Si vous avez déjà posté quelque chose sur Internet, il est probable que vos données aient déjà été collectées, rassemblées et utilisées pour entraîner des systèmes d’IA tels que 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 avez probablement pas besoin que je vous dise ce qui se passe lorsque les entreprises utilisent des données publiques collectées – souvent sans permission de ceux qui les ont créées – à partir d’articles de presse, de livres et de projets créatifs pour enseigner aux outils d’IA comment, par exemple, 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 de 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 entraîner des modèles d’IA, ont rencontré des obstacles devant les tribunaux. 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, la galerie de photos de stock, 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, vidéos et de musique. La façon dont les systèmes d’IA utilisent le travail des journalistes, des musiciens et des photographes a des implications assez importantes pour notre écosystème d’information et culturel, ainsi que pour les personnes qui travaillent dans les domaines où les entreprises d’IA semblent déterminées à développer des outils pour les remplacer. Le besoin de recueillir de plus en plus de données d’entraînement avec le moins de tracas possible signifie que n’importe qui postant en ligne – que ce soit un compte Tumblr dédié à une communauté de fans, une présence active sur Reddit ou un blog personnel – pourrait voir son contenu être vendu par les plateformes qui l’hébergent à l’une de ces grandes entreprises d’IA.
« 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
