L’intelligence artificielle artificielle, la vieille plaisanterie d’Amazon pour désigner le travail humain se faisant passer pour un logiciel, est désormais mise sous pression par la véritable IA. Mechanical Turk n’acceptera plus de nouveaux clients à partir du 30 juillet 2026, tandis que les utilisateurs existants pourront rester. L’histoire plus large est plus tranchante : les humains qui ont entraîné et vérifié les systèmes d’IA sont de plus en plus en concurrence avec les outils qu’ils ont contribué à rendre utiles.
L’intelligence artificielle artificielle rencontre son remplaçant
Amazon Mechanical Turk a été lancé en 2005 comme une place de marché pour de petites tâches en ligne : étiqueter des images, modérer du contenu, collecter des données, mener des études comportementales et évaluer des cas limites complexes que les logiciels ne pouvaient pas traiter proprement. Le Pew Research Center a noté en 2016 que Jeff Bezos décrivait le modèle comme une « intelligence artificielle artificielle », une expression amusante parce qu’elle était exacte.
La machine semblait automatisée de l’extérieur. À l’intérieur, une main-d’œuvre distribuée cliquait, lisait, classait, transcrivait et vérifiait. Les demandeurs achetaient du jugement humain à la tâche, souvent pour quelques centimes ou dollars, tandis qu’Amazon fournissait l’infrastructure de la place de marché.
En 2026, Amazon décrit toujours MTurk comme utile pour les flux de travail de machine learning, y compris la collecte de données d’entraînement, l’annotation, la validation avec intervention humaine et le réentraînement. Cela semble moderne. Mais le changement de statut raconte une autre histoire : Amazon dit que Mechanical Turk sera fermé aux nouveaux clients à partir du 30 juillet 2026, et la documentation AWS indique que les services en « maintenance » n’intègrent pas de clients, ne reçoivent pas d’améliorations et ne gagnent pas de fonctionnalités supplémentaires.
Donc le service n’est pas mort. Pas encore. Les demandeurs existants peuvent continuer à l’utiliser, et Amazon affirme qu’ils ne seront pas affectés par la fermeture aux nouveaux clients. Pourtant, lorsqu’une plateforme cesse d’accepter de nouveaux clients et cesse d’ajouter des fonctionnalités, vous n’avez pas besoin d’un éloge funèbre pour comprendre la direction prise.
Pourquoi Amazon Mechanical Turk comptait pour l’IA
Mechanical Turk est devenu une partie de la plomberie cachée de l’apprentissage automatique parce que les systèmes d’IA ont besoin d’exemples. Beaucoup d’exemples. Un classificateur ne comprend pas comme par magie si la photo d’un produit contient une chaise, une arme ou une image enfreignant les règles ; quelqu’un doit définir les catégories et fournir des cas étiquetés.
Pendant des années, MTurk a offert quelque chose que les entreprises et les chercheurs voulaient désespérément : un jugement humain flexible à grande échelle. Vous pouviez publier des milliers de HIT, le terme d’Amazon pour Human Intelligence Tasks, définir la rémunération du travailleur et recueillir des étiquettes ou des réponses à des enquêtes auprès d’une foule à la demande. Pour les universitaires, c’était plus rapide que de recruter sur le campus. Pour les entreprises, c’était moins cher que d’embaucher une équipe interne de données.
Son influence s’étendait aussi à la qualité des produits. Des évaluateurs humains sont utilisés depuis longtemps pour comparer les résultats de recherche, annoter du contenu, évaluer les réponses des chatbots et détecter les échecs de politique. Si vous suivez comment les outils d’IA transforment le travail de qualité, MTurk est l’un des exemples plus anciens de la même tension : on demande à des personnes d’inspecter des systèmes qui pourraient plus tard réduire la demande pour leur inspection.
Il y a toujours eu ici un marché inconfortable. Les demandeurs voulaient une cognition à bas coût. Les travailleurs voulaient un revenu, de la flexibilité, ou les deux. Amazon fournissait l’échange et prélevait des frais. L’intelligence artificielle artificielle n’a jamais été seulement une formule astucieuse ; c’était un modèle économique pour conditionner l’attention humaine comme infrastructure.
Le changement de 2026 : maintenance, pas un arrêt brutal
La bannière publique MTurk d’Amazon, visible le 6 juillet 2026, indique que le service sera fermé aux nouveaux clients à compter du 30 juillet 2026, et que les utilisateurs existants ne seront pas affectés. La documentation AWS sur la maintenance des services en 2026 définit clairement le statut de maintenance : les clients ne peuvent pas être intégrés, les clients actuels peuvent continuer, AWS continue d’exploiter et de prendre en charge le service, et AWS ne l’améliorera pas et n’ajoutera pas de fonctionnalités.
Cette distinction compte. Si vous exécutez déjà des enquêtes, des files de modération ou des tâches d’annotation sur Mechanical Turk, vous n’êtes pas contraint d’abandonner à la date annoncée. Si vous prévoyez un nouveau pipeline d’étiquetage de données, vous devriez traiter MTurk comme une dépendance héritée. Franchement, construire un nouveau flux de travail en 2026 autour d’un service qui ne recevra pas de nouvelles fonctionnalités n’a de sens que si vous avez une raison de compatibilité très précise.
TechCrunch a rapporté le 5 juillet 2026 qu’Amazon cesserait d’accepter de nouveaux clients MTurk et a qualifié le service de « sous assistance respiratoire ». Cette expression relève du commentaire, pas du vocabulaire d’Amazon, mais elle saisit le risque pratique. Un service peut rester disponible tout en devenant un mauvais pari stratégique.
L’écueil plus discret est l’inertie des achats. Les équipes conservent souvent un outil parce que les validations, les scripts, les codes comptables et les anciens tableaux de bord existent déjà. Dans les opérations d’IA, c’est dangereux : les besoins d’évaluation des modèles, les attentes en matière de confidentialité et les contrôles de qualité de l’annotation évoluent rapidement, tandis qu’un service en maintenance reste immobile.
Ce que dit le calcul des coûts en 2026
La tarification de MTurk est simple sur le papier. En 2026, les demandeurs fixent la rémunération du travailleur, et Amazon facture des frais de 20% sur la rémunération et le bonus. Les HITs avec 10 affectations ou plus entraînent des frais supplémentaires de 20%. Il existe également des frais minimum de $0.01 par affectation ou paiement de bonus.
Simple ne veut pas dire bon marché. Si vous payez un travailleur $0.10 pour une annotation et que vous avez besoin d’une seule affectation, les frais de 20% d’Amazon portent le coût de la plateforme à $0.12 avant même toute charge de révision. Si vous avez besoin de 10 travailleurs par élément pour obtenir un accord, les frais supplémentaires de 20% s’appliquent, de sorte que les frais de plateforme atteignent 40% des rémunérations ; dix évaluations à $0.10 coûtent $1.40 pour cet élément.
Comparez maintenant cela à un article du PNAS de 2023, « ChatGPT surpasse les travailleurs du crowdworking pour les tâches d’annotation de texte », résumé sur PubMed comme indiquant un coût par annotation de ChatGPT inférieur à $0.003 et environ 30 fois moins cher que MTurk. L’économie exacte dépend du modèle, de la longueur du prompt, des nouvelles tentatives et des contrôles qualité, mais c’est l’ordre de grandeur qui compte. Pour de nombreuses étiquettes de texte, l’IA n’est pas seulement plus rapide. Elle est structurellement moins chère.
| Option | Signal de coût rapporté 2023-2026 | Ce que vous obtenez | Principale faiblesse |
|---|---|---|---|
| MTurk, une affectation à $0.10 | Environ $0.12 en 2026 après les frais de 20% d’Amazon | Un jugement humain | Qualité et rapidité des travailleurs variables |
| MTurk, dix affectations à $0.10 | Environ $1.40 en 2026 avec 40% de frais totaux | Accord entre dix humains | Le coût augmente vite avec la redondance |
| ChatGPT pour l’annotation de texte | Inférieur à $0.003 par annotation dans le résumé PNAS de 2023 | Étiquettes automatiques rapides à grande échelle | Sensibilité au prompt et erreurs cachées |
| Flux de travail d’IA avec humain dans la boucle | Très variable en 2026 | Premier passage par l’IA, relecture humaine pour les cas difficiles | Nécessite un routage minutieux et une conception d’audit soignée |
Un exemple concret rend la pression évidente. Supposons que vous ayez besoin de 100,000 annotations de texte de base. À $0.12 par jugement MTurk, vous êtes autour de $12,000 avant les coûts de gestion internes. À $0.003 par annotation IA, le même volume tourne autour de $300. Même si vous dépensez encore quelques milliers de dollars en relecture humaine, en échantillonnage, en ingénierie de prompts et en relances, l’approche assistée par l’IA peut tout de même l’emporter.
Le coût ne fait pas tout. Je n’utiliserais pas le résultat d’un modèle bon marché comme vérité finale pour des étiquettes sensibles dans les domaines médical, juridique, de la sécurité ou de l’emploi sans relecture. Mais pour le balisage de premier niveau, la déduplication, le codage de sentiment ou le nettoyage de taxonomie, l’économie est devenue impitoyable pour le travail générique de foule.
Le retournement inconfortable : les travailleurs peuvent aussi utiliser l’IA
La recherche la plus révélatrice sur Artificial Artificial Intelligence ne montre pas seulement que l’IA peut remplacer certains travailleurs de foule. Elle montre que les travailleurs de foule peuvent utiliser l’IA pour effectuer les tâches. Un article arXiv lié à l’EPFL publié en 2023 et intitulé “Artificial Artificial Artificial Intelligence” estimait que 33% à 46% des travailleurs de foule sur MTurk utilisaient de grands modèles de langage pour une tâche de résumé d’abstracts.
The Register a rapporté en juin 2023 que les chercheurs avaient recruté 44 travailleurs MTurk pour résumer 16 résumés d’articles médicaux. Ce n’est pas un gigantesque recensement du marché du travail, et vous ne devriez pas y voir la preuve que la moitié de tout le travail sur MTurk est générée par l’IA. Pourtant, en tant que cas limite, cela compte énormément : un demandeur qui paie pour des résumés « humains » pourrait en réalité acheter des résumés produits par l’IA et filtrés par un compte humain.
Le contrôle qualité devient vite étrange. Si un chercheur utilise MTurk pour comparer des résumés humains à des résumés de modèles, mais qu’une partie des résumés « humains » est assistée par un modèle, alors la référence est contaminée. Le test n’est plus humain contre IA. C’est de l’IA contre de l’IA portant un badge humain.
Quiconque achète du travail de foule en 2026 doit en tenir compte. Vous pouvez interdire l’usage de l’IA dans les consignes, mais la détection est peu fiable et sujette à l’adversarial. Vous pouvez concevoir des tâches qui exigent une expérience vécue, une interaction chronométrée ou un raisonnement spécifique à un domaine, mais chaque garde-fou ajoute de la friction et du coût. L’ancienne hypothèse selon laquelle un compte sur une marketplace équivaut à une production uniquement humaine a disparu.
Là où les foules humaines battent encore les modèles
L’IA a d’abord dévoré le milieu du marché : étiquettes répétitives, classification de textes courts, extraction simple, et tout ce qu’un modèle peut être vérifié à faible coût. Cela ne rend pas les foules humaines inutiles. Cela réduit les cas où il vaut la peine de les payer.
Les vraies personnes comptent encore lorsque la tâche dépend de la perception dans le monde physique, de la culture locale, de l’argot actuel, de l’expérience personnelle ou d’un jugement moral en situation d’ambiguïté. Elles comptent aussi lorsque vous avez besoin de responsabilité : un processus de relecture humaine documenté peut être exigé par un client, un régulateur, une revue ou une équipe interne de gestion des risques.
Les bonnes opérations IA en 2026 ressemblent de plus en plus à des systèmes de routage plutôt qu’à de l’automatisation pure. Le modèle gère les cas évidents. Les humains traitent les litiges, les catégories rares, les mises à jour de politique et les audits par échantillonnage. Si vous essayez de contrôler les dépenses liées aux modèles à grande échelle, la même logique s’applique au calcul : les équipes les plus intelligentes suivent où une intelligence coûteuse est réellement nécessaire, tout comme elles suivent les moyens de réduire les coûts d’API IA sans perdre en qualité.
- Utilisez l’IA pour des étiquettes de premier passage à fort volume et faible risque, lorsque les erreurs sont faciles à échantillonner et à corriger.
- Utilisez les humains pour les cas ambigus, les jugements sensibles aux politiques et les exemples qui deviendront des données d’évaluation de référence.
- Conservez un ensemble d’audit distinct créé selon des règles plus strictes, surtout si les travailleurs de foule peuvent utiliser des outils d’IA.
- Mesurez l’accord, la reprise, et la performance du modèle en aval, pas seulement le prix de l’annotation.
- Évitez de lancer un nouveau flux de travail sur un service fermé aux nouveaux clients à moins d’avoir un plan de sortie clair.
Il existe un contre-argument qui mérite d’être pris au sérieux : les systèmes d’IA sont entraînés sur des étiquettes produites par des humains et ont toujours besoin de corrections humaines. C’est vrai. Mais cela ne garantit pas une demande généralisée pour des marketplaces ouvertes de travail de foule. La demande pourrait se déplacer vers de plus petits panels d’experts, des réviseurs internes, des fournisseurs gérés de services d’annotation et des spécialistes de domaine.
Ce que vous devez faire si vous dépendez de MTurk
Commencez par dissocier la continuité opérationnelle de la planification stratégique. Les utilisateurs existants peuvent continuer à utiliser Mechanical Turk après le 30 juillet 2026, selon l’annonce d’Amazon. Mais un service en statut de maintenance doit être traité comme une base de données ancienne ou un outil interne vieillissant : suffisamment stable pour l’instant, mais risqué comme fondement de croissance.
Répartissez vos tâches en trois catégories : celles que l’IA peut faire dès maintenant, celles que l’IA peut ébaucher mais que des humains doivent relire, et celles qui doivent rester pilotées par des humains. Ne devinez pas. Menez un pilote de 500 éléments avec vos propres données, mesurez la précision par rapport à un jeu de référence fiable, et incluez le coût réel du travail rejeté, du temps de révision, des itérations de prompts et de la gestion des fournisseurs.
La sécurité et la gouvernance des données méritent plus d’attention que ne leur en accordent la plupart des rétrospectives sur MTurk. Envoyer du texte client brut, des images privées ou des documents sensibles vers n’importe quel canal d’annotation peut créer un risque, que le travailleur soit humain ou que le premier passage soit un LLM. Pour les équipes qui exposent des systèmes internes à des outils agentiques, la même prudence apparaît dans les pratiques de sécurité des serveurs MCP: les frontières d’accès comptent avant que l’automatisation ne change d’échelle.
Observez l’évolution des compétences au sein de votre équipe. L’ancien travail consistait souvent à « obtenir des labels ». Le nouveau consiste à concevoir des jeux d’évaluation, à rédiger des consignes d’annotation que les modèles comme les humains peuvent suivre, à détecter le travail contaminé par l’IA et à décider quelles erreurs comptent. Les entreprises qui n’y voient qu’une histoire de coût du travail passeront à côté de l’enjeu de qualité.
Artificial Artificial Intelligence avait une forme d’honnêteté étrange. Cela reconnaissait que la machine était en partie composée de personnes. La phase suivante est moins honnête à moins que vous ne la conceviez avec soin, car les personnes peuvent utiliser des machines, les machines peuvent juger des personnes, et votre feuille de calcul peut appeler les deux résultats « annotations ».
FAQ
Que signifie Artificial Artificial Intelligence ?
L’intelligence artificielle artificielle désigne des humains accomplissant des tâches qui semblent automatisées pour le demandeur ou l’utilisateur final. Jeff Bezos a utilisé cette expression pour décrire le modèle d’Amazon Mechanical Turk consistant à acheminer vers des personnes des tâches difficiles à traiter par des logiciels.
Amazon Mechanical Turk va-t-il fermer en 2026 ?
Amazon indique que Mechanical Turk sera fermé aux nouveaux clients le 30 juillet 2026, tandis que les utilisateurs existants ne seront pas affectés. La documentation de maintenance d’AWS indique que de tels services continuent de fonctionner mais ne reçoivent pas de nouvelles fonctionnalités ni d’améliorations.
Pourquoi l’IA est-elle une menace pour Mechanical Turk ?
Les modèles d’IA peuvent désormais effectuer de nombreuses tâches d’étiquetage de texte et de classification plus rapidement et à moindre coût que le travail participatif ouvert. Un article du PNAS de 2023 a indiqué que les coûts d’annotation de ChatGPT étaient inférieurs à $0.003 et environ 30 fois moins chers que MTurk pour les tâches étudiées.
Les travailleurs MTurk peuvent-ils utiliser ChatGPT pour des tâches rémunérées ?
Ils peuvent techniquement utiliser des outils d’IA à moins qu’un demandeur ne l’empêche ou ne le détecte, et la détection est difficile. Une étude arXiv de 2023 liée à l’EPFL a estimé que 33% à 46% des travailleurs de MTurk utilisaient des LLM dans une expérience de résumé de résumés scientifiques.
Les entreprises devraient-elles encore faire appel à des annotateurs humains ?
Oui, mais de manière plus sélective. Les évaluateurs humains restent précieux pour les jugements ambigus, sensibles, locaux ou à forts enjeux, en particulier lorsque leur travail est utilisé pour auditer ou corriger les systèmes d’IA.
FR 
EN 
ES