Action en justice intentée contre les géants de l'IA pour violation du droit d'auteur

Le New York Times a intenté un procès complet pour violation du droit d'auteur contre OpenAI et Microsoft dans un développement juridique récent qui a envoyé des ondes de choc à travers la communauté de l'IA.

Le procès allègue que leurs Grands Modèles de Langage (LLM), en particulier GPT-4 et les produits connexes, ont un modèle d'affaires basé sur la violation massive du droit d'auteur. Ce procès a mis en lumière les préoccupations éthiques entourant l'approvisionnement des données d'entraînement pour les modèles d'IA générative.

Allégations de violation du droit d’auteur

Le cœur du procès tourne autour de l'allégation selon laquelle OpenAI et Microsoft ont utilisé des textes protégés par le droit d'auteur et d'autres contenus, y compris du contenu du New York Times, sans autorisation appropriée pour former leurs LLM. Le procès soutient que ces LLM ont reproduit à plusieurs reprises des contenus verbatim du New York Times et de diverses autres sources.

Le procès souligne une préoccupation croissante au sein de la communauté de l'IA et au-delà concernant l'approvisionnement éthique des données d'entraînement pour les LLM. Il soulève des questions sur les origines des données d'entraînement, sur le fait qu'elles incluent de la propriété intellectuelle volée, et sur l'impact que cela a sur les créateurs et les industries qui dépendent de contenu original.

Impact sur le journalisme et la création de contenu

Le procès souligne les conséquences potentiellement dévastatrices de la violation du droit d'auteur par l'IA pour les créateurs de contenu et le journalisme. Il soutient que lorsque des plateformes IA comme Google et Bing intègrent des idées et des expressions extraites des fournisseurs de contenu sans permission, cela compromet la capacité de ces fournisseurs à monétiser leur contenu. Cela met à son tour en péril la viabilité financière des organisations de presse et leur capacité à financer un journalisme de qualité.

Le procès déclare : « La protection de la propriété intellectuelle du Times est critique pour sa capacité continue à financer un journalisme de classe mondiale dans l'intérêt public. Si le Times et ses pairs ne peuvent pas contrôler l'utilisation de leur contenu, leur capacité à monétiser ce contenu sera compromise. » 

Avec moins de revenus, les organisations de presse auront moins de journalistes capables de consacrer du temps et des ressources à des histoires importantes et approfondies, ce qui crée le risque que ces histoires ne soient pas racontées. Moins de journalisme sera produit, et le coût pour la société sera énorme.

Réponse des modèles d'IA au contenu protégé par le droit d'auteur

Le procès met en lumière le fait que les LLM répondent souvent de manière incohérente aux invites et peuvent produire du texte protégé par le droit d'auteur mot pour mot dans certains cas, tandis que dans d'autres, ils peuvent paraphraser le contenu. Cependant, il soulève une question fondamentale : l'utilisation de matériaux protégés par le droit d'auteur pour entraîner des logiciels d'IA constitue-t-elle une infraction ?

Le New York Times soutient que l'acte de former des LLM constitue en soi une violation du droit d'auteur, indépendamment du fait que les modèles répètent ou non des phrases du matériel source. Cette perspective a été reprise dans un recours collectif intenté par les auteurs Sarah Silverman, Christopher Golden et Richard Kadrey, qui affirme que les LLM violent les œuvres dérivées car ils ne peuvent pas fonctionner sans les informations expressives extraites des œuvres protégées par le droit d'auteur.

Le débat en cours sur l'éthique de l'IA

L'action en justice intentée par The New York Times a déclenché un débat plus large sur les considérations éthiques entourant l'IA et la responsabilité des entreprises technologiques de s'assurer que leurs modèles d'IA sont construits sur des données obtenues de manière éthique. 

À mesure que l'IA progresse et joue un rôle de plus en plus prépondérant dans divers secteurs, les questions relatives à l'utilisation des données, aux droits de propriété intellectuelle et à l'éthique de la génération de contenu deviennent plus urgentes.