Résumé :
La controverse autour de la légalité des données de formation à l'intelligence artificielle générative s'est à nouveau réchauffée récemment. Un document judiciaire dévoilé dans le cadre du procès pour droits d'auteur du New York Times montre qu'un directeur de recherche principal chez Microsoft a décrit un jour lors d'une discussion interne que la méthode actuelle de formation des grands modèles de langage pourrait être « le plus grand vol de main-d'œuvre de l'histoire de l'humanité ». Les déclarations connexes ont attiré une large attention dans l’industrie.
Les propos exposés cette fois sont venus de Brent Hecht, directeur des sciences appliquées chez Microsoft. Selon les derniers documents juridiques publics, en discutant de l'utilisation par Microsoft, OpenAI et d'autres sociétés d'intelligence artificielle de l'utilisation massive de contenus Internet pour former des modèles, Hecht a un jour qualifié ce processus de « vol étonnant d'une ampleur sans précédent » et a en outre déclaré qu'il pourrait s'agir du « plus grand vol de main-d'œuvre de l'histoire de l'humanité ».
Ce contenu apparaît dans une action en justice pour atteinte aux droits d'auteur déposée par le New York Times et d'autres publications d'actualité contre Microsoft et OpenAI. Les plaignants estiment que les deux sociétés ont utilisé des reportages et d'autres contenus protégés par le droit d'auteur pour former des modèles d'intelligence artificielle sans autorisation et les utiliser pour développer des produits commerciaux.
Microsoft et OpenAI ont toujours adhéré à leur position en matière d'« utilisation équitable ». Les deux sociétés estiment que le processus de formation modèle est similaire à celui des étudiants qui lisent des livres pour acquérir des connaissances et s'inscrit dans le cadre d'une utilisation équitable. Ils soutiennent également que le contenu généré par l’IA a suffisamment transformé le matériel original pour ne pas constituer une copie directe.
Cependant, certains enregistrements de communications internes dans les documents récemment dévoilés semblent clairement contraster avec cette position publique.
Les documents montrent que Hecht pensait autrefois que si elles devaient gagner le procès, les entreprises impliquées pourraient devoir « se moquer complètement du concept d'utilisation équitable ». Cette déclaration est considérée comme une preuve importante par le plaignant et est utilisée pour remettre en question la logique de défense du droit d'auteur à laquelle les sociétés d'intelligence artificielle adhèrent depuis longtemps.
Dans le même temps, le document divulgue également certaines discussions internes d'OpenAI. L'un des documents montre le co-fondateur d'OpenAI, Greg Brockman, admettant que lorsque le modèle a été exposé au contenu du New York Times, ChatGPT était effectivement capable de prédire et de continuer les phrases dans des articles connexes. Ce type de contenu est utilisé par les plaignants pour prouver que le modèle a la capacité de reproduire l'œuvre originale, plutôt que de simplement résumer les informations apprises.
Les documents du procès ont également révélé que les préoccupations de Hecht concernant le développement à long terme de l'industrie de l'intelligence artificielle ne se limitent pas à la question du droit d'auteur elle-même. Il a un jour proposé le concept dit de « boucle apocalyptique » dans un autre document de présentation interne.
En suivant cette logique, les moteurs de réponse basés sur l'intelligence artificielle réduisent progressivement le besoin des utilisateurs de visiter les sites d'information, ce qui entraîne une baisse du trafic médiatique et des revenus commerciaux. À mesure que de plus en plus d’organisations de production de contenu perdent leur viabilité, les sources d’informations de haute qualité que les systèmes d’intelligence artificielle devront apprendre à l’avenir diminueront également, ce qui finira par nuire au modèle et à l’ensemble de l’écosystème Internet.
Il a souligné dans des documents internes qu'il est extrêmement rare qu'un produit menace les fondements économiques de ses principaux fournisseurs, mais le secteur de l'intelligence artificielle se trouve actuellement dans cette situation. Étant donné que les agences de presse et les créateurs de contenu sont d’importantes sources d’informations pour les modèles d’IA, lorsque ces groupes sont touchés, c’est l’ensemble de la chaîne d’approvisionnement de contenu qui est en danger.
Le plaignant a également cité les données internes de Microsoft et affirmé que les systèmes de réponse IA tels que Copilot ont eu un impact significatif sur le trafic de certains sites d'information. Dans certains cas, la proportion d'utilisateurs cliquant pour accéder à la page du New York Times a chuté de plus de 90 % par rapport aux résultats de recherche traditionnels.
En fait, le différend sur la source des données de formation est devenu l'un des défis juridiques les plus importants dans le secteur actuel de l'intelligence artificielle.
OpenAI a déjà déclaré publiquement qu'il était presque impossible de former des systèmes avancés d'intelligence artificielle sans aucun contact avec du contenu protégé par le droit d'auteur. Nick Clegg, ancien cadre de Meta, a également fait une déclaration similaire, estimant que si les règles traditionnelles en matière de droits d'auteur sont strictement respectées, de nombreux systèmes d'IA actuels seront difficiles à maintenir en développement.
Dans le même temps, de nombreuses entreprises, notamment Microsoft, Meta et d'autres sociétés technologiques, continuent de faire face aux critiques du monde extérieur en raison de problèmes liés à la source des données de formation. Certaines entreprises ont été accusées d'utiliser le contenu des utilisateurs, les bibliothèques de codes, les articles, les images et autres ressources en ligne pour former des modèles, souvent sans autorisation explicite ni compensation de la part des créateurs concernés.
Alors que le procès du New York Times se poursuit, de plus en plus de documents internes sont rendus publics. Les initiés de l'industrie estiment que ces documents ne sont pas seulement liés à l'issue des litiges en matière de droits d'auteur auxquels Microsoft et OpenAI sont confrontés, mais pourraient également affecter la future orientation réglementaire mondiale en matière de formation à l'intelligence artificielle, de protection de la propriété intellectuelle et de répartition des droits et des intérêts des producteurs de contenu.
Actuellement, les cas concernés sont toujours en cours d'examen. Quel que soit le verdict final, ce litige autour de la légalité de la formation en intelligence artificielle devient une étape importante dans la détermination des futures règles de développement de l’industrie de l’IA.
Commentaires