OpenAI remporte une victoire juridique à Delhi contre ANI

OpenAI remporte une victoire juridique à Delhi contre ANI

La Haute Cour de Delhi a rejeté la demande de l'agence de presse indienne ANI pour une injonction préliminaire contre OpenAI pour violation de droits d'auteur.

ANI n'a pas pu prouver que ChatGPT reproduisait ses articles textuellement. Les articles qu'elle a soumis comme preuve avaient été publiés après que les modèles aient déjà été entraînés.

Le juge n'a constaté aucun préjudice économique pour ANI car OpenAI et l'agence de presse opèrent dans des secteurs différents, et a affirmé le bénéfice public des modèles linguistiques pour l'éducation, la recherche et l'accessibilité.

Dans une décision intermédiaire, la Haute Cour de Delhi a rejeté la demande de l'agence de presse Asian News International (ANI) pour une injonction préliminaire contre OpenAI. ANI, l'une des plus grandes agences de presse d'Inde, a poursuivi OpenAI pour son utilisation de matériel protégé par des droits d'auteur pour l'entraînement de l'IA et dans les résultats de ChatGPT. Le juge Amit Bansal a refusé le recours demandé sur les deux revendications.

La décision aborde la mémorisation, la génération augmentée par récupération (RAG), et le statut légal de l'entraînement de l'IA. L'expert en droit d'auteur lié à l'IA, Andres Guadamuz, qualifie ce jugement de victoire précoce importante pour OpenAI.

Les preuves d'ANI ont affaibli ses revendications en matière de droits d'auteur

ANI a soumis plusieurs résultats de ChatGPT au tribunal, qu'elle prétendait être des copies substantielles de ses articles. Cette démarche a échoué, car OpenAI a démontré que les modèles utilisés, GPT-4 et GPT-4o, avaient été entraînés sur des données d'avril 2022 et d'avril 2024. Les articles cités par ANI provenaient principalement d'août et septembre 2024, ils ne pouvaient donc pas faire partie des données d'entraînement.

L'avis préliminaire du juge était que les similitudes provenaient de RAG, qui permet à un modèle linguistique de récupérer des informations en ligne en temps réel, à l'instar d'un moteur de recherche. ANI n'avait pas abordé RAG dans son dépôt, si bien que le tribunal n'a pas pu rendre un jugement final sur la question. Le juge a déclaré que les résultats basés sur RAG pourraient être considérés comme une "communication au public", une question que le tribunal examinera lors des procédures principales.

Le cas d'ANI s'est affaibli par la suite. L'agence avait utilisé des prompts adversariaux, demandant explicitement au modèle de reproduire les articles "exactement". Pourtant, ANI n'a pas pu produire une seule copie textuelle. Le juge a constaté que les faits dans les articles d'actualité en général ne sont pas protégés par des droits d'auteur et que reproduire des sujets et des titres ne constituait pas une concurrence directe avec ANI dans ce cas.

Les preuves n'ont pas non plus soutenu la revendication d'ANI selon laquelle OpenAI stocke de manière permanente les données d'entraînement dans ses modèles et peut reproduire le travail de l'agence à la demande. Cependant, le tribunal réexaminera cette question lors des procédures principales.

Le tribunal traite provisoirement l'entraînement de l'IA comme un usage équitable

ANI n'a également pas réussi à prouver que la copie de son travail pour l'entraînement de l'IA constituait une violation des droits d'auteur. Les deux parties ont convenu qu'OpenAI avait utilisé le contenu d'ANI pendant l'entraînement, mais OpenAI a soutenu que le matériel ne représentait qu'une infime part de l'ensemble du jeu de données et que le modèle n'extrayait que des éléments non expressifs tels que la grammaire, la syntaxe et les schémas linguistiques.

Le juge a examiné les exceptions en vertu de la loi indienne sur le droit d'auteur et s'est appuyé sur une clause couvrant "l'utilisation privée ou personnelle, y compris la recherche", interprétant "recherche" de manière suffisamment large pour englober l'entraînement de l'IA.

Pour que cette exception soit valable, le juge a établi des conditions. Les copies d'entraînement doivent provenir de sources légales, pas de bibliothèques clandestines ou de sites payants accessibles sans autorisation. OpenAI n'a également jamais rendu publiques les copies d'entraînement et les a traitées uniquement en interne. Guadamuz indique que c'est la première fois qu'un tribunal a explicitement trouvé que l'entraînement de l'IA relève d'une exception d'utilisation privée.

Le tribunal a effectué un test de justesse en trois parties et a soutenu OpenAI sur les trois points. L'utilisation par OpenAI des œuvres d'ANI était limitée à l'entraînement, aucune mémorisation ou reproduction n'ayant été prouvée. ANI n'a également pas pu montrer de préjudice économique car les deux entreprises opèrent dans des secteurs différents. Même lorsque les utilisateurs demandent à ChatGPT des titres d'ANI, le modèle ne renvoie que des sujets et, au maximum, quelques titres d'articles.

Le juge a cité des affaires américaines, notamment Bartz v. Anthropic et Kadrey v. Meta, où les résultats des modèles linguistiques ont été jugés transformateurs. Il a également fait référence à l'ancienne décision sur Google Books.

Le juge a également constaté que les modèles linguistiques entraînés améliorent l'accès à l'information, soutiennent l'éducation, avancent la recherche scientifique, aident au développement de logiciels, permettent la traduction et créent des outils pour les personnes handicapées.

Des affaires internationales sur les droits d'auteur de l'IA présentent un tableau mitigé

Le jugement de Delhi s'ajoute à une liste croissante de décisions judiciaires dans le monde qui ont abouti à des conclusions contradictoires. Aux États-Unis, un juge a rejeté le procès intenté par Raw Story et AlterNet contre OpenAI car les plaignants n'ont pas pu prouver suffisamment de préjudice et les chances de copies exactes étaient faibles. Ce tribunal a également statué que les faits ne sont pas protégés par des droits d'auteur.

L'affaire GitHub Copilot a également échoué, les plaignants n'ayant pas pu présenter un seul exemple de code identique. En revanche, The Intercept a remporté une victoire partielle grâce à une plainte DMCA concernant du matériel protégé par des droits d'auteur qui avait été retiré avant l'entraînement.

Dans l'affaire Ross Intelligence v. Thomson Reuters, un tribunal a refusé l'usage équitable car l'outil de recherche en IA était en concurrence directe avec la base de données juridique Westlaw de Thomson Reuters, rendant l'utilisation non transformative. Le tribunal a souligné que ce jugement ne s'appliquait qu'à ce cas d'utilisation non génératif et ne pouvait pas être étendu aux grands modèles linguistiques.

Dans l'affaire Anthropic, un tribunal fédéral de San Francisco a qualifié l'entraînement de l'IA avec des œuvres protégées par des droits d'auteur de "spectaculairement" transformateur, un signal fort en faveur de l'usage équitable. Mais le tribunal a établi une "comparaison avec Napster" car Anthropic avait utilisé des livres piratés provenant de bibliothèques clandestines comme données d'entraînement. L'usage équitable ne couvre pas le matériel obtenu illégalement. Anthropic a ensuite versé 1,5 milliard de dollars aux auteurs de livres pour avoir utilisé ces copies piratées.

Le Bureau américain des droits d'auteur a rejeté l'argument de l'industrie de l'IA selon lequel l'entraînement sur de "vastes quantités d'œuvres protégées par des droits d'auteur" relève largement de l'usage équitable. Le responsable ayant rédigé le rapport a été licencié par l'administration Trump peu après sa publication.

En Europe, deux tribunaux ont atteint des conclusions opposées presque simultanément. Le tribunal régional de Munich a statué dans l'affaire GEMA que les paroles de chansons étaient reproductibles dans les poids du modèle, constituant une reproduction pertinente en matière de droits d'auteur. La Haute Cour de Londres a rejeté le procès Getty Images v. Stability AI, statuant qu'un modèle d'IA n'est pas une "copie contrefaisante". De nouvelles recherches montrant que les modèles linguistiques peuvent mémoriser des livres protégés par des droits d'auteur pourraient intensifier le débat sur la mémorisation.

À travers toutes ces affaires, les mêmes questions centrales restent sans réponse. Les modèles d'IA stockent-ils de manière permanente les données d'entraînement ? L'entraînement peut-il être considéré comme un usage équitable ? Où se situe la limite entre les données obtenues légalement et illégalement ? Et les copies générées par des prompts adversariaux reflètent-elles un usage normal ?

L'IA et les médias font face à un problème au-delà des droits d'auteur

Au-delà des droits d'auteur, une autre question se pose pour l'industrie des médias. Même si les tribunaux statuent que l'entraînement de l'IA est légal, les produits de recherche alimentés par l'IA pourraient toujours déstabiliser le marché de l'information. Une récente étude du Pew Research Center montre que les taux de clic vers des sites externes chutent à seulement 8 % avec les résumés d'IA de Google, contre 15 % sans résumé d'IA. Les utilisateurs ont tendance à arrêter leurs recherches juste après avoir obtenu la réponse de l'IA. Ils ne vérifient pas d'autres sources.

Pour des agences de presse comme ANI, cela signifie que les systèmes d'IA qui résument les nouvelles et rendent inutile le clic sur la source originale pourraient éroder le modèle économique de l'industrie au fil du temps, même sans violation directe des droits d'auteur.

Le tribunal régional de Munich I a également récemment statué que Google est directement responsable des fausses déclarations dans ses résumés d'IA, car ceux-ci comptent comme un contenu indépendant plutôt que comme des résultats de recherche. La responsabilité limitée qui protégeait traditionnellement les opérateurs de moteurs de recherche ne s'étend pas aux résumés générés par l'IA.

Ce jugement pourrait également devenir pertinent pour les réponses basées sur RAG de ChatGPT. Lorsque les systèmes d'IA résument des nouvelles et font des déclarations indépendantes, leurs opérateurs deviennent effectivement des fournisseurs de médias, avec toute la responsabilité que cela implique. Ce changement pourrait également amener les tribunaux à reconsidérer l'usage équitable. Un facteur clé dans le test de justesse est de savoir si le nouveau produit concurrence les œuvres sur lesquelles il a été entraîné. Si les résumés d'IA remplacent la nécessité de visiter des sites d'actualités, les juges pourraient avoir plus de mal à statuer que l'utilisation est non concurrentielle.