L'ESSENTIEL EN 30 SECONDES

  • La fondation a sollicité le 29 octobre l'autorisation de déposer un mémoire devant le tribunal fédéral du district sud de New York, où le juge Sidney H. Stein instruit 12 plaintes regroupées contre OpenAI.
  • Elle estime que l'entraînement d'un modèle généraliste relève probablement du fair use, contrairement à la reprise de sources dans les réponses via le RAG.
  • Wikimedia demande aux entreprises d'IA de respecter la licence CC BY-SA de Wikipédia, qui impose de citer les auteurs, ainsi que ses limites de requêtes.

L'organisation à but non lucratif qui gère Wikipédia s'invite dans le principal contentieux sur le droit d'auteur et l'IA générative aux États-Unis. La Wikimedia Foundation a demandé le 29 octobre au tribunal fédéral de Manhattan l'autorisation de déposer un mémoire d'amicus curiae, avant de rendre la démarche publique le lendemain, rapporte The Next Web.

Où en est la procédure

Le mémoire vise le dossier In re: OpenAI, Inc. Copyright Infringement Litigation, qui réunit 12 plaintes contre OpenAI, dont celle déposée en 2023 par le New York Times contre OpenAI et Microsoft. Le juge Sidney H. Stein, du district sud de New York, doit déterminer si la construction de grands modèles de langage à partir d'œuvres protégées relève du fair use. Au 30 octobre, il ne s'était prononcé ni sur ce point ni sur la recevabilité du mémoire. Engadget, citant AI Lawsuit Tracker, indique qu'une décision en procédure sommaire (summary judgment) est attendue prochainement.

Entraînement et récupération, deux usages distincts

Wikimedia ne soutient aucune partie : elle reproche à chacune une lecture trop large du fair use et demande d'examiner chaque usage séparément, en s'appuyant sur l'arrêt Warhol rendu par la Cour suprême en 2023. Selon elle, ce qui compte n'est pas la collecte d'un site, mais ce que l'entreprise fait des copies.

Partant de là, le mémoire juge que l'entraînement d'un modèle généraliste relève probablement du fair use, puisque le résultat est nouveau et ne remplace pas les œuvres dont il s'inspire. La génération augmentée par récupération (RAG), qui consiste pour un chatbot à puiser des passages dans des sources comme Wikipédia ou le Times et à en reprendre souvent une grande partie, est traitée autrement : Wikimedia estime que cet usage n'est probablement pas loyal, y compris la fonction RAG de ChatGPT, selon The Next Web. Engadget présente plutôt l'objection comme visant les réponses qui reproduisent des articles sans les attribuer.

Ce que Wikipédia a en jeu

Les textes de Wikipédia sont publiés sous licence CC BY-SA, qui exige de citer leurs auteurs. La fondation affirme que les chatbots qui ignorent cette obligation découragent les bénévoles et que la collecte massive surcharge ses serveurs ; elle souhaite que les gros utilisateurs respectent ses limites publiques de requêtes ou passent par son offre payante Enterprise. Son directeur juridique, Stephen LaPorte, a averti qu'une décision mal pesée « could threaten the sustainability of free knowledge » (pourrait menacer la pérennité du savoir libre), cite The A.V. Club.

En septembre, le département américain de la Justice avait déjà soutenu devant un tribunal new-yorkais que l'entraînement de l'IA relevait du fair use, donnant raison à OpenAI. Les articles consultés ne font état d'aucune réaction d'OpenAI ni du Times.