Trainée devant la justice pour de possibles violations de propriétés intellectuelles dans le cadre de son projet d’IA Llama (un modèle de langage concurrent du GPT d’OpenAI), Meta a fini par lâcher le morceau devant un tribunal fédéral de Californie et a avoué « avoir utilisé des extraits de la base de données Books3 pour l’entraînement de son modèle d’IA Llama ». Books3 étant (ou plutôt était) une base de donnée de livres au format numérique dont un grand nombre ont été tout simplement piratés, la révélation de Meta a tout d’une bombe. Meta n’est certes pas la seule société à avoir pioché dans les 37 Go d’ouvrages de Books3, mais le « casier » de la société est déjà tellement rempli à ras bord d’affaires douteuses (comme Cambridge Analytica) qu’il n’est pas certain qu’un aveu suffise à adoucir les juges.
Ces nouvelles révélations s’ajoutent désormais à une grosse pile de la « honte » dans le secteur de l’IA, OpenAI et d’autres sociétés d’IA ayant déjà avoué l’usage régulier de données sous copyright pour l’entrainement de leurs modèles de langage. Généralement, les sociétés pointées du doigt invoquent la doctrine du « fair use », doctrine qui stipule que « de brefs extraits de documents protégés par le droit d’auteur peuvent, dans certaines circonstances, être cités textuellement à des fins telles que la critique, les reportages, l’enseignement et la recherche, sans qu’il soit nécessaire d’obtenir l’autorisation du détenteur du droit d’auteur ou de le payer. » (source Oxford Langages) Les juges seront-ils convaincus par ce système de défense plutôt « classique » dans le contexte ? De leur réponse dépend sans doute en partie l’évolution des IA de type LLM…
