Anthropic piraté 7 millions de livres : les éditeurs de musique portent plainte

UN MILLIARD ET DEMI DE DOLLARS, TROP PEU POUR DÉCOURAGER

Les plus grands éditeurs de musique au monde estiment qu'Anthropic a obtenu une peine bien trop légère. L'entreprise a payé 1,5 milliard de dollars pour régler un litige où elle reconnaissait avoir piraté plus de 7 millions de livres pour entraîner ses modèles d'IA. Pourtant, pour ces éditeurs, cette somme ne suffit pas à dissuader une entreprise qui a bâti une valorisation de 2 000 milliards de dollars en s'appuyant sur des milliards de contenus piratés.

LA MUSIQUE GÉNÉRÉE PAR IA, UNE MENACE POUR LES AUTEURS

Les auteurs-compositeurs voient leurs œuvres concurrencées par des chansons générées par intelligence artificielle. Ces morceaux apparaissent de plus en plus souvent dans les classements musicaux. Leur plainte déposée vendredi explique que le piratage d'Anthropic aggrave cette situation en leur faisant perdre des revenus et en saturant le marché avec des copies de mauvaise qualité.

Z-LIBRARY : LA BIBLIOTHÈQUE DU DIABLE QUI A INSPIRÉ ANTHROPIC

En 2021, le FBI a fermé LibGen, une bibliothèque en ligne illégale. Mais avant sa fermeture, des pirates ont copié son contenu pour créer une nouvelle bibliothèque nommée Z-Library. Malgré sa fermeture rapide, les messages internes révélés dans le cadre du procès montrent qu'Anthropic a eu accès à une copie de cette copie via le Pirate Library Mirror (PiLiMi).

« Z-LIBRARY, MON AMOUR » : LES MESSAGES QUI TRAHISSENT ANTHROPIC

Les éditeurs accusent un employé d'Anthropic d'avoir ordonné à ses collègues de télécharger PiLiMi dès sa disponibilité. Dans un message, il écrit que le miroir est arrivé « juste à temps . ». Un autre employé répond alors : « zlibrary mon amour ». Ces échanges sont présentés comme une preuve que l'entreprise a non seulement toléré, mais aussi célébré le piratage pour accéder rapidement à des données d'entraînement.

DES MÉTADONNÉES QUI RÉVÈLENT L'AMPLEUR DU PIRATAGE

En analysant les catalogues non confidentiels de LibGen et PiLiMi, les éditeurs ont découvert des métadonnées bibliographiques comme les titres, les auteurs et les ISBN. Ces données indiquent qu'Anthropic a téléchargé « au moins des centaines de livres » contenant des partitions musicales et des paroles de chansons protégées par des droits d'auteur appartenant aux éditeurs qui attaquent l'entreprise.

ANTHROPIC DÉMENT, MAIS LES PREUVES SE MULTIPLIENT

Anthropic affirme n'avoir utilisé aucun des livres piratés de LibGen et PiLiMi pour entraîner ses modèles commerciaux d'IA comme Claude. Cependant, les éditeurs contestent cette version. Ils estiment que tout dépend de la définition du mot « entraînement ». Selon eux, si les tribunaux remontent suffisamment loin dans les étapes de Développement, ils pourraient découvrir que des modèles commerciaux ont été entraînés à un moment donné sur des œuvres piratées.

LA PRÉ-ENTRAÎNEMENT : UNE TECHNIQUE QUI MASQUE LE PIRATAGE

Le développement d'une IA inclut souvent une phase de pré-entraînement où un modèle peut s'entraîner sur des données synthétiques créées par un autre modèle d'IA. Les éditeurs expliquent qu'Anthropic a au moins utilisé un modèle non commercial entraîné sur des textes issus de LibGen et/ou PiLiMi pour fournir des retours renforcés à l'un de ses modèles commerciaux Claude. Autrement dit, même si le modèle final n'a pas directement utilisé les livres piratés, une partie de son apprentissage repose sur des données issues de ces œuvres illégalement obtenues.

LES LIVRES PIRATÉS SERVIRAIENT MÊME À AMÉLIORER LES PROTECTIONS DE CLAUDE

Des documents récemment dévoilés dans le procès des auteurs de livres révèlent qu'Anthropic utiliserait les livres piratés de LibGen pour améliorer les garde-fous de ses modèles. Un témoin a témoigné qu'Anthropic a arrêté d'entraîner ses grands modèles de langage (LLM) sur LibGen, mais continue d'utiliser ce jeu de données pour vérifier si les réponses générées par ses IA contiennent des copies trop proches des textes sources. En d'autres termes, l'entreprise utilise les livres piratés pour s'assurer que ses IA ne reproduisent pas mot pour mot les œuvres protégées.

ANTHROPIC SE DÉFEND EN CRIANT À LA CHASSE AUX SORCIÈRES

Un porte-parole d'Anthropic a déclaré à Ars que les éditeurs de musique « s'accrochent à des straws » (des arguments désespérés) en fouillant dans les plaintes déjà réglées des auteurs de livres. « C'est la troisième plainte de la même équipe d'avocats, qui recycle des allégations déjà examinées par les tribunaux », a-t-il affirmé. L'entreprise ajoute que l'entraînement des modèles d'IA générative relève du fair use (usage équitable), comme l'a jugé un tribunal dans l'affaire Bartz. Anthropic promet de se défendre avec force.

LE FAIR USE, UNE DÉFENSE QUI NE CONVAINC PAS TOUS

Le porte-parole d'Anthropic omet de préciser que la décision de fair use dans l'affaire Bartz reposait sur l'incapacité des auteurs de livres à prouver un préjudice économique ou une substitution de marché par les outils d'IA. Dans le cas des éditeurs de musique, la situation pourrait être différente. Les juges pourraient considérer que les auteurs-compositeurs ont plus de chances de prouver un préjudice que les auteurs de livres.

LA MUSIQUE, UN CAS PARTICULIER POUR LES IA

Dans l'affaire des auteurs de livres, le juge avait écrit que, « comme tout lecteur aspirant à devenir écrivain, les grands modèles de langage d'Anthropic entraînés sur des œuvres ne visent pas à copier ou remplacer ces œuvres, mais à créer quelque chose de différent ». Cependant, il n'est pas certain que les tribunaux appliquent le même raisonnement aux auteurs-compositeurs ou aux éditeurs qui les représentent. La musique a une place unique dans la culture et l'économie, ce qui pourrait changer la donne.

ANTHROPIC DOIT RENDRE DES COMPTES : LA DEMANDE DES ÉDITEURS

Anthropic protège jalousement ses sources de données d'entraînement. Pourtant, les éditeurs de musique estiment que les tribunaux devraient imposer plus de transparence. Ils demandent qu'Anthropic soit contraint de fournir « un compte-rendu des données d'entraînement, des méthodes d'entraînement et des capacités connues de ses modèles d'IA ». Avec ces informations, les artistes de tous les médias pourraient évaluer comment Anthropic a acquis leurs œuvres, quelles œuvres ont été utilisées et dans quelle mesure elles ont influencé un modèle commercial.

LE PIRATAGE, UNE MENACE POUR TOUTE L'INDUSTRIE MUSICALE

Sans contrôle, les éditeurs accusent qu'Anthropic, en s'appuyant sur des œuvres piratées et non autorisées pour entraîner ses IA, rend la vie des auteurs-compositeurs encore plus difficile. Cela dilue aussi le marché avec des copies de mauvaise qualité de chansons reconnaissables. Le piratage complique également la tâche des éditeurs pour se faire payer lorsqu'ils accordent des licences de chansons afin d'entraîner d'autres IA.