L'article révèle une tendance préoccupante où de grandes entreprises technologiques, notamment Apple, Nvidia et Anthropic, ont utilisé des milliers de vidéos YouTube pour former leurs modèles d'IA sans la permission des créateurs de contenu. Cette pratique a suscité l'indignation de populaires YouTubeurs comme Mr. Beast, MKBHD, PewDiePie et d'autres.

L'enquête de Proof News a révélé qu'un jeu de données appelé "the Pile", largement utilisé par les entreprises d'IA, contient des sous-titres de plus de 173 000 vidéos YouTube issues de plus de 48 000 chaînes. Cela inclut des chaînes éducatives comme Khan Academy, MIT et Harvard, ainsi que des chaînes de divertissement populaires comme The Late Show with Stephen Colbert, Last Week with John Oliver et Jimmy Kimmel Live.

MKBHD, un célèbre YouTubeur tech, a commenté le problème, déclarant que bien qu'Apple ne soit pas directement responsable du raclage de données, il s'agit d'un problème en évolution qui continuera à être un défi. Il souligne également qu'il paie un service pour fournir des transcriptions plus précises de ses vidéos, qui sont ensuite volées.

L'article aborde également les implications juridiques de cette pratique, en établissant des parallèles avec le procès en cours entre le New York Times et OpenAI, où le journal a accusé la société d'IA de reproduire de larges extraits de ses articles. De plus, l'article mentionne que d'autres sociétés d'IA, comme Midjourney, ont été accusées d'utiliser du matériel protégé par le droit d'auteur pour former leurs modèles.

L'utilisation des transcriptions de vidéos YouTube et d'autres contenus protégés par le droit d'auteur pour former des modèles d'IA est une question juridique complexe, avec des arguments des deux côtés concernant l'utilisation équitable et la contrefaçon.

Bien que les sociétés d'IA puissent affirmer que l'utilisation de ces données constitue une utilisation équitable, car elles ne reproduisent pas directement le contenu mais l'utilisent plutôt pour former leurs modèles, les créateurs de contenu et les titulaires de droits d'auteur ont un argument valable selon lequel leur travail est utilisé sans autorisation et sans compensation appropriée.

La jurisprudence est encore en évolution, avec des poursuites judiciaires d'musiciens, d'auteurs et d'autres artistes remettant en question les pratiques des sociétés d'IA. Les défendeurs ont fait valoir que leurs actions relèvent de l'utilisation équitable, mais ces affaires sont susceptibles d'être portées devant des tribunaux supérieurs pour établir des limites juridiques plus claires.

La suppression de vidéos YouTube et l'inclusion ultérieure de ce contenu dans les ensembles de données d'entraînement d'IA complique davantage la question, car les créateurs peuvent ne plus avoir le contrôle sur l'utilisation de leur travail, même après l'avoir retiré des plateformes publiques.

La révélation que les principales entreprises d'IA ont utilisé des milliers de vidéos YouTube pour former leurs modèles sans la permission des créateurs de contenu a des implications importantes. Comme l'ont souligné MKBHD et d'autres YouTubeurs populaires, il s'agit d'une violation manifeste de leurs droits en tant que créateurs.

Le problème central est que ces créateurs de contenu ont investi un temps, des efforts et des ressources considérables dans la production de leurs vidéos. Ils devraient avoir le droit de contrôler la manière dont leur travail est utilisé, y compris s'il est intégré dans des ensembles de données d'entraînement d'IA. Le fait que leur contenu ait été raclé et réutilisé sans leur connaissance ou leur consentement est une violation majeure de leurs droits de propriété intellectuelle.

Au-delà de la perte de contrôle, il y a aussi la question de la compensation. De nombreux YouTubeurs, comme MKBHD, paient pour des services de transcription professionnels afin d'assurer des sous-titres précis pour leurs vidéos. En utilisant ces transcriptions sans autorisation, les entreprises d'IA volent essentiellement le travail payé des créateurs. Cela représente un préjudice financier supplémentaire pour les producteurs de contenu.

La question de l'utilisation de contenus protégés par le droit d'auteur sur des plateformes comme YouTube sans autorisation par les entreprises d'IA est devenue une préoccupation croissante. Plusieurs YouTubeurs de premier plan, dont MKBHD et Mr. Beast, ont exprimé leur frustration après avoir découvert que les transcriptions de leurs vidéos étaient incluses dans le jeu de données "Pile" utilisé pour former divers modèles d'IA.

Cela soulève des questions juridiques complexes autour de l'utilisation équitable et des droits des créateurs de contenu. Bien que des entreprises comme Apple et Nvidia ne soient pas directement responsables du raclage de données, elles bénéficient toujours de l'utilisation de ce matériel protégé par le droit d'auteur. Comme l'a souligné MKBHD, il s'agit d'un "problème en évolution" qui nécessitera probablement des actions en justice et des discussions à l'échelle de l'industrie pour être résolu.

La course aux données a également conduit à une multitude de partenariats entre les entreprises d'IA et les organisations médiatiques. OpenAI, en particulier, a activement conclu des accords avec des publications comme Time, The Atlantic et Vox Media pour accéder à leur contenu. Cela met en évidence la valeur immense que ces entreprises accordent aux données et les efforts qu'elles sont prêtes à déployer pour les acquérir.

Cependant, l'utilisation de données potentiellement volées ou non autorisées a déjà conduit à des défis juridiques. Le procès en cours du New York Times contre OpenAI en est un exemple, le journal alléguant que le modèle de langage de l'entreprise d'IA, ChatGPT, a été formé sur du matériel protégé par le droit d'auteur provenant de leurs articles.