L'entraînement des grands modèles de langage nécessite des quantités astronomiques de données de haute qualité, et les livres demeurent l'une des meilleures sources d'apprentissage.
L'entreprise Anthropic, créatrice de l'IA Claude suscite la controverse avec une initiative baptisée « Projet Panama ». Cette pratique consiste à acquérir des copies physiques de livres, à les numériser pour en extraire le texte, puis à les détruire complètement en retirant la reliure et en recyclant les pages.
Pourquoi adopter une approche aussi drastique qui s'apparente à une perte de connaissances ? Il s'agit en réalité d'une manœuvre purement légale. L'utilisation d'ouvrages numériques (e-books) est strictement encadrée par les droits d'auteur, ce qui a déjà valu à l'entreprise d'importantes poursuites (une action collective estimée à 1,5 milliard de dollars) pour piratage par le passé. En numérisant puis en détruisant un exemplaire physique acquis légalement, cette méthode s'inscrirait dans les limites du Fair Use (utilisation équitable) aux États-Unis, tel que statué récemment par un juge.
Bien qu'Anthropic assure ne détruire aucun ouvrage ancien ou rare, le grand secret entourant l'ampleur de ce projet soulève de vives inquiétudes éthiques. Le public s'inquiète légitimement de voir des millions d'œuvres détruites au profit exclusif de l'apprentissage des machines.
Écoutez la chronique de Samuel Glaude au micro de Alexandre Doucet