dans des laboratoires quand on peut sous-traiter la collecte de données à des travailleurs précaires en Inde ou en Afrique ? La tentation est d’autant plus forte que le coût est dérisoire. Le petit boulot étudiant se dématérialise avant de disparaître : il devient une donnée d’entraînement pour la machine qui le remplacera.
Données volées ou travail invisible : le marché parallèle des comptes européens
L’enquête d’AlgorithmWatch révèle une face plus sombre encore. Il existe un marché noir de comptes européens pour le data labeling. Des travailleurs indiens ou africains utilisent des identités européennes volées ou louées pour accéder à des plateformes réservées aux résidents de l’UE, où les tarifs sont plus élevés. Ces comptes sont revendus sur des forums, créant une économie parallèle opaque.
L’impact direct pour le jeune Français est double. D’une part, ces tâches ne seront pas délocalisées en Inde : elles seront simplement automatisées par les robots entraînés en Inde. D’autre part, la précarisation du travail dans l’économie des plateformes s’accélère. Le livreur, le coursier, l’aide-ménagère deviennent des producteurs de données involontaires, sans rémunération supplémentaire, pour des entreprises qui préparent leur remplacement.
La perspective des organisations internationales
L’étude de l’Asia Foundation sur les défis et opportunités de l’économie des petits boulots en Inde après le COVID-19 met en lumière la vulnérabilité des travailleurs. Le rapport souligne que la pandémie a accéléré la numérisation du travail, mais aussi exacerbé les inégalités. Les travailleurs indiens du gig economy, qu’ils soient livreurs ou data labelers, partagent une même précarité : absence de contrat, de protection sociale, de perspective d’évolution.
Le rapport de la Banque Mondiale sur l’économie des petits boulots et l’avenir du travail ajoute que les tendances mondiales montrent une polarisation croissante entre travailleurs qualifiés et non qualifiés. Les data labelers physiques, bien que diplômés, se retrouvent dans la catégorie des travailleurs précaires, victimes d’une surabondance de main-d’œuvre qualifiée dans leur pays.
Entre le sommet de Modi et les 15 milliards de Google, l’Inde sacrifie-t-elle une génération sur l’autel des robots ?
Le paradoxe indien atteint son paroxysme au niveau géopolitique. En février 2026, le Premier ministre Narendra Modi a présidé un sommet sur l’intelligence artificielle à New Delhi, où il a dévoilé sa vision d’une « troisième voie technologique » pour l’Inde. Google, OpenAI et d’autres géants ont promis 68 milliards de dollars d’investissements dans le pays. Le récit officiel est celui de la souveraineté technologique indienne, d’une nation qui s’impose comme un acteur majeur de l’IA mondiale.
Mais la réalité des Naveen Kumar contredit ce discours. L’Inde devient-elle l’usine à données du monde au prix du sacrifice de sa jeunesse diplômée, cantonnée à des tâches précaires et sans avenir ? La question mérite d’être posée.
Une main-d’œuvre qualifiée à vil prix : le rêve américain pour la robotique incarnée
L’attractivité de l’Inde pour les startups américaines repose sur une équation simple : des ingénieurs anglophones, formés dans des écoles réputées, disponibles en masse, et prêts à travailler pour des salaires défiant toute concurrence. Human Archive, Objectways, Wirestock forment une chaîne de valeur qui siphonne la donnée à bas coût vers les laboratoires californiens.
C’est la nouvelle forme de la Division Internationale du Travail à l’ère de la robotique. L’Occident conçoit, l’Inde exécute. Les brevets et la propriété intellectuelle restent aux États-Unis, tandis que les travailleurs indiens fournissent la matière première — la donnée — sans en tirer aucun bénéfice à long terme. Comme le rappelle l’article du Sommet IA Inde 2026, Modi promet une troisième voie, mais les faits montrent une dépendance accrue aux capitaux et aux technologies étrangères.
L’Inde, usine à données ou puissance technologique ? Le dilemme de la génération Naveen
Le narratif officiel est celui de la souveraineté technologique indienne. Les 15 milliards de dollars promis par Sundar Pichai pour l’IA en Inde sont présentés comme une reconnaissance du potentiel du pays. Mais la réalité des Naveen Kumar est celle du data labeling physique, un travail précaire sans perspective d’évolution.
Le paradoxe est cruel. Ces jeunes ingénieurs construisent les machines qui rendront leurs compétences obsolètes. Ils forment leurs propres remplaçants, et ce, pour un salaire de misère. La génération Naveen est prise dans une impasse : soit elle accepte ces missions précaires, soit elle reste au chômage. Dans les deux cas, son avenir est bouché. L’Inde sacrifie-t-elle une génération sur l’autel des robots ? La question reste ouverte, mais les signaux sont alarmants.
Le rôle des organisations patronales indiennes
L’ASSOCHAM, l’une des principales organisations patronales indiennes, a publié un rapport sur l’économie des petits boulots en Inde. Ce document, centré sur la livraison de repas, souligne que le secteur crée des emplois mais dans des conditions précaires. Les recommandations incluent une meilleure régulation, des protections sociales minimales et une reconnaissance du statut des travailleurs. Le rapport note que l’Inde compte déjà plusieurs millions de travailleurs du gig economy, un chiffre qui pourrait exploser avec l’essor du data labeling physique.
Conclusion : le monde d’après, quand votre petit boulot forme le robot qui vous remplace
Revenons à Naveen Kumar, dans son entrepôt de Karur. Il plie une serviette, la GoPro vissée sur le crâne, sous l’œil attentif d’un superviseur qui vérifie chaque geste. Ce geste, répété des milliers de fois, deviendra une donnée. Cette donnée entraînera un algorithme. Cet algorithme pilotera un robot. Ce robot remplacera un humain.
La boucle est bouclée. L’économie des petits boulots, née avec les plateformes de livraison et de micro-tâches, a trouvé son aboutissement logique : former les machines qui mettront fin à ces mêmes petits boulots. Le « bullshit job » est devenu le « robot training job », et personne ne semble maîtriser cette transition. Ni les gouvernements, qui applaudissent les investissements sans voir la précarité qu’ils génèrent. Ni les startups, qui exploitent une main-d’œuvre invisible sans lui offrir de perspective. Ni les travailleurs eux-mêmes, pris dans un engrenage dont ils sont à la fois les acteurs et les victimes.
La question qui se pose, pour les jeunes générations françaises comme indiennes, est celle de la valeur du travail à l’heure de l’IA incarnée. Si un petit boulot peut être réduit à une série de gestes reproductibles, alors il peut être automatisé. Si l’automatisation est inévitable, alors la formation des robots par des humains sous-payés est une étape transitoire, une aberration éthique qui ne dit pas son nom. Le monde d’après se construit aujourd’hui, serviette après serviette, dans un entrepôt sans fenêtre de Karur. Et personne n’a encore décidé si c’est une bonne ou une mauvaise nouvelle.
