Un milliard de dollars sur douze mois : Micro1 veut transformer les données opérationnelles des entreprises en matière première pour les laboratoires d’IA. La société propose entre 100 000 et 2 millions de dollars pour les données d’une entreprise de taille moyenne, avec des exemples chez VanHack et MyPortal Marketing. [Source : Micro1 ; Business Insider]
Cette stratégie se distingue des modèles historiques de l’annotation et du crowdsourcing. Micro1 cherche des traces de travail réelles, comme des messages Slack, des documents Google, des espaces Confluence, des fichiers de conception ou des listes de contrôle. L’objectif n’est plus seulement de fournir des exemples étiquetés, mais de recréer des environnements professionnels dans lesquels des agents IA peuvent apprendre à agir.
Micro1 achète des workflows, pas seulement des fichiers
L’idée centrale de Micro1 consiste à valoriser les données produites au quotidien par les entreprises. Ces données décrivent des décisions, des procédures, des échanges et des résultats, donc des situations plus proches du travail réel que des jeux de données fabriqués pour l’annotation.
Micro1 annonce trois modalités de collaboration :
- la transformation de données internes, avec désidentification et préparation avant une licence accordée à un laboratoire d’IA ;
- le test d’un agent IA au sein de l’entreprise, afin de recueillir des informations sur son fonctionnement ;
- la création d’environnements simulés à partir d’un état figé des données de l’entreprise.
La troisième approche est particulièrement importante pour l’entraînement par renforcement. Micro1 indique utiliser des données désidentifiées pour construire des environnements qui reproduisent des opérations commerciales réelles, dans lesquels des modèles et des agents apprennent à naviguer dans des processus, à prendre des décisions et à accomplir des tâches complexes. [Source : Micro1]
À retenir : Micro1 ne se positionne pas uniquement comme un fournisseur de données brutes. La société veut convertir l’activité d’une entreprise en environnement d’apprentissage pour des agents IA.
Les offres de VanHack et MyPortal montrent ce que Micro1 recherche
Les exemples rendus publics donnent une idée de la profondeur des données ciblées. VanHack a accepté de partager des éléments issus de la suite Google utilisée par l’entreprise, de Confluence, de Slack et de son logiciel de gestion de la relation client. [Source : Business Insider]
Ce type de corpus peut contenir plusieurs catégories d’informations utiles à l’entraînement d’un agent :
- des échanges associés à des décisions ;
- des documents qui décrivent des processus ;
- des historiques de tâches ;
- des interactions avec des clients ou des candidats ;
- des liens entre instructions, exécution et résultat.
MyPortal Marketing a de son côté vendu des fichiers internes de conception présents dans Figma et Canva, ainsi que des listes de contrôle créées dans Monday.com. Ces éléments montrent que Micro1 cherche aussi des données structurées autour de la production créative et de la gestion de projets. [Source : Business Insider]
Les montants annoncés, de 100 000 à 2 millions de dollars par entreprise de taille moyenne, placent ce programme dans une autre catégorie que les prestations classiques d’annotation. Il s’agit d’une rémunération pour l’accès à un actif opérationnel complet, et non d’un paiement à la tâche versé à des contributeurs individuels. [Source : Business Insider]
Micro1 face à Scale AI : deux marchés de données différents
Scale AI est historiquement associé à la préparation de données pour les laboratoires et les entreprises : annotation, évaluation et constitution de jeux de données adaptés à l’entraînement des modèles. Les acteurs de ce segment travaillent souvent à partir de consignes définies par le client et d’exemples à traiter à grande échelle.
Micro1 adopte une logique différente. La société veut obtenir directement les données générées dans les organisations, puis les convertir en ressources exploitables pour l’entraînement et l’évaluation d’agents. Le point de départ n’est donc pas une tâche d’annotation, mais le fonctionnement réel d’une entreprise.
| Critère | Micro1 | Scale AI |
|---|---|---|
| Actif recherché | Données opérationnelles d’entreprises | Jeux de données préparés et annotés |
| Usage mis en avant | Environnements de travail et agents IA | Entraînement, évaluation et préparation de données |
| Modèle de collaboration | Acquisition, licence et simulation | Services de préparation et d’annotation |
| Montant public associé | 100 000 à 2 millions de dollars par entreprise moyenne | 2 milliards de dollars de revenus attendus pour 2025 selon une estimation rapportée par AITraining.jobs |
| Positionnement | Courtage de données de travail et environnements RL | Infrastructure de données pour l’IA |
Les deux modèles peuvent toutefois se compléter. Un laboratoire peut utiliser des données opérationnelles pour concevoir un environnement, puis recourir à des opérations d’annotation ou d’évaluation pour mesurer les performances d’un modèle. La concurrence porte donc moins sur un produit unique que sur le contrôle de plusieurs étapes de la chaîne de données.
Mercor privilégie aussi l’accès aux données propriétaires
Mercor apparaît comme un autre acteur du marché des données destinées à l’IA. Selon Business Insider, Ilya Brotzky, le dirigeant de VanHack, avait également reçu une proposition de Mercor pour les données de son entreprise avant de choisir Micro1. [Source : Business Insider]
Cet exemple indique que les données internes d’entreprises deviennent un objet de prospection commerciale pour plusieurs intermédiaires. La différence entre les offres peut se jouer sur le prix, les garanties de confidentialité, le niveau de transformation des données et la nature des livrables fournis aux laboratoires.
Micro1 met en avant trois usages combinés : la transformation des données, le test d’un agent et la simulation. Cette combinaison permet à la société de proposer autre chose qu’une simple revente de fichiers. Elle peut vendre un corpus nettoyé, un retour d’expérience sur un agent ou un environnement reproduisant une organisation à une date donnée.
Une carte du marché publiée en 2026 par Sell Data to AI recense plus de 50 entreprises qui vendent des données ou des environnements de renforcement aux laboratoires. Cette même analyse estime que Scale, Surge AI, Mercor et Handshake concentrent 75 % des revenus de cet ensemble, évalués à 8,5 milliards de dollars. [Source : Sell Data to AI]
Ces chiffres décrivent un marché plus large que le seul programme de Micro1. Ils montrent aussi que l’acquisition de données propriétaires s’inscrit dans une compétition déjà structurée autour de quelques grands intermédiaires.
Surge AI et Handshake occupent le terrain des données à grande échelle
Surge AI figure parmi les acteurs importants de l’entraînement et de l’évaluation des modèles. AITraining.jobs rapporte un chiffre d’affaires de 1,2 milliard de dollars pour Surge AI en 2024. [Source : AITraining.jobs]
Le modèle associé à Surge AI relève davantage de la production de données pour les modèles que de l’achat d’archives opérationnelles auprès d’entreprises. La distinction est stratégique : une entreprise comme Surge peut organiser la création, la sélection et l’évaluation de données selon les besoins d’un laboratoire, tandis que Micro1 cherche à acquérir des traces déjà produites par des équipes professionnelles.
Handshake est également cité parmi les quatre acteurs détenant la plus grande part des revenus du marché cartographié par Sell Data to AI. [Source : Sell Data to AI] Les informations disponibles dans cette cartographie permettent de situer Handshake dans l’écosystème des fournisseurs de données et d’environnements pour l’IA, mais elles ne suffisent pas à comparer précisément ses offres commerciales avec les trois modalités annoncées par Micro1.
La stratégie de Micro1 peut donc être lue comme une tentative de créer une catégorie intermédiaire : plus riche qu’un jeu de données annoté, mais plus directement industrialisable qu’un projet de conseil mené séparément avec chaque entreprise.
Un marché qui pourrait atteindre 6,5 milliards de dollars en 2027
Gartner estime que les dépenses annuelles consacrées aux données pour l’IA passeront de moins d’un milliard de dollars en 2025 à près de 6,5 milliards de dollars en 2027. [Source : Business Insider]
Cette progression attendue s’explique par plusieurs besoins des laboratoires :
- améliorer les données d’entraînement ;
- évaluer les modèles sur des tâches réalistes ;
- entraîner des agents capables d’utiliser des outils ;
- construire des environnements pour l’apprentissage par renforcement ;
- réduire la dépendance aux corpus publics déjà exploités.
Le programme de Micro1, annoncé à hauteur d’un milliard de dollars sur les douze prochains mois, représente une mise initiale très importante par rapport à la taille actuelle du marché décrit par Gartner. [Source : Micro1 ; Business Insider]
Cette enveloppe donne à Micro1 un avantage potentiel pour attirer rapidement des entreprises disposant de corpus intéressants. Elle peut aussi accélérer la standardisation des contrats, des procédures de désidentification et des formats de livraison aux laboratoires.
Mais le montant engagé ne garantit pas à lui seul la valeur des données acquises. La qualité dépendra de la cohérence des corpus, de la documentation des workflows, de la possibilité d’obtenir les droits nécessaires et de la capacité à protéger les informations confidentielles.
La question des salariés devient centrale
Les données internes d’une entreprise sont rarement produites par une seule personne. Elles résultent d’échanges entre salariés, de documents collaboratifs, de décisions collectives et d’interactions avec des clients ou des partenaires.
La vente de ces données crée donc une question distincte de celle de la propriété juridique des fichiers. Une entreprise peut contrôler ses outils et ses archives, tandis que la valeur informationnelle du corpus provient en partie du travail réalisé par ses salariés.
Les données visées par Micro1 peuvent inclure des messages Slack, des documents Google, des informations de gestion de la relation client, des fichiers de conception ou des check-lists. [Source : Business Insider] Leur utilisation pour l’entraînement d’une IA soulève plusieurs sujets opérationnels :
- l’information des salariés concernés ;
- la suppression des données personnelles ;
- la protection des informations de clients et de partenaires ;
- la délimitation des droits accordés aux laboratoires ;
- la durée de conservation des copies et des environnements simulés.
Micro1 affirme recourir à la désidentification des données pour construire ses environnements. [Source : Micro1] Cette mesure réduit l’exposition directe des identités, mais elle doit s’accompagner d’un contrôle des informations indirectement identifiantes, des secrets commerciaux et des contenus soumis à des obligations contractuelles.
Le marché devra aussi préciser la différence entre une donnée vendue sous licence, un environnement utilisé pour tester un agent et un corpus conservé dans le temps. Ces distinctions conditionnent la capacité d’une entreprise à retirer ou à limiter un usage après la transaction.
Quelle stratégie paraît la plus solide pour les entreprises ?
Pour une entreprise qui possède un volume important de données opérationnelles, Micro1 propose une voie de monétisation directe. Les montants annoncés peuvent rendre l’opération attractive, surtout lorsque les archives contiennent des processus documentés et des résultats observables.
Le choix dépend toutefois de l’actif disponible. Une organisation qui souhaite faire annoter des données selon un cahier des charges aura davantage intérêt à travailler avec un fournisseur spécialisé dans la préparation et l’évaluation. Une entreprise qui veut tester un agent dans ses propres processus recherchera plutôt une offre d’environnement ou d’intégration.
| Besoin de l’entreprise | Stratégie la plus adaptée | Acteur ou catégorie correspondante |
|---|---|---|
| Valoriser des archives de travail et des workflows | Acquisition ou licence de données opérationnelles | Micro1 |
| Faire produire des données annotées à grande échelle | Annotation et évaluation externalisées | Scale AI, Surge AI |
| Mettre en relation un corpus propriétaire et un acheteur IA | Courtage de données propriétaires | Mercor, Micro1 |
| Construire un environnement pour un agent | Simulation et apprentissage par renforcement | Micro1 et fournisseurs d’environnements RL |
La principale force de Micro1 est l’alignement entre acquisition et simulation. La société peut partir d’un corpus concret, le transformer, puis le proposer comme environnement d’apprentissage. Les acteurs de l’annotation disposent de leur côté d’une expérience plus établie dans la production de volumes importants et l’évaluation systématique.
Pour les laboratoires, la meilleure stratégie peut être hybride : acheter ou licencier des données opérationnelles pour gagner en réalisme, puis utiliser des processus d’annotation et de contrôle pour mesurer la fiabilité des modèles.
Notre avis : Micro1 veut devenir le courtier des agents IA
Micro1 ne cherche pas à battre Scale AI sur son terrain historique. La société vise une ressource plus rare : la description concrète de la manière dont une entreprise travaille, décide et enchaîne ses tâches. Son engagement de 1 milliard de dollars et ses offres allant jusqu’à 2 millions de dollars par entreprise montrent une volonté de créer rapidement un marché de données opérationnelles propriétaires. [Source : Micro1 ; Business Insider]
Le pari est cohérent avec l’évolution des modèles vers les agents capables d’utiliser des logiciels, de suivre des procédures et d’exécuter des missions complètes. À six mois, le critère décisif ne sera pas le montant annoncé, mais la capacité à convertir ces données en environnements fiables, réutilisables et suffisamment protégés pour des usages industriels.
Micro1 dispose d’un positionnement distinctif face à Scale AI, Surge AI, Mercor et Handshake : acheter la mémoire de travail des entreprises pour entraîner les systèmes qui devront ensuite agir dans ces mêmes environnements. Reste à savoir si les entreprises accepteront durablement de céder cette mémoire, et si les laboratoires considéreront ces corpus comme assez sûrs pour devenir le socle de leurs prochains agents.