Résumé :
En réponse à une action en justice conjointe pour violation du droit d'auteur initiée par des éditeurs de presse et des auteurs de livres, Microsoft a soumis au tribunal les derniers documents de défense, insistant sur le fait que son chatbot d'intelligence artificielle Copilot ne copie presque jamais textuellement ou ne reproduit en grande partie les rapports de médias tels que le New York Times et les œuvres littéraires protégées par le droit d'auteur. Cette position vise à construire une défense juridique solide en matière d'« utilisation équitable » pour Microsoft et OpenAI, et à pousser le tribunal à mettre fin aux affaires connexes par un jugement sommaire dès que possible.
Dans le cadre du processus de découverte du procès, Microsoft a publié une base de données de 8,2 millions de transcriptions de conversations Copilot réelles à des experts embauchés par les agences de presse plaignantes. Microsoft a souligné que l'ensemble de données n'avait pas été sélectionné au hasard, mais avait été spécifiquement examiné sur la base de mots-clés liés au site Web d'informations du plaignant. En théorie, il s'agit d'un ensemble d'échantillons qui est « le plus susceptible de contenir du contenu prétendument contrefait ».
Cependant, les résultats de l'analyse des données ont révélé des fréquences de répétition extrêmement faibles. Parmi ces 8,2 millions d'enregistrements filtrés, seuls 59 545 enregistrements contenaient au moins 16 mots consécutifs chevauchant le contenu d'actualité utilisé pour la formation des modèles, ce qui représente moins de 1 % du total des enregistrements. En outre, dans le procès impliquant l'organisation de reportage d'investigation à but non lucratif « Center for Investigative Reporting » (Center for Investigative Reporting), l'expert initial n'a identifié que 51 cas dans un échantillon massif qui constituait un « chevauchement substantiel » avec les documents de l'organisation.
Dans une autre affaire consolidée intentée par un groupe d'écrivains concernant les droits d'auteur de livres, les données de test ont montré une tendance similaire. Des experts indépendants engagés par les auteurs du plaignant ont procédé à un examen des 212 livres impliqués dans l'affaire et ont finalement trouvé des enregistrements générés avec au moins 30 chevauchements de mots dans seulement 10 livres, avec un total de seulement 24 échantillons correspondants.
Microsoft a fait valoir devant le tribunal que ces données détaillées ne faisaient que confirmer son principal moyen de défense juridique, à savoir que l'utilisation de matériels protégés par le droit d'auteur pour entraîner de grands modèles de langage constitue une « utilisation équitable » dans le cadre de la loi américaine sur le droit d'auteur. Microsoft a souligné que le but de l'utilisation de documents protégés par le droit d'auteur par Copilot et le système d'IA générative qui le sous-tend est fondamentalement différent de celui de la publication originale. Son mécanisme fondamental est d’absorber et de réorganiser les modèles linguistiques pour générer de nouveaux contenus, plutôt que de circuler en remplacement de l’œuvre originale. Même si des fragments de texte sporadiques réapparaissent occasionnellement, cela ne peut pas effacer les caractéristiques « d'utilisation transformatrice » du processus de formation des grands modèles de langage.
Auparavant, un certain nombre d'organisations médiatiques et de groupes de créateurs, dont le New York Times, le Center for Investigative Reporting et la Authors Guild, ont déposé conjointement une plainte accusant Microsoft et OpenAI d'avoir illégalement saisi des millions d'articles et de livres originaux sans autorisation pour former leurs plateformes commerciales d'IA, et d'avoir directement concurrencé les auteurs originaux en générant un contenu très chevauchant, ce qui a eu de graves conséquences sur l'écosystème commercial du journalisme indépendant et de la création littéraire. Afin d'améliorer l'efficacité des procédures judiciaires, les procès connexes impliquant des éditeurs et des écrivains de presse ont été regroupés et confiés au même juge fédéral.
À l'heure actuelle, Microsoft a officiellement demandé au tribunal un jugement sommaire, dans l'espoir d'utiliser les données ci-dessus pour prouver que l'accusation de contrefaçon substantielle du plaignant manque de base factuelle universelle, résolvant ainsi ce procès clé de l'industrie à un stade précoce concernant la légalité de la formation sous-jacente à l'intelligence artificielle générative. Pour l'instant, le New York Times, le Center for Investigative Reporting et la Writers Guild of America n'ont pas commenté publiquement les dernières statistiques et déclarations judiciaires soumises par Microsoft.
Commentaires