Ce qui s'est passé
Le procès a environ deux ans. Les médias accusent OpenAI d'avoir entraîné ses modèles génératifs sur des contenus du Times sans autorisation, et de reproduire ce journalisme dans ce que ChatGPT raconte aux utilisateurs.
Pour le prouver, les plaignants voulaient accéder à deux choses : le jeu de données d'entraînement, et l'énorme pile de conversations ChatGPT. L'objectif : voir si leurs articles s'y trouvent et à quelle fréquence ChatGPT s'en inspire ou les répète.
D'après les pièces déposées, OpenAI avait soutenu qu'elle ne pouvait pas chercher dans les données sur lesquelles elle s'est entraînée. Elle avait aussi fait valoir que fouiller ou remettre les logs de chat serait techniquement pénible. Cerise sur le gâteau : la vie privée des utilisateurs, puisque les logs devraient d'abord être récupérés, traités et dépersonnalisés.
Puis est arrivée une déposition ordonnée par le tribunal, en avril. Les plaignants affirment que Vinnie Monaco, ingénieur data privacy chez OpenAI, a laissé échapper que l'entreprise avait déjà mené des recherches et des évaluations internes sur son corpus d'entraînement, à la chasse au journalisme protégé par le droit d'auteur.
Si ça tient la route, « on ne peut pas » ressemble soudain beaucoup à « on l'a fait, mais pas pour vous ».
Pourquoi ça compte
La phase de discovery, c'est là que les procès sur le copyright de l'IA se gagnent ou se perdent. Savoir si un modèle a absorbé des œuvres protégées est une question de preuves, et ces preuves dorment sur les serveurs de la défense.
Quand une entreprise peut fouiller ses données pour ses propres besoins mais jure au tribunal qu'elle ne peut pas le faire pour ceux du plaignant, les juges ont tendance à le remarquer. Il s'agit encore d'une allégation venue d'un seul camp. Mais elle vise en plein cœur la crédibilité d'OpenAI sur un point factuel central, dans l'une des affaires de copyright les plus suivies de l'IA.
Elle met aussi l'argument vie privée sous un éclairage plus cru. Protéger les conversations des utilisateurs est une préoccupation légitime. C'est aussi un bouclier très pratique, et les tribunaux vont peser s'il fait vraiment son travail ici.
Pour tous ceux qui entraînent des modèles sur du contenu aspiré, la leçon est limpide : tes données pourraient finir par être réclamées par la justice, et « c'est trop gros pour qu'on regarde dedans » est une défense bancale.
Qu'est-ce que tu en fais
- Regarde le tribunal, pas le communiqué de presse.Les prochaines pièces et la réaction du juge diront si l'allégation tient.
- Connais la piste de tes propres données.Si tu construis ou achètes de l'IA, demande aux fournisseurs ce qu'ils peuvent réellement chercher et auditer dans leurs données d'entraînement.
- Considère tes logs de chat comme réclamables en justice.Tout ce que ton équipe colle dans un chatbot pourra un jour être récupéré, traité et lu par des inconnus.
- Éditeurs, documentez tout.Si votre travail est dans un modèle, la preuve de reproduction dans les réponses est le carburant de ces procès.
Ciao, sapiens. Quand la machine dit qu'elle ne peut pas regarder, vérifie qui d'autre a déjà regardé.


