Des documents judiciaires dans le cadre de la plainte du New York Times contre OpenAI et Microsoft révèlent des discussions internes chez Microsoft sur la question de savoir si l'utilisation d'articles de presse pour entraîner des modèles d'IA constituait un détournement massif du travail créatif, tandis que les deux entreprises continuent d'affirmer que l'entraînement concerné est protégé au titre de l'usage équitable.

Les éléments récemment révélés comprennent une note de 2023 de Brent Hecht, directeur des sciences appliquées chez Microsoft, décrivant les grands modèles d'IA comme des « produits qui détruisent leurs propres chaînes d'approvisionnement » et avertissant que de nombreuses personnes considéraient ces systèmes comme une appropriation sans précédent de leur travail. Les documents judiciaires citent également sa description de la copie sans autorisation de millions d'articles de presse comme « le plus grand vol de travail de l'histoire de l'humanité ».

Microsoft a déclaré que ces notes reflétaient l'effort de Hecht visant à présenter des « perspectives différentes et asymétriques » et ne représentaient pas la position officielle de l'entreprise. Cette distinction est importante, car l'affaire ne porte pas sur une campagne publique menée par un employé, mais sur des communications internes que les plaignants utilisent pour soutenir que les entreprises comprenaient la sensibilité juridique et commerciale de l'entraînement sur des contenus d'éditeurs.

Selon les documents déposés, le directeur général de Microsoft, Satya Nadella, a témoigné que les contenus derrière un paywall ne devraient être utilisés qu'avec l'autorisation des détenteurs de droits. Il a également déclaré que, s'il avait su à l'avance qu'OpenAI utilisait des contenus payants pour l'entraînement, il aurait exercé les droits de Microsoft pour exiger le réentraînement du modèle. D'autres documents judiciaires citent aussi un employé d'OpenAI évoquant une « méthode de pirate informatique » pour contourner le paywall du New York Times dans un message adressé au président Greg Brockman, qui a répondu : « Bien. »

OpenAI et Microsoft soutiennent tous deux que l'entraînement des modèles concernés relève de l'usage équitable. Le différend a commencé lorsque le New York Times a déposé plainte à la fin de 2023, et le rapport initial indique que 11 éditeurs ont depuis rejoint l'affaire. En l'absence d'éléments vérifiés suffisants au-delà des divulgations judiciaires, plusieurs détails de fond restent non résolus, notamment l'étendue complète des jeux de données concernés et la manière dont le tribunal évaluera l'autorisation, les limites des licences et le préjudice pour le marché.

Pourquoi c'est important

Cette affaire dépasse le risque réputationnel pour deux grandes entreprises d'IA. Elle touche à l'une des principales questions juridiques auxquelles est confrontée l'IA générative : l'entraînement sur des textes ayant une valeur commerciale peut-il être considéré comme un usage transformateur lorsque les contenus sources sont expressifs, sous licence et, dans certains cas, protégés par un paywall ? L'édition d'actualités constitue un test particulièrement sensible, car il existe un véritable marché pour l'octroi de licences sur ces contenus et une crainte claire que les productions de l'IA puissent concurrencer le produit d'origine.

Ces révélations renforcent également l'enjeu de conformité pour l'infrastructure d'IA au sens large. Si les tribunaux accordent davantage de poids au consentement, aux restrictions liées aux sources ou à la réutilisation de données acquises selon des conditions différentes, les développeurs et leurs partenaires pourraient être soumis à des contrôles plus stricts sur la manière dont les corpus d'entraînement sont constitués, partagés et mis à jour.