Plus de 139 000 scénarios de séries télévisées et de films ont été convertis en jeux de données et utilisés pour entraîner des modèles d’IA par Apple, Anthropic, Meta et Nvidia à l’insu de leurs auteurs, faisant craindre que leur travail créatif ne serve à entraîner des machines susceptibles de les remplacer.
Outre les 39 000 titres de séries télévisées et de films, plus de 53 000 films supplémentaires et 83 000 épisodes de séries ont servi à entraîner l’IA, notamment un vaste éventail de films nommés à l’Oscar du meilleur film et des épisodes de séries comme The Simpsons, Seinfeld, Twin Peaks, The Wire, The Sopranos et Breaking Bad.
Le jeu de données « comprend même des dialogues “en direct” préécrits issus des retransmissions des Golden Globes et des Oscars », a déclaré Alex Reisner, de l’Atlantic, à l’origine de cette révélation.
Les dialogues comme jeux de données
Les jeux de données utilisés pour entraîner les modèles d’IA ne contenaient pas les scénarios originaux, mais des sous-titres extraits, compilés et téléversés sur OpenSubtitles.org. Le recours aux sous-titres plutôt qu’aux scénarios, plus techniques, inquiète davantage certains critiques, car les sous-titres offrent un langage plus naturel, tel qu’il est employé dans les conversations.
Les modèles d’IA générative entraînés sur des dialogues bien écrits pourraient non seulement imiter des films, mais aussi en générer entièrement de nouveaux, ce qui signifie que l’IA pourrait théoriquement concurrencer les scénaristes humains sur les œuvres desquels elle a été entraînée sans leur autorisation. Ce manque de transparence de la part des entreprises d’IA a poussé des artistes, des auteurs et des éditeurs à intenter des procès pour défendre les droits de propriété intellectuelle associés à leurs créations.
« Depuis que les chatbots d’IA générative existent sur Internet, les scénaristes hollywoodiens se demandent si leur travail a servi à les entraîner. » a écrit Reisner. « Les chatbots maîtrisent remarquablement bien les références cinématographiques, et les entreprises semblent les entraîner à partir de toutes les sources disponibles. » Il a créé un outil de recherche pour la base de données de l’IA hollywoodienne afin d’aider les scénaristes à déterminer si leur travail a été utilisé.
La réaction des scénaristes
Révoltés d’apprendre le vol présumé de leur travail, les scénaristes hollywoodiens ont réagi avec colère, alors que les syndicats WGA et SAG-AFTRA ont dénoncé l’utilisation de l’IA lors des récentes grèves.
« Je suis furieux », a déclaré David Slack, qui a écrit la série télévisée Teen Titans. « Je suis complètement scandalisé. C’est écœurant. » Slack a découvert 42 scénarios qui lui étaient attribués dans la base de données d’IA. « C’est une énorme partie de mon travail… Ce sont des choses dans lesquelles j’ai investi toute mon âme et tout mon cœur. » Parmi les autres scénaristes populaires dont le travail a servi à entraîner l’IA figuraient Shonda Rhimes, créatrice de Grey’s Anatomy, dont 508 épisodes étaient présents dans le jeu de données ; Ryan Murphy, créateur de American Horror Story, avec 346 épisodes ; et Matt Groening — créateur de The Simpsons et Futurama — avec 742 épisodes.
Le manque d’intentionnalité de l’IA l’empêche de produire seule des œuvres créatives : elle s’appuie au contraire sur le travail d’auteurs humains, d’une manière que beaucoup considèrent comme du plagiat. La question est toutefois encore plus complexe, car dans de nombreux cas, les studios détiennent les droits d’auteur sur les scénarios plutôt que les scénaristes, leur laissant encore moins de recours juridiques ou de moyens d’obtenir une rémunération.
Pour en savoir plus sur les enjeux complexes juridiques, éthiques et liés à la vie privée entourant les technologies d’IA générative.