Olga Megorskaya, fondatrice et PDG de Toloka – Série d’entretiens

Olga Megorskaya, fondatrice et PDG de Toloka, dirige l’entreprise depuis 2020, la faisant évoluer de ses racines originales de crowd-labeling pour devenir un acteur majeur des services de données pour l’IA. Avant de fonder et de diriger Toloka, elle a passé plus d’une décennie chez Yandex, culminant à un poste de responsable du crowdsourcing et des plateformes, où elle a construit et mis à l’échelle des infrastructures de données étiquetées par crowdsourcing pour des produits d’apprentissage automatique, notamment la recherche, la voix, la parole, la conduite autonome, la modération de contenu et bien plus encore. Sous sa direction à Toloka, l’entreprise s’est positionnée comme un partenaire de données mondial pour l’IA — combinant la technologie d’apprentissage automatique avec l’expertise humaine pour soutenir la formation, l’évaluation et la sécurité des modèles et agents d’IA à grande échelle.

Toloka est une entreprise basée aux Pays-Bas, dont le siège est à Amsterdam, qui fournit des données de haute qualité, expertement sélectionnées, pour le développement de l’IA, allant de l’annotation et de l’étiquetage à des ensembles de données personnalisés pour le fine-tuning supervisé (SFT) et l’apprentissage par renforcement à partir de la rétroaction humaine (RLHF). L’entreprise prend en charge une large gamme de modalités — texte, image, audio, vidéo — et engage des experts de domaine aux côtés d’une foule mondiale pour fournir des ensembles de données évolutifs et précis pour la formation et l’évaluation d’agents et de modèles de langage avancés. Ses services aident à améliorer les capacités telles que la raisonnement, la compréhension multilingue, la génération d’images/sons et la sécurité de l’IA à travers les industries et les applications.

Vous avez passé des années à construire des systèmes humains dans la boucle chez Yandex avant de co-fonder Toloka en 2020. Quel a été le moment qui vous a convaincu que cela devait devenir une entreprise à part entière, et comment cette expérience a-t-elle façonné votre vision du rôle de Toloka dans le développement de l’IA ?

À un certain moment, nous avons réalisé que Toloka avait dépassé son entreprise d’origine. Les chercheurs en IA du monde entier utilisaient la plateforme, et nous avons reconnu que l’entreprise pourrait accomplir plus en tant qu’entité indépendante. Par conséquent, Toloka a pu s’appuyer sur l’expérience cumulative de centaines d’équipes d’IA collectant des données de formation pour l’ensemble des solutions d’IA – de la recherche Web et des assistants vocaux aux chatbots GenAI et aux agents d’IA. Nous avons depuis combiné notre expertise dans la gestion de l’effort humain avec la construction et la formation d’agents d’IA pour créer notre nouveau produit, Tendem.

Vous avez déclaré que la véritable disruption à venir ne proviendra pas d’agents entièrement autonomes. Qu’est-ce qui vous a conduit à conclure que les agents hybrides – combinant l’automatisation de l’IA avec le jugement humain – sont le modèle qui finira par gagner ?

Alors que je crois que les solutions d’IA uniquement dans de nombreux domaines atteindront bientôt un niveau de qualité incroyable pour satisfaire pleinement les besoins des clients, il y aura toujours une longue traîne de cas d’utilisation que les modèles de base ne seront jamais optimisés pour. C’est là que l’approche hybride surpassera à la fois les solutions d’IA uniquement et les solutions humaines uniquement pour un avenir prévisible. Nous avons vu le même modèle se reproduire à plusieurs reprises au cours de la dernière décennie : l’IA peut scaler les tâches de manière magnifique, mais elle lutte avec la nuance, le contexte et les types d’appels de jugement qui comptent dans les véritables environnements commerciaux. Les professionnels veulent de la vitesse, mais ils ont également besoin de fiabilité – les agents entièrement autonomes ne peuvent simplement pas garantir cela aujourd’hui. Les systèmes hybrides gagnent parce qu’ils résolvent les deux côtés de l’équation. L’IA gère ce qu’elle fait de mieux : la vitesse, la structure et la répétitivité. L’expertise humaine remplit les lacunes : l’ambiguïté, les cas de bord et l’interprétation. Lorsque vous combinez les deux de manière native, vous obtenez un flux de travail qui est à la fois rapide et fiable. C’est le modèle sur lequel les professionnels finiront par compter.

Vous avez noté que l’IA se brise sur l’ambiguïté et le raisonnement multi-document. Quels types de tâches révèlent ces limites le plus clairement ?

Les tâches à long horizon – celles qui nécessitent de synthétiser plusieurs sources, de réconcilier des informations contradictoires ou d’interpréter le contexte, et qui prendraient des heures ou même des jours à un humain pour les terminer – ont tendance à exposer les limites actuelles de l’IA. Des exemples incluent la recherche de marché, l’analyse concurrentielle, la synthèse de documents longs, la rédaction de contenu original à partir d’entrées mixtes ou l’extraction d’informations qui dépendent de la nuance humaine par rapport à la reconnaissance de modèles. L’IA est excellente pour produire un premier jet. Mais le moment où une tâche nécessite une priorisation, un jugement ou une réconciliation de l’ambiguïté, la fiabilité chute brusquement. C’est là que les experts humains sont essentiels.

De nombreux professionnels utilisent l’IA mais n’y font encore tout à fait confiance. Comment votre approche reconstruit-elle la confiance dans la délégation de travail réel à des systèmes assistés par l’IA ?

La confiance s’améliore lorsque les gens n’ont plus à corriger la sortie de l’IA. Notre approche reconstruit la confiance en intégrant les humains dans le flux de travail dès le départ, et non comme un chemin d’escalade lorsque l’IA échoue. Chaque tâche dans Tendem passe par un gestionnaire de projet d’IA qui décide de ce qui doit être automatisé et de ce qui nécessite une expertise humaine. Après cela, des vérifications automatisées et une vérification qualité humaine garantissent que la sortie finale est précise, complète et prête pour les entreprises. Pour les professionnels, cela signifie qu’ils peuvent déléguer du travail et s’attendre réellement à un résultat vérifié, et non à un brouillon qu’ils doivent réparer.

Quels mécanismes garantissent que les experts humains dans la boucle maintiennent une sortie de haute qualité sans ralentir le flux de travail ?

Deux choses rendent cela possible :

• La spécialisation à grande échelle. Les experts du réseau Tendem sont pré-vérifiés, formés et appariés en fonction de leur expertise de domaine. Ils ne sont pas des freelances généraux essayant de s’adapter au vol – ils sont déjà qualifiés pour des types de tâches spécifiques.
• La vérification qualité en couches et l’acheminement intelligent. L’IA gère les étapes de base de manière à ce que les experts humains se concentrent uniquement sur les parties qui nécessitent un jugement. Ensuite, il y a une deuxième couche de vérification qualité automatisée et de vérification humaine lorsque nécessaire. Cela maintient les humains engagés là où ils ajoutent le plus de valeur, et non là où ils créent des goulets d’étranglement.

Le résultat est une vitesse qui rivalise avec l’automatisation, avec une précision qui rivalise avec la vérification d’experts.

Dans les industries exigeant la précision et la conformité, comment les systèmes hybrides peuvent-ils offrir de la vérifiabilité et de la traçabilité que les entreprises peuvent compter ?

Les systèmes hybrides permettent inhérentement la traçabilité parce que chaque étape du flux de travail est suivie, attribuée et vérifiée en termes de qualité. Vous savez quelles parties ont été automatisées, quelles parties ont été effectuées par des experts vérifiés, et quels étapes de vérification qualité ont validé la sortie. Dans les industries hautement réglementées, ce processus devient essentiel. Vous ne vous reposez plus sur une décision d’IA en boîte noire ; vous avez une chaîne de jugement, de corrections et d’approbations vérifiable. C’est ce qui rend les systèmes hybrides adaptés aux domaines où la précision et la conformité ne peuvent pas être optionnelles.

Quelles catégories de travail de connaissance s’attendez-vous à voir basculer vers des agents hybrides en premier, et lesquelles seront les plus lentes à adopter ce modèle ?

D’une manière générale, je pense que l’approche hybride est beaucoup plus facile à adopter qu’une approche d’IA uniquement, nous anticipons donc que presque n’importe quel domaine peut être couvert avec ce modèle – la différence ne sera que dans la proportion d’IA par rapport à l’implication humaine. Les premiers adoptants sont des rôles où la vitesse et la précision comptent tous les deux, mais où le travail est encore très répétitif. Nous voyons déjà une forte demande de la part du conseil, du marketing, des opérations de vente, de la recherche et de la création de contenu. Les domaines les plus complexes (et probablement les plus intéressants) à résoudre sont ceux plus proches du monde physique, tels que l’architecture et la construction. Mais je vois clairement un chemin technologique pour y arriver également.

D’un point de vue opérationnel, comment les organisations bénéficient-elles lorsqu’elles passent d’un travail géré par des freelances à des agents hybrides ?

Les agents hybrides éliminent deux des plus grandes inef ficacités dans le travail géré par des freelances : les frais de gestion et la qualité incohérente. Les organisations et les professionnels n’ont plus à recruter, à vérifier, à brief er, à gérer ou à corriger les freelances. L’agent hybride gère l’orchestration du flux de travail de manière automatique, en attribuant la bonne combinaison d’IA et d’expertise humaine pour chaque étape. Cela réduit le temps de réalisation, normalise la qualité de sortie et permet d’évoluer sans augmenter les effectifs. En bref : vous obtenez la vitesse de l’automatisation avec la fiabilité d’une équipe d’experts, mais sans gérer l’un ou l’autre.

À mesure que les systèmes hybrides gagnent en traction dans le mainstream, quel impact attendez-vous que ce changement ait sur l’économie plus large des freelances et du travail à la demande ?

Nous pensons qu’il va remodeler l’économie des freelances, sans la remplacer. Au lieu que les freelances passent leur temps sur des tâches répétitives de bas niveau, ils peuvent se brancher sur des systèmes hybrides en tant que spécialistes dans des domaines spécifiques. Le travail devient plus structuré : à plus haute valeur, plus prévisible et plus stable. Plutôt que de poursuivre des projets inconsistants, les experts peuvent contribuer à grande échelle via des plateformes comme Tendem, où leurs compétences sont mises en correspondance avec les bonnes tâches et soutenues par des systèmes d’IA qui éliminent les tâches fastidieuses.

En regardant quelques années en avant, à quoi ressemblera la « délégation à l’IA » une fois que les agents hybrides seront devenus la norme dans le travail numérique ?

La délégation ressemblera moins à « utiliser un outil » et plus à confier du travail à une équipe capable. Vous décrirez le résultat que vous souhaitez, et l’agent hybride le décomposera, acheminera les sous-tâches, appliquera le bon mélange d’IA et d’expertise humaine, vérifiera les résultats et livrera un produit fini – le tout en quelques heures. Le changement sera de l’utilisation de l’IA comme assistant de rédaction à la confiance en l’IA en tant que gestionnaire de projet qui supervise l’ensemble du flux de travail. C’est là que la véritable délégation se produit : lorsque les professionnels peuvent faire confiance au système pour livrer la sortie finale, et non juste un point de départ.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Toloka.