À Madagascar, les travailleurs de l’ombre qui font tourner l’intelligence artificielle
ChatGPT répond en quelques secondes. Google reconnaît une image. Amazon anticipe une recherche. Les outils d’intelligence artificielle donnent l’impression d’une technologie autonome, presque magique.
Mais derrière chaque réponse fluide, chaque image analysée et chaque contenu filtré, il y a souvent un travail humain que personne ne voit.
À Madagascar, des milliers de personnes passent leurs journées à cliquer, classer, corriger, écouter, décrire ou vérifier des données. Leur mission : rendre les algorithmes plus précis, plus sûrs et plus utiles.
Certains ont un contrat, un bureau et une équipe. D’autres enchaînent les micro-tâches depuis leur salon, payées quelques centimes. Quelques-uns travaillent seuls, sans protection sociale, avec des revenus irréguliers et une dépendance totale à des plateformes étrangères.
L’intelligence artificielle est souvent racontée comme une révolution de machines.
À Antananarivo, elle a un autre visage : celui d’une économie humaine, fragmentée, fragile — mais aussi porteuse de compétences et d’ambitions locales.
En bref : Madagascar est devenu un hub important du travail de données pour l’IA. Des travailleurs y annotent images, textes, voix et vidéos pour alimenter des chaînes de sous-traitance mondiales. Le secteur crée des opportunités pour une jeunesse connectée, mais soulève aussi des questions sur les salaires, la protection sociale, la transparence et le partage de la valeur.
Ce que l’on sait vraiment sur les travailleurs de l’IA à Madagascar
Le reportage Madagascar : les petites mains de l’IA d’ARTE Reportage, diffusé en 2025, avance qu’environ 100 000 personnes participeraient quotidiennement à ce type de travail dans le pays.
Ce chiffre doit être lu avec prudence : il s’agit d’un ordre de grandeur issu du reportage, pas d’un recensement public exhaustif. Il recouvre une réalité très éclatée : salariés de sociétés locales, freelances, travailleurs de plateformes internationales, sous-traitants et personnes qui complètent ainsi des revenus insuffisants.
Ce que les recherches universitaires confirment, en revanche, est plus profond : l’IA mondiale repose sur une chaîne de travail humain largement invisible.
Une étude consacrée à l’externalisation entre la France et Madagascar montre que les systèmes d’IA nécessitent des personnes pour annoter, classer, vérifier, transcrire et produire des données. Les chercheurs décrivent une organisation mondiale où les tâches les moins visibles et les plus répétitives sont fréquemment déplacées vers des pays aux coûts salariaux plus faibles. Voir l’étude publiée dans Big Data & Society.
L’intelligence artificielle n’efface donc pas le travail humain.
Elle le déplace. Elle le fragmente. Et souvent, elle le rend difficile à identifier.
Comment des humains entraînent une intelligence artificielle
Un algorithme n’apprend pas seul à reconnaître un chat, une maladie sur une feuille de tomate ou un commentaire dangereux.
Il faut d’abord lui montrer des exemples. Beaucoup d’exemples.
Ce travail peut sembler simple lorsqu’il est résumé par “cliquer sur des images”.
En réalité, il demande de la concentration, une compréhension fine des consignes, parfois des compétences linguistiques, une grande vitesse d’exécution et une capacité à prendre des décisions répétitives pendant plusieurs heures.
Le problème est que plus cette tâche devient invisible dans le produit final, plus il devient facile de sous-estimer sa valeur.
David, Elina, Dani : trois réalités derrière l’expression “travailleur du clic”
Dans le reportage d’ARTE, trois trajectoires montrent que le secteur ne peut pas être résumé par un seul mot.
David : compléter ses revenus, tâche après tâche
David, père de trois enfants, enchaîne les micro-tâches depuis son salon entre deux services dans son snack de quartier.
Son quotidien illustre la logique du travail à la demande : les tâches arrivent, les revenus varient, le temps est découpé. Le travail numérique ne remplace pas forcément une activité existante ; il s’ajoute parfois à une économie déjà précaire.
La promesse est séduisante : travailler de chez soi, avec un ordinateur et une connexion.
Mais l’envers est moins confortable : si les missions ralentissent, si le compte est fermé ou si la plateforme modifie ses règles, le revenu peut disparaître sans préavis.
Elina : le visage plus stable de la sous-traitance
Elina, 25 ans, travaille pour une entreprise locale. Elle dispose d’un contrat et d’un environnement de bureau moderne.
Son parcours rappelle un point essentiel : toute activité de données à Madagascar n’est pas informelle. Des entreprises structurées recrutent, forment et organisent des équipes dédiées à l’annotation, à la transcription ou au contrôle qualité.
Cette version du secteur peut créer de l’emploi qualifié et ouvrir des trajectoires professionnelles réelles.
Mais elle pose aussi une question : quelle part de la valeur créée par ces équipes reste dans le pays, et quelle part remonte vers les donneurs d’ordre, les plateformes et les entreprises technologiques situées ailleurs ?
Dani : l’indépendance rêvée, la dépendance réelle
Dani travaille seul. Pour accéder à certaines plateformes indisponibles dans son pays, il explique avoir acheté un compte étranger.
Il espère gagner assez pour construire une maison et offrir davantage de stabilité à sa famille.
Son histoire révèle le paradoxe du micro-travail numérique : il peut donner accès à un marché mondial, mais cet accès dépend de règles décidées loin de chez soi.
L’indépendance existe tant que la plateforme accepte de vous laisser travailler.
Pourquoi Madagascar est devenu un territoire clé de la sous-traitance IA
Madagascar n’a pas été choisi par hasard.
Le pays dispose d’une population francophone, d’une tradition de services externalisés, d’un vivier de jeunes diplômés et d’un coût du travail attractif pour des entreprises étrangères. Antananarivo concentre notamment des acteurs du BPO Business Process Outsourcing capables de fournir des services à distance : relation client, transcription, traitement de données, modération ou annotation.
Des chercheurs ayant enquêté auprès d’entreprises françaises et de sous-traitants malgaches soulignent que l’annotation de données s’inscrit dans une histoire plus ancienne d’externalisation des tâches numériques. Leur analyse dans Le Monde évoque notamment le rôle du français, des infrastructures existantes et des écarts de rémunération.
Autrement dit : l’IA n’a pas créé cette géographie du travail. Elle l’a accélérée.
Avant l’IA, il y avait déjà les centres d’appels, les services administratifs externalisés et les plateformes de travail à distance. Avec l’IA, de nouvelles tâches sont venues s’ajouter : apprendre à une machine à voir, à écouter, à trier, à écrire et à répondre.
Le vrai sujet : la chaîne de valeur de l’IA
Lorsqu’un utilisateur paie un abonnement à un outil d’IA, il voit une interface. Il ne voit pas la chaîne de travail qui l’a rendue possible.
Pourtant, derrière une réponse générée se trouvent souvent plusieurs niveaux :
- des infrastructures coûteuses : serveurs, centres de données, puces et énergie
- des chercheurs et ingénieurs qui développent les modèles
- des entreprises qui collectent, nettoient et structurent les données
- des sous-traitants qui recrutent des équipes
- des travailleurs qui réalisent les tâches les plus répétitives
- des plateformes qui organisent, notent et rémunèrent ces missions
Plus on descend dans cette chaîne, plus le travail devient généralement invisible.
Et plus il devient difficile de savoir qui est responsable des conditions dans lesquelles il est réalisé.
Une étude comparative consacrée à la production de l’IA au Brésil, en France, à Madagascar et au Venezuela décrit ces chaînes comme des mécanismes susceptibles de reproduire des inégalités anciennes entre pays qui conçoivent les technologies et pays qui fournissent une partie du travail nécessaire à leur fonctionnement. Lire l’étude Global Inequalities in the Production of Artificial Intelligence.
Le mot important n’est pas seulement “technologie”.
C’est “répartition”.
Qui capte les revenus ? Qui assume les risques ? Qui possède les données ? Qui peut évoluer vers des postes mieux rémunérés ? Qui reste exécutant d’une tâche dont il ne connaît ni le client final, ni l’usage futur ?
Une opportunité réelle, mais un modèle fragile
Réduire Madagascar à une “usine du clic” serait aussi injuste qu’incomplet.
Le secteur peut apporter :
- des revenus dans un contexte d’emploi difficile
- une première expérience numérique
- des compétences en langues, données, contrôle qualité et outils collaboratifs
- une ouverture sur des marchés internationaux
- des emplois salariés dans certaines entreprises locales
- une possibilité de monter progressivement vers des fonctions de supervision ou de gestion de projet
Mais cette opportunité reste fragile lorsque les conditions suivantes ne sont pas réunies :
- une rémunération prévisible
- un contrat compréhensible
- une couverture sociale
- un droit de recours en cas de fermeture de compte
- une transparence sur les tâches et les donneurs d’ordre
- une protection face aux contenus choquants
- des perspectives d’évolution professionnelle
- une possibilité de transformer les compétences acquises en projets locaux
Le danger serait de célébrer la “flexibilité” sans voir ce qu’elle peut cacher. Une flexibilité choisie donne de l’autonomie.
Une flexibilité imposée transfère le risque sur le travailleur.
Les risques souvent invisibles du travail de données
Le salaire est la partie la plus visible du débat. Mais ce n’est pas la seule.
Des revenus instables
Sur les plateformes de micro-tâches, une personne peut être payée à la tâche, non au temps passé. Si les consignes changent, si la tâche est refusée ou si la demande ralentit, le revenu s’effondre.
Le travailleur absorbe alors le risque commercial de l’entreprise, sans bénéficier de sa stabilité.
Une faible protection sociale
Sans contrat de travail local, les protections classiques peuvent manquer : congés, assurance, retraite, accompagnement en cas de maladie, recours en cas de conflit ou indemnité en cas de fin de mission.
Une opacité sur l’usage final des données
Une personne peut annoter des images, classer des messages ou évaluer des textes sans savoir dans quel produit final son travail sera utilisé.
Ce manque de visibilité est problématique, notamment lorsque les données servent à des systèmes sensibles : surveillance, recrutement, crédit, sécurité, reconnaissance d’images ou modération.
Une charge psychologique possible
Certaines formes de modération ou d’évaluation exposent les travailleurs à des contenus violents, haineux ou traumatisants.
Toutes les tâches de données ne comportent pas ce risque. Mais lorsqu’il existe, une rémunération à la tâche ne suffit pas : il faut du soutien, une limitation de l’exposition et un accompagnement réel.
Une dépendance totale aux plateformes
Un compte peut être suspendu. Une règle peut changer. Une zone géographique peut être bloquée. Une plateforme peut réduire les missions disponibles.
Le travailleur reste connecté au monde entier, mais n’en contrôle pas les règles.
Le récit qu’il ne faut pas raconter : “l’IA crée des emplois, donc tout va bien”
Dire que l’IA crée des emplois est vrai. Dire que cela suffit à prouver qu’elle crée du progrès est faux.
La vraie question est celle de la qualité des emplois créés.
Un emploi numérique peut être une porte vers l’autonomie, la formation et l’entrepreneuriat. Il peut aussi devenir une forme de précarité mondialisée, dans laquelle des personnes très qualifiées réalisent des tâches essentielles sans reconnaissance, sans stabilité et sans accès au pouvoir de décision.
Le débat sur l’IA est souvent capturé par deux extrêmes :
- “l’IA va détruire tous les emplois”
- “l’IA va créer des opportunités pour tout le monde”
La réalité est plus exigeante.
L’IA transforme les emplois, crée de nouveaux métiers et déplace certaines tâches. Mais les bénéfices ne se répartissent pas automatiquement de manière équitable.
Sans règles, sans transparence et sans capacité locale à créer ses propres outils, l’innovation peut renforcer les mêmes dépendances qu’elle prétend dépasser.
À Madagascar aussi, l’IA se construit pour répondre à des besoins locaux
Le reportage d’ARTE ne montre pas seulement le travail invisible des annotateurs.
Il présente aussi l’autre face du pays : des ingénieurs et entrepreneurs qui veulent utiliser l’IA pour répondre à des problèmes locaux.
Fitahiana et Fahasoavana y développent une application d’intelligence artificielle dédiée à l’agriculture, capable d’aider à détecter des maladies sur les plantes.
L’idée paraît simple. Son importance est majeure.
Une IA qui identifie une maladie végétale à partir d’une image peut aider un agriculteur à réagir plus tôt, mieux protéger sa production et limiter les pertes. À condition, bien sûr, qu’elle soit adaptée aux cultures, aux langues, aux conditions de connexion et aux réalités du terrain.
C’est là que se joue une différence essentielle.
Une IA conçue uniquement ailleurs peut traiter Madagascar comme une réserve de main-d’œuvre ou de données.
Une IA conçue aussi depuis Madagascar peut devenir un outil de résolution de problèmes pour les agriculteurs, les entreprises, les enseignants, les soignants et les citoyens du pays.
Le futur ne consiste pas seulement à apprendre aux machines grâce à Madagascar.
Il consiste aussi à donner à Madagascar les moyens de construire ses propres machines, ses propres usages et ses propres entreprises.
Ce que les entreprises qui utilisent l’IA devraient changer
Parler d’IA responsable sans parler des travailleurs qui la préparent n’a plus de sens.
Toute organisation qui conçoit, achète ou déploie un système d’IA devrait pouvoir répondre à ces questions :
- Qui a préparé, annoté ou vérifié les données ?
- Dans quels pays ce travail a-t-il été réalisé ?
- Les personnes concernées sont-elles salariées ou rémunérées à la tâche ?
- Les rémunérations permettent-elles des conditions de vie décentes localement ?
- Existe-t-il une protection contre les contenus traumatisants ?
- Les sous-traitants peuvent-ils être audités ?
- Les travailleurs ont-ils un recours en cas de litige ?
- Les données et les missions sensibles sont-elles encadrées ?
- Une partie de la valeur créée revient-elle aux écosystèmes locaux ?
La transparence ne ralentit pas l’innovation. Elle évite que l’innovation repose sur une zone d’ombre.
Ce que cette enquête change dans notre regard sur ChatGPT et les IA génératives
La prochaine fois qu’une IA répondra instantanément à une question, il faut se souvenir d’une chose : sa rapidité ne signifie pas que le travail humain a disparu.
Il est peut-être simplement devenu invisible.
L’intelligence artificielle ne se limite ni à un modèle, ni à une interface, ni à une promesse de productivité. C’est une chaîne mondiale faite de données, d’infrastructures, de décisions économiques et de travailleurs.
À Madagascar, cette chaîne prend une forme très concrète : des dizaines de milliers de personnes tentent d’y trouver un revenu, une compétence, une stabilité ou une voie vers l’avenir.
Certaines y trouvent une opportunité. D’autres y rencontrent une nouvelle précarité.
Et entre les deux, une question reste ouverte : est-ce que l’IA de demain se contentera d’extraire du travail et des données depuis les pays du Sud, ou permettra-t-elle enfin de distribuer davantage de savoir, de pouvoir et de valeur ?
C’est peut-être cela, le vrai test d’une intelligence dite “artificielle”.
Pas seulement ce qu’elle sait faire. Mais ce qu’elle permet aux humains de devenir.
FAQ : travailleurs de l’ombre de l’IA à Madagascar
Que font les travailleurs de l’IA à Madagascar ?
Ils peuvent annoter des images, classer des textes, transcrire des audios, vérifier des données, modérer des contenus ou évaluer les réponses de systèmes automatisés. Ces tâches servent à entraîner, tester ou améliorer des outils numériques et des modèles d’intelligence artificielle.
Pourquoi les entreprises externalisent-elles l’annotation de données ?
L’annotation demande beaucoup de travail humain, souvent répétitif et difficile à automatiser. Les entreprises la confient à des sous-traitants ou plateformes, notamment dans des pays où le coût du travail est plus faible et où existent des compétences linguistiques et numériques adaptées.
Combien de personnes travaillent pour l’IA à Madagascar ?
Le reportage ARTE Madagascar : les petites mains de l’IA évoque près de 100 000 personnes qui participeraient quotidiennement à ce type d’activité. Ce chiffre doit être compris comme une estimation journalistique, car il n’existe pas de recensement public unifié couvrant tous les salariés, freelances et travailleurs de plateformes.
Les travailleurs du clic sont-ils tous précaires ?
Non. Certaines personnes sont salariées d’entreprises locales et bénéficient d’un contrat, d’un cadre de travail et de perspectives d’évolution. D’autres travaillent en freelance ou à la tâche, avec des revenus plus instables et une protection sociale limitée.
L’IA peut-elle créer des opportunités locales à Madagascar ?
Oui. Au-delà de la sous-traitance, des ingénieurs et entrepreneurs malgaches développent des outils adaptés aux besoins du pays, notamment dans l’agriculture. L’enjeu est de permettre à ces compétences locales de créer aussi des produits, des entreprises et de la valeur sur place.
Sources
- ARTE Reportage — Madagascar : les petites mains de l’IA
- Casilli, Cornet et Le Ludec — The problem with annotation. Human labour and outsourcing between France and Madagascar
- Étude comparative sur les inégalités mondiales dans la production de l’IA
- Entretien avec les chercheurs Maxime Cornet et Clément Le Ludec — Le Monde