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
Microsoft et l'utilisation de données non licenciées
Microsoft a récemment été mis en lumière pour avoir formé ses modèles d'intelligence artificielle MAI en partie sur des données web non licenciées. Un document technique, examiné par Simon Willison, révèle que Microsoft a utilisé des sources telles que Common Crawl pour alimenter ses modèles, malgré des déclarations antérieures affirmant que les données utilisées étaient "propres, de niveau entreprise et commercialement licenciées".
Le recours au fair use
Comme de nombreuses autres entreprises dans le domaine de l'intelligence artificielle, Microsoft semble s'appuyer sur le concept de fair use pour justifier l'utilisation de ces données. Le document technique décrit les données comme un mélange de contenus générés par des humains, accessibles publiquement et licenciés. Pour collecter ces données, Microsoft utilise un crawler propriétaire qui respecte le Robots Exclusion Protocol (robots.txt) ainsi que les méta-tags et contrôles HTML associés. Cela permet aux propriétaires de sites de décider comment leur contenu est accessible et utilisé.
La responsabilité des propriétaires de sites
Cette approche place la responsabilité de la protection du contenu sur les propriétaires de sites web. En d'autres termes, ceux qui ne prennent pas de mesures pour protéger leur contenu pourraient être considérés comme consentant à son utilisation. Cependant, l'application du fair use dans ce contexte reste un sujet de débat, et les tribunaux n'ont pas encore tranché définitivement sur cette question.
Une pratique courante mais contestée
En fin de compte, Microsoft semble suivre une pratique courante parmi les entreprises d'IA, tout en présentant ses données d'entraînement comme particulièrement "propres". Cette situation soulève des interrogations sur la transparence et l'éthique des pratiques de collecte de données par les géants technologiques.
