Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Le New York Times a accusé OpenAI de dissimuler des milliards de journaux de conversations ChatGPT et un outil de récupération interne qui pourrait directement lier les sorties du modèle au journalisme protégé par des droits d'auteur, intensifiant son procès en cours sur les droits d'auteur avec une nouvelle requête de sanctions.\n\n## Points clés\n\n- Le New York Times allègue qu'OpenAI a dissimulé un outil interne capable de rechercher dans les données d'entraînement et d'identifier le texte protégé par des droits d'auteur reproduit dans les sorties ChatGPT.\n- Les éditeurs affirment qu'OpenAI a supprimé ou retenu des milliards de journaux de conversations ChatGPT qui pourraient servir de preuve de violation des droits d'auteur.\n- OpenAI fait face à une requête de sanctions potentielle — une étape procédurale qui, si accordée, pourrait considérablement nuire à sa position juridique dans l'affaire.\n- Le différend porte sur la question de savoir si le processus d'entraînement d'OpenAI a ingéré et reproduit du journalisme sans autorisation ni compensation.\n- Le résultat pourrait établir un précédent contraignant sur la question de savoir si les sorties de modèles IA qui reproduisent le texte source constituent une violation des droits d'auteur.\n\n## L'outil caché au cœur du différend\n\nSelon les rapports de TechCrunch et Ars Technica, l'allégation la plus dommageable ne concerne pas les données d'entraînement elles-mêmes mais une capacité de recherche qu'OpenAI aurait gardée secrète. Le Times affirme qu'OpenAI possédait — et n'a pas divulgué — un outil interne qui pouvait interroger les jeux de données d'entraînement et faire ressortir les instances où les sorties ChatGPT correspondaient étroitement au matériel source protégé par des droits d'auteur. Si cette caractérisation s'avère exacte, cela signifierait qu'OpenAI avait les moyens d'évaluer sa propre exposition et a choisi de ne pas remettre cette preuve aux plaignants.\n\nLe cadrage d'Ars Technica était direct : OpenAI pourrait avoir « simulé l'incapacité de rechercher dans les données d'entraînement ». C'est le type d'allégation qui fait passer un différend sur les droits d'auteur en territoire de faute professionnelle, ce qui explique précisément pourquoi le Times poursuit des sanctions plutôt que de simplement argumenter sur le fond de la violation.\n\n## Ce que les journaux auraient pu montrer\n\nLes milliards de journaux de conversations ChatGPT supprimés ou retenus constituent le deuxième pilier de l'accusation. Dans les litiges sur les droits d'auteur, les journaux des sorties de modèles sont des preuves potentiellement accablantes : ils peuvent montrer si un modèle reproduisait, en pratique, des portions substantielles de texte protégé en réponse aux requêtes des utilisateurs. Perdre ou détruire cette preuve — si c'est ce qui s'est passé — est le genre de chose que les tribunaux traitent très sérieusement, instruisant parfois les jurys de supposer que la preuve manquante était défavorable à la partie qui l'a perdue.\n\nPour quiconque développe sur les API d'OpenAI, cela importe au-delà de la salle d'audience. Si les tribunaux finissent par statuer que les sorties ChatGPT ont reproduit du journalisme protégé par des droits d'auteur à grande échelle, la pression juridique sur la façon dont les modèles sont entraînés et ce qu'ils peuvent produire s'intensifiera dans toute l'industrie — pas seulement pour OpenAI.\n\n## Pourquoi cette affaire a plus de poids que la plupart des combats IA sur les droits d'auteur\n\nLe procès du NYT est structurellement différent des batailles sur les droits d'auteur de génération d'images qui ont dominé les nouvelles juridiques de l'IA. Ces affaires — y compris le combat en cours impliquant Midjourney et les studios hollywoodiens — tournent largement autour de la question de savoir si l'entraînement sur des images constitue une violation. L'affaire du Times pose une question plus précise : le modèle fini, en déploiement, a-t-il reproduit du texte protégé mot pour mot ou presque mot pour mot de manière que les utilisateurs puissent récupérer sur demande ?\n\nCette distinction importe pour les créateurs d'IA travaillant dans n'importe quelle modalité. Une décision selon laquelle la reproduction au moment du déploiement constitue une violation mettrait la pression sur chaque fournisseur de modèle fondamental pour implémenter un filtrage de sortie à un niveau bien au-delà de ce qui existe actuellement. Cela pourrait aussi accélérer le type d'accords de licence que certains éditeurs ont déjà conclus avec les entreprises d'IA — des accords qui, s'ils deviennent la norme, augmenteraient les coûts d'exploitation et pourraient potentiellement se répercuter sur les prix des API.\n\n## La requête de sanctions comme point de pression juridique\n\nLes sanctions dans les litiges civils fédéraux ne sont pas automatiques. Le Times doit convaincre un juge que la conduite d'OpenAI — cacher l'outil de recherche, supprimer les journaux — était suffisamment volontaire pour justifier une punition au-delà des pénalités ordinaires de découverte. Si la requête réussit, le tribunal pourrait annuler des portions de la défense d'OpenAI, transférer les coûts de litige, ou émettre une instruction d'inférence adverse. N'importe lequel de ces résultats inclinerait significativement l'affaire.\n\nOpenAI n'a pas publiquement concédé aucune des caractérisations du Times. L'équipe juridique de l'entreprise argumentera presque certainement que l'outil en question ne répondait pas aux demandes de découverte telles que formulées, et que la rétention des journaux suivait une politique standard plutôt qu'une suppression motivée par le litige. Les tribunaux pèseront ces arguments soigneusement — mais le coût réputationnel de l'accusation est déjà réel.\n\nLa prochaine audience sur la requête de sanctions sera le signal le plus clair à ce jour de la gravité avec laquelle le juge président considère les allégations de gestion des preuves. Cette décision, quand elle viendra, est le point de données qui vaut la peine d'être surveillé.