La Wikimedia Foundation demande aux tribunaux de distinguer l’entraînement de modèles d’IA sur des contenus protégés par le droit d’auteur de l’utilisation de ces modèles pour reproduire des contenus à l’intention des utilisateurs. Dans un mémoire déposé dans le cadre des poursuites engagées par des éditeurs, dont The New York Times, contre OpenAI et Microsoft, l’opérateur de Wikipédia estime que le premier usage peut relever du fair use, tandis que le second peut nécessiter une licence s’il détourne les lecteurs des œuvres originales.
Wikimedia estime qu’une décision qui traiterait tous les usages de l’IA de la même manière pourrait nuire à la fois au Web ouvert et à l’organisation à but non lucratif. Wikipédia est une source importante de données d’entraînement, affirme la fondation, mais les services d’IA peuvent aussi détourner le public des sites et des communautés qui créent et entretiennent ces connaissances. L’organisation soutient également que des services comme ChatGPT reproduisent des textes couverts par la licence Creative Commons de Wikipédia sans en respecter les conditions.
La distinction que fait Wikimedia
La proposition de la fondation dépend de l’usage que le système d’IA fait des contenus. Elle estime que la collecte de données sur des sites Web et l’utilisation d’œuvres protégées pour le préentraînement d’un modèle, sans licence, devraient relever du fair use si le modèle produit un contenu nouveau et différent de ses sources. En revanche, si un système renvoie des copies de contenus en réponse à une question et se substitue ainsi aux œuvres originales, Wikimedia estime qu’une licence devrait être exigée.
Pour les contenus de Wikipédia, les conditions de la licence imposent de citer la source et de conserver la même licence pour les adaptations. Wikimedia souligne que cette distinction compte aussi parce que les modèles d’IA peuvent être utiles à l’encyclopédie : les rédacteurs peuvent s’en servir pour repérer le vandalisme, d’éventuelles violations du droit d’auteur et des cas de divulgation d’informations personnelles, ou encore pour détecter les articles à améliorer. La fondation estime que des restrictions trop larges au titre du droit d’auteur pourraient limiter ces outils, tandis qu’une décision trop permissive pourrait affaiblir les droits des créateurs humains et les conditions de licence de leurs œuvres.
Un litige aux enjeux plus larges
The New York Times accuse OpenAI d’avoir porté atteinte à son droit d’auteur en collectant les contenus de son site pour entraîner ses modèles. OpenAI et Microsoft soutiennent que l’entraînement des modèles relève du fair use. OpenAI a qualifié la reproduction d’œuvres protégées de bogue rare ; Microsoft a déclaré qu’une analyse d’experts avait conclu que Copilot reproduisait rarement des phrases entières tirées de contenus d’actualité utilisés pour étayer ses réponses.
Wikimedia estime qu’aucune des positions générales des deux parties ne tient pleinement compte de la différence entre entraîner un modèle et fournir des contenus qui se substituent aux originaux. Son mémoire ne cherche pas à dicter aux tribunaux une décision pour chaque affaire, mais leur demande d’examiner ces usages séparément. La fondation estime qu’une approche nuancée pourrait préserver à la fois les outils d’IA qui favorisent le libre accès au savoir et les droits de licence des personnes dont les œuvres sont utilisées par ces systèmes.
Pourquoi c'est important
Pour les rédacteurs de Wikipédia, l’issue pourrait déterminer si des outils d’IA resteront disponibles pour repérer le vandalisme, les problèmes de droit d’auteur et les articles à améliorer. Wikimedia estime qu’il faut distinguer l’entraînement de la reproduction ; la décision des tribunaux et ses conséquences pour les différents services d’IA restent incertaines.
