Ola City est construit autour de sept piliers qui forment un système fermé : l'utilisateur apprend pour débloquer du travail, contribue pour produire des résultats, est évalué équitablement, voit sa récompense inscrite sur le grand livre, accumule de la réputation, reçoit des tokens OLA, tandis que les entreprises génèrent la demande via des campagnes. Ces sept piliers ne sont pas isolés — ils forment un volant d'inertie (flywheel) qui s'accélère à mesure qu'il tourne :

Sơ đồ

Plus de personnes travaillent bien → plus la qualité augmente → plus les entreprises ouvrent de campagnes → plus il y a de tâches bien payées → plus cela attire de contributeurs. Voici chaque pilier en détail.

4.1. Learn & Earn (Apprendre & Gagner)

Les utilisateurs suivent des cours courts pour débloquer de nouvelles compétences et sont payés en OLA une fois terminés. Chaque compétence est validée par une évaluation, ce qui permet de :

Débloquer de nouvelles tâches, mieux adaptées.
Être mis en relation avec des travaux mieux payés la fois suivante.
Enrichir progressivement le profil de compétences du contributeur.

Principe : apprendre va de pair avec être rémunéré — se perfectionner n'est pas un coût, c'est la première étape pour gagner une récompense. C'est aussi la façon dont Ola City élargit son offre de compétences en fonction de la demande réelle du marché : quand un type de tâche augmente, la plateforme débloque le cours correspondant pour former la main-d'œuvre nécessaire.

4.2. Tâches & Contribution (Tasks & Contribute)

Les contributeurs réalisent des tâches significatives pour de vraies entreprises — des micro-tâches jusqu'au travail d'expert. Les principales catégories de tâches :

Annotation de données — préparer et annoter des données d'entraînement/de test pour l'IA.
Rédaction de contenu — rédiger, éditer et normaliser du contenu.
Sondages & recherche — collecter des opinions, des données et des retours réels.
Audio & transcription — enregistrer, transcrire la voix en texte, contrôler la qualité audio.
Modération d'images & vidéos — modérer et classifier du contenu visuel et vidéo.
Saisie de données — numériser et structurer des données.

Catégorie de tâche	Exemples concrets
Annotation de données	Annoter des images/textes, délimiter des objets, classer des données d'entraînement IA
Rédaction de contenu	Rédiger, éditer, normaliser et localiser du contenu
Sondages & recherche	Répondre à des sondages, collecter des opinions et des données réelles
Audio & transcription	Transcrire la voix en texte, contrôler la qualité audio
Modération d'images & vidéos	Modérer, classer et signaler du contenu visuel/vidéo
Saisie de données	Numériser des documents, normaliser et structurer des données

Les tâches sont mises en correspondance avec la compétence et le niveau vérifiés du contributeur, afin que la qualité du travail et le niveau de récompense correspondent à son niveau de compétence. Le catalogue de tâches s'élargit au fil du temps, en suivant les modèles de paiement à la performance de chaque secteur (voir Contexte de marché).

4.3. Une évaluation équitable, assistée par l'IA

Chaque travail soumis est évalué selon le principe l'IA ne fait que suggérer — l'humain décide :

L'IA aide à filtrer, détecter les anomalies et faire des suggestions, mais ne remplace pas l'humain dans la décision finale.
Un mécanisme de recours permet au contributeur de réagir s'il n'est pas d'accord avec le résultat.
Un mécanisme anti-fraude protège les travailleurs honnêtes et garantit la qualité pour les entreprises.

Sơ đồ

L'objectif est un système d'évaluation à la fois équitable envers les travailleurs et fiable pour les entreprises — garantissant que l'automatisation reste toujours au service de l'humain, sans jamais se substituer à son jugement.

4.4. Grand livre & Paiements (Ledger & Payments)

L'ensemble des flux de récompenses d'Ola City repose sur un grand livre en partie double (double-entry ledger) avec les garanties techniques suivantes :

Idempotent — chaque événement n'est enregistré qu'une seule fois, évitant les doublons.
Transactions atomiques — chaque changement de solde s'exécute intégralement ou pas du tout.
Traçable — chaque changement de solde est enregistré, l'utilisateur peut suivre chaque unité.

Le travail approuvé est crédité au portefeuille du contributeur ; le solde peut être conservé en OLA ou retiré en espèces (après vérification KYC). Cette conception « paiement d'abord par le grand livre » vise à éliminer les récompenses floues ou retenues.

Sơ đồ

4.5. Passeport de réputation (Reputation Passport)

Le contributeur construit un profil de réputation multidimensionnel (orienté 6 dimensions) — reflétant sa qualité, sa fiabilité et sa compétence dans le temps :

Le score de réputation n'augmente que par un travail de qualité.
La réputation est portable dans tout le système — bien faire une fois est un actif durable.
Une réputation plus élevée permet de débloquer des tâches mieux payées et de meilleures opportunités.

C'est le mécanisme qui lie la récompense à la valeur réelle créée par l'utilisateur, plutôt qu'au temps passé en ligne ou au nombre d'actions. Le passeport de réputation est aussi un actif du contributeur : il s'accumule avec lui, encourage un travail de qualité sur le long terme et aide les entreprises à choisir avec confiance les bonnes personnes.

4.6. Token OLA

OLA est le token de récompense d'Ola City, lié à l'utilisation de la plateforme selon trois rôles :

Gagner (Earn) — recevoir des OLA en accomplissant des tâches et des cours Learn & Earn.
Suivre (Track) — chaque changement de solde OLA est inscrit sur le grand livre en partie double, transparent unité par unité.
Utiliser (Use) — conserver des OLA pour monter de niveau, ou retirer en espèces à tout moment (selon les conditions de KYC et de zone géographique).

Sơ đồ

OLA est conçu comme un token de récompense lié au travail réel. La valeur à long terme d'OLA provient de l'activité réelle sur la plateforme — travail accompli, évalué et rémunéré — et non d'un engagement de profit, d'un taux d'intérêt fixe ou d'une promesse de hausse de valeur. (Voir la page Token OLA pour le détail complet de ses rôles, de son cycle de valeur et des informations on-chain.)

4.7. Campagnes pour les entreprises (Campaigns)

Les entreprises exploitent la couche humaine mondiale via des campagnes :

Budget en séquestre (escrow) — lancer une campagne avec un budget placé en séquestre, garantissant la source de paiement des contributeurs.
Évaluation assistée par IA & contrôle de la fraude — améliorer la qualité des résultats, réduire le spam et les abus.
Ciblage par compétence & pays — choisir la bonne main-d'œuvre humaine pour chaque type de tâche.
Analyses & rapprochement intégrés — suivre l'avancement, la qualité et le coût tout au long de la campagne.

Le modèle de marché à double sens permet aux entreprises d'étendre leurs travaux de données, de contenu et de recherche selon leurs besoins, tandis que les contributeurs disposent d'une source de travail réelle et transparente. Le budget en séquestre est la clé de la confiance des deux côtés : le travailleur est sûr d'être payé, l'entreprise ne débourse que pour un résultat conforme.