Combien valent les données de votre entreprise pour les labos d'IA ?

Pourquoi les labos paient pour des données d'entreprise

Les grands modèles de langage ont surtout été entraînés sur du texte public : sites web, forums, livres et code. L'essentiel a déjà été utilisé. Les modèles savent écrire un e-mail correct, mais face à une vraie tâche de bout en bout, comme clôturer les comptes du mois ou résoudre un ticket de support dans un CRM, ils échouent encore souvent.

La raison est simple. Les modèles ont vu très peu de traces de la façon dont les professionnels font ce travail. Votre entreprise en produit chaque jour, dans ses messageries, e-mails, documents, tickets et logiciels. C'est ce que les labos achètent.

Ce que disent les accords publics

Peu de prix de données d'entraînement sont publics, et la plupart des accords connus concernent de grandes plateformes. Ils donnent tout de même des repères utiles. Les montants ci-dessous sont en dollars américains, tels que rapportés.

• Google et Reddit : environ US$60M par an rapportés pour l'accès aux contenus de Reddit.
• News Corp et OpenAI : jusqu'à US$250M sur cinq ans selon les informations publiées.
• Start-up qui vendent d'anciennes archives Slack et e-mail : US$10K à US$100K par accord selon Forbes (avril 2026).
• Tâches d'apprentissage par renforcement construites à partir de vrai travail : US$200 à US$2000 chacune (Epoch AI, janvier 2026).
• Accords exclusifs : plusieurs fois le prix d'un accord non exclusif, selon les informations publiées.

Comment lire ces chiffres

Une plateforme de plusieurs millions d'utilisateurs n'est pas le même vendeur qu'une entreprise de 40 personnes. Ces chiffres montrent pourtant deux choses. D'abord, les traces de travail privées d'entreprises ordinaires se vendent déjà, pour des montants de plusieurs dizaines de milliers. Ensuite, le prix par élément augmente fortement quand les données montrent des tâches complètes et vérifiables, car les labos peuvent en faire des exercices d'entraînement pour agents d'IA.

Sept facteurs qui font le prix

Chaque jeu de données est évalué selon les mêmes facteurs. Certains ne dépendent pas de vous, comme l'ancienneté de votre entreprise. D'autres peuvent être améliorés avant la vente.

• Volume et années d'historique. Plus de données sur plus d'années donnent aux labos plus de variété et plus d'exemples d'une même tâche bien faite.
• Structure. Des tickets avec une demande, des étapes et un résultat clairs valent plus que des fichiers épars. Des données reliées entre elles, comme un ticket, l'échange d'e-mails et le document final, valent encore plus.
• Spécialisation. Un travail que peu d'entreprises font, ou qui demande un jugement d'expert, est rare dans les données d'entraînement. Les données rares se vendent plus cher.
• Langue. Les données en anglais abondent. Le néerlandais, le polonais, le suédois, le tchèque et d'autres langues européennes sont rares, donc les mêmes données dans ces langues valent souvent plus.
• Propreté. Des données avec peu de doublons, peu de bruit et des informations personnelles faciles à retirer coûtent moins cher à préparer, et le vendeur en profite.
• Exclusivité. Si un seul labo obtient les données, il paie plus. Les licences non exclusives rapportent moins par acheteur mais peuvent être vendues plusieurs fois.
• Nombre d'acheteurs. Des données que plusieurs labos veulent peuvent être cédées plusieurs fois sous licence non exclusive.

Les sources qui valent souvent le plus

Tous les outils de votre entreprise n'ont pas la même valeur. Les sources qui montrent le travail de la demande au résultat arrivent en général en tête, car les labos peuvent en faire des tâches dont la bonne réponse est connue.

Les tickets de support et de service desk, les tableaux de projet reliés à des documents et les dépôts de code avec leur historique sont souvent les sources les plus fortes. Les messageries internes et les e-mails viennent ensuite quand ils montrent des décisions et la résolution de problèmes. Procédures, checklists et méthodes ajoutent un contexte qui fait monter la valeur de tout le reste. Des dossiers de documents finaux sans historique valent le moins seuls, mais ils comptent quand même.

• En général élevée : tickets avec résultat, code avec historique, tableurs avec formules, commentaires de revue.
• En général moyenne : messageries internes et e-mails, fiches CRM, tableaux de projet.
• En général plus faible seuls : rapports finaux, supports marketing, disques partagés peu structurés.

Deux entreprises comparées

Prenons deux entreprises de 40 personnes. La première est un cabinet généraliste qui stocke surtout des documents finaux sur un disque partagé, en anglais, avec trois ans d'historique. La seconde est une entreprise spécialisée avec douze ans de tickets, une procédure écrite pour chaque type de tâche et des données en néerlandais et en allemand.

La seconde recevra en général une offre nettement plus élevée. Ses données sont plus anciennes, reliées, spécialisées et dans des langues dont les labos disposent peu. La première peut tout de même vendre, et elle peut augmenter sa valeur en ajoutant des sources avec plus d'historique, comme les e-mails ou un outil de tickets.

Ce qui fait baisser le prix

Certains éléments réduisent la valeur ou excluent des données. Des trous de plusieurs années, des documents scannés sans texte lisible, des archives pleines de newsletters et de notifications automatiques, et des textes eux-mêmes écrits par une IA valent moins. Tout comme des données dont une grande part est constituée d'informations personnelles à supprimer.

Des droits incertains font baisser le prix plus que tout. Si vous ne pouvez pas montrer que les données sont à vous, un labo ne peut pas les utiliser, quelle que soit leur qualité. Les données traitées pour des clients, les contenus couverts par un accord de confidentialité client et les documents rédigés par des tiers sont exclus pour cette raison.

Pourquoi l'estimation utilise l'effectif, l'ancienneté et le chiffre d'affaires

Avant que quiconque ait regardé vos sources, trois données prédisent assez bien la valeur. L'effectif indique combien de personnes produisent des données. L'ancienneté indique combien d'historique existe. Le chiffre d'affaires dit quelque chose de l'échelle et de la complexité du travail.

L'estimation de Lodex utilise ces trois critères pour donner une première fourchette. Selon les entreprises, les estimations se situent entre €10K–€600K. L'offre finale dépend des sources retenues, de leur volume et de leur qualité, des conditions d'accès et de notre revue.

Comment augmenter la valeur avant de vendre

Quelques mesures pratiques font une vraie différence, et la plupart prennent peu de temps.

• Préférez les sources avec un long historique continu à celles qui ont été migrées récemment.
• Incluez ce qui entoure un résultat : la demande, la discussion et le résultat.
• Écrivez vos procédures. Checklists, méthodes et notes de revue ajoutent un contexte que les labos paient.
• Clarifiez les droits tôt en vérifiant les contrats clients et les accords de confidentialité.
• Laissez de côté le bruit : newsletters, alertes automatiques et dossiers personnels.
• Indiquez chaque langue dans laquelle votre équipe travaille. Les données dans une autre langue que l'anglais sont souvent la partie la plus précieuse.

Comment fonctionne le paiement

Vous convenez du périmètre et du prix avec Lodex par écrit avant toute connexion. Nous nous connectons en lecture seule, nettoyons et mettons en forme les données, puis réalisons une revue qualité. Une fois vos données validées, vous êtes payé sous 7 jours. Les acheteurs ne voient que des extraits caviardés tant que le lot n'est pas payé.

Pour voir une première fourchette pour votre entreprise, remplissez l'estimation. Cela prend environ une minute et ne vous engage à rien.