Une liste d’articles NeurIPS est apparue tôt. Cela ne prouve pas une fuite des acceptations

NeurIPS a fait l’objet d’une accusation de fuite après l’apparition d’un fichier GitHub qui semblait contenir environ 7 000 articles, alors que le cycle de la conférence n’était pas encore terminé. Certaines entrées comporteraient des métadonnées détaillées, tandis que d’autres semblent anonymisées. Cette combinaison a alimenté les spéculations selon lesquelles le fichier révélerait les articles acceptés à NeurIPS 2026.

Les éléments disponibles étayent une conclusion plus limitée. Selon la personne qui a soulevé le problème, il existe une vaste liste d’articles apparemment exacte. Toutefois, ni la taille du fichier ni le niveau de détail de ses entrées n’établissent qu’il contient des décisions d’acceptation.

La distinction importe, car les systèmes de conférence hébergent plusieurs ensembles de données qui se recoupent. Une liste peut représenter des soumissions, des enregistrements publics de forums, des métadonnées récupérées automatiquement, des articles retirés ou un instantané non officiel. Chacune de ces possibilités a des implications différentes pour les auteurs et les évaluateurs.

La discussion d’origine demande si la liste est légitime parce qu’elle est apparue de manière inhabituelle tôt. Elle renvoie vers un dépôt GitHub contenant le fichier HTML contesté. La publication elle-même ne mentionne ni déclaration de NeurIPS, ni enregistrement de base de données interne, ni champ d’acceptation vérifié indépendamment.

Il reste donc un conflit entre une interprétation alarmante et une explication bien moins spectaculaire. Le dépôt paraît suffisamment précis pour attirer l’attention, mais les éléments décrits publiquement ne démontrent pas son affirmation centrale.

Ce que le fichier NeurIPS établit réellement

Le dépôt établit que quelqu’un a constitué une vaste liste d’articles, non que NeurIPS a publié ses décisions d’acceptation.

La publication Reddit décrit un fichier HTML contenant environ 7 000 articles. Elle indique que certains articles sont anonymisés et que d’autres détails semblent exacts. Ces observations constituent la base factuelle de la controverse.

Elles ne révèlent pas comment le fichier a été créé. Le dépôt pourrait contenir un instantané collecté à partir de pages visibles publiquement, une exportation issue d’un autre ensemble de données ou des enregistrements combinés depuis plusieurs sources. Il pourrait également contenir des informations non autorisées, mais cette conclusion exige des éléments supplémentaires.

La différence entre une soumission et un article accepté est particulièrement importante. Les grandes conférences d’apprentissage automatique reçoivent de nombreuses soumissions qui n’intègrent jamais le programme final. Un fichier contenant des titres, des résumés, des identifiants ou des informations sur les auteurs peut toujours représenter une étape antérieure.

Un véritable jeu de données d’acceptation devrait contenir des éléments propres aux décisions. Cela peut inclure des libellés de décision officiels, des attributions de présentation, le statut camera-ready ou une correspondance directe avec un programme officiel. L’affirmation publique, telle qu’elle est décrite, n’établit aucun de ces signaux.

Le terme « accepted » implique donc davantage de certitude que les éléments disponibles ne le permettent. Une liste anticipée peut être réelle en tant que collection d’enregistrements d’articles tout en étant erronée comme liste d’acceptations à une conférence.

Le nom de fichier du dépôt apporte également peu d’authentification. N’importe qui peut créer un projet GitHub utilisant l’abréviation d’une conférence et une année. Un nom plausible ne crée pas de lien officiel avec NeurIPS.

L’historique Git peut fournir des indices utiles, bien qu’il ne puisse pas prouver à lui seul la provenance. Les enquêteurs devraient examiner le premier commit, les révisions ultérieures, les fichiers supprimés, les identités des contributeurs et les horodatages. Des ajouts soudains après des étapes privées mériteraient une attention accrue.

La structure du fichier compte également. Une page HTML statique générée à partir d’enregistrements publics conserve souvent des URL prévisibles, des identifiants de forum ou des champs sérialisés. Une exportation interne pourrait contenir des champs opérationnels que les pages publiques n’affichent jamais.

Même ces indicateurs exigent de la prudence. Un scraper peut conserver des identifiants d’apparence interne déjà exposés par des interfaces publiques. À l’inverse, quelqu’un peut fabriquer des champs qui ressemblent à une base de données de conférence.

Le mélange signalé d’entrées anonymisées et identifiées est suggestif, mais non concluant. Les enregistrements de conférence peuvent passer par plusieurs états de visibilité. Les retraits, les pages modifiées par les auteurs, les prépublications publiques et l’évolution des paramètres de divulgation peuvent créer un jeu de données inégal.

Les auteurs publient également des versions connexes sur arXiv, GitHub, des pages institutionnelles et leurs sites personnels. Un collecteur peut parfois relier un titre de conférence anonyme à un manuscrit public grâce à une formulation identique ou à des détails expérimentaux inhabituels.

Ce type de mise en correspondance peut donner à un jeu de données une apparence privilégiée même s’il a été constitué à partir de sources ouvertes. Il peut aussi nuire à l’anonymat pendant l’évaluation, que la conférence elle-même ait ou non exposé quoi que ce soit.

La question centrale n’est donc pas de savoir si les titres paraissent convaincants. Elle est de déterminer si le dépôt contient des informations indisponibles via des sources publiques légitimes au moment de leur collecte.

Tant que cette question n’aura pas reçu de réponse documentée, qualifier le fichier de fuite des acceptations surestime ce qui est établi.

Pourquoi une liste de 7 000 articles peut apparaître avant les décisions

De grands jeux de données de conférence peuvent émerger de l’infrastructure publique de soumission bien avant l’existence d’un programme final.

NeurIPS utilise des systèmes numériques pour coordonner les soumissions, les évaluations, les discussions et les décisions. Ces systèmes attribuent des enregistrements et des identifiants avant que les articles acceptés ne fassent partie du programme d’une conférence.

OpenReview, une plateforme utilisée pour l’évaluation scientifique par les pairs, organise les enregistrements sous forme de notes, d’invitations, de groupes et de forums. Un forum peut contenir une soumission et la discussion associée sans représenter une acceptation.

Cette architecture crée une distinction cruciale. L’existence d’un enregistrement d’article prouve la participation à une étape du processus. Elle n’indique pas le résultat final de l’article, sauf si un enregistrement de décision faisant autorité l’établit.

L’appel à contributions officiel fournit le contexte pertinent sur le processus. L’espace OpenReview de la conférence constitue la source la plus solide pour vérifier les enregistrements publics et les changements officiels de visibilité.

Un fichier HTML tiers se situe en dehors de cette chaîne d’autorité. Il peut reproduire des métadonnées légitimes tout en ajoutant des libellés, des classements ou des conclusions que la source n’a jamais fournis.

C’est l’une des raisons pour lesquelles l’exactitude apparente de plusieurs entrées n’est pas décisive. Les listes générées à partir de données publiques paraissent souvent exactes parce que la plupart des champs proviennent d’enregistrements authentiques. La partie contestée peut n’être qu’une colonne ou un titre déduit.

Un simple scraper peut collecter des milliers de pages plus vite qu’une personne ne peut les examiner. Il peut également préserver l’ordre, les identifiants et le formatage de la plateforme sous-jacente.

Un collecteur pourrait ensuite enrichir ces enregistrements avec des prépublications, des profils d’auteurs, des pages de laboratoire ou des résultats de recherche. Cet enrichissement explique comment certaines entrées pourraient révéler des détails sur les auteurs tandis que d’autres restent anonymes.

Le fichier qui en résulte ressemblerait à une liste interne de conférence sans nécessiter l’accès aux décisions d’acceptation. Son ampleur refléterait l’automatisation, non un accès privilégié.

Il existe également des raisons innocentes à une anonymisation incohérente. Certains auteurs font publiquement la promotion de leurs soumissions. D’autres téléversent des brouillons correspondants sous leur vrai nom. Certains titres contiennent un langage suffisamment distinctif pour permettre des recoupements simples.

Les soumissions retirées ou révisées peuvent engendrer d’autres incohérences. Les index de recherche et les pages mises en cache conservent parfois des métadonnées antérieures après la modification d’une page active.

Aucune de ces explications ne doit être considérée comme l’origine confirmée du dépôt contesté. Le dépôt exige une analyse de provenance reproductible avant qu’une explication puisse devenir définitive.

Elles montrent toutefois pourquoi « trop détaillé pour être public » n’est pas un test suffisant. Les métadonnées scientifiques publiques sont fragmentées entre plateformes de conférence, serveurs de prépublications, dépôts de code et pages personnelles.

Le nombre d’entrées constitue de la même manière un élément faible. Des milliers d’enregistrements sont compatibles avec un ensemble de soumissions, en particulier pour une grande conférence. Un nombre élevé ne transforme pas des soumissions en acceptations.

Une validation utile consisterait à comparer le dépôt avec l’espace public à l’aide d’identifiants stables. Si presque chaque élément du dépôt correspond à un enregistrement public de soumission, l’hypothèse d’une collecte automatisée devient plus solide.

Les chercheurs devraient ensuite comparer tout champ de décision allégué avec des notes de décision faisant autorité. Si aucun champ de ce type n’existe, l’affirmation d’acceptation perd son fondement.

Le calendrier des commits peut restreindre les possibilités. Des enregistrements collectés avant toute phase de décision ne peuvent pas encoder de manière fiable des résultats ultérieurs, à moins que le collecteur ait obtenu un accès distinct ou formulé des prédictions.

Les prédictions constituent une autre possibilité souvent négligée. Un dépôt pourrait classer ou catégoriser des articles à partir des notes d’évaluation, des signaux de discussion ou de la réputation des auteurs. De telles estimations pourraient ultérieurement paraître exactes sans provenir d’une base de données de décisions de conférence.

Cela soulèverait toujours des préoccupations éthiques si le processus compromettait l’anonymat. Cela ne constituerait pas la preuve d’une fuite d’articles acceptés.

Le véritable conflit oppose les éléments disponibles aux déductions

La controverse teste la possibilité de séparer une déduction alarmante des éléments limités qui l’étayent.

La version la plus forte de l’affirmation soutient que quelqu’un a obtenu une liste confidentielle d’articles NeurIPS acceptés. Cette interprétation implique une divulgation prématurée des décisions et potentiellement un accès non autorisé.

La version plus faible affirme que quelqu’un a constitué une vaste liste d’articles liés à NeurIPS avant l’apparition du programme officiel. Cela pourrait impliquer une collecte automatisée de données publiques, un enrichissement des données ou une catégorisation incertaine.

Les deux versions peuvent produire un fichier HTML impressionnant. Seule la première nécessite une violation de la confidentialité des données d’acceptation.

C’est la tension principale qui entoure le dépôt. Sa spécificité apparente encourage les lecteurs à considérer l’interprétation la plus forte comme établie. Les éléments de vérification soutiennent actuellement seulement l’observation plus limitée.

Une confirmation fiable devrait répondre à trois questions. Premièrement, le fichier inclut-il des informations explicites de décision ? Deuxièmement, ces informations étaient-elles privées au moment de leur collecte ? Troisièmement, leur source peut-elle être retracée jusqu’à un système faisant autorité ?

La publication Reddit, à elle seule, ne répond à aucune de ces questions. Elle signale une découverte et demande à la communauté de la valider. C’est une raison légitime d’enquêter, mais non un fondement pour déclarer une fuite.

Les mainteneurs du dépôt pourraient clarifier la situation en publiant leurs sources de données et leur méthode de génération. Un script reproductible permettrait à d’autres de déterminer si chaque champ provient de points d’accès publics.

NeurIPS ou OpenReview pourraient fournir une réponse plus fiable. Ils peuvent comparer les champs contestés aux journaux d’accès, aux règles de visibilité et aux enregistrements internes indisponibles aux observateurs externes.

Un démenti officiel exigerait toujours une interprétation. Une déclaration indiquant qu’aucune décision d’acceptation n’a été publiée répondrait à l’affirmation principale. Elle n’expliquerait pas nécessairement comment des informations sur les auteurs ou des métadonnées privées sont devenues visibles.

De même, la suppression du dépôt ne prouverait pas l’accusation. Les mainteneurs pourraient supprimer une collection en raison de préoccupations liées à la confidentialité, de règles de plateforme, d’incertitudes juridiques ou d’une attention non souhaitée.

Les avis de retrait GitHub peuvent parfois identifier la partie à l’origine d’une plainte et son fondement juridique. Toutefois, un dépôt disparu sans documentation ne dit que très peu de choses.

Les chercheurs indépendants ne devraient conserver que le minimum d’éléments nécessaire à l’analyse. Republier l’ensemble du jeu de données peut amplifier les préjudices, en particulier s’il relie des soumissions anonymes à des auteurs identifiés.

Cette retenue ne relève pas seulement des règles de bienséance universitaire. L’évaluation anonyme vise à limiter les effets de réputation pendant que les évaluateurs examinent les travaux. La désanonymisation peut modifier cet équilibre avant la finalisation des décisions.

La situation crée également un risque de désinformation pour les auteurs. La présence d’un article sur une liste non officielle pourrait être interprétée comme une acceptation. Son absence pourrait être interprétée comme un rejet.

Aucune de ces déductions n’est sûre sans décision officielle. Des chercheurs pourraient prendre des décisions de voyage, de communication, de recrutement ou de publication sur la base d’une étiquette dépourvue de toute autorité de conférence.

Les universités et laboratoires devraient éviter d’amplifier des entrées individuelles en les présentant comme des résultats confirmés. Les équipes de communication devraient attendre les notifications officielles aux auteurs ou la publication d’un programme.

Les évaluateurs sont confrontés à un risque différent. Rechercher les articles qui leur sont assignés dans le dépôt pourrait révéler des identités que le processus d’évaluation cherchait à masquer. Cela pourrait aussi enfreindre les attentes de la conférence concernant les informations externes.

La norme pertinente n’est pas de savoir si des lecteurs curieux peuvent accéder au fichier. Il s’agit de savoir si son utilisation ou sa diffusion respecte le processus d’évaluation et les personnes dont les travaux y figurent.

NeurIPS maintient des ressources sur les publication ethics relatives à la conduite de la recherche et à la participation à la conférence. Toute directive officielle concernant un incident doit primer sur les spéculations dans les discussions communautaires.

La conclusion prudente est donc claire. Les éléments sont suffisants pour examiner le dépôt, mais pas pour le qualifier de fuite confirmée d’acceptations.

Ce qu’une véritable fuite NeurIPS mettrait en danger

Une fuite vérifiée menacerait l’intégrité de l’évaluation, la confidentialité des auteurs et la confiance dans le processus décisionnel de la conférence.

L’évaluation anonyme ne garantit pas que chaque auteur reste impossible à identifier. Elle crée des barrières procédurales destinées à réduire les influences non pertinentes lors de l’évaluation.

Un jeu de données reliant systématiquement des soumissions anonymes à leurs auteurs affaiblirait ces barrières. Les évaluateurs pourraient être exposés au prestige institutionnel, aux réputations antérieures ou aux relations personnelles avant d’avoir terminé leurs évaluations.

Cette exposition peut avoir des conséquences même sans comportement malveillant. La connaissance de l’identité d’un auteur peut inconsciemment influencer les attentes concernant la nouveauté, l’exactitude ou l’importance d’un travail.

La divulgation prématurée de décisions crée une autre catégorie de préjudice. Les auteurs devraient recevoir les résultats par les canaux officiels, avec le statut exact et les éventuelles conditions qui y sont associées.

Une liste non officielle peut omettre des révisions, des résultats conditionnels, des mises en attente administratives ou des corrections. Elle peut donc être à la fois non autorisée et inexacte.

La conférence subirait également une pression opérationnelle. Les organisateurs pourraient devoir auditer les contrôles d’accès, examiner les journaux, comparer les exports, avertir les participants concernés et corriger les fausses affirmations.

OpenReview serait confronté à des questions sur la conformité de la visibilité des métadonnées avec la politique configurée par l’événement. Selon les éléments disponibles, ces questions porteraient sur l’implémentation, la configuration ou la réutilisation des données.

L’hébergeur du dépôt pourrait devoir examiner des plaintes liées à la confidentialité ou des violations de politique. Cette procédure ne déterminerait pas la vérité académique, mais elle pourrait affecter la poursuite de l’accès aux fichiers.

Les auteurs sont les premiers concernés par cette pression. Ils doivent décider s’ils doivent examiner, ignorer, signaler ou discuter publiquement d’un jeu de données susceptible de contenir leurs travaux.

La réponse la plus sûre consiste à ne pas traiter des étiquettes non officielles comme des décisions. Les auteurs peuvent documenter les URL pertinentes, les identifiants de commit et les captures d’écran sans redistribuer l’intégralité de la collection.

Toute personne découvrant des informations réellement privées devrait envoyer un signalement concis au contact officiel de la conférence. Le signalement devrait expliquer quel champ semble privé et pourquoi les sources publiques ne peuvent pas l’expliquer.

Un signalement utile distingue l’observation de la conclusion. « Cette entrée contient une étiquette de décision qui n’est pas visible sur le forum public » est plus exploitable que « la conférence a été piratée ».

Les équipes de sécurité ont besoin de détails reproductibles. Elles ont aussi besoin de retenue de la part des personnes qui signalent le problème, car une republication généralisée peut accroître l’exposition avant que les organisateurs ne comprennent la source.

Les enjeux sont moindres si le fichier ne contient que des soumissions assemblées à partir de données publiques. Ce scénario soulève néanmoins des questions sur la collecte en masse et la désanonymisation.

La disponibilité publique ne fait pas automatiquement disparaître les préoccupations éthiques. La combinaison d’informations dispersées peut révéler des relations difficiles à observer dans une source isolée.

Un titre copié depuis une page de conférence peut être public. Un titre correspondant dans une prépublication associée à un auteur identifié peut également être public. Relier les deux peut défaire l’anonymat pratique attendu pendant l’évaluation.

On parle parfois d’effet d’agrégation. Des enregistrements apparemment inoffensifs deviennent sensibles lorsqu’ils sont reliés à grande échelle.

L’apprentissage automatique facilite ce rapprochement. Les modèles d’embeddings peuvent associer des titres ou résumés reformulés, tandis que les outils de recherche peuvent relier pages de projet, code et prépublications.

Ces techniques ne nécessitent pas l’accès à une base de données privée. Elles peuvent néanmoins produire une cartographie que les participants perçoivent comme une fuite, car elle révèle des identités dissimulées.

Cette possibilité modifie l’enjeu de politique. Le contrôle des accès seul ne peut pas préserver l’anonymat lorsque les auteurs publient ailleurs des versions très similaires.

Les conférences doivent concilier la communication scientifique ouverte avec les objectifs d’équité de l’évaluation anonyme. Les auteurs ont également besoin de directives plus claires sur les prépublications, les présentations, les publications de code et la promotion publique.

Le fichier contesté révèle donc une faiblesse plus large, même si aucune base de données d’acceptations n’a été compromise. L’anonymat des conférences dépend de plus en plus des normes et du calendrier, et pas seulement de champs d’auteur masqués.

La réponse institutionnelle la plus solide expliquerait ces deux dimensions. Les organisateurs devraient indiquer à la fois si des décisions ont fuité et si des métadonnées publiques ont permis une mise en correspondance d’identités à grande échelle.

Sans cette distinction, un démenti limité pourrait laisser sans réponse des préoccupations légitimes concernant la confidentialité. Une affirmation de violation trop large pourrait également susciter une inquiétude inutile.

Trois signaux détermineront si l’affirmation de fuite tient

Les prochains éléments crédibles devraient venir de la provenance, d’une vérification officielle et d’une comparaison avec le programme final.

Le premier signal serait un compte rendu documenté de la manière dont le dépôt a été généré. Il pourrait venir de son responsable, d’un collecteur reproductible ou d’un examen médico-légal indépendant de son historique Git.

Un pipeline fondé sur des sources publiques affaiblirait l’affirmation d’une fuite d’acceptations. Des endpoints cachés, des identifiants privés ou des champs indisponibles dans les données publiques renforceraient les inquiétudes concernant un accès non autorisé.

L’élément essentiel est la reproductibilité. Les enquêteurs devraient pouvoir retracer des entrées représentatives, de la source à la sortie HTML, sans dépendre d’étapes manuelles inexpliquées.

Le deuxième signal serait une déclaration directe de NeurIPS ou d’OpenReview. La déclaration la plus utile porterait sur les données de décision, l’anonymat des auteurs et la visibilité configurée des enregistrements concernés.

Une assurance générale selon laquelle les systèmes restent sécurisés apporterait moins de clarté. La controverse porte sur des champs et un calendrier précis ; une réponse significative devrait donc aborder ces détails.

La confirmation d’étiquettes de décision exposées renforcerait considérablement l’interprétation d’une fuite. La confirmation qu’aucune décision ne figurait dans le fichier l’affaiblirait, même si d’autres problèmes de confidentialité subsistaient.

Le troisième signal serait une comparaison ultérieure avec les résultats officiels. Une fois que NeurIPS aura publié des décisions faisant autorité ou un programme final, les chercheurs pourront mesurer si la liste prédisait réellement les acceptations.

Cette comparaison doit utiliser la version du dépôt disponible avant les résultats officiels. Des modifications ultérieures pourraient autrement contaminer le résultat.

Un taux de correspondance élevé nécessiterait toujours une analyse. Si le fichier incluait toutes les soumissions, les articles acceptés y apparaîtraient naturellement. Leur présence ne démontrerait pas une prédiction.

Les enquêteurs doivent vérifier si le dépôt distinguait les articles acceptés des articles rejetés avant que les résultats ne soient rendus publics. Ils devraient également évaluer les faux positifs, les entrées manquantes, les retraits et les modifications ultérieures.

C’est ici que la précision du langage compte le plus. Une « liste d’articles » et une « liste d’articles acceptés » sont des objets différents, même lorsqu’elles partagent des milliers de titres.

Les lecteurs devraient également surveiller si le dépôt reste stable. Des fichiers supprimés, un historique réécrit ou une nouvelle documentation explicative peuvent révéler la manière dont son responsable réagit à l’examen.

Les modifications constituent des éléments sur la gestion du dépôt, pas automatiquement des preuves d’une violation de la conférence. Chaque changement doit être conservé avec son horodatage et interprété avec prudence.

Pour les développeurs et les équipes de recherche, la leçon immédiate concerne la rigueur des sources. Les enregistrements lisibles par machine peuvent paraître faisant autorité parce qu’ils sont structurés, étendus et cohérents en interne.

Ces caractéristiques n’établissent pas la provenance. Un jeu de données soigné peut combiner des métadonnées authentiques avec une conclusion non étayée.

Les professionnels de la connaissance évaluant des affirmations similaires devraient conserver la source, distinguer les champs observés de leur signification déduite et attendre une confirmation faisant autorité. Une piste de recherche consultable facilite les corrections ultérieures.

Le cas NeurIPS reste non résolu au vu des éléments publics disponibles. Le fichier contesté mérite un examen technique, tandis que le titre « fuite des articles acceptés » demeure non vérifié.

N’utilisez pas la liste pour annoncer des résultats, déduire un rejet, identifier des auteurs anonymes ou faire pression sur les organisateurs de la conférence par des accusations non étayées. Surveillez plutôt la provenance du dépôt, une réponse officielle et la comparaison finale des décisions.

Ces trois signaux peuvent faire sortir l’histoire du domaine de la spéculation. En attendant, la description responsable est simple : une collection non officielle d’articles NeurIPS est apparue tôt, et son lien avec les véritables décisions d’acceptation n’a pas été établi.