Des humanoïdes sont déployés sur des lignes d’assemblage, tandis que les robots actuellement documentés en restauration sont surtout des robots de service ou de livraison, pas nécessairement humanoïdes. Selon RCSV, des téléopérateurs formés en Inde, aux Philippines et en Europe de l’Est sont rémunérés entre 22 et 55 dollars de l’heure pour des services de collecte de données et de téléopération. Les spécialistes américains capturent l’autre bout de la chaîne, à 65–120 dollars de l’heure. Entre les deux, un marché du travail mondial s’organise selon une logique que les plateformes numériques ont déjà tracée : la valeur monte, les coûts descendent, et la géographie fait le reste.

L’essentiel

  • La robotique humanoïde crée une strate de téléopération et d’annotation dont les coûts d’entraînement ont baissé de 40 à 60 % entre 2024 et 2026 selon RCSV.
  • Les opérateurs de téléopération en Asie et en Europe de l’Est gagnent entre 22 et 55 $/h ; les spécialistes américains de la même chaîne en gagnent 65 à 120 (Robotics Center AI, State of Robotics 2026).
  • RCSV indique que plus de 340 sites de restauration rapide utilisent un robot et qu’un robot peut s’amortir en 3–4 ans lorsque les coûts de main-d’œuvre dépassent 18 $/h.
  • La téléopération peut séparer géographiquement opérateurs et robots, mais la répartition mondiale de la valeur créée n’est pas établie par cette source.
  • La question centrale est de savoir si cette strate est un palier vers l’autonomie des robots ou un emploi dévalué qui se pérennise, et les signaux d’ici 2030 départageront les deux trajectoires.

La pizza et le clic à 12 000 kilomètres de distance

RCSV documente des services de téléopération et de collecte de données, mais pas un modèle établi de robots humanoïdes de fast-food pilotés depuis l’Asie ou l’Europe de l’Est. Le State of Robotics 2026 du Robotics Center AI recense plus de 340 déploiements de robots en restauration rapide. Selon RCSV, un robot de cuisson ou de friture s’amortirait en trois à quatre ans à des coûts de main-d’œuvre supérieurs à 18 $/h ; le rapport ne chiffre pas le cas de 15 $/h. RCSV avance une estimation d’amortissement à des coûts de main-d’œuvre élevés, sans condition documentée de supervision à bas coût.

Cette architecture n’est pas un défaut de jeunesse. Elle est le produit d’un calcul précis. La baisse de 40 à 60 % du travail d’annotation est attribuée par RCSV à ses pipelines d’annotation. La baisse des coûts de téléopération facilite les pilotes, tandis que RCSV associe l’amortissement de certains robots de cuisine à des coûts de main-d’œuvre supérieurs à 18 $/h. Le cercle est vertueux pour les déployeurs, beaucoup moins pour les producteurs de données.

Ce mécanisme rejoint l’analyse publiée sur les pays émergents face à la polarisation par les robots : la technologie redistribue le travail géographiquement, et les pays à bas coût se retrouvent généralement dans les segments où la valeur créée est la plus faible.

Deux marchés du travail, une seule chaîne de production

Le rapport State of Robotics 2026 documente deux niveaux de rémunération qui ne se croisent presque jamais. Les opérateurs de téléopération et les annotateurs de données en Asie et en Europe de l’Est gagnent entre 22 et 55 dollars de l’heure. Les ingénieurs et spécialistes américains qui conçoivent les systèmes, valident les modèles et supervisent les déploiements touchent entre 65 et 120 dollars de l’heure.

L’écart est structurel autant que salarial. Les premiers produisent la matière première : données d’entraînement, corrections de trajectoire, signaux de supervision. La propriété des modèles et des données dépend des contrats et des entreprises. Les seconds ont accès à une part significative de la rente de ces modèles une fois entraînés. La frontière entre les deux groupes est géographique autant que professionnelle.

Ce schéma ressemble à ce que l’Organisation internationale du Travail (OIT) documente dans son rapport Digital Labour Platforms 2025 sur les plateformes de travail numérique : une division mondiale du travail où la production de valeur et la capture de valeur sont systématiquement séparées, les premières localisées dans les économies à bas coût, les secondes dans les économies à haut capital technologique. Ce schéma s’applique à la robotique humanoïde, avec une différence : la demande de téléopérateurs pourrait augmenter si les déploiements s’accélèrent. Ce qui la rend potentiellement plus dangereuse si les modèles atteignent l’autonomie avant que les travailleurs aient pu monter en compétence.

Le seuil de 18 dollars révèle la logique de déploiement

Les 340 déploiements recensés se concentrent aux États-Unis, au Japon et en Corée du Sud. RCSV avance une estimation d’amortissement pour certains robots de cuisine lorsque les coûts de main-d’œuvre dépassent 18 $/h, sans établir que tous les sites dépassent ce seuil. En dessous, le calcul s’inverse.

Ce seuil a une conséquence directe sur la géographie du travail. En 2024, l’Asie représentait 74 % des installations mondiales de robots industriels et la Chine 54 %. Ils fournissent une part significative de la matière première cognitive qui rend les déploiements ailleurs rentables. Ils exportent de la valeur sans accueillir les machines que cette valeur permet de financer.

L’analogie avec les matières premières physiques est tentante. L’Afrique produit 70 % du cobalt mondial mais laisse partir la valeur ajoutée : la robotique humanoïde pourrait installer une mécanique similaire pour les données. Les pays producteurs fournissent la ressource, les pays technologiquement dominants raffinent et capturent la rente.

La différence avec le cobalt est que la donnée se dévalue vite. Un annotateur forme un modèle qui, une fois entraîné, n’a plus besoin de lui. Le cobaltier, lui, reste indispensable tant que la mine produit. La ressource cognitive a une durée de vie que la ressource physique n’a pas.

La baisse des coûts d’annotation et ses conséquences

Une réduction de 40 à 60 % des coûts d’annotation en deux ans traduit une trajectoire de marché, au-delà d’un simple gain d’efficacité. Les outils d’annotation automatique progressent, les modèles apprennent à s’autocorriger sur certaines tâches et la demande de travail humain par unité de donnée produite baisse.

Pour les téléopérateurs et annotateurs, ce signal est ambigu. Si la demande globale de robots augmente plus vite que la productivité des outils d’annotation, le volume de travail disponible peut croître même si le coût unitaire baisse. Si les outils d’annotation automatique absorbent les tâches les plus répétitives, les tâches restantes pour les humains sont plus complexes, mais pas nécessairement mieux rémunérées si l’offre de travailleurs qualifiés reste abondante.

RCSV note que la réduction des coûts de production des robots suit une courbe similaire à celle de la donnée d’entraînement. Les deux courbes, coût du robot, coût de la donnée, baissent ensemble, ce qui accélère le point de rentabilité dans de nouveaux marchés. Pour les déployeurs, c’est une opportunité. Pour les producteurs de données, c’est une pression sur les taux horaires à mesure que l’offre de travailleurs qualifiés dans ces tâches augmente globalement.

La téléopération en 2035 : emploi de transition ou segment permanent

La permanence de la téléopération est un facteur possible, parmi plusieurs déterminants technologiques, économiques et réglementaires du marché du travail. Les deux scénarios ont des logiques internes cohérentes.

Un scénario envisage que les robots atteignent progressivement un niveau d’autonomie opérationnelle suffisant pour diminuer la supervision humaine en temps réel sur les tâches standardisées. La restauration rapide, l’assemblage simple, la logistique répétitive : ces domaines disparaissent du périmètre des téléopérateurs. La demande de supervision s’effondre avant que les travailleurs concernés aient eu le temps de se reconvertir. Les pays à bas coût perdent alors à la fois la rente transitoire et l’opportunité de montée en compétence qu’elle aurait pu financer.

Un autre scénario envisage que les robots maintiennent un taux d’erreur résiduel qui pourrait exiger une supervision humaine prolongée. Les tâches non standardisées, les environnements imprévisibles, les interactions complexes et les situations nouvelles restent hors de portée de l’autonomie complète. La téléopération se stabilise alors comme segment permanent, avec des volumes croissants à mesure que les déploiements s’accélèrent. L’enjeu devient la rémunération : les 22 à 55 $/h actuels resteront-ils la norme, ou convergeront-ils vers les niveaux occidentaux si la demande dépasse l’offre disponible.

Les deux scénarios partagent un besoin commun : la traçabilité de la valeur produite par les travailleurs de la donnée. Actuellement, les annotateurs en Asie et Europe de l’Est disposent rarement de droits établis sur la valeur créée par les modèles qu’ils ont contribué à entraîner. La source documente des taux horaires, sans établir l’ensemble des droits contractuels ou économiques des travailleurs. Si les robots atteignent rapidement l’autonomie, cette relation aura été la seule, et sa brièveté n’aura laissé aucune trace dans les compétences ou les revenus futurs de l’annotateur.

Deux signaux permettront de départager les trajectoires d’ici 2030. Le premier est l’évolution du taux horaire médian des téléopérateurs en Asie et en Europe de l’Est : une stagnation des taux horaires serait un indice possible, mais insuffisant à lui seul pour conclure à une dévaluation permanente, une convergence vers des niveaux occidentaux pourrait être compatible avec une tension d’offre, sans permettre à elle seule de l’établir. Le second est la part des déploiements en restauration rapide fonctionnant sans supervision humaine en temps réel au-delà du seuil de 18 $/h : si cette part augmente significativement avant 2030, le premier scénario gagne en probabilité.

Les erreurs déjà commises par les plateformes

Les plateformes numériques de la décennie 2010 ont suivi un chemin proche. Uber, Amazon Mechanical Turk, les plateformes de contenu : toutes ont créé des marchés de travail fragmenté, géographiquement dispersés, où les producteurs de valeur captaient une fraction minoritaire de la rente. Aucune n’a mis en place spontanément les mécanismes de redistribution que les chercheurs de l’OIT recommandaient alors.

La robotique humanoïde arrive avec une différence potentielle : elle est physique, donc visible, donc plus facilement régulable que les plateformes numériques. Un robot dans un fast-food de Los Angeles a un déployeur identifiable, un fabricant localisé, une chaîne de valeur traçable. Les données qu’il a consommées pour apprendre à fonctionner ont été produites quelque part, par quelqu’un, pour un prix documenté.

Cette traçabilité rend envisageables des mécanismes qui étaient impossibles à appliquer aux plateformes purement numériques. Une redevance sur les données d’entraînement collectées à l’étranger, reversée sous forme de fonds de reconversion aux pays producteurs, suivrait la logique des droits de licence appliqués aux ressources naturelles. Des certifications de compétence portables pour les téléopérateurs, reconnues indépendamment du donneur d’ordre, sécuriseraient la trajectoire professionnelle dans les deux scénarios d’autonomie. Ces pistes existent dans les discussions académiques et dans certains rapports de l’OIT ; elles n’ont pas encore trouvé de porteur politique à l’échelle internationale.

L’architecture d’un marché du travail se fige vite : les normes salariales, les statuts et les pratiques contractuelles qui s’établissent dans les premières années d’un nouveau secteur ont tendance à persister. La fenêtre pour poser des règles différentes dans la robotique humanoïde est ouverte, mais elle ne le restera pas indéfiniment. Comme le montre l’analyse du développement allemand, les robots peuvent créer des emplois qualifiés, mais ce résultat dépend de choix institutionnels délibérés, non de la technologie seule.

Sources

  1. Robotics Center AI, State of Robotics 2026, https://www.roboticscenter.ai/en/state-of-robotics-2026
  2. Goldman Sachs, Humanoid Manufacturing Costs Analysis 2026, rapport interne cité dans la presse spécialisée ; non disponible en accès libre
  3. Organisation internationale du Travail (OIT), Digital Labour Platforms 2025, disponible sur ilo.org