En bref
- Des journaux accusent OpenAI d’avoir caché des preuves sur l’usage de leurs articles.
- Les plaignants affirment que des données et conversations ont été masquées ou supprimées.
- OpenAI rejette les accusations et invoque la protection des utilisateurs et le fair use.
Le bras de fer entre The New York Times, The Daily News et OpenAI monte encore d’un cran. Les deux journaux demandent désormais au juge de sanctionner l’entreprise, qu’ils accusent d’avoir retenu des éléments de preuve dans le procès sur l’usage présumé de leurs articles par ChatGPT.
Un procès qui franchit un cap
Depuis près de deux ans, les plaignants reprochent à OpenAI d’avoir entraîné ses modèles d’IA sur leurs contenus protégés, puis d’en retrouver la trace dans certaines réponses de ChatGPT. Jusqu’ici, OpenAI soutenait ne pas pouvoir explorer facilement son propre corpus d’entraînement et expliquait aussi que fouiller un immense stock de conversations utilisateurs posait un problème technique, mais aussi de confidentialité.
Cette ligne de défense est aujourd’hui au cœur de la contestation. Les deux journaux estiment que l’entreprise a rendu l’accès aux informations bien plus compliqué qu’il ne l’était réellement, alors même qu’elle disposait déjà, en interne, d’outils et de données pour ce travail. Et c’est là que le dossier devient nettement plus lourd.
Ce que la déposition change
Lors d’une déposition ordonnée par le tribunal en avril, l’ingénieur chargé de la confidentialité des données chez OpenAI, Vinnie Monaco, aurait indiqué que l’entreprise avait déjà mené des recherches internes dans son corpus d’entraînement afin d’y repérer des œuvres journalistiques protégées.
La même déposition aurait aussi révélé qu’avant même l’action en justice du New York Times, OpenAI avait constitué une base d’environ 78 millions de conversations ChatGPT désidentifiées. Elle s’en serait servie pour mesurer dans quelle proportion ses outils empiétaient sur les œuvres d’autrui. Après le dépôt de plainte, un filtre baptisé Bloom aurait en plus été intégré à un ensemble d’outils nommé Project Giraffe, afin de détecter et d’enregistrer les cas de reproduction de contenu dans les réponses.
Des logs déjà fournis, mais jugés inutilisables
Au départ, les plaignants réclamaient un échantillon de 120 millions de conversations. Après négociation, ce volume était tombé à 20 millions. OpenAI a bien remis cet échantillon en décembre, mais avec tant de passages masqués que le tribunal l’aurait jugé inutilisable.
Les journaux vont plus loin. Ils affirment aussi qu’après le début de la procédure, OpenAI aurait supprimé des milliards de sorties de ChatGPT malgré l’ordre de conservation des preuves, et remplacé des millions de logs dans l’échantillon demandé. Résultat, ils veulent que ces 20 millions de conversations soient écartées comme élément de preuve.
La riposte d’OpenAI
Les plaignants demandent aussi que le tribunal tienne pour acquis que les logs auraient montré une reproduction importante de leurs contenus, qu’OpenAI ne puisse plus soutenir le contraire, et que l’entreprise paie les frais engagés pour aller chercher ces éléments.
Leur avocat principal, Ian B. Crosby, a résumé leur position ainsi : « Si OpenAI croyait vraiment que copier le journalisme de nos clients était juste et légal, l’entreprise n’aurait pas caché la vérité sur le fait de l’avoir fait. »
En face, OpenAI rejette tout. Son porte-parole, Drew Pusateri, affirme que le New York Times, à mesure que son dossier s’affaiblit et après avoir abandonné certaines accusations, cherche surtout à accéder à des conversations privées d’utilisateurs sans lien avec l’affaire. Il ajoute : « Nous continuerons à défendre la vie privée de nos utilisateurs et les principes de fair use établis de longue date. »
