Des dirigeants d’OpenAI et de Microsoft auraient été préoccupés par l’entraînement de ChatGPT qui consistait à prélever des millions d’articles de presse, The New York Times rapportait. Le directeur de la science appliquée de Microsoft, le Dr Brent Hecht, a déclaré que le travail d’OpenAI équivalait à « le plus grand vol de travail de l’histoire humaine » qui pourrait créer une « boucle fatale », tandis que l’exécutif d’OpenAI Nick Turley affirmait que cela représentait « une menace existentielle pour les éditeurs ». Ces commentaires proviennent de documents judiciaires nouvellement déclassifiés dans le cadre d’un procès intenté par The New York Times contre OpenAI et Microsoft en 2023. Seuls des extraits des documents ont été rendus publics sans contexte.
Outre les citations, les documents non expurgés montrent également comment OpenAI et ses partenaires ont obtenu du contenu d’entraînement en contournant les paywalls, et ont constitué des ensembles de données d’entraînement en récupérant des millions de documents et en effaçant les avis de droit d’auteur des données d’entraînement.
Cette publication constitue la dernière offensive dans le cadre du procès sur les droits d’auteur initialement lancé par le NYT et cinq autres auteurs. Ils soutiennent que les grandes entreprises technologiques ont enfreint le droit d’auteur en récupérant des millions de leurs articles sur Internet et en utilisant le texte sans autorisation ni compensation pour entraîner des systèmes avancés de grands modèles de langage (LLM).
Plusieurs de ces procès ont déjà penché en faveur des entreprises d’IA, mais les juges ont clairement indiqué que leurs décisions avaient été rendues parce que le cadre juridique entourant l’utilisation de l’IA reste à établir. Le procès du NYT est considéré comme d’une importance primordiale pour déterminer si les entreprises d’IA peuvent accéder à ces données dans le cadre des doctrines juridiques de « l’usage équitable » qui permettent l’utilisation d’œuvres protégées sans autorisation dans des cas comme la parodie ou le journalisme.
Cela rend les commentaires des cadres de Microsoft et d’OpenAI particulièrement intéressants, bien que Microsoft ait désavoué les déclarations de ses propres employés. « La position de Microsoft est exposée dans ses actes déposés, qui expliquent pourquoi ces usages transformateurs sont conformes au droit d’auteur et pourquoi Copilot ne peut pas remplacer le journalisme des éditeurs », a déclaré le porte-parole de Microsoft, Alex Haurek, au The New York Times dans un communiqué.
Bien que moins spectaculaires, d’autres commentaires sont tout aussi accablants. Lorsqu’un employé a écrit au président d’OpenAI, Greg Brockman, pour l’informer d’un nouvel hack contre un paywall, Brockman a répondu « ah nice », selon les documents. Un document interne de Microsoft datant de 2023 indiquait que « des millions de personnes à travers le monde considéreront bientôt que les grands modèles qui ‘aspirent’ tout leur travail constituent un vol stupéfiant d’une ampleur sans précédent ».
Les dirigeants ont clairement reconnu le danger potentiel pour la collecte d’informations et le journalisme. Dans un autre commentaire, le Dr Hecht a déclaré que les grands modèles d’IA « sont un produit qui détruit sa chaîne d’approvisionnement ». Dans un autre, des ingénieurs logiciels d’OpenAI ont dit à leurs collègues en 2023 que « peu importe la façon dont nous mettons en avant les liens, les utilisateurs ne cliqueront pas ». Turley d’OpenAI a confirmé cela, déclarant que les produits d’IA sont « largement substitutifs » au journalisme.
