Le marché des achats d'une entreprise de data est étroit et mouvant : quelques grands hébergeurs, une poignée de plateformes, des sociétés d'annotation qui naissent et disparaissent, des éditeurs de données dont les droits d'usage changent d'une version à l'autre. Ouvrir le panel, c'est trouver un hébergeur qui garantit une localisation européenne, un annotateur qui accepte de travailler sur données pseudonymisées dans un environnement fermé, un fournisseur de données capable de prouver d'où viennent ses données.

Ce qu'il fait chaque jour chez vous

Chercher des annotateurs travaillant en environnement ferméIl repère des sociétés d'annotation capables de travailler dans un espace fourni par le client, sans téléchargement, sur des données ayant fait l'objet d'une pseudonymisation.
Trouver des hébergeurs à localisation garantieIl identifie les fournisseurs de calcul qui garantissent par contrat un hébergement européen et qui publient la liste de leurs propres sous-traitants.
Remonter l'origine des données proposéesPour un fournisseur de données, il demande comment chaque jeu a été collecté et sous quelle licence, car un jeu de données d'entraînement aux droits flous contamine tout modèle qui en est issu.
Vérifier l'existence et la taille réelleIl contrôle au registre que le prestataire existe, emploie réellement l'équipe qu'il annonce et ne sous-traite pas l'annotation à un tiers non déclaré.
Qualifier les prestataires pour les projets sensiblesIl note quels prestataires sauraient fournir la traçabilité exigée pour un système d'IA à haut risque, documentation et journal des opérations compris, et lesquels ne le pourraient pas.
Préparer une liste courte argumentéeIl remet à l'acheteur trois ou quatre noms, avec pour chacun ce qui a été vérifié, ce qui reste à demander et les points de vigilance sur les données.

Sur le terrain

Un annotateur qui sous-traitait en cascade

Un prestataire d'annotation très compétitif annonce une équipe de cent personnes. L'assistant consulte le registre : la société compte huit salariés. En lisant ses conditions, il découvre que l'annotation est confiée à une plateforme de micro-tâches ouverte au public. Il l'écarte pour tout projet sur données client et le garde seulement pour des données publiques, avec une note pour l'acheteur.

Un jeu de textes sans licence claire

Pour un projet de classification de contrats, l'équipe veut acheter un corpus juridique à un petit éditeur. L'assistant demande l'origine des textes et la licence : l'éditeur reconnaît avoir collecté des documents sur des sites tiers sans accord. Il recommande de ne pas l'utiliser et cherche deux sources alternatives, l'une publique, l'autre sous licence commerciale écrite.

Les mots qu'il emploie chaque jour

Jeu de données d'entraînement: Les données qui servent à fabriquer le modèle : leur origine et leurs droits conditionnent tout ce qu'on pourra en faire.
Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.
Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.

Son métier de départ : Acheteur sourcing. Toute l'activité : Données et intelligence artificielle.