Microsoft affirme que Copilot reproduit rarement des phrases entières issues d’articles de presse ou d’extraits de livres, et encore moins des passages substantiels susceptibles de se substituer aux originaux, selon de nouveaux documents juridiques soumis par l’entreprise dans le cadre de poursuites pour droit d’auteur intentées par des éditeurs et des auteurs, dont le New York Times.
Analyse des données Copilot
Microsoft indique qu’il a fourni 8,2 millions de journaux de conversation Copilot à un expert engagé par les éditeurs de presse dans le cadre de la découverte. Ces journaux auraient été sélectionnés « parce qu’ils atteignaient des mots-clés impliquant l’utilisation des sites Web des plaignants de la presse, et donc les plus susceptibles de contenir les œuvres des plaignants de la presse ». L’analyse résultante montrerait que 59 545 de ces conversations contenaient au moins 16 mots en commun avec des contenus d’actualité utilisés pour fonder le modèle d’IA.
La société affirme qu’un expert du Center for Investigative Reporting (CIR) a trouvé 51 cas d’« overlap substantiel » avec des travaux du CIR dans cet ensemble de données. De même, un expert dans la procédure intentée par des auteurs aurait conclu que, parmi les 8,2 millions de conversations avec Copilot, seules 24 réponses contenaient au moins 30 mots identiques. Microsoft ajoute que seulement 10 des 212 livres évalués présentaient des correspondances.
Réponse des éditeurs et des auteurs
Le New York Times conteste ces conclusions. Ian Crosby, avocat principal du journal, a déclaré dans un communiqué : « Les documents et les témoignages découverts au cours de la découverte ne mènent qu’à une seule conclusion : Microsoft et OpenAI ont volé le New York Times pour fabriquer des produits commerciaux qui se substituent à son journalisme, menacent son activité et sapent son industrie. Nous sommes impatients que Microsoft et OpenAI soient tenus responsables de leur vol. »
Le Center for Investigative Reporting (CIR) et l’Authors Guild n’ont pas immédiatement répondu aux demandes de commentaire, selon Microsoft.
Enjeux juridiques et arguments de Microsoft
Microsoft soutient que ces chiffres renforcent sa thèse selon laquelle l’utilisation d’œuvres protégées pour constituer des jeux de données d’entraînement d’IA doit être considérée comme un fair use. L’entreprise argue que, même si des systèmes comme Copilot reposent sur du contenu protégé par le droit d’auteur, les systèmes obtenus servent des finalités significativement différentes de celles des œuvres originales. Le fait qu’ils reproduisent parfois des passages de texte « ne compromet guère le but transformateur de l’entraînement des LLM », écrit Microsoft.
Ces dépôts interviennent dans le cadre d’une bataille juridique engagée par des éditeurs de presse et des auteurs contre Microsoft et OpenAI, les plaignants estimant que les défendeurs ont construit des produits sur leurs œuvres et rivalisent désormais directement avec eux, notamment en régurgitant du contenu protégé. Les réclamations des éditeurs de presse et des auteurs de livres ont été regroupées sous la responsabilité d’un seul juge afin de rationaliser le processus, malgré les objections des plaignants. Microsoft a soumis son dossier vendredi en demandant au juge de rendre une décision sommaire, ce qui mettrait fin à l’affaire à un stade précoce.
Cette semaine, l’administration Trump a également déposé une déclaration d’intérêt dans l’affaire du New York Times, en soutien à OpenAI. Si le juge donne raison aux éditeurs et aux auteurs, la procédure judiciaire se poursuivra au fond.
