Les rôles généraux d’AI trainer ont augmenté de 283 % dans les contrats transfrontaliers mondiaux en 2025 selon Deel. Des travailleurs régionaux entraînent, annotent et valident les modèles d’intelligence artificielle. Les travailleurs humains contribuent fortement à l’annotation, à l’évaluation et à l’alignement de nombreux modèles. Cette activité ne reçoit que 1,12 % de l’investissement IA mondial, tandis que l’écart de talent IA par rapport à la moyenne mondiale s’est creusé depuis 2022, notamment par une perte accélérée de spécialistes.

L’essentiel

  • Deel observe une hausse mondiale de 283 % des rôles d’AI trainer dans ses contrats transfrontaliers en 2025 (Deel 2026).
  • La région couverte par l’ILIA capte 1,12 % de l’investissement mondial en IA (Latin American AI Index 2025).
  • La propriété et le contrôle des données et de la propriété intellectuelle varient selon les projets.
  • L’écart de talent IA par rapport à la moyenne mondiale s’est creusé depuis 2022, notamment perte accélérée de spécialistes; le lien avec la croissance de l’emploi n’est pas établi par l’ILIA.
  • La question ouverte pour la décennie est de savoir si l’Amérique latine peut passer du statut de fournisseur de main-d’œuvre à celui d’acteur de la chaîne de valeur IA.

Le travail invisible qui fait tourner l’IA mondiale

Derrière chaque chatbot capable de comprendre une nuance ou d’éviter un biais grossier, il y a des milliers d’heures de travail humain. Annoter des images, classer des réponses, signaler des contenus problématiques, évaluer la pertinence d’une sortie de modèle : ces tâches constituent le travail d’entraînement de l’IA, et des travailleurs régionaux participent à ce travail.

Le rapport Deel 2026 sur l’embauche en Amérique latine documente une transformation rapide du marché du travail régional. Les rôles liés à l’IA, entraînement, annotation, évaluation de modèles, figurent parmi les catégories à croissance la plus rapide dans les contrats internationaux. Le Mexique, la Colombie, l’Argentine et le Brésil concentrent l’essentiel de cette demande. Les plateformes qui recrutent proviennent principalement d’Amérique du Nord et d’Europe.

L’Amérique latine présente une combinaison rare : maîtrise de l’espagnol et du portugais (deux des cinq langues les plus parlées au monde), proximité de fuseau horaire avec les États-Unis, et une infrastructure numérique permettant le travail à distance pour une partie de la population et des territoires, bien que les déficits de connectivité et d’accessibilité restent importants. Le rapport Deel 2026 documente une croissance des postes d’IA Training au Chili de 209 %, inférieure aux 283 % mondiaux; ce chiffre ne vaut pas pour toute l’Amérique latine.

Le problème est que cette main-d’œuvre travaille souvent sur des données qu’elle ne possède pas et selon des contrats dont les conditions de transfert technologique varient.

283 % de croissance, 1,12 % des capitaux

Le chiffre de 283 % mérite d’être lu avec précision. Il mesure la croissance des offres d’emploi, pas la valeur captée. Une offre d’emploi en IA Training à Bogotá génère un revenu pour le travailleur et une donnée d’entraînement pour l’entreprise américaine qui la commande. Le revenu reste partiellement en Colombie, tandis que les données et modèles sont contrôlés par l’entreprise commanditaire selon les conditions contractuelles.

L’ILIA 2025 indique que la région représente 6,6 % du PIB mondial et 1,12 % de l’investissement mondial en IA. Ce ratio n’est pas une anomalie statistique. Il reflète une structure d’allocation du capital où l’investissement et la création d’entreprises d’IA sont concentrés dans quelques pays de la région; l’effet causal sur un rôle de sous-traitant n’est pas établi par la source.

Plus inquiétant encore : l’écart de talent IA entre l’Amérique latine et la moyenne mondiale s’est aggravé depuis 2022. Des travailleurs régionaux effectuent notamment des tâches de préparation, d’annotation et de vérification de données pour l’IA, selon plusieurs fonctions identifiées dans le rapport EnCOre.

Ce clivage entre emploi et expertise est la marque d’une intégration dépendante : on entre dans la chaîne de valeur, mais par le bas.

Le précédent des matières premières

L’Amérique latine a une mémoire longue de ce type d’insertion. Au XIXe siècle, elle exportait le caoutchouc, le cuivre, le salpêtre, le café. Les revenus d’exportation existaient, mais la rente, la valeur ajoutée, la transformation industrielle, le contrôle des prix, restait dans les métropoles. Les économistes ont appelé cela le syndrome de la malédiction des ressources, ou plus précisément la thèse de la dépendance périphérique, développée notamment par les économistes de la CEPAL dans les années 1960.

Le parallèle avec l’IA Training n’est pas métaphorique. Les données d’entraînement sont une ressource. Elles ont de la valeur parce qu’elles sont rares, contextuelles, linguistiquement et culturellement situées. Une annotation en espagnol mexicain n’est pas interchangeable avec une annotation en espagnol castillan. Une évaluation de contenu par un travailleur brésilien qui connaît les codes sociaux locaux produit un signal différent de celui d’un travailleur philippin.

Cette spécificité a de la valeur, suffisamment pour que les entreprises américaines la demandent explicitement.

Les donneurs d’ordre contrôlent souvent les consignes et l’usage final du travail d’annotation externalisé, ce qui crée des asymétries de pouvoir et de valeur. L’annotateur produit un intrant. Le modèle entraîné avec cet intrant génère une valeur significative. L’annotateur reçoit un tarif horaire.

L’économiste Dani Rodrik définit les « good jobs » comme des emplois qui créent des compétences transférables, des revenus décents et un ancrage dans une filière. Le travail d’IA Training produit une nouvelle catégorie d’emplois dont la qualité reste à établir : il peut former des compétences réelles ou reproduire la précarité structurelle du travail de plateforme, sous une forme technologiquement différente.

Les acteurs qui résistent à ce schéma

Le tableau n’est pas uniformément sombre, et les exceptions méritent d’être nommées précisément parce qu’elles montrent ce qui est possible.

L’Argentine a développé une scène de startups IA qui produit, non seulement des annotateurs, mais des fondateurs. Des entreprises comme Tryolabs (vision par ordinateur), Mercado Libre (qui a construit ses propres modèles de recommandation et de prévention de la fraude) ou Satellogic (imagerie satellitaire et analyse géospatiale) montrent qu’il est possible de partir d’un marché périphérique pour construire des actifs technologiques propriétaires. Ces entreprises ont levé des capitaux, déposé des brevets, et recruté des ingénieurs locaux dans des rôles de conception, pas seulement d’exécution.

Le Brésil a fait un choix institutionnel notable : la Estratégia Brasileira de Inteligência Artificial, instituée en avril 2021 et modifiée en juillet 2021, prévoit des financements publics pour la recherche en IA, des partenariats université-industrie, et une attention à la gouvernance de l’IA, à la régulation et à l’usage éthique des données. Pour 2024-2028, le gouvernement a lancé le PBIA, qui prévoit le développement de modèles en portugais reposant sur des données nationales afin de renforcer la souveraineté en IA.

La Colombie et le Chili ont lancé des programmes de formation accélérée en machine learning via leurs agences de développement économique. L’idée est de créer des passerelles entre les travailleurs qui entrent dans l’écosystème par l’annotation et les rôles techniques mieux rémunérés. Ces programmes restent modestes en taille, mais leur logique est juste : si l’IA Training peut être un point d’entrée plutôt qu’un plafond de verre, le schéma de dépendance peut être partiellement rompu.

Ces initiatives rappellent les dynamiques observées dans d’autres contextes de déploiement technologique rapide, comme l’intégration industrielle de la robotique dans certains pays émergents, où la formation locale a permis, dans quelques cas, de monter la chaîne de valeur plutôt que de rester confiné à l’assemblage.

Croître en emploi IA sans rester sous-traitant

Pour la décennie 2025-2035, la question centrale est de savoir si la croissance de l’emploi en IA Training en Amérique latine produira une trajectoire de montée en compétences et de captation de valeur, ou si elle se limitera à une intégration dépendante.

Deux trajectoires sont plausibles, et les signaux actuels ne permettent pas encore de les départager.

Dans la première, la demande soutenue de travail d’annotation et d’entraînement crée une masse critique de travailleurs familiers avec les outils et les logiques de l’IA. Une partie d’entre eux, les plus qualifiés, ceux qui ont accès à des formations complémentaires, basculent vers des rôles techniques : prompt engineering, évaluation de modèles, fine-tuning, puis ingénierie. Les startups locales captent ce vivier. Des investisseurs régionaux, ou des fonds étrangers attirés par un écosystème en maturation, commencent à financer des actifs propriétaires. L’investissement mondial progresse de manière progressive.

C’est le scénario de l’Inde dans les années 1990-2000 : partie de la sous-traitance informatique, elle a progressivement produit des ingénieurs, puis des entrepreneurs, puis des entreprises technologiques globales.

Dans la seconde trajectoire, la demande de travail d’annotation reste structurellement séparée du développement des modèles. Les entreprises américaines optimisent leurs protocoles pour réduire la dépendance à des travailleurs humains, l’automatisation des tâches d’annotation pourrait progresser, réduisant potentiellement le besoin de main-d’œuvre humaine. Le vivier de travailleurs formés à l’annotation se retrouve dans une impasse : trop qualifiés pour les emplois non qualifiés, pas assez pour les rôles d’ingénierie que les entreprises cherchent. L’écart de talent pourrait continuer de se creuser dans ce scénario. Et les gouvernements, faute de politiques publiques cohérentes, n’ont pas créé les passerelles nécessaires.

Ce qui permettrait de distinguer ces trajectoires dans les prochaines années, c’est moins le volume d’emplois créés que leur nature. Un signal positif serait une augmentation des publications académiques en IA issues d’universités latino-américaines, ou une croissance des dépôts de brevets régionaux dans le secteur. Un signal négatif serait une stagnation des salaires dans les rôles d’annotation malgré la croissance du volume, ou une accélération de l’automatisation des tâches d’annotation par les plateformes elles-mêmes.

Les choix politiques comptent. L’EBIA prévoit des mesures susceptibles de renforcer les capacités nationales, notamment le financement de la recherche, les partenariats et l’amélioration de l’usage des données. Le défi est que ces politiques demandent du temps et de la continuité, deux ressources que les cycles politiques latino-américains ont historiquement du mal à produire.

Des travailleurs d’Amérique latine participent à certaines chaînes mondiales de production de données et d’entraînement de systèmes d’IA. La vraie mesure de sa trajectoire technologique sera de savoir si, d’ici 2035, elle figure davantage dans les comités de direction des entreprises IA que dans leurs registres de sous-traitants.

Sources

  1. Deel, Reporte sobre la contratación en Latinoamérica 2026
  2. Latin American AI Index 2025 (Universidad del Desarrollo, Chili)
  3. HiresLink, Données Q1-Q2 2026 sur le recrutement IA en Amérique latine
  4. Estratégia Brasileira de Inteligência Artificial, Ministério da Ciência, Tecnologia e Inovações, mise à jour 2024