Le scraping web d’OpenAI a révélé un conflit que Microsoft ne pouvait pas garder privé

Le scraping web d’OpenAI se heurte désormais à une contradiction embarrassante venue de son plus proche partenaire industriel. Un dirigeant de Microsoft aurait qualifié cette pratique du « plus grand vol de travail de l’histoire de l’humanité ».

Cette déclaration ne venait pas d’un critique extérieur à l’industrie de l’IA. Brent Hecht, directeur des sciences appliquées chez Microsoft, l’aurait écrite dans une note interne en janvier 2023. Microsoft a investi dans OpenAI et intégré ses modèles à ses produits, notamment Copilot.

Des éléments rendus publics dans le cadre d’une action en justice pour violation de droits d’auteur ont désormais exposé cet avertissement privé. Les documents suggèrent que des employés de Microsoft et d’OpenAI avaient conscience que les produits d’IA pouvaient fragiliser les éditeurs qui fournissaient leurs données d’entraînement.

Ces éléments ne tranchent pas la question de savoir si l’entraînement des modèles relève de l’usage loyal au regard du droit américain du copyright. Ils mettent toutefois en lumière le conflit central auquel OpenAI et Microsoft sont confrontés. Les entreprises décrivent l’entraînement comme transformateur, tandis que leurs propres employés auraient craint que les produits qui en résultent ne remplacent le journalisme et n’en compromettent l’économie.

Ce que les documents judiciaires rendus publics indiquent

Cette évolution ne constitue pas simplement une nouvelle accusation selon laquelle OpenAI aurait copié des articles. Elle montre que des personnes au sein des entreprises avaient identifié le conflit qui en résultait.

Les éléments sont apparus dans le cadre du contentieux consolidé sur les droits d’auteur impliquant The New York Times et d’autres éditeurs. Le Times a initialement poursuivi Microsoft et OpenAI devant un tribunal fédéral en décembre 2023.

Les éditeurs accusent les entreprises d’avoir copié des articles protégés par le droit d’auteur afin de créer des ensembles de données d’entraînement et des produits d’IA commerciaux. OpenAI et Microsoft soutiennent que leurs usages sont transformateurs et protégés par l’usage loyal.

Les documents désormais visibles ajoutent des communications internes, des témoignages de déposition et des chiffres rapportés sur les ensembles de données à ce désaccord. Une limite importante demeure toutefois. Une grande partie des informations semble provenir du mémoire de jugement sommaire des éditeurs, tandis que certaines pièces sous-jacentes restent sous scellés.

Cela signifie que les lecteurs voient des citations choisies et présentées par une partie engagée dans un contentieux en cours. Ces déclarations sont importantes, mais l’intégralité de leur contexte n’est pas toujours disponible.

Selon un rapport sur le scraping d’OpenAI, Hecht a averti que les grands modèles absorbaient le travail humain à une échelle extraordinaire. D’autres articles rapportent qu’il a parlé d’un « vol stupéfiant aux proportions sans précédent ».

Hecht aurait écrit que des millions de personnes considéreraient les modèles qui « aspirent » leur travail comme un vol. Il aurait ensuite décrit la pratique comme pouvant constituer le « plus grand vol de travail de l’histoire de l’humanité ».

Cette formule est délibérément très large et contestable sur le plan historique. Son importance ici tient à la personne qui l’aurait employée, et non à l’acceptation de cette comparaison comme un jugement historique mesuré.

Hecht travaillait chez Microsoft, l’entreprise qui constitue le plus important partenaire technologique et commercial d’OpenAI. Son avertissement suggère que les objections éthiques et économiques ne se limitaient pas aux éditeurs, aux auteurs ou aux chercheurs extérieurs.

Microsoft a cherché à se dissocier de cette conclusion. Un porte-parole de l’entreprise a déclaré à l’AFP que les commentaires de Hecht représentaient le point de vue individuel d’un seul employé, et non la position de Microsoft.

Les documents feraient état de plus de dix millions d’articles de presse récupérés par scraping. Près d’un tiers proviendrait prétendument de The New York Times, selon un compte rendu sur la copie d’articles fondé sur des informations de l’AFP.

Un autre chiffre concerne les ensembles de données d’entraînement intermédiaire, qui servent à poursuivre l’entraînement d’un modèle après son développement initial. Ces ensembles contiendraient 91 692 copies d’œuvres provenant du Times, du Daily News et du Center for Investigative Reporting.

Un ensemble de données dérivé de Common Crawl aurait contenu plus de deux millions de documents issus de nytimes.com. Common Crawl est une archive à but non lucratif qui collecte périodiquement de larges portions du web public.

Les éditeurs affirment également que Microsoft a fourni du contenu à OpenAI par l’intermédiaire d’initiatives appelées Project Taxi et Project Mango. Project Mango aurait produit un ensemble de données contenant au moins 160 903 œuvres uniques appartenant aux organisations de presse impliquées dans le litige.

Les accusations vont au-delà de la collecte de pages accessibles au public. Le dépôt cite apparemment un employé d’OpenAI qui a décrit une méthode permettant de contourner le paywall du Times. Le président d’OpenAI, Greg Brockman, aurait répondu : « ah nice ».

Cet échange fera l’objet d’un examen attentif, car les restrictions d’accès peuvent influer à la fois sur l’analyse juridique et factuelle. Copier une page librement disponible et contourner un paywall ne soulèvent pas des questions identiques.

Le dépôt affirme aussi que certaines opérations de préparation des ensembles de données ont supprimé les mentions de droits d’auteur avant que les informations n’atteignent un modèle. OpenAI n’a pas reconnu que ces pratiques établissaient une violation, et les échanges cités nécessitent d’être replacés dans leur contexte complet.

Ces détails modifient néanmoins la nature du différend. L’affaire n’est plus présentée uniquement comme une situation dans laquelle les éditeurs déduisent la façon dont leur travail est arrivé dans ChatGPT.

Les documents offrent une vision rapportée des connaissances internes, des méthodes techniques d’acquisition et des préoccupations commerciales. Ces sujets peuvent influer sur la manière dont un tribunal évalue l’objectif, les effets sur le marché et la crédibilité du récit de chaque partie.

Pourquoi le scraping web d’OpenAI est devenu un test d’usage loyal

Le scraping web d’OpenAI est juridiquement important parce que le même contenu aurait contribué à créer des produits capables de répondre aux utilisateurs sans les renvoyer vers les éditeurs.

L’usage loyal autorise certains usages non concédés d’œuvres protégées par le droit d’auteur. Les tribunaux examinent généralement l’objectif de l’usage, la nature de l’œuvre originale, la quantité copiée et l’effet sur son marché potentiel.

Aucun facteur ne décide à lui seul de chaque affaire. L’analyse dépend des œuvres précises, des méthodes de copie, des résultats produits et des marchés concernés.

OpenAI soutient que l’entraînement des modèles transforme les documents sources en représentations statistiques servant à générer de nouvelles réponses. L’entreprise fait également valoir que les faits contenus dans la couverture de l’actualité ne sont pas protégés par le droit d’auteur.

Les éditeurs répondent que leurs actions concernent l’expression protégée, et non la propriété des faits. Ils soutiennent qu’OpenAI a copié des articles complets à grande échelle et créé des produits qui concurrencent les mêmes lecteurs.

De récentes décisions sur les droits d’auteur liés à l’IA ont apporté un soutien significatif aux développeurs. Des tribunaux californiens ont considéré certains usages de livres pour l’entraînement de modèles comme transformateurs, bien que les faits et les demandes restantes varient.

OpenAI a cité ces décisions dans sa défense. Le Times estime que son différend présente un dossier plus solide de substitution de marché, car ChatGPT et Copilot peuvent fournir des informations récentes qui ressemblent à la production d’un éditeur.

Cette distinction rend les déclarations internes particulièrement importantes. Nick Turley, responsable de ChatGPT chez OpenAI, aurait écrit que les produits de l’entreprise étaient « largement substitutifs ».

Il aurait prédit qu’ils deviendraient plus substitutifs à mesure que leur qualité s’améliorerait. Turley aurait aussi décrit les produits d’IA comme une « menace existentielle » pour les éditeurs.

Le PDG de Microsoft, Satya Nadella, aurait reconnu lors d’une déposition que les conversations avec des chatbots avaient remplacé certaines visites vers les sites web sous-jacents. Cela n’établit pas automatiquement un préjudice de marché juridiquement reconnu, mais étaye la thèse factuelle des éditeurs.

Les mesures internes de Microsoft pourraient s’avérer plus importantes. Les documents indiqueraient que le moteur de réponses Copilot a réduit les taux de clics vers le domaine du Times de jusqu’à 93 % par rapport à la recherche Bing traditionnelle.

Le taux de clics mesure la fréquence à laquelle les utilisateurs suivent un lien affiché. Une baisse peut réduire les impressions publicitaires, les abonnements, la découverte de la marque et la capacité à établir une relation directe avec les lecteurs.

Ce chiffre doit être traité avec prudence. Il provient de documents de procédure, et sa méthodologie n’a pas été entièrement examinée publiquement. Il peut refléter des requêtes, des conceptions d’interface ou des périodes de mesure particulières plutôt que l’ensemble du trafic Copilot.

Il renvoie néanmoins à la question au cœur de l’affaire. Une réponse d’IA crée-t-elle un nouvel outil, ou remplace-t-elle le marché du travail journalistique utilisé pour produire cette réponse ?

Une présentation interne de Microsoft aurait décrit la situation comme une « boucle fatale ». Si les réponses d’IA réduisent le trafic vers les éditeurs, ceux-ci perçoivent moins de revenus. Des revenus moindres permettent alors de financer moins de journalistes et moins d’articles originaux.

Les futurs modèles disposent alors de moins de matière fiable à absorber. Le service d’IA peut ainsi fragiliser l’approvisionnement en informations dont dépend sa qualité.

Cette préoccupation est particulièrement forte pour les reportages nécessitant un travail humain coûteux. Les enquêtes, la couverture judiciaire, les reportages à l’étranger et le journalisme sur les collectivités locales ne peuvent pas être générés à partir de textes existants seulement.

Quelqu’un doit assister à l’audience, vérifier le document, interroger la source et assumer la responsabilité de la publication. Un modèle peut condenser ce travail une fois qu’il existe, mais la condensation ne finance pas sa création.

L’affaire est entrée dans une phase décisive lorsque les parties ont demandé au juge fédéral américain Sidney Stein de trancher certaines questions par jugement sommaire. Le jugement sommaire permet à un tribunal de statuer sans procès lorsqu’aucun différend factuel important ne nécessite un jury.

Un examen d’une affaire de droits d’auteur liée à l’IA a rapporté que Stein devrait décider si des portions importantes doivent se poursuivre vers un procès. La décision finale n’est pas attendue immédiatement.

Le ministère américain de la Justice a soutenu la position d’OpenAI sur l’entraînement, en soulignant le progrès scientifique, la croissance économique et la sécurité nationale. Cette intervention montre à quel point le différend dépasse le cadre d’un seul éditeur.

Une décision large contre les développeurs de modèles pourrait augmenter le coût de constitution des corpus d’entraînement. Une décision large en faveur des développeurs pourrait réduire fortement le contrôle des éditeurs sur la manière dont les modèles commerciaux utilisent leurs archives.

Microsoft et OpenAI confrontés à leurs propres mots

Le conflit principal oppose une défense publique fondée sur l’usage loyal à des avertissements privés selon lesquels les systèmes d’IA pourraient remplacer leurs fournisseurs essentiels de contenu.

OpenAI et Microsoft n’ont pas à prouver que leur technologie laisse intact chaque marché existant. Les produits transformateurs modifient souvent des industries, et la perturbation du marché ne suffit pas à établir une violation du droit d’auteur.

Leur problème le plus difficile est plus circonscrit. Des déclarations internes auraient anticipé la substitution, la baisse du trafic de recommandation, la dégradation de l’économie des éditeurs et le recul de la qualité future des contenus.

Ces préoccupations ressemblent à des éléments de l’argumentation des éditeurs. Elles compliquent également les efforts des entreprises pour présenter les effets néfastes sur le marché comme spéculatifs ou lointains.

Un document de Microsoft aurait observé qu’un produit final menace rarement les fondements économiques de ses fournisseurs essentiels. Il aurait ensuite affirmé que Microsoft avait créé précisément cette situation pour la chaîne d’approvisionnement en contenu qui soutient les grands modèles de langage.

Un grand modèle de langage, ou LLM, prédit et génère du texte à partir de motifs appris durant l’entraînement. Sa « chaîne d’approvisionnement en contenu » comprend les personnes et les organisations qui produisent les éléments intégrés aux ensembles de données ou aux systèmes de récupération.

Cette formulation considère le journalisme comme une ressource pour le développement de l’IA. Elle reconnaît aussi que cette ressource n’apparaît pas automatiquement.

Les éditeurs emploient des journalistes, photographes, rédacteurs, designers, juristes et équipes techniques. Ils financent les demandes d’accès aux documents administratifs, les déplacements, le développement de sources, la vérification des faits et les corrections.

ChatGPT peut dissocier l’information de l’expérience éditoriale qui l’entoure. Un utilisateur reçoit une réponse synthétisée sans nécessairement voir le processus de reportage, les publicités, l’offre d’abonnement ou la relation avec la source.

Pour les lecteurs, cette commodité constitue le produit. Pour les éditeurs, cette même commodité peut supprimer le moment où le reportage crée de la valeur économique.

La tension devient plus vive lorsque des contenus payants sont intégrés à l’entraînement. Nadella aurait témoigné que toute personne utilisant des informations payantes pour le grounding ou l’entraînement devrait obtenir une licence.

Le grounding consiste à fournir à un modèle des informations externes afin d’étayer une réponse. Il diffère de l’entraînement, car les informations peuvent être récupérées lorsque l’utilisateur pose une question.

Nadella aurait déclaré qu’il aurait invoqué le droit de Microsoft d’exiger un réentraînement s’il avait su qu’OpenAI s’était entraîné sur des contenus protégés par un paywall. Cette déclaration ne prouve pas qu’il savait qu’une telle copie avait eu lieu.

Elle révèle toutefois une distinction que le dirigeant de Microsoft jugeait importante. Les contenus protégés par un paiement et des contrôles d’accès entraînent une attente plus claire d’utilisation commerciale sous licence.

OpenAI a conclu des accords de licence avec de nombreux éditeurs depuis le lancement de ChatGPT. Associated Press, Axel Springer, News Corp et d’autres organisations ont annoncé divers accords de contenu.

Ces accords soutiennent deux interprétations opposées. OpenAI peut faire valoir que les licences traduisent une démarche prospective visant à construire des partenariats durables, plutôt qu’un aveu concernant des pratiques passées.

Les éditeurs peuvent soutenir que ces accords démontrent l’existence d’un marché de licences opérationnel. Si des contenus comparables ont une valeur susceptible d’être licenciée, une copie non autorisée peut moins apparaître comme un processus technique abstrait.

Le secteur n’a pas convergé vers une seule approche. Certains éditeurs concèdent des licences sur leurs archives, d’autres bloquent les robots d’exploration de l’IA, et d’autres intentent des actions en justice. Plusieurs utilisent les trois stratégies selon les produits et les périodes.

Le marché qui en résulte favorise les entreprises disposant d’un pouvoir de négociation. Un grand éditeur international peut négocier une compensation, une mise en avant de ses produits et des conditions d’attribution.

Une petite rédaction locale dispose de moins de leviers. Ses reportages peuvent néanmoins contenir des faits uniques qui deviennent précieux pour un moteur de réponses, notamment lors d’urgences ou de conflits politiques locaux.

Ce déséquilibre aide à expliquer pourquoi le contentieux s’est étendu au-delà du Times. Le groupe plus large comprend des organisations de presse nationales, spécialisées, d’investigation et locales.

Un juge fédéral a autorisé la poursuite des principales demandes fondées sur le droit d’auteur en 2025. Une décision antérieure du tribunal a rejeté certaines demandes, mais a préservé le différend central concernant la copie et le développement des modèles.

OpenAI s’est félicité du rejet de certaines demandes et a déclaré développer ses modèles à partir de données publiquement accessibles, dans un cadre fondé sur le fair use. Microsoft a refusé de commenter cette décision.

La distinction entre accessibilité publique et autorisation reste non résolue. Le fait qu’une œuvre puisse être lue en ligne ne rend pas nécessairement légale toute forme de copie.

Dans le même temps, le droit d’auteur n’accorde pas aux éditeurs le contrôle des faits ou de l’apprentissage ordinaire. Le tribunal doit déterminer où se situe l’entraînement computationnel entre ces principes établis.

Les documents versés au dossier sont dommageables, mais ils ne constituent pas un verdict

Le langage interne renforce le récit des éditeurs, mais il ne tranche pas à lui seul la contrefaçon, les dommages-intérêts ou le fair use.

La citation la plus frappante provient d’un employé de Microsoft, et non d’une constatation judiciaire. Qualifier une activité de « vol » dans une note interne ne détermine pas si elle réunit les éléments juridiques de la violation du droit d’auteur.

Les employés emploient souvent un langage moral, stratégique ou rhétorique qui diffère de l’analyse juridique. Un tribunal examinera les actes et les preuves plutôt que de traiter le vocabulaire d’une personne comme une règle de droit déterminante.

Microsoft a déjà souligné ce point en décrivant les commentaires de Hecht comme une opinion individuelle. L’entreprise peut également soutenir que le débat interne témoigne d’une analyse responsable des risques plutôt que d’une connaissance corporative d’actes répréhensibles.

Les entreprises demandent régulièrement à leurs employés d’identifier les pires scénarios. Une note sur les risques peut contenir des avertissements directs précisément parce que les décideurs souhaitent que les dommages potentiels soient clairement énoncés.

Les pièces complètes comptent pour cette raison. Sans les messages environnants, leurs destinataires et les réponses apportées, les lecteurs ne peuvent pas savoir si les dirigeants ont accepté, rejeté ou examiné chaque avertissement.

Le mémoire des éditeurs remplit également une fonction de plaidoyer. Ses avocats ont sélectionné les éléments qui appuient leur requête et les ont organisés autour de leur théorie juridique.

OpenAI et Microsoft interpréteront le même dossier différemment. Ils peuvent contester le sens des citations, la représentativité des chiffres de trafic et le lien de causalité entre les réponses de l’IA et les pertes des éditeurs.

Ils peuvent également soutenir que l’entraînement et les résultats produits ne doivent pas être assimilés à un seul acte. Un modèle peut être entraîné sur une œuvre sans reproduire cette œuvre pour les utilisateurs.

À l’inverse, un produit peut générer une réponse de substitution à partir d’informations sous licence, relevant du domaine public ou récupérées séparément. Le tribunal devra peut-être évaluer séparément différents jeux de données, modèles et fonctionnalités.

Le chiffre rapporté de dix millions d’articles exige également de la précision. La présence d’un article dans un jeu de données ne révèle pas à quelle fréquence il a influencé le comportement du modèle.

Un document copié ne reste pas non plus nécessairement récupérable sous la forme d’un article stocké. Les modèles encodent généralement des relations statistiques apprises plutôt que de fonctionner comme des archives ordinaires consultables.

La mémorisation peut toutefois se produire. Les modèles ont parfois reproduit des passages reconnaissables, notamment lorsque les contenus apparaissaient à plusieurs reprises dans les données d’entraînement ou que les prompts étaient conçus pour les faire émerger.

Les éditeurs soutiennent que de telles sorties révèlent une copie et concurrencent l’œuvre originale. OpenAI affirme que des prompts atypiques et des exemples isolés ne représentent pas l’utilisation normale du produit.

Ce désaccord factuel compte, car la substitution de marché ne se réduit pas à la question de savoir si quelqu’un préfère ChatGPT. Les tribunaux examineront si l’utilisation contestée nuit à un marché existant ou raisonnablement potentiel protégé par le droit d’auteur.

La baisse rapportée de 93 % des clics semble pertinente, mais ce chiffre seul ne peut répondre à cette question. La comparaison doit tenir compte des types de requêtes, de la présentation des résultats, des citations et de l’intention de l’utilisateur.

Une recherche de navigation visant un article précis du Times diffère d’une demande générale de résumé météorologique. L’une cherche l’éditeur, tandis que l’autre cherche une information que de nombreuses sources peuvent fournir.

L’expression « le plus grand vol de travail » peut également détourner l’attention des questions juridiques. Son ampleur historique invite à un argument émotionnel dont aucune partie n’a besoin pour gagner le procès.

Une enquête plus utile demande ce qui a été copié, dans quelles conditions d’accès, à quelle fin commerciale et avec quel effet mesurable. Ces questions relient le processus technique à la doctrine du droit d’auteur.

Les lecteurs doivent également distinguer le web scraping d’OpenAI de toutes les formes de recherche assistée par IA. L’entraînement, la récupération en direct, l’indexation, la mise en cache, la synthèse et la reproduction verbatim sont des opérations différentes.

Chacune peut impliquer des autorisations et des choix de produit différents. Les traiter comme une seule pratique indifférenciée rend plus difficile l’identification de règles applicables.

Pour les travailleurs du savoir, cette controverse comporte un avertissement pratique. Les contenus placés en ligne peuvent circuler dans des jeux de données, des index et des systèmes de réponse qu’il est difficile d’auditer ultérieurement.

Maintenir une base de connaissances personnelle traçable ne peut pas empêcher le scraping externe. Cela peut préserver les sources, la paternité et le contexte lorsque les synthèses générées par IA brouillent l’origine de l’information.

La même discipline importe au sein des entreprises. Les équipes qui adoptent des outils d’IA devraient documenter les sources qui étayent les affirmations générées et les licences qui régissent ces sources.

Cette exigence ne vise pas seulement à éviter les litiges. La traçabilité aide les utilisateurs à distinguer les preuves originales de la synthèse générée par un modèle.

Ce qui se passe ensuite dans l’affaire de scraping contre OpenAI

Trois signaux montreront si ces révélations modifient l’issue judiciaire, le marché des licences ou la conception des produits de réponse par IA.

Le premier signal sera la décision du juge Stein sur le jugement sommaire. Cette décision déterminera quelles questions peuvent être tranchées dès maintenant et lesquelles nécessitent un procès.

Si le tribunal retient une part importante de l’argumentation des éditeurs, les preuves internes concernant la substitution et les paywalls deviendront plus déterminantes. Un procès pourrait exposer d’autres pièces et témoignages à l’examen public.

Si le tribunal accorde une large protection à OpenAI et Microsoft, les révélations resteront préjudiciables pour leur réputation sans produire le changement juridique recherché par les éditeurs. Cette issue renforcerait la position d’autres développeurs de modèles en faveur du fair use.

Une décision partagée est également plausible. Le juge pourrait distinguer l’entraînement sur des pages accessibles du contournement de paywalls, de certains résultats, ou de programmes de données précis de Microsoft.

De telles distinctions compteraient davantage qu’une simple étiquette de vainqueur. Elles pourraient établir des règles différentes pour la collecte, l’entraînement, la récupération et les réponses générées.

Le deuxième signal sera l’évolution des pratiques de licence avant un jugement définitif. OpenAI a déjà montré qu’il négocierait avec les éditeurs dans certaines circonstances.

Il faudra observer si les accords commencent à couvrir l’entraînement historique, la récupération en direct, les citations par les modèles, le partage de revenus, ou les quatre à la fois. Chaque terme traite une partie différente du conflit.

Les licences d’entraînement historique attribueraient une valeur à l’utilisation passée des jeux de données. Les accords de récupération régiraient l’accès actuel lorsqu’une réponse nécessite des informations récentes.

Les dispositions sur les citations détermineraient la visibilité des sources originales pour les utilisateurs. Les accords de revenus répondraient à la question de savoir si les éditeurs participent aux gains lorsque leurs reportages soutiennent des réponses commerciales.

La question cruciale est de savoir si les petits médias accèdent à des marchés similaires. Un système de licences ne servant que les plus grands éditeurs laisserait le problème d’approvisionnement sous-jacent non résolu.

Les licences collectives ou des conditions normalisées lisibles par machine pourraient élargir la participation. Ces systèmes nécessiteraient toutefois une comptabilité transparente et un moyen d’identifier quels contenus ont influencé quel service.

Le troisième signal est le comportement des produits. Microsoft et OpenAI peuvent répondre sans attendre les tribunaux en modifiant la manière dont les systèmes de réponse orientent l’attention.

Des liens bien visibles pourraient ne pas suffire à résoudre le problème. Un ingénieur d’OpenAI aurait reconnu que les utilisateurs pourraient ne pas suivre les liens, quelle que soit leur position.

Un meilleur critère est la qualité mesurable des referrals. Les éditeurs ont besoin de lecteurs qui s’engagent, s’abonnent ou identifient la source, et non d’une simple citation sous une réponse de substitution complète.

Les entreprises d’IA pourraient limiter les résumés lorsqu’une requête cherche un article protégé précis. Elles pourraient également distinguer dans l’interface la récupération sous licence des connaissances générales du modèle.

Les éditeurs, de leur côté, continueront de tester les barrières techniques et les recours juridiques. Attendez-vous à davantage de différends concernant les contrôles des robots d’exploration, les paywalls, les pages mises en cache et les contenus fournis via des index de recherche.

L’ensemble du secteur doit décider si le reportage original n’est qu’une matière première parmi d’autres ou un service nécessitant un investissement continu. L’avertissement interne de Microsoft sur une « boucle de malheur » rend ce choix plus difficile à ignorer.

Pour les développeurs, cette affaire devrait influencer dès maintenant la gouvernance des données. Un document techniquement accessible n’est pas automatiquement exempt de risques contractuels, liés au droit d’auteur ou réputationnels.

Pour les acheteurs d’entreprise, la provenance devrait devenir une exigence produit. Demandez aux fournisseurs si les réponses proviennent de la mémoire d’entraînement, de recherches en temps réel, de bases de données sous licence ou de documents contrôlés par le client.

Pour les éditeurs, attendre une décision finale a aussi un coût. Ils ont besoin de preuves montrant comment les interfaces d’IA modifient les recommandations, les abonnements et le comportement des lecteurs.

Pour les utilisateurs, la commodité reste bien réelle. Les chatbots peuvent rapidement combiner des informations et rendre des sujets difficiles plus accessibles.

La réponse responsable n’est pas de prétendre que la synthèse produit ses propres preuves. Les lecteurs devraient consulter les sources primaires lorsque l’exactitude, le paiement ou la responsabilité sont en jeu.

Le web scraping d’OpenAI est devenu davantage qu’un litige sur la manière dont un modèle a acquis du texte. Il met désormais à l’épreuve la capacité des entreprises d’IA à dépendre du journalisme tout en détournant l’attention qui le finance.

Le tribunal tranchera les demandes juridiques. Les éditeurs, les développeurs et les utilisateurs décideront si l’économie de l’information qui soutient ces systèmes peut survivre à leur succès.

La prochaine fois qu’une réponse d’IA remplace la visite d’une source, posez-vous une question pratique : qui a financé le reportage original, et cette organisation pourra-t-elle encore financer la prochaine histoire ?