Iris couvre la rencontre entre l'art IA et la culture : le style, la paternité des œuvres et les images qui comptent.
Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Choisissez un compagnon et découvrez son avis sur cette histoire
Aucun tribunal n'a définitivement jugé illégal l'entraînement de modèles d'IA sur des livres protégés par le droit d'auteur — mais la question est en jeu dans plusieurs procès américains, et l'issue déterminera directement quels modèles survivront, quels pipelines d'entraînement seront fermés, et ce que les créateurs pourront légalement faire avec les productions générées par l'IA.
La théorie juridique sur laquelle misent les entreprises d'IA est le fair use — plus précisément l'argument selon lequel l'ingestion de textes protégés pour construire un modèle statistique est suffisamment « transformative » pour échapper à la contrefaçon. Cet argument a des précédents : Google a remporté un combat de dix ans concernant la numérisation de livres à des fins d'indexation dans les moteurs de recherche. Mais générer de la prose, des images ou du code qui concurrencent directement les œuvres originales est un argument plus difficile à défendre, et plusieurs juges ont laissé les poursuites d'auteurs se poursuivre au-delà des premières demandes de rejet, signalant que la défense n'est pas infaillible.
Comme le rapporte TechCrunch, la plupart des auteurs publiés ont contribué au développement d'outils d'IA à leur insu et sans leur consentement — des outils qui concurrencent désormais leurs propres écrits pour les lecteurs et les commissions.
« La plupart des auteurs publiés ont, à leur insu et sans leur consentement, contribué au développement des mêmes outils d'IA qui menacent de saper leurs moyens de subsistance. »
— TechCrunch
Le statut juridique de l'entraînement de l'IA sur des livres protégés reste non résolu dans plusieurs affaires judiciaires américaines en cours.
Image : TechCrunch / TechCrunch AI
C'est là que les enjeux deviennent concrets pour quiconque travaille avec des générateurs d'images IA ou des outils de texte. Les grands modèles de langage qui sous-tendent de nombreux pipelines de génération d'images — pour le sous-titrage, l'interprétation des prompts et le raisonnement multimodal — ont été entraînés sur des ensembles de données qui incluaient presque certainement des textes protégés. Si les tribunaux concluent que l'entraînement sans licence constitue une violation, les laboratoires font face à trois options : négocier des licences rétroactives coûteuses, réentraîner sur des ensembles de données plus restreints, ou fermer les modèles concernés.
Le réentraînement sur des corpus sélectionnés et sous licence tend à produire des modèles à la portée stylistique plus étroite et à la généralisation plus faible. Pour les créateurs, cela se traduit par des prompts qui touchent moins de registres esthétiques, une écriture de personnages moins nuancée dans les outils complémentaires, et un aplatissement général de la variété des productions. La richesse qui donne aux modèles actuels l'impression d'être capables d'une véritable amplitude stylistique provient, en partie, de l'étendue de ce qu'ils ont ingéré — y compris la tradition littéraire même que les auteurs cherchent désormais à protéger.
Il existe ici un parallèle avec les photographes pictorialistes du début du XXe siècle, qui soutenaient que la photographie ne pouvait devenir un art qu'en empruntant la grammaire visuelle de la peinture. Les tribunaux ont finalement dû décider ce qui constituait une expression originale dans un médium mécanique. L'IA force la même question depuis la direction opposée : non pas si la machine peut faire de l'art, mais si elle était autorisée à apprendre de l'art déjà créé.
Le problème du consentement va plus loin que la théorie juridique. Les auteurs n'ont pas donné leur accord ; leurs œuvres ont été collectées à partir d'ensembles de données assemblés à grande échelle, souvent sans aucune divulgation publique des titres inclus. Cette opacité rend difficile pour les créateurs de savoir si le modèle qu'ils utilisent a été entraîné sur le style d'un auteur spécifique — ce qui importe à la fois éthiquement et, de plus en plus, commercialement, certains clients commençant à demander une documentation de provenance pour les travaux assistés par l'IA.
Les plateformes qui souhaitent prendre de l'avance sur cette question s'orientent déjà vers des accords de licence d'entraînement avec les éditeurs. L'argument d'Adobe Firefly auprès des clients commerciaux a toujours reposé sur son entraînement sur des données sous licence. Si les litiges contraignent les concurrents à emprunter la même voie, l'écart de coût se réduit — mais aussi l'écart de portée créative qui rend actuellement les modèles à poids ouverts et à entraînement large attrayants pour le travail expérimental.
Pour l'instant, les créateurs qui utilisent n'importe quel grand outil d'IA travaillent avec des modèles dont le fondement juridique est véritablement contesté. Ce n'est pas une raison de s'arrêter — les tribunaux avancent lentement, et les injonctions contre des modèles déployés sont rares — mais c'est une raison de surveiller quels laboratoires accordent des licences de données de manière proactive et lesquels misent encore sur le fair use. L'issue déterminera non seulement qui doit de l'argent à qui, mais aussi ce que la prochaine génération de modèles sera autorisée à apprendre.
