Chaque CAPTCHA résolu est une micro-tâche que vous offrez

Je clique sur les carrés contenant un feu tricolore, comme tout le monde, en râlant contre le morceau de poteau qui déborde sur la case d’à côté. Trois secondes de contrariété, puis le formulaire s’envoie et j’oublie. Un jour j’ai cherché à quoi servaient exactement ces images, et la réponse était plus intéressante que le formulaire que j’essayais de remplir.

Un test d’humanité recyclé en atelier

Le CAPTCHA d’origine avait un but simple : distinguer un humain d’un script. On affichait des caractères déformés qu’un logiciel de reconnaissance de l’époque ne savait pas lire. Le coût pour l’utilisateur était réel mais assumé, puisqu’il protégeait le site contre les inscriptions automatisées.

L’idée qui a tout changé est venue de Luis von Ahn et de son équipe à Carnegie Mellon. Puisque des centaines de millions de personnes déchiffraient chaque jour des caractères illisibles, autant leur faire déchiffrer des caractères utiles. reCAPTCHA affichait deux mots : un dont la réponse était connue, servant à valider l’utilisateur, et un second issu d’un livre ancien numérisé que les logiciels de reconnaissance optique n’avaient pas su lire. Les travaux publiés dans Science en 2008 décrivent ce montage sans détour, et le volume de texte corrigé de cette manière a été considérable.

Le procédé est honnête intellectuellement et assez brillant. Il transforme un déchet d’attention en ressource. Il installe surtout une habitude : le test de sécurité peut faire autre chose que de la sécurité, sans que personne ne le remarque.

Du livre à la voiture autonome

Google rachète reCAPTCHA en 2009. Les mots de livres cèdent progressivement la place à des numéros de rue photographiés par les voitures de cartographie, puis à des grilles d’images. Passages piétons, feux, bus, bouches d’incendie, escaliers, bateaux. La liste n’est pas aléatoire : ce sont exactement les catégories qu’un système de conduite assistée doit savoir reconnaître.

Le mécanisme reste le même que pour les livres. Une partie de la grille sert à vérifier que vous êtes humain, l’autre à étiqueter des images dont personne ne connaît encore le contenu. L’annotation de données est le poste de coût le plus lourd de l’apprentissage supervisé, et il est habituellement sous-traité à des travailleurs payés à la tâche, souvent au Kenya, aux Philippines ou en Inde, pour des sommes dérisoires.

Ici, il n’est pas sous-traité. Il est offert, quelques secondes à la fois, par une fraction énorme des internautes, plusieurs fois par jour, comme condition d’accès à des services qui appartiennent à d’autres.

Le calcul, posé simplement

Le site qui installe reCAPTCHA obtient une protection gratuite. L’utilisateur paie en temps et en attention. L’entreprise qui fournit le service récupère un flux d’annotations d’une taille impossible à acheter, et un signal comportemental supplémentaire, puisque les versions récentes analysent le mouvement du curseur et l’historique de session avant même d’afficher une image.

Aucune ligne de ce montage n’est illégale, aucune n’est cachée : la documentation technique est publique et les articles de recherche aussi. C’est ce qui rend l’affaire élégante. Il n’y a pas besoin de dissimuler un travail non payé quand la demande est formulée comme une preuve d’innocence, et qu’un refus signifie perdre l’accès à sa banque ou à son billet de train.

Il existe des alternatives libres qui fonctionnent sans envoyer quoi que ce soit à un tiers. J’en ai mis une sur ce site, non par vertu mais parce qu’après avoir compris le principe, faire travailler mes lecteurs gratuitement pour quelqu’un d’autre me semblait un curieux service à leur rendre.