Ce point n'est toujours pas résolu. Dans les points toujours à clarifier pour l'apprentissage, on a en autre le fait qu'une IA n'est pas un être humain et n'est pas soumis aux même règles pour la lecture de code (et donc l'apprentissage qui va avec), le fait que la production d'un modèle à base de code GPL est bien un oeuvre dérivée de celle-ci (par contre, il semblerait que le fair use soit possiblement d'application), et sans doute bien d'autres qui devraient être trouvables avec quelques recherches.
On lit beaucoup de choses là-dessus, mais je ne suis pas convaincu que "ça n'est pas résolu". Sur l'aspiration du contenu du web, soit les conditions d'utilisation des sites t'en donne le droit, soit elle ne t'en donne pas le droit, mais dans tous les cas la légalité de la constitution de ces bases ne dépend pas de ce que tu vas en faire. Il y a de toutes manières beaucoup de tolérance, des milliards de pages web sont aspirées en permanence par les moteurs de recherche, les archives internet, etc. Si tu n'as pas explicitement interdit l'archivage de tes pages par des robots, je ne vois pas vraiment ce que tu peux invoquer pour dire "ah oui mais non, en fait je veux bien que Google indexe mes pages, mais pas OpenAI". Dans tous les cas, ceci n'est pas lié au droit d'auteur, puisque le droit d'auteur t'empêche de rediffuser, pas de stocker des contenus auxquels tu as eu légalement accès.
Sur le droit d'auteur, j'ai du mal à imaginer comment la notion de travail dérivé pourrait etre redéfinie en fonction de la manière dont l'oeuvre a été produite (algorithme ou humain). Une vague ressemblance ne suffit pas pour définir un travail dérivé, il faut réellement qu'il s'agisse d'une sorte de copie. Les sorties de bouts de code verbatim comme le faisaient les premières versions de Copilot peuvent s'apparenter à du travail dérivé, mais c'est uniquement à cause d'un modèle mal paramétré (overfit). Un modèle bien conçu ne fait pas ça, donc c'est inutile de se poser trop de questions sur un comportement pathologique.
En ce qui concerne la licence des sorties de ces modèles, c'est hyper-clair: les machines ne peuvent pas, juridiquement, être des auteurs. Quelle que soit la qualité et les mérites de ces textes ou images, ils sont dans une sorte de domaine public, comme le sont les tableaux faits par des chimpanzés par exemple. Si on peut démontrer que le prompt est une oeuvre de l'esprit, alors j'imagine qu'un texte complexe produit par une AI peut devenir une oeuvre, dont l'auteur serait l'utilisateur de l'algorithme.
Et oui, aussi bizarre que ça puisse paraitre, si on entraine un modèle de langage avec 1 TB de code sous GPL, les sorties du modèle ne seront pas sous GPL. Le droit d'auteur ne se dilue pas, soit un truc est un travail dérivé et il est pleinement attribuable à son auteur initial, soit il n'est pas un travail dérivé et il est à 0% à son auteur initial.
Bon, bref, il doit bien exister des cas précis où l'application du droit d'auteur est discutable, mais j'ai l'impression que dans le cas général, il n'y a pas beaucoup d'ambiguité sur la légalité de la chose.
il n'y a rien pour dire que c'est légal ou non.
La loi détermine ce qui est interdit, pas ce qui est autorisé. Tout ce qui n'est pas interdit est autorisé, donc s'il n'y a "rien pour dire", alors c'est donc légal.
Comme dit plus haut, tout ça peut se finir par la création de "taxes IA" qui permettraient d'éviter que ces entreprises génèrent des centaines de milliards de bénéfices à partir de textes publiés par des humains sans reverser un centime aux auteurs de ces textes, bouts de code, etc. Mais il faudrait une législation spécifique et un moyen de tracer tout ça, de faire payer des entreprises étrangères, etc. Une vraie usine à gaz.
[^] # Re: superbe initiative de huggingface
Posté par arnaudus . En réponse au journal Votre code dans un modèle d'IA. Évalué à 3.
On lit beaucoup de choses là-dessus, mais je ne suis pas convaincu que "ça n'est pas résolu". Sur l'aspiration du contenu du web, soit les conditions d'utilisation des sites t'en donne le droit, soit elle ne t'en donne pas le droit, mais dans tous les cas la légalité de la constitution de ces bases ne dépend pas de ce que tu vas en faire. Il y a de toutes manières beaucoup de tolérance, des milliards de pages web sont aspirées en permanence par les moteurs de recherche, les archives internet, etc. Si tu n'as pas explicitement interdit l'archivage de tes pages par des robots, je ne vois pas vraiment ce que tu peux invoquer pour dire "ah oui mais non, en fait je veux bien que Google indexe mes pages, mais pas OpenAI". Dans tous les cas, ceci n'est pas lié au droit d'auteur, puisque le droit d'auteur t'empêche de rediffuser, pas de stocker des contenus auxquels tu as eu légalement accès.
Sur le droit d'auteur, j'ai du mal à imaginer comment la notion de travail dérivé pourrait etre redéfinie en fonction de la manière dont l'oeuvre a été produite (algorithme ou humain). Une vague ressemblance ne suffit pas pour définir un travail dérivé, il faut réellement qu'il s'agisse d'une sorte de copie. Les sorties de bouts de code verbatim comme le faisaient les premières versions de Copilot peuvent s'apparenter à du travail dérivé, mais c'est uniquement à cause d'un modèle mal paramétré (overfit). Un modèle bien conçu ne fait pas ça, donc c'est inutile de se poser trop de questions sur un comportement pathologique.
En ce qui concerne la licence des sorties de ces modèles, c'est hyper-clair: les machines ne peuvent pas, juridiquement, être des auteurs. Quelle que soit la qualité et les mérites de ces textes ou images, ils sont dans une sorte de domaine public, comme le sont les tableaux faits par des chimpanzés par exemple. Si on peut démontrer que le prompt est une oeuvre de l'esprit, alors j'imagine qu'un texte complexe produit par une AI peut devenir une oeuvre, dont l'auteur serait l'utilisateur de l'algorithme.
Et oui, aussi bizarre que ça puisse paraitre, si on entraine un modèle de langage avec 1 TB de code sous GPL, les sorties du modèle ne seront pas sous GPL. Le droit d'auteur ne se dilue pas, soit un truc est un travail dérivé et il est pleinement attribuable à son auteur initial, soit il n'est pas un travail dérivé et il est à 0% à son auteur initial.
Bon, bref, il doit bien exister des cas précis où l'application du droit d'auteur est discutable, mais j'ai l'impression que dans le cas général, il n'y a pas beaucoup d'ambiguité sur la légalité de la chose.
La loi détermine ce qui est interdit, pas ce qui est autorisé. Tout ce qui n'est pas interdit est autorisé, donc s'il n'y a "rien pour dire", alors c'est donc légal.
Comme dit plus haut, tout ça peut se finir par la création de "taxes IA" qui permettraient d'éviter que ces entreprises génèrent des centaines de milliards de bénéfices à partir de textes publiés par des humains sans reverser un centime aux auteurs de ces textes, bouts de code, etc. Mais il faudrait une législation spécifique et un moyen de tracer tout ça, de faire payer des entreprises étrangères, etc. Une vraie usine à gaz.