OpenAI, la société derrière l’assistant ChatGPT, fait face à de nouvelles accusations dans le cadre d’une action collective intentée en 2023 par des auteurs américains. Selon des documents judiciaires, l’entreprise aurait utilisé des livres piratés pour entraîner ses modèles d’intelligence artificielle, tout en dissimulant leur origine. La plainte vise également Microsoft, qui aurait profité de cette situation sans intervenir.
Des livres piratés cachés dans les données d’entraînement
Le procès, en cours devant le tribunal de district de New York, oppose OpenAI et Microsoft à la Authors Guild, un syndicat d’écrivains. Les plaignants affirment qu’OpenAI a délibérément téléchargé des ouvrages depuis Library Genesis (LibGen), une bibliothèque en ligne illégale. Les collections nommées « Libgen1 » et « Libgen2 » auraient été renommées « Books1 » et « Books2 » dans le document de présentation de GPT-3, afin de masquer leur provenance. Ces données de formation auraient ensuite été supprimées en 2022, après que des inquiétudes juridiques sont apparues.
La Authors Guild demande au juge Sidney Stein de trancher sans procès, arguant que cet usage ne relève pas du « fair use », une exception du droit d’auteur américain qui permet notamment la reproduction de contenus protégés à des fins de recherche ou d’enseignement sans autorisation préalable. Selon les plaignants, la nature commerciale d’OpenAI et l’ampleur de la copie rendent cette exception inapplicable.
Le contexte : des poursuites multiples contre les entreprises d’IA
Cette affaire s’inscrit dans une série de contentieux visant les sociétés d’intelligence artificielle, qui collectent souvent d’immenses quantités de données en ligne pour entraîner leurs modèles. Les titulaires de droits d’auteur, comme les auteurs de livres, sont de plus en plus nombreux à contester ces pratiques, estimant que leurs œuvres sont utilisées sans compensation ni autorisation.
OpenAI, de son côté, a rejeté les accusations et maintenu que son utilisation des œuvres est légitime au titre du fair use. L’entreprise soutient que les réponses générées par ses modèles sont rarement des copies conformes des textes originaux. Jusqu’à présent, OpenAI n’a pas directement répondu aux allégations spécifiques concernant Library Genesis, selon les informations disponibles.
Enjeux pour les utilisateurs et l’industrie
Si le juge donne raison aux auteurs, cela pourrait avoir des répercussions importantes sur la manière dont les entreprises d’IA collectent et utilisent les données. Une telle décision contraindrait OpenAI et d’autres acteurs à repenser le processus d’entraînement, en recourant exclusivement à des données sous licence ou dans le domaine public. Cela pourrait augmenter les coûts de développement et retarder certaines innovations, mais aussi garantir une rémunération équitable pour les créateurs.
Pour les utilisateurs de ChatGPT, l’impact serait indirect : les performances actuelles du modèle sont en partie dues à la diversité des données d’entraînement. Un changement de méthode pourrait affecter la qualité des réponses, mais aussi renforcer la confiance des utilisateurs dans la légalité des outils d’IA. En attendant, la question de la responsabilité de Microsoft, en tant qu’investisseur majeur et partenaire technologique d’OpenAI, reste centrale dans cette affaire.
Ce qui est confirmé : la plainte déposée par la Authors Guild, les allégations concernant l’utilisation de LibGen, et la demande d’un jugement sommaire. Ce qui reste incertain : la position précise d’OpenAI sur ces preuves, ainsi que la décision du tribunal sur le fair use, qui pourrait prendre des mois. Cette affaire, entre autres, façonnera probablement l’avenir légal de l’IA générative.