Cet été, pendant une semaine, Taylor et sa colocataire portaient des caméras GoPro attachées à leur front pendant qu’elles peignaient, sculptaient et effectuaient des tâches ménagères. Ils formaient un modèle de vision IA, synchronisant soigneusement leurs images afin que le système puisse obtenir plusieurs angles sur le même comportement. C’était un travail difficile à bien des égards, mais ils étaient bien payés pour cela – et cela permettait à Taylor de passer la majeure partie de sa journée à faire de l’art.
«Nous nous sommes réveillés, avons fait notre routine habituelle, puis avons attaché les caméras sur notre tête et synchronisé les temps ensemble», m’a-t-elle dit. « Ensuite, nous préparions notre petit-déjeuner et nettoyions la vaisselle. Ensuite, nous nous séparions et travaillions sur l’art. »
Ils ont été embauchés pour produire cinq heures de séquences synchronisées chaque jour, mais Taylor a rapidement compris qu’elle devait consacrer sept heures par jour au travail, afin de laisser suffisamment de temps pour les pauses et la récupération physique.
« Cela vous donnerait des maux de tête », dit-elle. « Tu l’enlèves et il n’y a qu’un carré rouge sur ton front. »
Taylor, qui a demandé à ne pas donner son nom de famille, travaillait comme pigiste en matière de données pour Turing Labs, une société d’IA qui l’a connectée à TechCrunch. L’objectif de Turing n’était pas d’enseigner à l’IA comment réaliser des peintures à l’huile, mais d’acquérir des compétences plus abstraites autour de la résolution séquentielle de problèmes et du raisonnement visuel. Contrairement à un grand modèle de langage, le modèle de vision de Turing serait entièrement formé sur vidéo – et la majeure partie serait collectée directement par Turing.
Aux côtés d’artistes comme Taylor, Turing recrute des chefs, des ouvriers du bâtiment et des électriciens – tous ceux qui travaillent de leurs mains. Sudarshan Sivaraman, directeur de l’AGI de Turing, a déclaré à TechCrunch que la collecte manuelle est le seul moyen d’obtenir un ensemble de données suffisamment varié.
« Nous le faisons pour de nombreux types différents de travaux manuels, de sorte que nous disposons d’une diversité de données dans la phase de pré-formation », a déclaré Sivaraman à TechCrunch. « Après avoir capturé toutes ces informations, les modèles seront capables de comprendre comment une certaine tâche est effectuée. »
Événement Techcrunch
San Francisco
|
27-29 octobre 2025
Les travaux de Turing sur les modèles de vision s’inscrivent dans le cadre d’un changement croissant dans la manière dont les entreprises d’IA traitent les données. Alors que les ensembles de formation étaient autrefois récupérés librement sur le Web ou collectés auprès d’annotateurs mal payés, les entreprises paient désormais le prix fort pour des données soigneusement organisées.
La puissance brute de l’IA étant déjà établie, les entreprises considèrent les données de formation exclusives comme un avantage concurrentiel. Et au lieu de confier la tâche à des entrepreneurs, ceux-ci se chargent souvent du travail eux-mêmes.
La société de messagerie Fyxer, qui utilise des modèles d’IA pour trier les e-mails et rédiger les réponses, en est un exemple.
Après quelques premières expériences, le fondateur Richard Hollingsworth a découvert que la meilleure approche consistait à utiliser un ensemble de petits modèles avec des données d’entraînement étroitement ciblées. Contrairement à Turing, Fyxer s’appuie sur le modèle de base de quelqu’un d’autre, mais l’idée sous-jacente est la même.
« Nous avons réalisé que c’est la qualité des données, et non leur quantité, qui définit réellement la performance », m’a expliqué Hollingsworth.
Concrètement, cela signifiait des choix personnels non conventionnels. Au début, les ingénieurs et les managers de Fyxer étaient parfois quatre fois plus nombreux que les assistants exécutifs nécessaires à la formation du modèle, explique Hollingsworth.
« Nous avons fait appel à de nombreux assistants de direction expérimentés, car nous devions nous former aux principes fondamentaux pour savoir si l’on devait répondre à un e-mail », a-t-il déclaré à TechCrunch. « C’est un problème très axé sur les gens. Trouver des personnes formidables est très difficile. »
Le rythme de la collecte de données n’a jamais ralenti, mais au fil du temps, Hollingsworth est devenu plus précieux pour les ensembles de données, préférant des ensembles plus petits d’ensembles de données plus étroitement conservés au moment de la post-formation. Comme il le dit, « c’est la qualité des données, et non leur quantité, qui définit réellement la performance ».
Cela est particulièrement vrai lorsque des données synthétiques sont utilisées, augmentant à la fois la portée des scénarios de formation possibles et l’impact de toute faille dans l’ensemble de données d’origine. Côté vision, Turing estime que 75 à 80 % de ses données sont synthétiques, extrapolées à partir des vidéos GoPro originales. Mais cela rend encore plus important de conserver l’ensemble de données d’origine d’une qualité aussi élevée que possible.
« Si les données de pré-entraînement elles-mêmes ne sont pas de bonne qualité, alors quoi que vous fassiez avec des données synthétiques ne sera pas non plus de bonne qualité », explique Sivaraman.
Au-delà des préoccupations de qualité, il existe une puissante logique concurrentielle derrière le maintien de la collecte de données en interne. Pour Fyxer, le travail acharné de collecte de données est l’une des meilleures raisons pour lesquelles l’entreprise s’oppose à la concurrence. Selon Hollingsworth, n’importe qui peut intégrer un modèle open source dans son produit – mais tout le monde ne peut pas trouver des annotateurs experts pour le transformer en un produit exploitable.
« Nous pensons que la meilleure façon d’y parvenir est d’utiliser les données », a-t-il déclaré à TechCrunch, « en créant des modèles personnalisés, grâce à une formation aux données de haute qualité dirigée par l’homme ».
