Le GPTBot d'OpenAI prend le web – ce que vous devez savoir

OpenAI, une entreprise d'intelligence artificielle renommée, a récemment introduit son dernier outil, le « GPTBot », conçu à des fins de crawl web, ouvrant potentiellement la voie à des améliorations dans les futures itérations de ses modèles ChatGPT.

Dans un récent article de blog, OpenAI a annoncé le lancement du GPTBot, soulignant son potentiel pour améliorer les versions à venir de ChatGPT. La fonction principale de l'outil repose sur le crawl web, un processus dans lequel un robot, souvent appelé spider web, indexe le contenu des sites web à travers l'immense étendue d'Internet. Cela permet aux moteurs de recherche comme Google et Bing d'afficher des sites web pertinents dans leurs résultats de recherche.

OpenAI a expliqué que GPTBot est conçu pour rassembler des informations accessibles publiquement à partir de diverses sources web. Cependant, il est programmé pour exclure le contenu derrière des paywalls, les sources contenant des informations personnellement identifiables et le texte qui contrevient aux politiques établies d'OpenAI. Il est notable que les propriétaires de sites web conservent la capacité d'empêcher les activités de crawl de GPTBot en insérant une commande « disallow » dans un fichier standard sur leurs serveurs.

Cette nouvelle entreprise de crawl web fait suite au dépôt récent d'OpenAI d'une demande de marque pour « GPT-5 », le successeur prévu du modèle GPT-4 existant. Cette demande, déposée auprès du Bureau américain des brevets et des marques (USPTO) le 18 juillet, couvre l'utilisation du terme « GPT-5 » pour diverses applications basées sur l'IA, y compris la conversion de texte et de parole, la traduction audio-texte et la reconnaissance vocale.

OpenAI prévoit le prochain modèle

Cependant, malgré l'anticipation entourant GPT-5, le fondateur et PDG d'OpenAI, Sam Altman, a mis en garde en disant que l'entreprise est encore à une distance considérable du début de l'entraînement de GPT-5. Il a souligné la nécessité d'audits de sécurité approfondis avant de se lancer dans le processus d'entraînement.

Pendant ce temps, OpenAI a rencontré des préoccupations croissantes concernant ses pratiques de collecte de données, en particulier par rapport aux questions de droit d'auteur et de consentement. En juin, le gardien de la vie privée du Japon a émis un avertissement à OpenAI concernant la collecte de données sensibles sans autorisation appropriée. L'Italie a également imposé une interdiction temporaire de l'utilisation de ChatGPT, alléguant des violations des lois européennes sur la vie privée. Ces cas mettent en lumière l'examen accru de la vie privée des données et de la technologie IA.

Il est notable qu'OpenAI ait récemment fait face à une action collective intentée par 16 plaignants qui ont affirmé que l'entreprise avait accédé à des informations privées issues des interactions des utilisateurs avec ChatGPT. Cette poursuite, impliquant également Microsoft comme défendeur, soutient que si les allégations sont fondées, les deux entreprises pourraient être reconnues coupables de violation de la Computer Fraud and Abuse Act, un cadre juridique qui a été historiquement appliqué aux cas de web-scraping.

Alors qu'OpenAI s'aventure dans le domaine du crawl web avec GPTBot, elle ouvre de nouvelles possibilités pour affiner ses modèles d'IA. Cependant, ces développements s'accompagnent d'un arrière-plan de considérations légales et éthiques, alors que l'industrie de l'IA navigue dans l'équilibre délicat entre innovation, vie privée et utilisation responsable des données.