Appen peut collecter environ 60 000 heures de vidéo égocentrique par mois auprès de 5 000 contributeurs pour alimenter l’entraînement de systèmes robotiques. Ce volume, communiqué par un dirigeant de l’entreprise à ABC News, montre l’industrialisation rapide d’un nouveau maillon de la robotique : filmer des gestes ordinaires depuis le point de vue de la personne qui les exécute.
Ces séquences montrent des mains qui lavent de la vaisselle, plient des vêtements, cuisinent ou font un lit. Une caméra fixée sur la tête ou le torse garde les gestes et les objets dans le champ. Les enregistrements peuvent être complétés par des capteurs ou des gants afin de mieux décrire les mouvements.
Des milliers de personnes filment leurs gestes
Dans son enquête publiée le 20 septembre, ABC News décrit le travail de contributeurs recrutés dans plusieurs pays. L’un d’eux, installé en Indonésie, dit avoir été payé entre 3 et 10 dollars de l’heure par différentes entreprises pour enregistrer des tâches ménagères. Certaines sessions peuvent durer plusieurs heures et les vidéos sont rejetées lorsqu’elles ne respectent pas les consignes techniques.
Sergio Bruccoleri, vice-président chargé de la livraison chez Appen, indique au média australien que l’entreprise mobilise jusqu’à 5 000 contributeurs dans le monde. La Chine représenterait son premier marché pour les données robotiques, devant les États-Unis. Appen explique parallèlement proposer des jeux de données à grande échelle sur sa page consacrée à la Physical AI, avec des vidéos égocentriques, des scènes d’environnement et des interactions.
L’intérêt de ces images vient de leur diversité. Un robot domestique ne rencontre pas toujours la même assiette, le même évier ou le même rangement. En multipliant les cuisines, les objets et les façons d’agir, les développeurs cherchent à exposer leurs modèles à davantage de situations que ne le permet un laboratoire unique.
Une source de données moins chère, mais imparfaite
Les démonstrations réalisées directement avec un robot restent les plus proches du comportement attendu. Elles coûtent toutefois davantage, car elles exigent une machine disponible, un opérateur et un dispositif de téléopération. Les vidéos humaines peuvent être produites plus vite et dans des environnements variés, même si le corps humain n’a ni les mêmes articulations ni les mêmes limites qu’un bras robotique.
Cette différence impose un travail de traduction. Les équipes doivent identifier les objets, segmenter les étapes d’une tâche et convertir les mouvements observés en actions qu’une machine peut réellement effectuer. Les données humaines complètent donc les trajectoires enregistrées sur des robots ; elles ne les remplacent pas.
ABC News souligne aussi les questions sociales et juridiques. Filmer à domicile peut révéler des informations privées. Les contributeurs doivent comprendre l’usage prévu, les conditions de conservation et les possibilités de retrait. Le niveau de rémunération, les frais de paiement et le rejet parfois peu expliqué des séquences constituent d’autres points de vigilance.
Le foyer reste un test difficile pour les robots
La professeure de robotique Dana Kulić, interrogée par ABC, rappelle qu’une démonstration réussie ne garantit pas un fonctionnement fiable pendant des heures. Le passage d’un geste filmé à un robot domestique utile suppose encore de gérer les cas rares, les pannes, le coût du matériel et la maintenance.
Les chiffres avancés par Appen illustrent néanmoins un changement d’échelle. L’entraînement de la robotique ne repose plus seulement sur quelques démonstrations soigneusement préparées. Il mobilise désormais une chaîne mondiale de collecte, d’annotation et de contrôle qualité. Pour les fabricants, la quantité ne suffira pas : la représentativité des logements, la traçabilité des consentements et la capacité à relier les vidéos aux contraintes physiques des robots détermineront la valeur réelle de ces données.
