La Fundación Wikimedia, l’organisation qui exploite Wikipédia, a déposé un mémoire devant le tribunal de New York qui juge OpenAI et Microsoft pour l’utilisation d’articles de presse pour entraîner des IA. Elle ne prend pas parti : elle demande que l’entraînement des modèles soit considéré comme un usage licite, mais que les chatbots ne reproduisent pas de textes sans licence.
Le document est un amicus curiae, présenté par une personne qui n’est pas partie au procès afin d’apporter des arguments au juge. Selon The Verge, Wikimedia avertit que les positions des deux parties poussent à une application « excessive et simplifiée » de la doctrine de l’usage licite, l’exception qui permet d’utiliser des œuvres protégées sans autorisation dans certains cas.
Le litige réunit les plaintes déposées contre les deux entreprises par The New York Times, le Daily News, The Intercept, le Center for Investigative Reporting, Ziff Davis et un groupe d’auteurs de livres. Le Times soutient, par exemple, que OpenAI a copié son site web pour constituer les données d’entraînement.
OpenAI et Microsoft répondent que l’entraînement des modèles de langage est un usage licite. L’entreprise propriétaire de ChatGPT a déclaré que la reproduction de textes est « une erreur peu fréquente ». Microsoft a affirmé dans un mémoire de septembre que, selon une analyse d’experts, son assistant Copilot répète rarement des phrases complètes des actualités.
Wikimedia soutient que les chatbots ne peuvent pas reproduire d’articles
Wikimedia propose une solution intermédiaire. Selon The Verge, qui cite une publication de la fondation, l’extraction de données de sites web ne devrait pas être considérée comme une infraction, et l’entraînement d’un modèle avec des œuvres protégées et sans licence devrait être un usage licite lorsqu’il apporte « quelque chose de nouveau et de différent » par rapport aux sources originales.
L’exception, selon cette position, concerne les systèmes qui récupèrent des copies d’un texte pour répondre à une requête et le restituent en remplaçant la lecture de l’œuvre originale. Dans ce cas, la fondation soutient qu’il convient de demander une licence, car le résultat remplace l’original et ne le transforme pas suffisamment.
Pour Wikipédia, cela signifierait citer la source originale sous sa licence Creative Commons, qui exige également que toute adaptation soit publiée sous la même licence. La fondation soutient que des services comme ChatGPT reproduisent du texte sous licence libre sans respecter ces conditions.
Chaque extrême comporte un risque, selon le mémoire. Une victoire totale des éditeurs permettrait aux titulaires de droits de bloquer même des usages innovants. Une victoire totale des entreprises d’IA serait « un feu vert pour ignorer les termes de licence et fragmenter le flux de connaissances » entre auteurs humains et lecteurs.
Wikipédia, source de données et également affectée
La fondation affirme dans son mémoire que ses sites sont l’une des sources de données les plus critiques pour l’entraînement des systèmes d’IA. Ces mêmes systèmes, ajoute-t-elle, détournent les visiteurs et affaiblissent les communautés de bénévoles qui maintiennent l’encyclopédie.
Le 5 octobre, Wikimedia a informé que des agents créés et opérés par OpenAI ont effectué des millions de requêtes automatiques vers ses interfaces publiques et ont parcouru des millions de pages, principalement sur Wikidata et Wikimedia Commons. Selon la fondation, ce trafic a pu contribuer à une interruption partielle du service de requêtes en mai.
Wikimedia reconnaît également la valeur de ces modèles : ils peuvent aider les éditeurs à lutter contre le vandalisme, à détecter les violations de droits d’auteur et la publication de données personnelles, et à trouver les articles nécessitant des améliorations.
« Une décision qui n’appliquerait pas avec soin les principes de l’usage licite pourrait menacer la durabilité du savoir libre », a déclaré l’avocat général de la fondation, Stephen LaPorte. La directrice générale, Bernadette Meehan, a affirmé que l’élargissement de l’accès au savoir grâce à l’IA est « un objectif puissant », mais qu’il doit respecter ceux qui le produisent.
Wikimedia n’est pas la seule à intervenir. Le gouvernement des États-Unis a déposé en septembre un mémoire en faveur d’OpenAI, selon Reuters. Cette semaine, des mémoires de l’Association des éditeurs américains, qui soutient les demandeurs, et du professeur Matthew Sag, qui ne soutient aucune des parties, ont été ajoutés.
Le juge Sidney Stein évalue les demandes croisées de jugement sommaire. Selon Sag, sa décision sera la première de la Deuxième circonscription sur la question de savoir si l’entraînement de modèles avec des livres et des articles constitue un usage licite, et la première au monde à traiter les réclamations des maisons d’édition de presse.