Midjourney et les autres IA deviennent trop gros pour être pris en flagrant délit de plagiat

Plus une IA d’images avale de données, moins on peut prouver qu’elle recopie. Des chercheurs du MIT viennent de le démontrer, et les avocats des artistes ne vont pas aimer la suite.

Depuis 2023, des illustratrices tentent de faire condamner Stability AI et Midjourney pour avoir entraîné leurs modèles sur leurs œuvres sans autorisation. Leur meilleur espoir tenait en une idée simple : remonter d’une image générée jusqu’à l’œuvre qui l’a nourrie, pour établir la copie. Une étude parue ce mardi dans Nature Communications vient de refermer cette porte, méthodiquement.

Les deux chercheurs du MIT à l’origine des travaux ont attaqué le problème par l’expérience. Leur méthode, dite d’ablation, consiste à retirer des œuvres précises des données d’entraînement, puis à observer si le modèle produit toujours le même résultat. Le verdict a de quoi surprendre : sur un corpus suffisamment vaste, supprimer la Joconde, ou même l’intégralité de Léonard de Vinci, n’empêche pas le modèle de régénérer l’image ou d’imiter le style.

Les chercheurs ont baptisé le phénomène « déclin d’attribution » : plus le volume de données grossit, moins une image générée peut être rattachée à une entrée précise. Au-delà d’un certain seuil, l’attribution peut devenir tout bonnement impossible . Une goutte d’encre se retrouve dans un verre d’eau ; dans un lac, elle n’existe plus. Les grands générateurs d’images fonctionnent à l’échelle du lac. Le constat ne blanchit pas les modèles pour autant : des cas de mémorisation pure existent, et des juges allemands ont déjà examiné des sorties de modèles musicaux manifestement apprises par cœur. Il déplace simplement la ligne : la copie flagrante reste punissable, la preuve statistique du pillage s’évanouit.

La conséquence se lira d’abord dans les tribunaux. Dans l’affaire qui oppose des illustratrices à Stability AI et Midjourney depuis 2023 , les plaignantes réclament justement la communication des jeux de données d’entraînement, pour y chercher la preuve du pillage. Si la ressemblance entre une image générée et une œuvre ne permet plus de démontrer la copie, cette stratégie risque de s’effondrer. Le juriste de Cornell qui a commenté l’étude le dit sans détour : l’attribution échouera pour les modèles qui comptent, et les juges devront chercher leurs preuves ailleurs.

L’étude dessine même, en creux, une stratégie de défense cynique : il suffirait de grossir assez pour qu’aucune sortie ne soit attribuable à quoi que ce soit. Grossir pour s’absoudre, en somme. Les auteurs s’interrogent d’ailleurs eux-mêmes sur la suite : comment rémunérer des créateurs quand ce qui sort du modèle ne se rattache plus à rien de ce qui y est entré ? L’Europe a pris le problème par l’autre bout. L’AI Act impose aux modèles généralistes de publier un résumé de leurs données d’entraînement , une transparence à l’entrée plutôt qu’une preuve à la sortie. La directive droit d’auteur de 2019 permet de son côté aux ayants droit de s’opposer à la fouille de leurs œuvres.