Un marché émergent achète des archives internes — de Slack aux documents Google — pour nourrir les modèles d’IA. Entre offres expéditives, budgets en hausse et programmes de rachat, la collecte s’intensifie. Elle se heurte toutefois à des alertes sur le consentement des employés, la sécurité des données et l’absence de garde-fous fédéraux.
Des signaux d’alarme sur la vie privée et la sécurité
Peu d’employés bénéficient de la vente de leurs messages ou savent qu’ils sont monnayés, alors même que leurs échanges Slack, présentations et documents figurent parmi les gisements convoités. Des offres illicites existent aussi : un code source volé d’une grande entreprise a été proposé pour des millions, selon un professionnel de l’entraînement de modèles. Une tentative de collecte interne chez un grand groupe technologique a déclenché une fronde des salariés. Sur le plan juridique, l’absence de lois fédérales dédiées à la vie privée laisse peu de barrières à l’usage de données d’employés pour entraîner des IA. Dans ce contexte, l’extension de ces usages pourrait accélérer les appels à de nouvelles protections, tout en renforçant l’idée que la valeur des traces numériques quotidiennes pourrait devenir un levier de négociation pour les travailleurs.
Pressions politiques autour des données de Spirit Airlines
L’achat envisagé par un géant de la tech des anciennes données d’une compagnie aérienne en faillite pour 10 millions de dollars a été repoussé en partie face aux inquiétudes d’agents de bord. La semaine dernière, Elizabeth Warren et plus de 100 élus du Congrès ont demandé aux deux entreprises concernées de protéger la vie privée de milliers d’anciens salariés de la compagnie. L’opération illustre la sensibilité des ventes d’archives issues d’entreprises en difficulté.
Courtiers et tactiques d’acquisition : délais serrés et anonymisation
Une chaîne d’intermédiaires cible des structures riches en données mais à court de liquidités, promettant des montants élevés en contrepartie de décisions rapides. Les offres assorties de délais de 48 heures se multiplient et peuvent aller jusqu’à proposer le double du marché, d’après un courtier qui compare la situation à un boom pétrolier. Avant revente aux développeurs de modèles, les ensembles sont nettoyés d’éléments sensibles comme des numéros de sécurité sociale et des adresses, puis cédés à des acheteurs à la recherche d’un avantage.
Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Une demande explosive tirée par les agents d’IA et les grands acteurs
La demande est décrite comme astronomique par des vendeurs de données, alors que de grands groupes exploitent déjà les informations de leurs propres salariés et que les courtiers achètent des flux provenant d’entreprises en activité. Le développement d’agents d’IA destinés à l’entreprise par OpenAI, Anthropic, Meta et d’autres accroît la valeur de données de travail jugées banales. Dans ce contexte, des offres à six chiffres avec échéance sous 48 heures circulent auprès de dirigeants de PME, et des campagnes publicitaires vantent des gains potentiels de plusieurs millions.
Cas concret : Springshot découvre la revente via un tiers
Un dirigeant de fournisseur d’outils de coordination a appris en août, lors d’un appel en ligne, qu’un géant du numérique avait acquis des données liées à son activité. Il affirme n’avoir eu que moins de 48 heures d’alerte par voie médiatique, alors que la propriété intellectuelle en question a été constituée sur 15 années. L’entreprise opère auprès de métiers de l’aéroport, de l’agent de porte au nettoyage, illustrant la granularité des corpus recherchés.
Prix, formats recherchés et budgets annoncés
Certains dispositifs proposent une compensation financière comprise entre 100 000 et 2 millions de dollars pour l’accès à des données anonymisées provenant d’entreprises de taille moyenne. Les spécialistes de l’entraînement accordent une grande importance aux enregistrements qui illustrent concrètement la manière dont le travail est réalisé, jugés précieux pour entraîner des agents d’IA, et privilégient la collecte de séries de données longitudinales. Sans accès à des sources comme Slack, CRM ou emails, la valeur d’un corpus diminue selon un responsable commercial. Les dépenses en données pour l’IA étaient inférieures à 1 milliard de dollars l’an passé, et sont projetées près de 6,5 milliards en 2027. Des dirigeants de startups voient dans la licence de données une future source de revenus répandue, allant jusqu’à estimer que 10 % du PIB américain pourraient bientôt être dédiés à l’entraînement des modèles. La semaine dernière, un acteur du secteur a annoncé un engagement de 1 milliard de dollars sur 12 mois pour acquérir des données d’entreprise. Les jeux de données typiques incluent messages Slack, présentations et documents collaboratifs.
