Who is selling your data to train AI?

• Tumblr et WordPress.com sont actuellement en pourparlers pour fournir des données utilisateur à des entreprises d’IA comme OpenAI et Midjourney.
• The New York Times poursuit actuellement OpenAI pour avoir prétendument utilisé ses vastes archives sans autorisation pour entraîner des chatbots.

L’utilisation de données extraites d’Internet est devenue un sujet controversé, les entreprises exploitant le contenu public pour entraîner leurs puissants modèles génératifs. Cette pratique a déclenché des batailles juridiques, car des organisations comme The New York Times et Getty Images ont soulevé des inquiétudes quant à l’utilisation non autorisée de leur contenu.

Batailles juridiques autour de l’utilisation des données

L’une des affaires les plus notables concerne OpenAI, qui fait actuellement face à une poursuite de The New York Times pour avoir prétendument utilisé les archives du journal sans autorisation afin d’entraîner des chatbots. En réponse, OpenAI a accusé le Times de recourir à des tactiques douteuses pour prouver ses dires. De même, Getty Images a engagé des poursuites contre Stable Diffusion pour violation de droits d’auteur liée à l’utilisation de son contenu visuel.

Les implications de l’exploitation par les systèmes d’IA du travail des journalistes, musiciens et photographes vont au-delà des litiges juridiques. La quête de quantités massives de données d’entraînement a suscité des inquiétudes quant à l’exploitation potentielle des créateurs de contenu en ligne. Des plateformes comme Tumblr et WordPress.com auraient été en pourparlers pour vendre des données d’utilisateurs à des entreprises d’IA comme OpenAI et Midjourney, soulevant des questions sur la confidentialité des données et la propriété. Voir aussi: Ziggo Group nomme ses dirigeants avant l'introduction en Bourse à Amsterdam en 2027.

À lire aussi: Le chatbot Bard de Google reçoit la mise à jour Gemini Pro dans le monde entier

Partenariats dans le partage de données

L’ Associated Press a concédé une partie de ses archives à OpenAI, tandis que Shutterstock a signé un accord de six ans avec l’entreprise d’IA pour donner accès à sa vaste bibliothèque de photos, vidéos et musique.

Reddit, connu pour sa richesse en contenu généré par les utilisateurs, a récemment conclu un accord avec Google, donnant au géant de la technologie l’accès à son API pour l’entraînement de modèles d’IA. Cette décision souligne la valeur des contributions des utilisateurs aux plateformes et les considérations éthiques entourant l’utilisation des données. Voir aussi: Association ECHOES.

À lire aussi: OpenAI lance le GPT Store pour des chatbots IA personnels sans codage

Pratiques généralisées d’entraînement sur les données

La pratique répandue de l’entraînement de modèles d’IA sur des données publiques d’Internet dépasse les accords spécifiques mentionnés dans l’article. Une enquête récente du Washington Post a révélé un trésor de données aspirées provenant de diverses sources, notamment des forums en ligne, des plateformes de financement participatif et des sites de médias sociaux. Des entreprises comme Meta, anciennement Facebook, ont également exploité les publications publiques de leurs plateformes pour améliorer leurs capacités d’IA.

Le débat sur la propriété des données et le consentement reste non résolu. Les créateurs de contenu, qu’ils soient sur des blogs de niche ou des plateformes de médias sociaux populaires, font face à la perspective que leur travail soit marchandisé à des fins d’entraînement d’IA. L’équilibre entre l’innovation et les pratiques éthiques en matière de données est crucial pour façonner l’avenir du développement de l’IA et son impact sur les écosystèmes numériques. Voir aussi: Département IT - Athlok.