Shift a lancé à New York une initiative qui semble conçue pour faire les gros titres : nettoyer gratuitement des appartements en échange de l’enregistrement du travail des nettoyeurs. L’application connecte les utilisateurs avec des professionnels du nettoyage ; le service est gratuit pour le client et, durant la séance, l’opérateur enregistre des vidéos en vue de collecter des données utilisées pour l’entraînement de l’intelligence artificielle et de la robotique.

Le modèle est simple à comprendre, mais ses implications sont profondes. L’utilisateur bénéficie d’un logement propre. Shift obtient des données issues de tâches domestiques réelles. La société soutient que ces matériaux ont une valeur suffisante pour financer la mise en place de nettoyages pendant une période limitée. Sur leur site, ils résument l’échange ainsi : des images en vision subjective sont enregistrées afin d’aider à entraîner la prochaine génération de robots domestiques.

Ce qui est intéressant, ce n’est pas seulement la promotion, mais ce qu’elle révèle sur la prochaine étape de l’intelligence artificielle. Après des années d’entraînement des modèles à partir de textes, de codes, d’images et de vidéos disponibles en ligne, l’industrie a désormais besoin de données du monde physique. Un robot n’apprend pas à nettoyer une cuisine simplement en lisant des instructions ; il doit observer comment une personne saisit une chifonnette, déplace une chaise, ouvre un placard, ramasse des jouets, plie une serviette ou décide quoi nettoyer en premier dans une pièce en désordre.

La maison comme nouveau jeu de données pour l’IA physique

Le service de Shift débute à New York et se présente comme une façon de porter l’automatisation sur le terrain des tâches quotidiennes. La société affirme collaborer avec plus de 10 000 entreprises et foyers dans plus de 15 pays, et que ce modèle de collecte de données peut s’étendre à d’autres secteurs où des travaux physiques qualifiés sont réalisés.

Le site de SHIFT, lié à MicroAGI, explique cela sous un autre angle : des entreprises de secteurs comme l’hôtellerie, la logistique, la fabrication, la construction, les facilities ou l’agriculture peuvent recevoir des paiements pour chaque heure vérifiée de travail filmé. Le message commercial est clair : l’équipe travaille comme d’habitude, l’entreprise enregistre l’activité avec un équipement léger, et ces enregistrements deviennent une nouvelle source de revenus.

Ce concept répond à un enjeu majeur de la robotique actuelle. Les modèles linguistiques ont bénéficié d’immenses volumes de données numériques déjà existantes. Ce n’est pas le cas en robotique, où les données sur la manipulation, le déplacement, la coordination main-œil et les tâches domestiques ne sont pas disponibles à grande échelle ou avec la qualité requise. Il faut donc les produire.

Une caméra placée sur la tête de l’opérateur offre un point de vue que la caméra fixe ne peut pas capter : celui de la personne qui exécute la tâche. Elle montre où elle regarde, comment elle s’approche d’un objet, ce qu’elle évite de toucher, ce qu’elle privilégie, et comment elle résout des petites décisions que les humains prennent sans y penser. Ce type de signal est particulièrement précieux pour entraîner des modèles de robotique.

Pourquoi ces données ont-elles autant de valeur ?

Nettoyer une maison paraît une tâche simple jusqu’à ce qu’on essaie de la traduire en robotique. Chaque habitation est différente : les objets changent de place, il y a des surfaces fragiles, une luminosité irrégulière, des câbles, des vêtements, de la vaisselle, des papiers, des écrans, des meubles étroits et des décisions contextuelles. Un robot domestique doit non seulement reconnaître les objets, mais aussi comprendre la bonne action à chaque moment et l’exécuter sans casser quoi que ce soit.

C’est là que réside la valeur de la donnée : une vidéo d’une personne en train de nettoyer n’est pas seulement une capture ; c’est une démonstration de comportements physiques. Elle montre des séquences, des priorités, des mouvements et des décisions. Pour une industrie cherchant à créer des robots capables d’intervenir dans des environnements humains réels, chaque heure de vidéo enregistrée peut devenir un matériel d’entraînement précieux.

La proposition de Shift illustre aussi une économie différente de celle des services traditionnels : le client n’est pas forcément la source principale de revenus. Le véritable actif, c’est le jeu de données. En d’autres termes, votre appartement en désordre pourrait avoir plus de valeur comme exemple d’entraînement que comme simple service de nettoyage facturé normalement.

Ce changement évoque d’autres phases de l’économie numérique : d’abord des services gratuits en échange d’attention ou de données de navigation, puis aujourd’hui la recherche de données du monde réel — mains en action, corps en mouvement, outils manipulés, objets en cours d’utilisation, espaces ordonnés ou désordonnés.

La confidentialité, un enjeu sensible

Shift insiste sur le fait que la vie privée est protégée. D’après leur site, les vidéos sont anonymisées, traitées et licenciées pour l’entraînement de l’IA et de la robotique. La société affirme que les noms, visages, écrans, cartes d’identité, documents, téléphones et autres données personnelles sont floutés avant utilisation. Elle précise aussi que les vidéos ne sont pas partagées publiquement ni utilisées à des fins publicitaires.

Cependant, filmer à l’intérieur d’un logement n’est pas anodin : la maison contient plus d’informations qu’il n’y paraît : documents, médicaments, routines, objets personnels, photos, livres, écrans, courrier, habitudes de consommation ou indices sur la vie quotidienne. Même si les identifiants directs sont floutés, le contexte peut rester sensible.

Il y a aussi la question du consentement : le client qui réserve la séance accepte la prise de vues, mais plusieurs personnes peuvent vivre dans le foyer : colocataires, famille, enfants ou visiteurs. La société devra démontrer que son modèle est non seulement techniquement viable, mais aussi socialement acceptable et juridiquement solide.

Le site précise que l’utilisateur doit être présent lors de l’intervention, accueillir les nettoyeurs, leur indiquer ce qu’il souhaite faire nettoyer, et donner son accord pour l’enregistrement durant la prestation. La facturation ne s’applique qu’en cas d’absence du client, de retard ou de refus du service une fois que le professionnel est arrivé.

Des travailleurs humains pour préparer l’automatisation

Un autre aspect délicat concerne la place des travailleurs : alors que leurs actions physiques génèrent des données utiles pour automatiser ces tâches, ils pourraient en même temps en être les premières victimes. Shift présente ses nettoyeurs comme des indépendants vérifiés par ses partenaires, et non comme de simples employés de la plateforme.

Dans le modèle B2B de SHIFT/MicroAGI, les entreprises peuvent transformer le travail de leurs équipes en une source de données, payée à l’heure vérifiée. La promesse : aucun changement dans le processus, respect du consentement des travailleurs, conformité légale (notamment au Royaume-Uni avec le RGPD et le registre ICO) d’après leur site.

Ce débat sera inévitable : si ces données créent de la valeur pour entraîner des robots, comment cette valeur sera-t-elle repartie entre la plateforme, l’entreprise, le travailleur et le client ? Se limite-t-on à rémunérer une heure de vidéo enregistrée ? Faut-il assurer une traçabilité de l’usage ultérieur des données ? Le travailleur peut-il retirer son consentement ? Que faire si ces modèles finissent par réduire la demande de main-d’œuvre humaine ?

L’IA physique ne progressera pas uniquement grâce aux laboratoires : elle doit observer le monde réel. Cela fait des personnes qui nettoient, réparent, cuisinent, fabriquent, préparent des commandes ou travaillent en entrepôts une ressource précieuse pour la collecte de données. La frontière entre le travail et l’entraînement automatique devient floue.

Une tendance qui dessine l’avenir de la robotique

Shift ne signifie pas que les robots domestiques vont remplacer les nettoyeurs du jour au lendemain. La robotique généraliste reste difficile, coûteuse et limitée. Mais cette initiative montre comment est en train de se construire cette industrie : d’abord en recueillant des données humaines, puis en entraînant des modèles, et enfin en transférant ces compétences à des systèmes autonomes.

Ce schéma peut rapidement s’étendre. La nettoyage n’en est que l’exemple visible, car il touche au domicile et est facile à comprendre. Mais le même modèle peut s’appliquer à l’entretien, aux réparations, à la logistique, à la cuisine, à l’agriculture ou à la construction. Toute tâche physique répétitive dans des environnements réels peut devenir matière à entraînement.

Pour les acteurs de la technologie, l’affaire Shift est importante car elle combine quatre débats : IA physique, vie privée domestique, économie des données et avenir du travail manuel. Il ne s’agit pas d’une simple application de nettoyage, mais d’une nouvelle manière de transformer les actions humaines quotidiennes en infrastructure d’entraînement pour robots.

L’expression « nettoyage gratuit » est un argument. La véritable nouveauté, c’est que la donnée physique commence à avoir une valeur suffisante pour subventionner des services dans le monde réel. La web-série du début a été le tout premier grand jeu de données pour l’IA générative. Le suivant pourrait se trouver dans nos cuisines, salons, ateliers ou entrepôts.

Shift a trouvé une façon simple de l’expliquer aux consommateurs : vous recevez une maison propre, eux reçoivent une leçon pour apprendre à un robot comment faire.

Foire aux questions

Qu’est-ce que Shift ?
Shift est une application proposant des nettoyages gratuits à New York en échange de l’enregistrement du travail des nettoyeurs pour alimenter des données d’entraînement pour l’IA et la robotique.

Pourquoi la nettoyage est-il gratuit ?
La société affirme que la vidéo en première personne des tâches domestiques a une valeur suffisante pour couvrir le coût du service pendant une période limitée.

Que fait Shift avec les vidéos ?
Selon leur site, elles sont anonymisées, traitées et licenciées pour l’entraînement de l’IA et de la robotique. La société assure ne pas les utiliser à des fins publicitaires ni ne les diffuser publiquement.

Quels sont les risques associés à ce modèle ?
Les principaux risques concernent la confidentialité au sein du domicile, le consentement de toutes les personnes concernées, l’utilisation future des données et la place des travailleurs qui produisent le matériel pour l’automatisation de demain.