Révélations choc : Microsoft et OpenAI étaient-ils complices du détournement de données lors de l’entraînement des IA ?

Les révélations récentes sur les pratiques de Microsoft et OpenAI jettent une ombre inquiétante. Des documents internes dévoilent des aveux troublants dans le cadre d’un procès opposant le New York Times à ces géants de la tech. Les enjeux dépassent la simple violation de droits d’auteur et posent la question d’un vol massif de données pour entraîner des IA.

Ces documents montrent que les équipes de Microsoft et OpenAI savaient pertinemment quelles données étaient utilisées et les risques juridiques que cela représentait. Le cœur du conflit ? L’entraînement des modèles d’IA sur des millions d’articles protégés, souvent derrière des paywalls, sans licences claires.

Microsoft et OpenAI : entre conscience du risque et pratiques douteuses

Brent Hecht, directeur des sciences appliquées chez Microsoft, a qualifié le scraping massif des contenus d’un “vol stupéfiant de proportions sans précédent”. Ce n’est pas un simple glissement de terrain, mais bien un raz-de-marée qui menace la pérennité des contenus originaux. Incroyable quand c’est le géant lui-même qui fait part de ce constat !

Satya Nadella, PDG de Microsoft, a reconnu lors d’une déposition que tout contenu derrière un paywall nécessitait une licence explicite. Il admet également qu’OpenAI entraînait ses modèles sur des contenus payants, ce qu’il n’aurait pas toléré s’il en avait eu connaissance assez tôt. Cette division entre parole interne honnête et défense juridique officielle dévoile une stratégie ambiguë.

Le choc du fair use mis à mal par l’impact économique

L’argument central de Microsoft et OpenAI repose sur le fair use. Pourtant, les documents internes racontent une toute autre histoire. Nick Turley, responsable de ChatGPT, qualifie directement les IA développées comme une “menace existentielle” pour la presse. Le choc n’est pas seulement légal mais aussi économique.

Une présentation interne montre que l’utilisation de l’IA pour rechercher des contenus via Copilot Search a entraîné une chute dramatique des taux de clic sur les articles du New York Times : jusqu’à 93% de baisse ! Ce chiffre parle plus que mille mots. Cela signifie concrètement que le modèle, en pompant les infos sans passer par les sites web, détruit sa propre chaîne d’approvisionnement.

Les méthodes douteuses dévoilées : contournement des paywalls

Le scandale ne s’arrête pas là. Des employés d’OpenAI auraient mis au point des astuces techniques pour contourner les paywalls sans éveiller les soupçons. Lorsqu’un chercheur a informé Greg Brockman, président d’OpenAI, d’un “hack pour passer le paywall du New York Times”, sa réponse a été un simple “Ah, sympa”.

Cette réponse, anodine en apparence, montre un manque d’éthique profond. Une source proche des éditeurs affirme que cela démontre qu’OpenAI et Microsoft savaient pertinemment que ces pratiques étaient illégales. C’est la preuve que le fair use n’était qu’un écran de fumée derrière lequel se cachait une exploitation massive.

Le poids des accusations juridiques et les enjeux politiques

Le New York Times mène une bataille juridique contre Microsoft et OpenAI, dénonçant un “vol sans précédent” de propriété intellectuelle. Cette procédure n’est pas anodine. Elle remet en cause la base même sur laquelle reposent les IA de génération de contenu.

Même l’administration américaine s’en est mêlée, prenant officiellement position en appui à OpenAI lors de ce litige, bien que ce soutien reste sans poids juridique effectif. Cela révèle les tensions entre avancées technologiques d’un côté et respect des droits fondamentaux de l’autre.

Force est de constater que le flou juridique autour du fair use, conjugué à la puissance des GAFA, crée un terrain propice aux abus. La question cruciale demeure : dans cette course effrénée à l’innovation, où est la limite entre exploiter les données publiques et voler les créations des autres ?

Si Microsoft et OpenAI ont d’une main construit des outils révolutionnaires, l’autre main semble avoir puisé dans l’ombre, sans autorisation, des trésors de contenus protégés. Une stratégie à double tranchant qui risque de fragiliser l’écosystème numérique tout entier.

Source: www.generation-nt.com