Si vous avez déjà publié quelque chose sur internet, il y a de fortes chances que vos données aient déjà été extraites, collectées et utilisées pour former des systèmes d’IA comme ceux qui alimentent ChatGPT, Midjourney et Sora. L’IA générative est conçue pour réussir en tant que généraliste, et apprendre à le faire, a déclaré OpenAI, nécessite des données à l’échelle de l’internet pour s’entraîner. Vous n’avez probablement pas besoin que je vous dise ce qui s’est passé lorsque des entreprises ont utilisé des données publiques extraites – souvent sans l’autorisation de ceux qui les ont créées – à partir d’articles de presse, de livres et de projets créatifs pour apprendre aux outils d’IA à générer des articles de presse, des livres et des projets créatifs. Le New York Times poursuit actuellement OpenAI pour avoir prétendument utilisé ses archives étendues sans autorisation pour former des chatbots (dans un dépôt récent, OpenAI a accusé le Times d’avoir engagé « quelqu’un pour pirater » ChatGPT afin de prouver que le chatbot volait leur contenu). Getty Images a poursuivi Stable Diffusion pour violation du droit d’auteur. D’autres poursuites de la part d’auteurs et de créateurs, en colère de découvrir que leurs œuvres ont été utilisées pour former des modèles d’IA, ont connu des revers en justice. D’autres entreprises ont décidé de conclure des accords. L’Associated Press a accordé une licence à une partie de ses archives à OpenAI. Shutterstock, l’archive de photos stockées, a signé un accord de six ans avec OpenAI pour fournir des données d’entraînement, comprenant l’accès à ses bases de données de photos, de vidéos et de musique. Les façons dont les systèmes d’IA utilisent le travail de journalistes, de musiciens et de photographes ont des implications assez conséquentes pour notre écosystème d’informations et culturel et pour les personnes qui travaillent dans les domaines que les entreprises d’IA semblent vouloir développer pour remplacer. Le besoin de recueillir de plus en plus de données d’entraînement avec le moins de tracas possible signifie que quiconque publie en ligne – que ce soit un compte Tumblr de fan, une présence Reddit active ou un blog personnel – pourrait voir l’accès à leur contenu vendu par les plateformes qui l’hébergent à l’une de ces grandes entreprises d’IA.
![](https://netz-blog.fr/wp-content/uploads/2024/09/article_image-279.webp)
« Survivre cet été sur Internet »
Un après-midi d’août, alors qu’un suprémaciste blanc conduisait une voiture à travers une foule de manifestants pacifiques à Charlottesville, en