Quand je lis certains commentaires, j'ai l'impression que les libristes fantasment un peu autour du concept de droit d'auteur, mais qu'en fait, la réponse à la question "super complexe" est en fait assez simple: oui, bien sûr, ils peuvent faire ça.
Déja, la lecture, l'analyse, ou l'indexation du code publié est bien sûr totalement légale. C'est même pour ça qu'on publie. Ça ne s'arrête pas au code : il est tout à fait légal d'analyser le contenu de livres publiés par des éditeurs traditionnels, d'en faire des analyses, et même des citations.
La seule question légale qui pourrait se poser, c'est les droits voisins : on ne peut pas aspirer une grosse base de données; ce n'est pas le contenu de la base qui est protégé, mais la base elle-même. Sauf que là, pas de problème, la base appartient à Github.
Ensuite, sur la licence du code généré automatiquement, il n'y a pas vraiment d'ambiguité. S'il est issu d'une véritable AI, l'AI ne peut pas avoir de droits (ce n'est pas une oeuvre de l'esprit, ou du moins le législateur n'a pas prévu qu'une AI puisse avoir un esprit). Reste la question du travail dérivé, mais là encore, il y a peu de doutes : s'il est impossible de prouver la paternité entre le code de départ et le code produit, alors il ne peut pas y avoir de contrefaçon. Il est difficile de se faire une idée à partir des exemples publicitaires publiés, mais il est probable que l'AI ne puisse reproduire que des bouts de code triviaux, ou non-originaux. J'imagine que Github a pris bien soin d'éliminer les copies directes dans son algorithme, ce qui fait que le code de l'IA tombera dans deux catégories : "fusion" entre des bouts de code existants (et donc, très difficile de prouver un travail dérivé), ou code trivial (plusieurs occurrences dans la base). Dans les deux cas, je pense qu'il n'y a pas d'ambiguité.
Après, si Github fait des erreurs et qu'il fournit des bouts de code non-triviaux pompés sur la base de données, alors les utilisateurs de l'AI peuvent être poursuivis pour contrefaçon. Mais dans ce cas, la situation est guère différente de celle où un intermédiaire peu scrupuleux vous a vendu des bouts de code GPL en faisant croire qu'ils étaient originaux.
Honnêtement, si j'étais Github, pour éviter les problèmes, j'entrainerais l'IA avec des échantillons non-recouvrants de la base, et je ne fournirais que le code identique entre les deux AI. Déja, ça serait une assurance de robustesse, en en plus, à tout moment, je serais capable de prouver que le code produit n'est pas un travail dérivé.
# Droit d'auteur fantasmé?
Posté par arnaudus . En réponse au journal GitHub lance copilot, un générateur de code entraîné sur du code GPL. Évalué à 6.
Quand je lis certains commentaires, j'ai l'impression que les libristes fantasment un peu autour du concept de droit d'auteur, mais qu'en fait, la réponse à la question "super complexe" est en fait assez simple: oui, bien sûr, ils peuvent faire ça.
Déja, la lecture, l'analyse, ou l'indexation du code publié est bien sûr totalement légale. C'est même pour ça qu'on publie. Ça ne s'arrête pas au code : il est tout à fait légal d'analyser le contenu de livres publiés par des éditeurs traditionnels, d'en faire des analyses, et même des citations.
La seule question légale qui pourrait se poser, c'est les droits voisins : on ne peut pas aspirer une grosse base de données; ce n'est pas le contenu de la base qui est protégé, mais la base elle-même. Sauf que là, pas de problème, la base appartient à Github.
Ensuite, sur la licence du code généré automatiquement, il n'y a pas vraiment d'ambiguité. S'il est issu d'une véritable AI, l'AI ne peut pas avoir de droits (ce n'est pas une oeuvre de l'esprit, ou du moins le législateur n'a pas prévu qu'une AI puisse avoir un esprit). Reste la question du travail dérivé, mais là encore, il y a peu de doutes : s'il est impossible de prouver la paternité entre le code de départ et le code produit, alors il ne peut pas y avoir de contrefaçon. Il est difficile de se faire une idée à partir des exemples publicitaires publiés, mais il est probable que l'AI ne puisse reproduire que des bouts de code triviaux, ou non-originaux. J'imagine que Github a pris bien soin d'éliminer les copies directes dans son algorithme, ce qui fait que le code de l'IA tombera dans deux catégories : "fusion" entre des bouts de code existants (et donc, très difficile de prouver un travail dérivé), ou code trivial (plusieurs occurrences dans la base). Dans les deux cas, je pense qu'il n'y a pas d'ambiguité.
Après, si Github fait des erreurs et qu'il fournit des bouts de code non-triviaux pompés sur la base de données, alors les utilisateurs de l'AI peuvent être poursuivis pour contrefaçon. Mais dans ce cas, la situation est guère différente de celle où un intermédiaire peu scrupuleux vous a vendu des bouts de code GPL en faisant croire qu'ils étaient originaux.
Honnêtement, si j'étais Github, pour éviter les problèmes, j'entrainerais l'IA avec des échantillons non-recouvrants de la base, et je ne fournirais que le code identique entre les deux AI. Déja, ça serait une assurance de robustesse, en en plus, à tout moment, je serais capable de prouver que le code produit n'est pas un travail dérivé.