Mechanical Turk ferme : qui entraîne les IA maintenant ?

Ce qu'Amazon ferme exactement le 30 septembre 2026

Amazon ne retire pas un produit, il sort entièrement du métier de la collecte de données humaines. Trois services s'arrêtent le même jour, le 30 septembre 2026 : Mechanical Turk, la place de marché de micro-tâches lancée en 2005, SageMaker Ground Truth, son outil d'annotation intégré à la suite d'apprentissage automatique d'AWS, et Amazon Augmented AI, le service de relecture humaine des prédictions de modèles.

La décision n'est pas tombée d'un coup. Les trois services avaient déjà été fermés aux nouveaux clients le 30 juillet 2026 et placés en mode maintenance, sans nouvelle fonctionnalité, selon la page des mises à jour de disponibilité d'AWS relayée par The Decoder. L'annonce de l'arrêt définitif est intervenue les 25 et 26 août 2026.

• Mechanical Turk : plateforme de micro-tâches (transcription, étiquetage d'images, modération, enquêtes) ouverte en 2005 et surnommée « MTurk ».
• SageMaker Ground Truth : service d'annotation de jeux de données lancé en 2018 pour alimenter les modèles entraînés sur AWS.
• Amazon Augmented AI : brique de « human in the loop » (humain dans la boucle), c'est-à-dire de validation humaine des sorties incertaines d'un modèle.

Interrogé par la presse américaine, Amazon s'en tient à une formule neutre : « Nous évaluons régulièrement nos programmes, outils et services et procédons à des ajustements sur la base de ces évaluations. » Aucune raison technique ou commerciale n'a été donnée officiellement.

Pourquoi la plateforme « d'IA artificielle artificielle » s'arrête

Mechanical Turk s'arrête parce que l'IA sait désormais faire, seule et pour presque rien, la quasi-totalité des tâches qui justifiaient son existence. Classifier une image, transcrire un fichier audio, catégoriser un commentaire : ces travaux étaient rémunérés quelques centimes à l'unité en 2010, ils coûtent aujourd'hui une fraction de centime en appel d'API à GPT-5.6, Gemini 3.7 Flash ou Qwen3.8.

Le nom de la plateforme raconte déjà toute l'histoire. Le Turc mécanique était un automate joueur d'échecs construit en 1770 par l'ingénieur hongrois Wolfgang von Kempelen, qui impressionna l'Europe entière avant qu'on ne découvre un joueur humain caché dans le meuble. Amazon a repris la métaphore sans ironie : derrière l'illusion de l'automatisation, des humains.

Mechanical Turk a joué un rôle réel dans la naissance de l'IA moderne. En 2012, le projet ImageNet de Fei-Fei Li devient le plus gros utilisateur académique de Mechanical Turk. La base compte aujourd'hui 14,2 millions d'images réparties en 21 841 catégories, annotées à la main. C'est ce jeu de données qui a rendu possible la percée de l'apprentissage profond en vision par ordinateur, puis, de proche en proche, la vague des grands modèles de langage.

Le coup de grâce est venu des travailleurs eux-mêmes. En juin 2023, les chercheurs Veniamin Veselovsky, Manoel Horta Ribeiro et Robert West, de l'EPFL, publient une étude au titre limpide : « Artificial Artificial Artificial Intelligence ». En combinant détection de frappe et classification de texte synthétique sur une tâche de résumé, ils estiment que 33 à 46 % des travailleurs de MTurk utilisaient un LLM pour produire leur réponse. Une plateforme vendue comme une source d'intelligence humaine renvoyait en réalité, pour près d'un travail sur deux, du texte généré par machine.

ACTUALITÉ IA/LLM · AOÛT 2026

Mechanical Turk s'éteint, l'annotation experte pèse des milliards

• 30 sept. 2026 fermeture définitive de MTurk, après 21 ans
• 500 000 travailleurs inscrits dans plus de 190 pays (2011)
• 1,72 €/h salaire médian mesuré sur MTurk (étude CHI 2018)
• 33 à 46 % des travailleurs utilisaient déjà un LLM (EPFL, 2023)

Le micro-travail à quelques centimes disparaît, la donnée experte se valorise en milliards

Valorisation des trois plateformes qui héritent du marché de l'annotation, en milliards d'euros, juillet 2026. Conversion au taux du 26 août 2026 (1 € = 1,1655 $).

• Scale AI 24,9 Md€
• Mercor 17,2 Md€
• Surge AI 12,9 Md€

Ce qui ferme le 30 septembre 2026

• Mechanical Turk
• SageMaker Ground Truth
• Amazon Augmented AI

Ce qui prend le relais

• Scale AI
• Mercor
• Surge AI
• Prolific
• CloudResearch
• Auto-annotation par LLM

À retenir : l'annotation de masse à bas coût est absorbée par les modèles eux-mêmes, tandis que la donnée rare, experte et vérifiable devient l'actif le plus cher de l'IA. Pour un site, la conséquence est directe : un contenu précis, daté et sourcé a plus de valeur qu'un contenu abondant, aux yeux de Google comme des moteurs génératifs.

500 000 travailleurs à 1,72 € de l'heure : le vrai visage du micro-travail

Derrière la prouesse technique, il y a un modèle économique que peu de gens ont regardé en face. En 2011, Amazon revendiquait plus de 500 000 travailleurs inscrits dans plus de 190 pays. En 2023, environ 90 % de l'activité venait des États-Unis, la moitié du reste de l'Inde.

L'étude de référence sur les revenus reste celle de Kotaro Hara et de ses coauteurs, présentée à la conférence CHI 2018. En analysant 3,8 millions de micro-tâches réalisées par 2 676 travailleurs, elle établit un salaire horaire médian d'environ 2 dollars, soit 1,72 € de l'heure. Seuls 4 % des travailleurs dépassaient 7,25 dollars de l'heure, soit 6,22 €, le salaire minimum fédéral américain de l'époque.

Ce chiffre explique la suite. Quand une tâche rapporte quelques centimes, le temps consacré à chacune devient la variable d'ajustement. L'arrivée de ChatGPT fin 2022 a offert aux travailleurs un moyen évident de multiplier leur rendement, avec l'effet mesuré par l'EPFL sur la qualité des données. Une donnée d'entraînement produite par un modèle et réinjectée dans un autre modèle, c'est exactement le mécanisme qui nourrit les hallucinations des LLM.

Du côté des travailleurs, la fermeture laisse un vide. Krista Pawloski, militante du collectif Turkopticon, rappelle dans The Next Web que certains vivaient à temps plein de la plateforme, attirés par un travail entièrement à distance et sans horaire imposé. Amazon n'a annoncé aucun dispositif de transition.

Qui hérite du marché : Scale AI, Mercor et Surge AI

Le marché que laisse Mechanical Turk n'a pas disparu, il a changé de nature et de prix. Trois acteurs concentrent aujourd'hui la demande des grands laboratoires, avec un positionnement inverse de celui de Mechanical Turk : moins de travailleurs, beaucoup plus qualifiés, beaucoup mieux payés.

Le contraste de rémunération est le fait marquant. Là où Mechanical Turk payait un médian de 1,72 € de l'heure, Mercor rémunère ses experts contractants autour de 82 € de l'heure (environ 95 $), et reverse 60 à 70 % du volume facturé aux travailleurs. Le marché n'a pas cherché à payer moins cher, il a cherché à acheter une compétence que le modèle n'a pas encore.

Ces valorisations s'inscrivent dans le mouvement de fond décrit dans notre article sur la course aux milliards de l'IA en août 2026 : l'argent se déplace vers les goulots d'étranglement, et la donnée d'entraînement de qualité en est un.

Ce que ça change pour les données d'entraînement des LLM

La fermeture de Mechanical Turk acte un basculement en trois temps dans la fabrication des données d'IA. Ce n'est pas un détail d'infrastructure : c'est le passage d'une logique de volume à une logique de rareté.

1. L'annotation de commodité est automatisée

Étiqueter une image, classer un sentiment, transcrire un enregistrement : ces tâches sont désormais confiées à des modèles multimodaux. Gemini 3.7 Flash, GPT-5.6 Luna ou Qwen3.8 les traitent à un coût sans commune mesure avec le travail humain, et de façon plus régulière. C'est ce qu'on appelle l'auto-annotation, ou auto-labelling.

2. La donnée experte devient l'actif rare

Ce que les modèles ne savent pas produire, c'est le jugement d'un cardiologue sur un cas limite, la relecture d'un contrat par un avocat, ou l'évaluation d'une démonstration mathématique. C'est précisément ce que vendent Mercor et Surge AI, et c'est ce qui alimente le RLHF, l'apprentissage par renforcement à partir de retours humains, sur lequel reposent l'alignement de Claude, de GPT, de Gemini ou de Mistral.

3. Les données synthétiques comblent le reste

Les laboratoires génèrent de plus en plus leurs propres données d'entraînement avec des modèles existants, une pratique visible dans les rapports techniques des modèles ouverts comme Llama, DeepSeek ou Kimi K3. L'avantage est le coût, le risque est la dérive : un modèle entraîné sur ses propres sorties finit par amplifier ses biais. Notre article sur les LLM open-weights détaille comment ces recettes de fabrication sont, ou ne sont pas, documentées.

Résultat : le web public reste l'une des rares sources de données réelles, fraîches et vérifiables. Il ne sert plus seulement au pré-entraînement, il sert au grounding, c'est-à-dire à l'ancrage des réponses sur des sources consultées en direct par le modèle au moment de la requête.

Vous utilisez MTurk ou SageMaker Ground Truth ? Le calendrier à respecter

Si votre entreprise, votre laboratoire ou votre agence utilise encore l'un de ces services, quatre dates conditionnent la récupération de vos données et de votre argent.

• 30 juillet 2026 : les trois services sont déjà fermés aux nouveaux clients et en mode maintenance.
• 30 septembre 2026 : arrêt définitif. Plus aucune tâche (HIT) ne peut être soumise après cette date.
• 30 octobre 2026 : fin de la fenêtre de 30 jours pour approuver ou rejeter les tâches soumises, et dernier jour pour verser des bonus. Les tâches non traitées sont approuvées automatiquement.
• 28 janvier 2027 : dernier accès à l'historique des transactions. Exportez vos données avant cette date.

Les soldes restants sont remboursés dans les 30 jours suivant la fermeture, sous réserve que les informations de paiement soient à jour dans le portail. Côté travailleurs, les tâches approuvées sont réglées normalement.

Pourquoi cette fermeture concerne aussi votre visibilité dans les IA

La fin de Mechanical Turk envoie un signal qui dépasse largement le monde des annotateurs. Quand un laboratoire accepte de payer 82 € de l'heure pour une évaluation experte, il envoie un signal clair : la barre de ce qui est considéré comme une information fiable vient de monter. Cette exigence ne s'arrête pas aux données d'entraînement, elle se retrouve dans les critères de sélection des sources citées par ChatGPT, Perplexity, Gemini ou Grok quand ils vont chercher une réponse sur le web.

Concrètement, un contenu qui affirme sans chiffrer, sans dater et sans sourcer devient plus facile à écarter, pour un moteur génératif comme pour un algorithme de classement. À l'inverse, une page qui donne une définition nette, un chiffre daté et une source vérifiable coche exactement les cases qui rendent un passage citable.

Chez Digital-m, nous auditons chaque mois des sites de PME dont le contenu est correct sur le fond mais impossible à citer sur la forme : pas de date, pas de source, des affirmations vagues noyées dans des paragraphes de dix lignes. Le correctif ne demande pas de tout réécrire, il demande de rendre chaque paragraphe auto-suffisant et vérifiable. C'est le socle du travail mené par notre agence GEO.

C'est aussi ce qui construit, page après page, l'autorité thématique qui pousse un moteur à revenir vers vous plutôt que vers un concurrent sur un sujet donné.

Ce qu'il faut retenir

La fermeture de Mechanical Turk le 30 septembre 2026 n'est pas une simple fin de service. Elle marque la sortie d'Amazon du métier de la collecte de données humaines, avec l'arrêt simultané de SageMaker Ground Truth et d'Amazon Augmented AI.

Trois enseignements se dégagent. D'abord, l'annotation de masse à bas coût a été absorbée par les modèles eux-mêmes, jusqu'à l'ironie mesurée par l'EPFL en 2023 : 33 à 46 % des travailleurs de la plateforme utilisaient déjà un LLM. Ensuite, le marché s'est déplacé vers la donnée experte, avec des plateformes valorisées entre 12,9 et 24,9 milliards d'euros et des rémunérations horaires cinquante fois supérieures à celles de MTurk. Enfin, cette montée en exigence sur la qualité des données se répercute sur les critères de citation des moteurs génératifs.

Si vous voulez savoir où votre site se situe sur ces critères, notre agence réalise un audit GEO qui identifie précisément les passages citables et ceux qui ne le sont pas. Et si vous préférez internaliser la compétence, notre formation GEO certifiée Qualiopi vous transmet la méthode. Un échange de trente minutes suffit à cadrer le besoin.