Les modèles d’IA ne se contentent plus seulement de larges corpus de données publiques pour leur apprentissage. Ils s’entraînent aussi sur des données internes issues de startups en faillite.
Oui, oui, tout y passe : conversations Slack, emails internes, documents confidentiels, code source. Ce “résidu opérationnel” devient une ressource stratégique revendue à des acteurs de l’IA.
🎯 Objectif : nourrir des systèmes d’IA capables de reproduire des workflows réels, comprendre la prise de décision et simuler des environnements professionnels via des apprentissages par renforcement.
💰 Un véritable marché secondaire émerge : certaines entreprises orchestrent la monétisation de ces données, avec des transactions pouvant atteindre 10 000 à 100 000 $ par startup fermée.
🚨 Derrière l’innovation, les risques explosent :
A/ Risque d’atteinte à la vie privée : les données sont “anonymisées” (disent-ils)… mais les contenus restent riches, contextuels, parfois sensibles. Les collaborateurs de l’époque n’ont jamais consenti à cet usage.
B/ Zone grise juridique : aux États-Unis, peu de restrictions. En Europe, le RGPD pourrait clairement s’opposer à ces pratiques, notamment par une requalification en données pseudonymes.
C/ Risque organisationnel relatif au patrimoine informationnel : fuite de savoir-faire, d’erreurs passées ou de stratégies internes… désormais réutilisées ailleurs sans destination ni objectif connus.
D/ Et l’éthique dans tout ça : entraîner des systèmes sur des interactions humaines réelles sans transparence pose des questions fondamentales de confiance et de gouvernance.
👉 Ce phénomène illustre un basculement majeur : la valeur ne réside plus seulement dans la donnée “propre”, mais aussi dans la donnée contextuelle, imparfaite et humaine.
🔎 Nous sommes prévenus ! Anticipons ce nouveau risque dans nos stratégies data / IA.
🔗 Source TechSpot : https://www.techspot.com/news/112117-data-failed-startups-finds-second-life-ai-training.html
