La Fondation Wikimedia appelle à la nuance dans le procès du NYT contre OpenAI

La Fondation Wikimedia, l'organisation à but non lucratif derrière Wikipédia, est entrée dans le conflit juridique entre le New York Times, OpenAI et Microsoft. Dans un mémoire d'amicus curiae déposé auprès du tribunal, la fondation demande aux juges de tracer une voie médiane entre les deux parties, avertissant qu'une décision extrême dans un sens ou dans l'autre pourrait nuire au web ouvert et à l'avenir du savoir libre.

Le litige sur les données d'entraînement de l'IA

Le procès, intenté par le New York Times, accuse OpenAI et Microsoft d'utiliser sans autorisation les articles publiés par le journal pour entraîner et faire fonctionner des systèmes d'intelligence artificielle. Le Times soutient que les entreprises technologiques ne devraient pas avoir un accès illimité à son journalisme protégé par le droit d'auteur. OpenAI et Microsoft rétorquent que l'entraînement de modèles d'IA sur des documents publiés est une pratique légitime relevant de l'usage équitable, et que la restreindre ralentirait le progrès technologique.

L'usage équitable est une doctrine juridique qui permet l'utilisation limitée de matériel protégé sans autorisation dans certaines circonstances, comme le commentaire, la critique ou la transformation. La question au cœur de cette affaire est de savoir si l'entraînement d'un modèle d'IA sur des textes protégés constitue une utilisation transformative ou simplement une copie non autorisée.

Cette affaire est l'une des plus d'une douzaine de poursuites similaires en cours devant les tribunaux, mais les observateurs juridiques estiment que ce litige particulier pourrait établir un précédent important pour la manière dont les entreprises d'IA utilisent le contenu protégé dans l'ensemble du secteur.

La troisième position de Wikimedia

Dans son mémoire, la Fondation Wikimedia convient avec OpenAI et Microsoft qu'une interprétation trop restrictive de l'usage équitable pourrait étouffer l'innovation. Mais elle avertit également qu'une décision globale en faveur d'un usage équitable généralisé pourrait conduire à un web plus fermé, où le savoir serait affaibli par un manque de sources secondaires disponibles.

La fondation propose d'appliquer l'usage équitable à deux scénarios spécifiques. Le premier couvre certaines situations d'entraînement de modèles, où le contenu protégé est utilisé pour construire de grands modèles de langage qui produisent quelque chose de nouveau et de différent des sources originales. Le second concerne la génération augmentée par récupération, ou RAG, une technique qui améliore les résultats de l'IA en puisant des informations dans des bases de connaissances externes. Wikimedia soutient la RAG en principe, mais trace la limite aux systèmes qui reproduisent simplement des articles existants sans attribution.

Pourquoi la voix de Wikipédia compte

Wikipédia est largement considérée comme l'un des ensembles de données de la plus haute qualité utilisés pour entraîner les grands modèles de langage, ce qui donne à la fondation un intérêt direct dans l'issue de l'affaire. Dans une déclaration, le conseiller général de Wikimedia, Stephen LaPorte, a déclaré que le tribunal doit comprendre que Wikipédia est construite grâce à un processus collaboratif qui repose sur une base solide de savoir humain ouvert et accessible. Il a averti qu'une décision qui n'applique pas soigneusement les principes de l'usage équitable pourrait menacer la durabilité du savoir libre et freiner les technologies open source, limitant en fin de compte l'accès à l'information pour tous.

L'implication de la fondation est notable car Wikipédia elle-même est construite à partir de savoir humain sous licence libre, mais elle bénéficie d'un web où les sources secondaires et les commentaires peuvent prospérer. Une décision qui va trop loin dans un sens ou dans l'autre pourrait perturber cet équilibre.

Et ensuite

Un jugement sommaire dans cette affaire est attendu dans un avenir proche, selon la source. L'issue pourrait influencer la manière dont les entreprises d'IA traitent le contenu protégé dans l'ensemble du secteur, et comment les éditeurs protègent leur contenu à l'ère de l'apprentissage automatique. Le mémoire de la Fondation Wikimedia ajoute une voix distinctive au débat, une voix qui ne représente ni l'industrie de l'édition traditionnelle ni les entreprises d'IA, mais plutôt l'écosystème du savoir ouvert qui se situe entre les deux.