Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Les géants de la technologie confrontés à leurs propres pratiques
Depuis des années, les grandes entreprises technologiques ont adopté l'idée que toute information disponible sur Internet peut être utilisée pour enrichir leurs modèles d'intelligence artificielle, sous le principe de l'utilisation équitable. Cependant, les créateurs de contenu ont souvent tenté de s'opposer à cette pratique, généralement sans succès.
Aujourd'hui, des entreprises comme Anthropic, OpenAI et Google se retrouvent confrontées à une réalité que beaucoup d'autres ont déjà expérimentée : une fois qu'une information est en ligne, elle peut être exploitée de manière inattendue et souvent indésirable. Cette prise de conscience est particulièrement aiguë dans le contexte actuel où la distillation est devenue un point de friction majeur.
La distillation : un nouveau champ de bataille
La distillation, qui consiste à utiliser les résultats d'un modèle d'IA pour en améliorer un autre, est au cœur des préoccupations actuelles. Anthropic accuse certains de ses concurrents de tirer parti de ses résultats à grande échelle, transformant ainsi des investissements de plusieurs milliards de dollars en raccourcis pour d'autres entreprises. OpenAI et Google ont également exprimé des inquiétudes similaires.
La question qui se pose est simple : pourquoi investir massivement dans le développement des meilleurs modèles d'IA si d'autres peuvent en reproduire une grande partie à moindre coût ? Cette situation soulève des préoccupations légitimes sur le plan commercial, mais elle est également complexe à gérer.
Une symétrie troublante
À une échelle plus large, la distillation ressemble étrangement à ce que les entreprises d'IA ont fait avec le reste d'Internet : collecter du contenu web sans autorisation, le transformer en produits vendables et justifier cela par l'utilisation équitable. Anthropic, par exemple, accuse ses rivaux d'extraire de l'intelligence de ses modèles, alors que les propriétaires de sites web ont longtemps accusé Anthropic de faire de même avec leurs contenus.
Cette situation met en lumière une symétrie difficile à ignorer. Bien qu'Anthropic se présente comme une entreprise d'IA éthique, elle est souvent critiquée pour ses pratiques de collecte de données intensives, qui surchargent les sites web avec des requêtes répétées.
Les bots, un problème récurrent
Anthropic, OpenAI et Google décrivent ce phénomène comme une question de cybersécurité, soulignant que des essaims de bots attaquent leurs modèles pour en extraire de l'intelligence. Cependant, ces entreprises ont elles-mêmes utilisé des bots pour collecter des données sur de nombreux sites web, augmentant ainsi les coûts d'exploitation pour les propriétaires de ces sites.
La communauté de la recherche en IA distingue la distillation du web scraping, mais il n'y a pas de consensus sur la légitimité de la distillation. Anthropic, par exemple, a qualifié certaines pratiques de ses concurrents d'attaques de distillation, ce qui a suscité des débats au sein de la communauté.
Un débat en constante évolution
Le débat autour de la distillation est complexe. Certaines formes de distillation, comme l'utilisation des résultats de ses propres modèles pour en créer de nouveaux, sont généralement acceptées. Cependant, lorsque des entreprises utilisent les résultats d'autres pour améliorer leurs propres modèles, cela devient plus controversé.
Certains experts, comme Nathan Lambert, parlent de "panique de distillation", craignant que la position d'Anthropic n'affecte négativement toutes les formes de distillation.
Une lutte sans fin
La réalité de l'Internet moderne est implacable. Anthropic a tenté de limiter l'accès à ses modèles pour empêcher les concurrents d'en apprendre trop, mais ces efforts ont souvent échoué ou ont conduit à des solutions de contournement plus sophistiquées.
Une fois que l'information est en ligne, il est difficile de contrôler son utilisation. Cela s'applique aux blogs, aux photos, aux logiciels, aux vidéos et, bien sûr, aux résultats des modèles d'IA. Comme l'a déclaré Zilan Qian du Oxford China Policy Lab, tant que les résultats des modèles d'IA sont accessibles, des individus trouveront des moyens d'y accéder.
Ainsi, la distillation pourrait être considérée comme une utilisation équitable, mais les implications juridiques restent incertaines. Les géants de l'IA doivent désormais s'adapter à cette nouvelle réalité de l'Internet.
