Des labos d'IA achètent les données de startups disparues pour entraîner leurs modèles
Quand Keelan Miskell a commencé à liquider sa start-up crypto cette année, il pensait que ses données ne valaient pas grand-chose : utilisateurs anonymes, entreprise vieille de quelques années seulement. Il a pourtant tiré environ 25 000 dollars de son code source, et attend un montant encore en suspens (probablement autour de 15 000 dollars) pour les données de ses espaces de travail Google, Notion, Figma et Slack. La vente a été orchestrée par SimpleClosure, qui a ajouté la revente de données à ses services en avril avec sa plateforme Asset Hub. Celle-ci aide les fondateurs à vendre code, e-mails, discussions et documents à des laboratoires d'IA, à des fournisseurs d'environnements de travail simulés et à des entreprises technologiques établies. Asset Hub a déjà traité plus de 150 transactions et prévoit de reverser plus de 10 millions de dollars aux start-ups d'ici fin 2026. Selon son PDG Dori Yona, 47 % des dossiers de SimpleClosure comportent désormais une vente de code ou de données, une pratique autrefois rare et « quelque peu taboue ». Son concurrent Sunset, dirigé par Brendan Mahony, valorise les actifs selon les effectifs, l'ancienneté, le volume de données et l'usage des outils. Mahony compare ces « déchets opérationnels » aux copeaux de bois, jadis jugés sans valeur, qui ont donné les panneaux de particules. En août, dans la faillite de Spirit Airlines, Google a devancé Mercor pour 10 millions de dollars en rachetant des décennies de données : 100 millions d'e-mails, 500 millions de messages Teams et 176 000 dossiers d'employés.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MIT Technology Review. Lire l'article original →
Cette filière crée un marché inédit pour les entreprises qui disparaissent, dont le nombre de fermetures progresse de 26 % à 56 % par an selon Carta et AngelList. Pour les fondateurs, c'est une rentrée d'argent là où il n'y avait que des frais de clôture. Pour les développeurs d'IA, c'est une matière première rare : des archives réelles évitent les défauts des mondes synthétiques, comme les références à des dates inexistantes. Nick Heiner, de Surge AI, explique chercher des historiques variés, avec désaccords et arbitrages délicats, un seul Slack riche pouvant valoir plus que Slack, e-mails et agendas d'une autre société réunis. Mais le gain réel de performance reste incertain, aucune entreprise n'ayant publié de comparaison avec d'autres méthodes. Les prix varient donc fortement, car ils reposent sur des « thèses de recherche » estimant le nombre de tâches utiles tirées, par exemple, de 100 000 lignes de code.
Cette demande est née l'an dernier, quand les laboratoires ont atteint les limites des données publiques et synthétiques. Surge AI achète ces archives pour bâtir des « salles de sport » d'apprentissage par renforcement, où des agents s'exercent à déboguer une architecture informatique ou rédiger des mémoires d'appel. Bloomberg a rapporté en septembre que l'unité IA de SpaceX envisageait aussi d'acheter les données de start-ups en difficulté. Le terrain juridique reste fragile. Le syndicat des hôtesses et stewards de Spirit a contesté la vente pour atteinte à la vie privée, et l'avocat Greg Ewing, conseiller de start-ups d'IA, qualifie ces données de « juridiquement radioactives ». Les vendeurs emploient des spécialistes pour retirer les informations personnelles et exclure les dossiers RH, et les acheteurs affirment nettoyer aussi, mais Ewing rappelle que les e-mails et agendas recèlent rendez-vous médicaux, trajets scolaires et soirées en amoureux.
Pas d\'impact direct sur la France/UE