Bah du coup, je ne comprends pas sur quel point on n'est pas d'accord.
1) Un LLM qui n'aurait pas une grande partie de la littérature scientifique dans ses données d'entrainement ne serait pas pertinent
2) La littérature scientifique est pour une grande partie produite par des chercheurs payés ou subventionnés par les États ou des structures publiques
3) Une partie substantielle de la littérature scientifique est publiée dans des journaux détenus par des acteurs privés qui détiennent les droits par des accords de transferts de propriété intellectuelle avec les auteurs
4) Une fraction de la littérature scientifique récente est disponible sous des licences moins restrictives, soit parce que les publications sont en open access, soit que des versions préliminaires ont été diffusées sous forme de "pre-print". Mais rien de ceci n'existait avant le XXIe siècle, et il existe encore beaucoup d'articles qui ne sont disponibles que sur le site de l'éditeur
5) Une autre fraction de la littérature est publiée dans des ouvrages édités, et pour ceux-là même les auteurs font tout pour ne pas le rendre disponible sous licence moins restrictive (typiquement, dans certains champs scientifiques, et en particuliers dans les sciences sociales, ces ouvrages sont considérés comme des compléments de revenus pour les chercheurs).
6) Factuellement, une grande partie de la littérature (sauf les ouvrages) est disponible illégalement sur des plate-formes de type sci-hub (dont le financement et la pérénnité ne sont pas garantis, évidemment)
Donc les LLM ont actuellement la possibilité de manger la littérature scientifique en aspirant sci-hub. Mais si les procès dont on parle vont jusqu'au bout et que le fair-use n'est pas reconnu pour l'entrairement des LLM, alors il faudra soit payer des milliards aux éditeurs scientifiques pour entrainer un LLM, soit ne l'entrainer que sur un corpus Open Access (souvent sous des licences CC-BY ou plus restrictives, CC-BY-NC ou CC-BY-ND).
On ne parle pas de légitimité, là (je suis personnellement convaincu qu'en effet, les publications scientifiques devraient toutes légalement être légalement diffusables—peut-être pas modifiables, mais c'est discutable). Le fait est que dans le monde réel, elles ne le sont pas, et que le refus du fait-use pour les LLM engendrerait l'impossibilité d'intégrer le savoir scientifique dans les données d'entrainement. Je ne vois pas qui souhaiterait ça à part les éditeurs prédateurs, mais c'est un fait.
[^] # Re: quel connerie
Posté par arnaudus . En réponse au journal Anthropic accepte de payer 1ドル.5 milliard pour atteinte au droit d'auteur. Évalué à 4. Dernière modification le 10 septembre 2025 à 11:02.
Bah du coup, je ne comprends pas sur quel point on n'est pas d'accord.
1) Un LLM qui n'aurait pas une grande partie de la littérature scientifique dans ses données d'entrainement ne serait pas pertinent
2) La littérature scientifique est pour une grande partie produite par des chercheurs payés ou subventionnés par les États ou des structures publiques
3) Une partie substantielle de la littérature scientifique est publiée dans des journaux détenus par des acteurs privés qui détiennent les droits par des accords de transferts de propriété intellectuelle avec les auteurs
4) Une fraction de la littérature scientifique récente est disponible sous des licences moins restrictives, soit parce que les publications sont en open access, soit que des versions préliminaires ont été diffusées sous forme de "pre-print". Mais rien de ceci n'existait avant le XXIe siècle, et il existe encore beaucoup d'articles qui ne sont disponibles que sur le site de l'éditeur
5) Une autre fraction de la littérature est publiée dans des ouvrages édités, et pour ceux-là même les auteurs font tout pour ne pas le rendre disponible sous licence moins restrictive (typiquement, dans certains champs scientifiques, et en particuliers dans les sciences sociales, ces ouvrages sont considérés comme des compléments de revenus pour les chercheurs).
6) Factuellement, une grande partie de la littérature (sauf les ouvrages) est disponible illégalement sur des plate-formes de type sci-hub (dont le financement et la pérénnité ne sont pas garantis, évidemment)
Donc les LLM ont actuellement la possibilité de manger la littérature scientifique en aspirant sci-hub. Mais si les procès dont on parle vont jusqu'au bout et que le fair-use n'est pas reconnu pour l'entrairement des LLM, alors il faudra soit payer des milliards aux éditeurs scientifiques pour entrainer un LLM, soit ne l'entrainer que sur un corpus Open Access (souvent sous des licences CC-BY ou plus restrictives, CC-BY-NC ou CC-BY-ND).
On ne parle pas de légitimité, là (je suis personnellement convaincu qu'en effet, les publications scientifiques devraient toutes légalement être légalement diffusables—peut-être pas modifiables, mais c'est discutable). Le fait est que dans le monde réel, elles ne le sont pas, et que le refus du fait-use pour les LLM engendrerait l'impossibilité d'intégrer le savoir scientifique dans les données d'entrainement. Je ne vois pas qui souhaiterait ça à part les éditeurs prédateurs, mais c'est un fait.