Le New York Times et le Daily News affirment qu’OpenAI a menti sur sa capacité à rechercher les données des journaux de discussion des clients et les ensembles de données de formation pour leurs œuvres protégées par le droit d’auteur. Il s’agit de la dernière escalade d’un procès de deux ans contre la société d’IA pour avoir prétendument violé la loi sur le droit d’auteur en entraînant ses modèles d’IA générative sur le contenu du Times et en reproduisant ce journalisme dans les résultats des utilisateurs.
Tout au long de cette affaire, OpenAI a fait valoir qu’elle n’avait pas la capacité de rechercher son propre corpus de formation. Il a également fait valoir que la recherche ou la production de sa collection massive de conversations ChatGPT serait techniquement fastidieuse et soulèverait des problèmes de confidentialité des utilisateurs, car les journaux devraient être récupérés, traités et anonymisés. Les médias ont recherché ces données pour déterminer si leur journalisme protégé par le droit d’auteur était présent dans l’ensemble de données de formation d’OpenAI et si et à quelle fréquence ChatGPT générait des réponses en utilisant ou en reproduisant leur contenu.
Dans une déposition ordonnée par le tribunal en avril, Vinnie Monaco, ingénieur en confidentialité des données d’OpenAI, aurait révélé qu’OpenAI avait déjà mené des recherches internes et des évaluations de son corpus de formation pour rechercher des œuvres journalistiques protégées par le droit d’auteur.
La déposition de Monaco aurait également révélé qu’avant que le New York Times n’engage sa plainte, OpenAI avait déjà constitué une base de données d’environ 78 millions de conversations ChatGPT anonymisées qu’elle utilisait en interne pour déterminer dans quelle mesure elle enfreignait les œuvres d’autrui. En plus de cet ensemble de données, OpenAI aurait également implémenté un filtre « Bloom » dans le cadre d’un ensemble d’outils appelé « Project Giraffe », qui a détecté et conservé un enregistrement des régurgitations dans les sorties, peu de temps après le dépôt du procès.
Ces deux dernières révélations sont particulièrement significatives. Les plaignants avaient initialement demandé à OpenAI de fournir un échantillon de 120 millions de journaux de discussion, mais OpenAI avait négocié pour ramener l’échantillon à seulement 20 millions. OpenAI a finalement soumis cet échantillon aux tribunaux en décembre dernier, mais il aurait inclus tellement de suppressions qu’il le rendait « inutilisable », selon les termes du tribunal. Les plaignants ont également affirmé qu’OpenAI avait supprimé des milliards de sorties ChatGPT après leur dépôt, en violation directe de l’ordonnance de préservation du tribunal, et que le géant de l’IA avait remplacé des millions de journaux dans l’échantillon demandé.
En d’autres termes, ils affirment qu’OpenAI a rendu inutilement difficile l’obtention d’informations que l’entreprise avait déjà collectées.
« Si OpenAI croyait sincèrement que copier le journalisme de nos clients était juste et légal, il n’aurait pas caché la vérité sur son auteur », a déclaré Ian B. Crosby, avocat principal des plaignants, dans un communiqué.
Aujourd’hui, le New York Times et le Daily News demandent au juge de discipliner OpenAI pour avoir prétendument dissimulé des preuves et perturbé le processus de découverte. Ils demandent au tribunal d’empêcher OpenAI d’utiliser l’échantillon de 20 millions de journaux de discussion comme preuve, affirmant qu’il n’est pas fiable ; accepter comme un fait que les journaux ChatGPT auraient montré une régurgitation et un fondement majeurs du contenu des plaignants ; pour empêcher OpenAI de prétendre que les journaux de discussion fournis ne démontrent pas de régurgitation substantielle ; et faire payer à OpenAI des frais juridiques pour avoir dû rechercher ces preuves.
Dans un communiqué, le porte-parole d’OpenAI, Drew Pusateri, a nié ces allégations, accusant le Times d’avoir tenté d’accéder aux conversations d’utilisateurs privés alors que son dossier s’affaiblissait.
« Alors que les arguments du Times s’affaiblissent et qu’ils ont été contraints d’abandonner leurs poursuites contre nous, ils persistent dans leurs efforts pour envahir la vie privée de personnes qui n’ont rien à voir avec cette affaire, notamment en faisant ces allégations manifestement fausses », a déclaré Pusateri. « Nous continuerons à défendre la vie privée de nos utilisateurs et les principes établis de longue date d’utilisation équitable. »
Lorsque vous achetez via des liens dans nos articles, nous pouvons gagner une petite commission. Cela n’affecte pas notre indépendance éditoriale.
