Le New York Times accuse OpenAI de dissimulation de preuves dans le procès sur le copyright

Le New York Times et The Daily News affirment qu'OpenAI a menti sur sa capacité à rechercher ses données de formation et les conversations des utilisateurs pour y détecter leurs contenus protégeables. C'est la dernière escalade d'un procès de deux ans contre la firme d'IA, qui l'accuse d'avoir entraîné ses modèles sur le contenu journalistique du Times et de l'avoir reproduit dans les réponses de ChatGPT.

Selon les plaignants, OpenAI a systématiquement dissimulé ses capacités techniques. Lors d'une déposition ordonnée par le tribunal en avril, Vinnie Monaco, ingénieur en confidentialité des données chez OpenAI, aurait révélé que l'entreprise avait déjà mené des recherches internes et des évaluations de son corpus d'entraînement pour détecter les œuvres journalistiques protégeables. Plus révélateur encore : OpenAI aurait constitué, avant même le dépôt de la plainte du Times, une base de données de quelque 78 millions de conversations ChatGPT dé-identifiées, utilisée en interne pour évaluer l'ampleur de ses violations. L'entreprise aurait également mis en place un filtre appelé « Bloom », intégré à un ensemble d'outils nommé « Project Giraffe », qui détectait et enregistrait les cas où ChatGPT régurgitait du contenu existant, peu après le dépôt de la plainte.

Ces révélations contredisent directement la position défendue par OpenAI tout au long du procès : l'entreprise avait soutenu qu'elle manquait de capacités techniques pour fouiller son propre corpus d'entraînement et que le faire serait techniquement lourd et soulèverait des préoccupations de confidentialité. Or, les plaignants avaient initialement demandé un échantillon de 120 millions de journaux de conversation ; OpenAI a négocié pour le réduire à 20 millions. Lorsque l'entreprise a finalement soumis cet échantillon en décembre dernier, il contenait tellement de suppressions qu'il a été jugé « inutilisable » par le tribunal. Les plaignants allèguent également qu'OpenAI a supprimé des milliards de résultats de ChatGPT après le dépôt de la plainte, en violation directe d'une ordonnance de préservation des preuves, et qu'elle a substitué des millions de journaux dans l'échantillon demandé.

Cette accumulation d'accusations suggère qu'OpenAI aurait rendu délibérément difficile l'accès à des informations qu'elle avait déjà collectées. Ian B. Crosby, avocat principal des plaignants, a déclaré : « Si OpenAI croyait sincèrement que copier le journalisme de nos clients était équitable et légal, elle n'aurait pas caché la vérité sur le fait de l'avoir fait. »