Sommaire

Les créateurs peuvent associer au contenu qu’ils publient des balises et des directives précises pour indiquer que ce contenu ne devrait pas servir à l’entraînement de modèles d’apprentissage automatique, notamment des directives d’exclusion au moyen d’un fichier robots.txt, ainsi que les balises méta noai et noimageai et les en-têtes HTTP X-Robots-Tag.

Toutefois, ces restrictions, dont la portée juridique varie selon les territoires, sont parfois ignorées (volontairement ou non) et il peut arriver que le contenu serve malgré tout à l’entraînement de modèles d’apprentissage automatique.

Les créateurs et les utilisateurs en aval de modèles entraînés ont intérêt à prendre acte des risques à longue traîne qui en résultent, lesquels sont difficiles à repérer en cours d’utilisation.

Introduction

Les créateurs indépendants utilisent des plateformes en ligne pour publier et monétiser leurs œuvres, car les dépôts de modèles, les galeries numériques, les portfolios de photographies et les communautés de partage de code constituent des espaces de découverte. La visibilité commerciale peut soutenir l’obtention de commandes, l’octroi de licences et l’engagement communautaire.

Certaines plateformes proposent désormais, dans le cadre du processus de publication, une option d’inclusion ou d’exclusion de la balise méta noai qui permet à un créateur de choisir des options de licence (par exemple, de manière similaire à la publication sous différentes variantes de licences Creative Commons). Ces restrictions reposent généralement sur une conformité volontaire aux règles d’éthique plutôt que sur leur application stricte.

Un exemple de balise méta peut indiquer : « noai : ce modèle ne peut pas être utilisé pour constituer des ensembles de données, pour le développement ou comme intrants de programmes d’IA générative. » Le fichier robots.txt dresse de manière similaire la liste des types de robots et de leurs autorisations (ou restrictions).

Les robots d’indexation automatisés collectent souvent du contenu public à grande échelle, créant ainsi de vastes ensembles de données pour l’entraînement de modèles d’apprentissage automatique. Le contenu devient des représentations numériques, et les paramètres des modèles encodent les caractéristiques dans les poids des modèles. Bien souvent, les œuvres originales ne sont pas conservées sous forme de fichier récupérable.

Cependant, de récentes plaintes et poursuites ont été déposées dans des situations où des robots d’indexation automatisés auraient ignoré les restrictions NoAI et autres directives similaires. Il est donc important que les utilisateurs finaux de modèles d’apprentissage automatique soient conscients des risques à longue traîne introduits par leurs fournisseurs.

Considérations canadiennes

À l’heure actuelle, la Loi sur le droit d’auteur du Canada ne contient aucune exception liée à l’exploration de textes et de données et ne comporte aucun équivalent au cadre de retrait volontaire (option d’exclusion) proposé par l’Union européenne.

La balise ou la directive d’un créateur canadien n’a pas la portée juridique qu’une réserve de droits valide peut avoir dans d’autres territoires dotés de droits formalisés. Les développeurs doivent plutôt s’appuyer sur l’utilisation équitable prévue aux articles 29 et suivants, limitée aux fins énumérées, notamment la recherche, l’étude à titre personnel, la critique, le compte rendu et la communication de nouvelles, ainsi que sur l’article 30.71 pour les reproductions temporaires essentielles à un processus technologique.

La question de savoir si l’ingestion à grande échelle en vue de constituer un corpus d’entraînement constitue de la « recherche » n’a pas été tranchée par un tribunal canadien; la situation demeure incertaine.

La Consultation sur le droit d’auteur à l’ère de l’intelligence artificielle générative du gouvernement fédéral et le rapport « Ce que nous avons entendu » qui en a découlé ont confirmé que la législation actuelle ne traite pas clairement de l’exploration de textes et de données ni de l’entraînement de modèles à grande échelle.

Les propositions soumises étaient partagées entre deux tendances opposées, soit établir une exception distincte pour l’exploration de textes et de données, soit favoriser un élargissement de l’utilisation équitable et des cadres d’octroi de licences prévoyant une rémunération pour les créateurs.

Pour les créateurs canadiens souhaitant protéger leurs droits dans une situation où leur œuvre a été détournée, les leviers les plus puissants pourraient être d’ordre contractuel plutôt que législatif : les conditions d’utilisation des sites Web, les conditions des plateformes et les modalités des licences. Des mesures de protection technologiques devraient également être envisagées, car elles offrent un motif de recours distinct.

Des litiges qui sont en cours au Canada concernant l’entraînement de modèles pourraient entraîner des évolutions jurisprudentielles.

Développements aux États-Unis

Aux États-Unis, les tendances des litiges sont passées de l’entraînement au sens abstrait à la provenance des ensembles de données, c’est-à-dire l’origine du corpus d’entraînement, la manière dont il a été assemblé et les registres qui établissent la chaîne de possession. Les plaintes récentes examinent également si l’attribution, les modalités des licences et d’autres renseignements sur la gestion des droits ont accompagné une œuvre tout au long de la collecte et de l’ingestion des données qui la composent.

Un certain nombre de litiges en cours visent actuellement des entreprises technologiques au sujet de modèles tridimensionnels et avancent des allégations relatives aux dispositions de la Digital Millennium Copyright Act quant aux renseignements sur la gestion des droits d’auteur plutôt que des réclamations traditionnelles pour contrefaçon.

Les créateurs téléversent des modèles tridimensionnels dans des dépôts publics sous des licences qui exigent généralement l’attribution de la paternité de l’œuvre et peuvent restreindre l’utilisation commerciale ou imposer des conditions de partage à l’identique. Les conservateurs d’ensembles de données compilent ces ressources dans de grands ensembles de données de recherche. Des développeurs commerciaux téléchargent, traitent et ingèrent ensuite ces ressources dans des systèmes tridimensionnels génératifs tout en supprimant les métadonnées d’attribution et de licence nécessaires afin de maintenir les modalités de licence applicables.

Les ensembles de données concernés sont des ensembles de données de modèles comprenant des millions d’objets 3D. Les plaintes allèguent que chaque œuvre dont les renseignements ont été retirés constitue une violation distincte, de sorte que les dommages-intérêts prévus par la loi peuvent s’appliquer sur la totalité d’un ensemble de données d’une manière que les réclamations traditionnelles pour contrefaçon ne permettent pas. Elles soulignent que l’ensemble de données conserve des liens vers les dépôts sources et les comptes des créateurs, répondant ainsi à l’argument selon lequel l’attribution à grande échelle serait irréalisable.

Mesures pratiques pour les petits créateurs

Pour les créateurs indépendants, les mesures suivantes peuvent accroître leur maîtrise concrète de la situation :

  • Utiliser des signaux multicouches : des règles robots.txt, des balises noai/noimageai et des en-têtes X-Robots-Tag pour les fichiers non HTML.
  • Dater chaque réserve de droits, y compris la date à laquelle le signal a été déployé et ce qu’il couvrait.
  • Envisager de ne publier ses œuvres qu’en formats à qualité réduite ou protégés par des contrôles d’accès : les restrictions d’accès peuvent réduire la portée et les retombées commerciales; il convient donc de soupeser ces répercussions en fonction des préférences relatives à l’utilisation automatisée.
  • Privilégier l’utilisation de modalités de licence traitant de l’apprentissage automatique et d’options d’exclusion volontaire des plateformes lorsqu’elles sont offertes.
  • Les créateurs devraient intégrer des restrictions relatives à l’apprentissage automatique dans les conditions d’utilisation de leur site Web et dans les modalités de leurs licences, ne pas s’appuyer uniquement sur les balises et s’efforcer de conserver les métadonnées d’attribution et de licence dans le fichier lui-même, et non seulement sur la page Web environnante.

Risques en aval pour les utilisateurs de modèles

Pour les utilisateurs finaux de modèles entraînés, l’adoption d’un modèle ou d’un ensemble de données de recherche public largement utilisé peut comporter une exposition aux risques héritée de son assemblage; la diligence raisonnable à l’égard de l’ensemble de données importe donc tout autant que celle visant le modèle.

Du matériel peut être intégré à un corpus par l’entremise d’ensembles de données tiers, de collectes de données automatisées à l’échelle du Web, de copies miroirs dépourvues de signal d’exclusion de type NoAI ou de collectes effectuées avant le déploiement des balises. Les options d’exclusion volontaire peuvent avoir été sélectionnées au niveau du site ou du fichier et sont parfois perdues lors de la génération de copies. Un robot d’exploration respectueux peut donc ingérer involontairement du matériel balisé, laissant subsister le risque que du contenu NoAI ait été inclus.

Le risque que le résultat soit très similaire à une œuvre unique est plus élevé pour les requêtes très spécifiques, car le nombre d’exemples d’entraînement pour un champ restreint peut être limité.

Les ensembles de données de recherche publics largement utilisés constituent une source fréquente d’exposition héritée. De nombreuses organisations s’étant appuyées sur le même petit nombre de corpus, la diligence raisonnable doit permettre la détermination des ensembles de données spécifiques sous-jacents à un modèle ainsi que la vérification de l’existence ou non de réclamations en cours pour l’un ou certains d’entre eux.

Le risque peut être géré en partie au moyen de procédures documentées de plainte, de tri, de retrait, de suppression des résultats, de filtrage, d’escalade et de réentraînement ou de remplacement.

Une autre approche de gestion des risques consiste à utiliser une assurance sur la PI; la garantie doit être évaluée pour l’entraînement, les résultats générés, la défense et les réclamations fondées sur la réglementation. Les contrats conclus avec les fournisseurs de modèles peuvent également être négociés pour inclure des garanties en matière de PI, des indemnités, la prise en charge de la défense et des protections répercutées en aval.

Ce bulletin fournit des renseignements généraux et ne constitue pas un avis juridique. Les positions juridiques varient selon le territoire; les lecteurs devraient obtenir des conseils adaptés à leur situation.

Contact