Les poursuites pour contrefaçon de droits d'auteur liées à l'IA se multiplient
L’essor des poursuites pour contrefaçon de droits d’auteur liées à l’IA
Le New York Times a poursuivi OpenAI pour contrefaçon de droits d’auteur, affirmant que les grands modèles de langage (LLM) de l’entreprise ont été construits en utilisant du contenu du Times sans autorisation. Cette poursuite est la dernière d’une série de cas mettant en lumière les inquiétudes concernant les données d’entraînement de l’IA.
Le Times affirme que les LLM d’OpenAI, y compris GPT-4, ont été entraînés sur un jeu de données appelé Common Crawl, qui contient au moins 16 millions d’enregistrements uniques de contenu du Times. La poursuite cite des cas où GPT-4 et sa fonctionnalité Browse with Bing ont répété du contenu mot pour mot à partir d’articles du Times.
Le problème des données d’entraînement de l’IA
Cette poursuite ne devrait pas surprendre ceux qui suivent l’essor de l’IA générative. Les consommateurs et les médias se sont concentrés sur la fabrication de produits technologiques physiques, mais maintenant, nous devons poser des questions aux entreprises d’IA sur leurs données d’entraînement. La réponse est probablement “non”, elles ne sont pas éthiquement sourcées.
Utiliser l’IA générative aujourd’hui, c’est comme acheter dans un magasin de prêteur sur gages douteux. Les biens, ou les données d’entraînement, pourraient être des ventes légitimes du propriétaire, des marchandises de haute qualité volées dans une boutique ou des produits de mauvaise qualité volés dans un entrepôt rempli de contrefaçons.
Le manque de transparence dans les données d’entraînement de l’IA a des implications importantes. Lorsque des entreprises comme Google et Bing remplacent les résultats de recherche par des idées et des expressions prises à des fournisseurs de contenu sans autorisation, il est difficile pour le journalisme de continuer. Cela soulève des questions sur l’avenir de la création de contenu et le rôle de l’IA dans celui-ci.
Précédent et implications
Une victoire de la Cour suprême pour l’entreprise de câble Cox pourrait aider tous les fournisseurs de technologie, et non seulement les FAI, dans leurs batailles contre les poursuites pour contrefaçon de droits d’auteur. Le procureur général de la Floride a également ouvert une enquête sur ChatGPT sur des bases similaires.
Les conséquences de la contrefaçon de droits d’auteur liée à l’IA sont déjà dévastatrices pour les créateurs de contenu. L’essor des résultats de recherche et de la génération de contenu alimentés par l’IA a entraîné une baisse du trafic et des revenus pour de nombreux médias. Cela pourrait avoir des implications à long terme pour l’industrie des médias dans son ensemble.
Histoire des poursuites pour contrefaçon de droits d’auteur
Ces dernières années, il y a eu plusieurs cas notables de poursuites pour contrefaçon de droits d’auteur contre des entreprises technologiques. Par exemple, une poursuite contre Meta allègue que l’entreprise a “volontairement et intentionnellement” enfreint “au moins 2 396 films” dans le cadre d’une stratégie de téléchargement de téraoctets de données. Une autre poursuite contre Meta affirme que l’entreprise a pu diffuser du contenu pornographique à des mineurs tout en cachant la piraterie pour l’entraînement de l’IA.
Ces cas mettent en lumière la nécessité de lignes directrices claires sur la contrefaçon de droits d’auteur et l’utilisation équitable dans le développement de l’IA. Le manque actuel de réglementation et de surveillance a créé un environnement où les entreprises peuvent expérimenter des modèles d’IA sans crainte de conséquences.
Mécaniques techniques
Les grands modèles de langage comme GPT-4 sont entraînés sur des jeux de données massifs, souvent issus du web. Cela soulève des inquiétudes quant à la propriété et à l’utilisation de ces données, en particulier lorsqu’il s’agit de matériel protégé par des droits d’auteur. Le processus d’entraînement de ces modèles implique le scraping de données à partir de diverses sources, y compris des livres, des articles et des sites web. Ces données sont ensuite utilisées pour enseigner au modèle à générer du texte ressemblant à celui d’un humain.
Les mécanismes techniques des données d’entraînement de l’IA sont complexes, mais l’idée de base est que les modèles d’IA apprennent à partir de modèles dans les données sur lesquelles ils sont entraînés. Cela signifie que si les données d’entraînement sont biaisées, incomplètes ou inexactes, le modèle d’IA reflétera ces défauts.
Contexte industriel
La croissance rapide de l’IA générative a soulevé des questions sur l’éthique des données d’entraînement. À mesure que les modèles d’IA deviennent plus répandus, la nécessité de lignes directrices claires sur la contrefaçon de droits d’auteur et l’utilisation équitable deviendra de plus en plus importante. L’industrie est encore à ses débuts et il y a un manque de normalisation en matière de données d’entraînement.
L’état actuel des données d’entraînement de l’IA est similaire aux débuts d’Internet, lorsque les entreprises essayaient encore de comprendre comment utiliser et réglementer le contenu en ligne. Cependant, les enjeux sont beaucoup plus élevés maintenant, car les modèles d’IA ont le potentiel de façonner l’opinion publique et d’influencer la prise de décision.
Implications à long terme
L’issue de ces poursuites façonnera le développement de l’IA et le droit des droits d’auteur. Les conséquences de la contrefaçon de droits d’auteur liée à l’IA sont déjà ressenties par les créateurs de contenu. Si les entreprises d’IA ne sont pas tenues responsables de leurs données d’entraînement, cela pourrait entraîner une perte de confiance dans l’industrie dans son ensemble.
Les implications à long terme de la contrefaçon de droits d’auteur liée à l’IA sont considérables. Si les modèles d’IA sont entraînés sur du matériel protégé par des droits d’auteur sans autorisation, cela pourrait entraîner un déclin de la créativité et de l’innovation. Cela pourrait avoir des implications importantes pour l’avenir de la création de contenu et le rôle de l’IA dans celui-ci.
Qu’est-ce qui suit ?
Les poursuites intentées par le New York Times et Strike 3 Holdings contre OpenAI et Meta, respectivement, établiront probablement un précédent pour les futurs cas. À mesure que l’industrie continue d’évoluer, il est essentiel de répondre aux inquiétudes concernant les données d’entraînement de l’IA et la contrefaçon de droits d’auteur.
La nécessité de transparence et de responsabilité dans le développement de l’IA n’a jamais été aussi pressante. À mesure que l’utilisation de l’IA générative devient plus répandue, il est crucial de garantir que ces modèles sont entraînés sur des données éthiquement sourcées.
L’avenir du développement de l’IA en dépend.
La voie à suivre
La voie à suivre nécessitera une collaboration entre les développeurs d’IA, les créateurs de contenu et les régulateurs. Nous devons établir des lignes directrices claires sur la contrefaçon de droits d’auteur et l’utilisation équitable dans le développement de l’IA. Nous devons également garantir que les entreprises d’IA sont transparentes quant à leurs données d’entraînement et les tenir responsables de toute contrefaçon de droits d’auteur.
En fin de compte, l’objectif est de créer un avenir où les modèles d’IA sont entraînés sur des données éthiquement sourcées et les créateurs de contenu sont équitablement rémunérés pour leur travail. Cela nécessitera un changement fondamental dans notre façon de penser au développement de l’IA et au rôle des créateurs de contenu dans celui-ci.