TL/DR: c'est juste l'application des lois existantes à une situation que les législateurs n'avaient pas prévu.
Il va falloir un certain nombre de décisions de justice similaires pour "stabiliser" la situation.
Dans tous les cas, j'ai toujours pensé que c'était la seule issue possible sans modification des lois existantes, pour plusieurs raisons:
1) À ma connaissance, dans la plupart (toutes) les législations qui implémentent la convention de Berne (le socle commun à la propriété intellectuelle dans le monde), la notion de travail dérivé n'est définie que par la similarité d'une oeuvre par rapport à l'original, et pas par le processus qui a permis de créer cette oeuvre (du coup, c'est peut-être le terme de "dérivé" en français qui est trompeur). Un modèle de langage bien paramétré ne ressort pas de morceaux identifiables, et ses sorties ne peuvent donc pas être des oeuvres dérivées. C'est d'ailleurs l'argument qui justifie le jugement dont il est question: les plaignants n'ont pas fourni la preuve que les sorties du modèles étaient dérivées de leur travail.
La propriété intellectuelle ne peut pas être diluée. Elle n'est pas quantitative, soit une oeuvre est protégée, soit elle ne l'est pas. Ça veut dire qu'il est tout à fait possible par exemple d'écrire un texte qui ne contient que des phrases tirées de livres déja publiés, sans que ça soit une contrefaçon. Et c'est probablement déja arrivé, puisqu'une phrase triviale ("Il prit son chapeau et ferma la porte derrière lui") a toutes les chances d'avoir déja été écrite. Du coup, un code composé de lignes qui sont toutes tirées de sources sous GPL n'est pas nécessairement sous GPL. C'est une profonde incompréhension de la nature de la propriété intellectuelle que d'imaginer que c'est nécessairement le cas.
2) Il ne faut pas oublier que seules les oeuvres de l'esprit originales sont protégées par le droit d'auteur. Parfois on oublie ça, parce qu'on applique une licence à un ensemble de fichiers, mais il est très peu probable que vos .h qui contient des constructeurs, des destructeurs, et des méthodes triviales, soient en fait protégés par le droit d'auteur. Seuls les algorithmes un peu élaborés, les designs spécifiques à un problème donné, les optimisations un peu chiadées, etc. sont susceptibles d'ouvrir des droits d'auteur. Même si vous pouviez prouver qu'un LLM ressort une de vos fonctions telles quelles, il faudrait en plus démontrer que cette fonction est originale (par exemple, qu'elle est unique dans la base de données). Si la base de données de code contient 57 implémentations du tri à bulle et que l'IA a sorti celles avec vos noms de variables, ça ne veut pas dire qu'il y a eu contrefaçon.
3) L'aspiration de bases de données de code libre, qui est souvent reprochée à ces modèles, est tout à fait compatible avec la très grande majorité des licences libres. "Je ne voulait pas que mon code sous GPL serve à entrainer les modèles de langage" n'est pas un argument. Une modification des licences libres est peut-être envisageable, mais en tout cas l'argument n'est pas opposable.
Bref, je pense que la jurisprudence qui va s'établir va être assez claire : 1) l'inclusion de code dans une base de données destinée à l'entrainement de LLM ne constitue pas une violation de la propriété intellectuelle des auteurs du code (la question reste ouverte pour la base de données aspirée, mais on passe aux droits voisins, et en tout cas ça ne concerne pas les auteurs du code). 2) Sauf similarité dûment démontrée dans les sorties d'un modèle mal paramétré (comme l'étaient les premières versions de Copilot, si je me souviens bien), le code produit par une IA n'est pas soumis au code de la propriété intellectuelle (parce que ça n'est pas une oeuvre de l'esprit).
Ça me semble assez évident quand on lit le code de la propriété intellectuelle par exemple, mais je ne suis pas juriste et bien sûr les juges considèrent aussi autre chose que la loi. Mais en tout cas, j'ai l'impression que la plupart des arguments de ceux qui pensent que "ça devrait être interdit" n'ont pas de base légale, et qu'ils s'exposent à de grosses désillusions s'ils pensent que quelque chose comme "Je ne voulais pas que mon code soit réutilisé par des grosses boîtes pour faire du pognon" est un argument recevable.
Il y a d'ailleurs un point "philosophique" qui me semble intéressant : prétendre que la sortie d'un LLM peut violer sa propriété intellectuelle me semble quasiment auto-contradictoire. Par définition, la propriété intellectuelle ne s'applique qu'aux oeuvres de l'esprit (que la jurisprudence considère comme uniquement humain, pas de copyright sur les dessins de chimpanzés etc). Or, les sorties d'une IA ne peuvent pas être protégées par le droit d'auteur, parce que justement elles ne sont pas des oeuvres de l'esprit (sortir une sorte de code consensus ne peut produire qu'un code trivial qui ne reflète pas la personnalité de son auteur). Comment peut-on donc prétendre qu'un code suffisamment original pour être protégé par le droit d'auteur peut ressortir d'une IA d'une manière suffisamment similaire pour être une contrefaçon? (encore une fois, sauf si l'IA n'a pas été surparamétrée, ce qui est un problème technique qui peut en effet s'apparenter à de la contrefaçon)? À mon avis, il faut un raisonnement particulièrement précis pour s'en sortir. Par exemple, les "artistes numériques" prétendent que c'est le texte d'invocation de l'IA qui est l'oeuvre de leur esprit, et qui justifieraient la protection de la sortie de l'IA. Mais ça, ça permet d'attribuer une propriété à l'utilisateur de l'IA, ce qui est assez différent de la question du droit sur le bout de code qui sort d'une requête triviale.
# Clarification bienvenue
Posté par arnaudus . En réponse au lien Judge dismisses DMCA copyright claim in GitHub Copilot suit. Évalué à 10. Dernière modification le 10 juillet 2024 à 12:42.
TL/DR: c'est juste l'application des lois existantes à une situation que les législateurs n'avaient pas prévu.
Il va falloir un certain nombre de décisions de justice similaires pour "stabiliser" la situation.
Dans tous les cas, j'ai toujours pensé que c'était la seule issue possible sans modification des lois existantes, pour plusieurs raisons:
1) À ma connaissance, dans la plupart (toutes) les législations qui implémentent la convention de Berne (le socle commun à la propriété intellectuelle dans le monde), la notion de travail dérivé n'est définie que par la similarité d'une oeuvre par rapport à l'original, et pas par le processus qui a permis de créer cette oeuvre (du coup, c'est peut-être le terme de "dérivé" en français qui est trompeur). Un modèle de langage bien paramétré ne ressort pas de morceaux identifiables, et ses sorties ne peuvent donc pas être des oeuvres dérivées. C'est d'ailleurs l'argument qui justifie le jugement dont il est question: les plaignants n'ont pas fourni la preuve que les sorties du modèles étaient dérivées de leur travail.
La propriété intellectuelle ne peut pas être diluée. Elle n'est pas quantitative, soit une oeuvre est protégée, soit elle ne l'est pas. Ça veut dire qu'il est tout à fait possible par exemple d'écrire un texte qui ne contient que des phrases tirées de livres déja publiés, sans que ça soit une contrefaçon. Et c'est probablement déja arrivé, puisqu'une phrase triviale ("Il prit son chapeau et ferma la porte derrière lui") a toutes les chances d'avoir déja été écrite. Du coup, un code composé de lignes qui sont toutes tirées de sources sous GPL n'est pas nécessairement sous GPL. C'est une profonde incompréhension de la nature de la propriété intellectuelle que d'imaginer que c'est nécessairement le cas.
2) Il ne faut pas oublier que seules les oeuvres de l'esprit originales sont protégées par le droit d'auteur. Parfois on oublie ça, parce qu'on applique une licence à un ensemble de fichiers, mais il est très peu probable que vos .h qui contient des constructeurs, des destructeurs, et des méthodes triviales, soient en fait protégés par le droit d'auteur. Seuls les algorithmes un peu élaborés, les designs spécifiques à un problème donné, les optimisations un peu chiadées, etc. sont susceptibles d'ouvrir des droits d'auteur. Même si vous pouviez prouver qu'un LLM ressort une de vos fonctions telles quelles, il faudrait en plus démontrer que cette fonction est originale (par exemple, qu'elle est unique dans la base de données). Si la base de données de code contient 57 implémentations du tri à bulle et que l'IA a sorti celles avec vos noms de variables, ça ne veut pas dire qu'il y a eu contrefaçon.
3) L'aspiration de bases de données de code libre, qui est souvent reprochée à ces modèles, est tout à fait compatible avec la très grande majorité des licences libres. "Je ne voulait pas que mon code sous GPL serve à entrainer les modèles de langage" n'est pas un argument. Une modification des licences libres est peut-être envisageable, mais en tout cas l'argument n'est pas opposable.
Bref, je pense que la jurisprudence qui va s'établir va être assez claire : 1) l'inclusion de code dans une base de données destinée à l'entrainement de LLM ne constitue pas une violation de la propriété intellectuelle des auteurs du code (la question reste ouverte pour la base de données aspirée, mais on passe aux droits voisins, et en tout cas ça ne concerne pas les auteurs du code). 2) Sauf similarité dûment démontrée dans les sorties d'un modèle mal paramétré (comme l'étaient les premières versions de Copilot, si je me souviens bien), le code produit par une IA n'est pas soumis au code de la propriété intellectuelle (parce que ça n'est pas une oeuvre de l'esprit).
Ça me semble assez évident quand on lit le code de la propriété intellectuelle par exemple, mais je ne suis pas juriste et bien sûr les juges considèrent aussi autre chose que la loi. Mais en tout cas, j'ai l'impression que la plupart des arguments de ceux qui pensent que "ça devrait être interdit" n'ont pas de base légale, et qu'ils s'exposent à de grosses désillusions s'ils pensent que quelque chose comme "Je ne voulais pas que mon code soit réutilisé par des grosses boîtes pour faire du pognon" est un argument recevable.
Il y a d'ailleurs un point "philosophique" qui me semble intéressant : prétendre que la sortie d'un LLM peut violer sa propriété intellectuelle me semble quasiment auto-contradictoire. Par définition, la propriété intellectuelle ne s'applique qu'aux oeuvres de l'esprit (que la jurisprudence considère comme uniquement humain, pas de copyright sur les dessins de chimpanzés etc). Or, les sorties d'une IA ne peuvent pas être protégées par le droit d'auteur, parce que justement elles ne sont pas des oeuvres de l'esprit (sortir une sorte de code consensus ne peut produire qu'un code trivial qui ne reflète pas la personnalité de son auteur). Comment peut-on donc prétendre qu'un code suffisamment original pour être protégé par le droit d'auteur peut ressortir d'une IA d'une manière suffisamment similaire pour être une contrefaçon? (encore une fois, sauf si l'IA n'a pas été surparamétrée, ce qui est un problème technique qui peut en effet s'apparenter à de la contrefaçon)? À mon avis, il faut un raisonnement particulièrement précis pour s'en sortir. Par exemple, les "artistes numériques" prétendent que c'est le texte d'invocation de l'IA qui est l'oeuvre de leur esprit, et qui justifieraient la protection de la sortie de l'IA. Mais ça, ça permet d'attribuer une propriété à l'utilisateur de l'IA, ce qui est assez différent de la question du droit sur le bout de code qui sort d'une requête triviale.