Si vous avez déjà posté quelque chose sur internet, il est probable que vos données aient déjà été collectées, rassemblées 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 pour y parvenir, OpenAI a affirmé que cela nécessitait « des données à l’échelle d’Internet » pour s’entraîner. Vous n’avez probablement pas besoin que je vous dise ce qui se passe quand les entreprises utilisent des données publiques collectées – souvent sans autorisation de ceux qui les ont créées – à partir d’articles de presse, de livres et de projets créatifs pour former des outils 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 de copyright. 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 IA, ont rencontré des obstacles en justice. D’autres entreprises ont décidé de conclure des accords. l’Associated Press a accordé une licence à OpenAI pour une partie de ses archives. Shutterstock, la banque d’images, a signé un accord de six ans avec OpenAI pour fournir des données d’entraînement, y compris un accès à ses bases de données de photos, de 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 conséquentes pour notre écosystème d’information et culturel et pour les personnes qui travaillent dans les domaines où les entreprises d’IA semblent absolument 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 quiconque poste en ligne – que ce soit un compte fandom Tumblr, une présence active sur Reddit ou un blog personnel – pourrait voir l’accès à leur contenu être vendu par les plateformes qui l’hébergent à l’une de ces grandes entreprises d’IA.
Menu
