Creative Commons, l’organisation à but non lucratif à l’origine des licences ouvertes les plus utilisées au monde, a mis au point un nouveau cadre permettant aux créateurs d’indiquer clairement qu’ils ne consentent pas à l’utilisation de leurs œuvres pour entraîner des modèles d’intelligence artificielle.
Baptisé signaux CC, ce système permet aux détenteurs de contenus d’ajouter des métadonnées lisibles par machine à leurs œuvres numériques afin d’indiquer leurs préférences en matière de réutilisation par l’IA. Ils peuvent soit indiquer « Oui », s’ils acceptent que leur œuvre soit utilisée pour l’entraînement, soit « Non », s’ils le refusent, puis ajouter l’une des quatre conditions d’utilisation suivantes :
- Attribution: une attribution appropriée doit être fournie.
- Contribution directe: une contribution financière doit être versée au propriétaire de l’œuvre.
- Contribution à l’écosystème: une contribution financière doit être versée à l’écosystème dont l’IA tire parti grâce à l’utilisation de l’œuvre comme donnée d’entraînement.
- Ouvert: le système d’IA utilisé doit être ouvert.
Une attribution doit être fournie au propriétaire de l’œuvre lorsque les quatre signaux sont présents. Le signal peut également préciser le périmètre d’utilisation de l’IA auquel les étiquettes s’appliquent, par exemple l’exploration de textes et de données, l’entraînement d’une IA générative ou l’inférence par IA.
Les développeurs d’IA, les robots d’extraction ou les agrégateurs de jeux de données peuvent rechercher les signaux CC dans les contenus à l’aide de méthodes standardisées, comme les en-têtes HTTP et les métadonnées. Ceux-ci ne remplacent pas les licences de droit d’auteur telles que CC-BY ou CC0, mais s’y superposent.
Les signaux CC ne sont pas actuellement opposables, mais servent davantage de marqueurs sociaux et éthiques, à l’instar des licences CC. Creative Commons a déclaré dans un article de blog que ce cadre offre une autre réponse à la prolifération de l’entraînement de l’IA que « l’extraction de données et l’érosion de l’ouverture » ou « un Internet cloisonné, protégé par des barrières payantes ».
« Si nous voulons un avenir où les connaissances restent ouvertes, nous devons collectivement exiger une nouvelle forme de donnant-donnant », a déclaré Sarah Hinchliff Pearson, directrice juridique de Creative Commons, dans cet article. « Une préférence unique, exprimée individuellement, est insignifiante à l’ère des machines. Mais ensemble, nous pouvons exiger une autre voie. »
Creative Commons a déclaré que les signaux CC sont le fruit de « plusieurs années de consultations et d’analyses », mais l’organisation sollicite encore les réactions du public au cours des prochains mois. Elle espère lancer officiellement ce cadre en novembre.
Les créateurs et les entreprises d’IA s’affrontent sur l’utilisation des données d’entraînement
L’essor de l’IA ces dernières années a opposé les secteurs technologique et créatif. Les entreprises technologiques veulent que leurs modèles d’IA soient aussi utiles que possible, ce qui implique de les alimenter avec d’immenses quantités de données récentes créées par des humains. Elles se livrent également une course à l’innovation et cherchent à devancer leurs concurrents, sachant que demander leur autorisation aux créateurs ou les rémunérer pourrait les ralentir et rogner leurs bénéfices.
De leur côté, les créateurs, méfiants à l’idée d’alimenter des outils susceptibles de finir par les concurrencer, entrevoient toujours un intérêt à être rémunérés équitablement et à contribuer à des modèles capables de favoriser des avancées significatives dans des domaines comme la médecine et l’éducation.
Les batailles juridiques et les débats sur le droit d’auteur se poursuivent dans le monde entier tandis que les tribunaux et les législateurs cherchent à résoudre cette tension fondamentale entre l’innovation et les droits des créateurs. Anthropic, Meta, Perplexity, Stability AI, Midjourney, ainsi que OpenAI ( figurent, parmi les développeurs d’IA qui ont, été poursuivis à de nombreuses reprises ) par des artistes, des médias et des musiciens pour avoir utilisé leurs œuvres sans autorisation. La start-up de Sam Altman a signé plusieurs accords de licence avec des éditeurs afin d’éviter de nouveaux problèmes.
Les plateformes en ligne tentent de reprendre le contrôle à leur niveau
De nombreuses plateformes ont modifié leur infrastructure technique et leurs politiques afin de mieux contrôler l’extraction par l’IA des données contenues dans les publications de leurs utilisateurs. X a modifié sa politique de confidentialité au début du mois pour interdire l’utilisation des contenus de X afin de « perfectionner ou entraîner un modèle de fondation ou un modèle de pointe ».
Reddit a mis à jour ses fichiers robots.txt l’année dernière afin de bloquer les robots et les robots d’exploration d’IA non autorisés, tout en continuant d’autoriser l’accès aux acteurs de bonne foi comme les chercheurs et Internet Archive. La plateforme a poursuivi Anthropic ce mois-ci pour avoir exploré ses forums à plusieurs reprises sans autorisation.
L’entreprise de cybersécurité Cloudflare a lancé des outils conçus pour perturber les robots d’exploration web de l’IA et permettre aux propriétaires de sites web de voir et de contrôler à quelle fréquence les modèles d’IA utilisent le contenu de leur site. Son PDG, Matthew Prince, a critiqué l’état actuel d’Internet, où les lecteurs humains sont confrontés à des barrières payantes et à des publicités intrusives, tandis que les robots d’extraction d’IA peuvent consommer gratuitement les contenus. Il espère inverser ce modèle en lançant une place de marché Cloudflare où les propriétaires de sites web pourront vendre l’accès à leurs contenus pour l’entraînement de l’IA. Vous voulez savoir comment les sites web ripostent à l’extraction par l’IA ? Pour en savoir plus, consultez eWeek sur le mouvement grandissant visant à bloquer les robots d’entraînement.