Vu qu'on parle de droit US que personne d'entre nous ne comprend, et de "on dit que", "il paraitrait que", "j'ai entendu dire que", à mon avis, il y a peu de chance qu'une compréhension profonde des enjeux émerge de cette discussion.
Ce qu'on peut retenir, c'est qu'en attendant une jurisprudence claire, les boîtes qui entrainent des modèles prennent quelques précautions. Comme tu l'évoques, à mon avis, la destruction des livres n'a rien d'une protection juridique, c'est surtout un truc pratique: il est absurde de garder les livres physiques après numérisation, sauf si la version numérisée est détruite. C'est probablement économiquement absurde de renumériser un livre physique à chaque entrainement de modèle, donc ça semble rationnel de ne garder que la version numérisée.
Même avec les différences notables entre les systèmes européens et US, il y a un point qui semble largement incompris dans ces discussions : ce qui est illégal, c'est la contrefaçon, le fait de diffuser une version sans l'autorisation de l'auteur. À l'inverse, garder une copie à usage interne n'est pas de la contrefaçon; en droit européen c'est une copie privée, qui est autorisée sous certaines conditions; en droit US ça peut rentrer dans le "fair use". Donc ces histoires de copies numériques, ça me semble très très secondaire par rapport au problème central, qui est de savoir si l'entrainement de réseaux de neurones est susceptible d'entrainer la publication de contrefaçons. La jurisprudence établit clairement que ça n'est pas le cas pour les cerveaux biologiques: les auteurs des livres qu'on a lu ne sont pas mécaniquement considérés comme les auteurs des livres qu'on écrit nous-mêmes, il faut des éléments de ressemblance manifestes pour que la contrefaçon soit établie. Pour les LLM, la situation n'est pas juridiquement claire. Si les juges considèrent que le réseau "transforme" l'oeuvre (ce qui est techniquement le cas, puisque les réseaux de neurones ne copient pas textuellement les entrées), l'usage peut s'apparenter au fair use, et c'est peut-être dans ce cas spécifique où une victoire secondaire via l'argument de la copie interne des oeuvres originales pourrait être recherchée (bien maigre victoire, à mon avis).
Sur le fond, pour être honnête, c'est seulement une histoire d'argent. Quel éditeur de livre voudrait que les modèles grand public ne soient pas entrainés dessus? Qui pourrait me faire avaler que Guillaume Musso puisse vouloir que ChatGPT réponde "je ne peux rien vous dire à propos des livres de cet auteur" quand on lui demande "qui a tué Machin dans tel livre"? C'est de la blague, la très grande majorité des auteurs et éditeurs ne peut que souhaiter que les LLM aient "lu" leurs livres, pour répondre aux questions de leurs lecteurs, pour en conseiller l'achat, etc. Ce qui se passe, c'est qu'ils veulent toucher une part de gâteau, possiblement parce qu'ils voient arriver la possibilité que la prochaine génération de LLM soit capable de produire à l'infini de la littérature tout à fait acceptable dans certains styles peu qualitatifs (romans de gare, romans à l'eau de rose, etc).
[^] # Re: La réalité dépasse la fiction
Posté par arnaudus . En réponse au lien Des entreprises d'IA rachètent d'anciens livres, les numérisent puis les détruisent. Évalué à 1 (+1/-3).
Vu qu'on parle de droit US que personne d'entre nous ne comprend, et de "on dit que", "il paraitrait que", "j'ai entendu dire que", à mon avis, il y a peu de chance qu'une compréhension profonde des enjeux émerge de cette discussion.
Ce qu'on peut retenir, c'est qu'en attendant une jurisprudence claire, les boîtes qui entrainent des modèles prennent quelques précautions. Comme tu l'évoques, à mon avis, la destruction des livres n'a rien d'une protection juridique, c'est surtout un truc pratique: il est absurde de garder les livres physiques après numérisation, sauf si la version numérisée est détruite. C'est probablement économiquement absurde de renumériser un livre physique à chaque entrainement de modèle, donc ça semble rationnel de ne garder que la version numérisée.
Même avec les différences notables entre les systèmes européens et US, il y a un point qui semble largement incompris dans ces discussions : ce qui est illégal, c'est la contrefaçon, le fait de diffuser une version sans l'autorisation de l'auteur. À l'inverse, garder une copie à usage interne n'est pas de la contrefaçon; en droit européen c'est une copie privée, qui est autorisée sous certaines conditions; en droit US ça peut rentrer dans le "fair use". Donc ces histoires de copies numériques, ça me semble très très secondaire par rapport au problème central, qui est de savoir si l'entrainement de réseaux de neurones est susceptible d'entrainer la publication de contrefaçons. La jurisprudence établit clairement que ça n'est pas le cas pour les cerveaux biologiques: les auteurs des livres qu'on a lu ne sont pas mécaniquement considérés comme les auteurs des livres qu'on écrit nous-mêmes, il faut des éléments de ressemblance manifestes pour que la contrefaçon soit établie. Pour les LLM, la situation n'est pas juridiquement claire. Si les juges considèrent que le réseau "transforme" l'oeuvre (ce qui est techniquement le cas, puisque les réseaux de neurones ne copient pas textuellement les entrées), l'usage peut s'apparenter au fair use, et c'est peut-être dans ce cas spécifique où une victoire secondaire via l'argument de la copie interne des oeuvres originales pourrait être recherchée (bien maigre victoire, à mon avis).
Sur le fond, pour être honnête, c'est seulement une histoire d'argent. Quel éditeur de livre voudrait que les modèles grand public ne soient pas entrainés dessus? Qui pourrait me faire avaler que Guillaume Musso puisse vouloir que ChatGPT réponde "je ne peux rien vous dire à propos des livres de cet auteur" quand on lui demande "qui a tué Machin dans tel livre"? C'est de la blague, la très grande majorité des auteurs et éditeurs ne peut que souhaiter que les LLM aient "lu" leurs livres, pour répondre aux questions de leurs lecteurs, pour en conseiller l'achat, etc. Ce qui se passe, c'est qu'ils veulent toucher une part de gâteau, possiblement parce qu'ils voient arriver la possibilité que la prochaine génération de LLM soit capable de produire à l'infini de la littérature tout à fait acceptable dans certains styles peu qualitatifs (romans de gare, romans à l'eau de rose, etc).