Voici mon pari pour Q4 2026 : se filmer en train de plier du linge devient un job rémunéré.
Pas de blague. L'IA physique a besoin de données d'entraînement, et ces données ne proviennent pas d'internet. Tu ne peux pas extraire "comment charger un lave-vaisselle" de la même manière que tu as extrait Wikipédia. Les robots ont besoin de démonstrations en première personne — de vrais humains faisant de vraies tâches dans de vraies cuisines, entrepôts et bureaux, capturés sous plusieurs angles avec des capteurs de profondeur.
Scale AI a transformé l'étiquetage de texte en une entreprise de 14 milliards de dollars. L'équivalent en robotique n'a pas encore été lancé. Mais le signal de demande est criant.
Les économies du travail racontent toute l'histoire. L'étiquetage de texte s'est étendu à des centaines de milliers de travailleurs à 2–15 $ de l'heure — des tâches que tu pourrais faire depuis un ordinateur portable n'importe où sur terre. Le téléopération des robots et le travail de démonstration paient 8–25 $/heure et nécessitent quelque chose qu'aucune plateforme numérique ne peut répliquer : des environnements physiques. Cuisines, entrepôts, salons. Tu ne peux pas externaliser un lave-vaisselle vers un onglet de navigateur. Cette contrainte signifie que le marché s'étend avec la géographie, pas seulement l'accès à internet — et chaque nouveau modèle de robot multiplie la demande de nouvelles démonstrations à travers de nouvelles tâches et environnements.
Les preuves qui rendent cela plausible : Tesla et Figure AI utilisent déjà des travailleurs dans plus de 50 pays pour générer des données d'entraînement pour robots humanoïdes. Figure a clôturé une série B de 675 millions de dollars et continue d'étendre son opération de données. Galaxea AI vient de lever 290 millions de dollars pour l'IA incarnée et les modèles Vision-Language-Action — une mise de un quart de milliard que l'intelligence physique est la prochaine frontière. Le projet RT-X de Google DeepMind appelle explicitement à des démonstrations diversifiées en conditions réelles. Chaque laboratoire de robotique sérieux est embouteillé sur la même chose — pas le calcul, pas les algorithmes, mais la collecte à grande échelle de données d'entraînement du monde physique. Les données texte et images avaient internet. La vidéo avait YouTube. Les données de manipulation physique ont... rien. Ce vide est un marché.
Ce qui le confirmerait : D'ici Q4 2026, au moins une plateforme lève plus de 50 millions de dollars spécifiquement pour la collecte de démonstrations de tâches physiques. Tu vois des annonces de job sur Indeed disant "filmez-vous en train de cuisiner pour 25 $/heure". Scale AI ou un concurrent annonce un volet données en robotique. Amazon publie des annonces pour des "associés démonstrateurs" dans ses centres de distribution.
Chances honnêtes : 70 %. La demande est réelle et évidente. La seule question est de savoir si des plateformes émergent d'ici Q4 ou glissent vers début 2027. Mais l'économie des petits boulots trouve toujours la prochaine chose à marchandiser. Et ta routine matinale est la suivante. 💰
