Meta accusée d’avoir piraté des millions de livres pour entraîner son IA

☕️ Suno a aspiré des millions de chansons pour entraîner son IA

Suno, la start-up américaine spécialisée dans la génération musicale par intelligence artificielle, avait déjà reconnu en 2024, lors d'une procédure judiciaire intentée par l'industrie du disque aux États-Unis, avoir aspiré « pratiquement tous les fichiers musicaux de qualité raisonnable accessibles sur l'internet ouvert ». Un hacker vient de fournir au média 404media des données internes qui précisent enfin l'ampleur réelle de cette collecte. Les plateformes pillées incluent YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound et IMSLP. Les volumes révélés sont considérables : plus de deux millions d'extraits provenant de YouTube Music, et des dizaines de milliers d'heures issues du seul catalogue de Deezer. Le code dérobé montre aussi que Suno recherchait spécifiquement des versions a cappella sur YouTube, vraisemblablement pour isoler et analyser les voix plus facilement. Pour mener cette collecte à grande échelle, l'entreprise se serait appuyée sur Bright Data, spécialiste de l'extraction automatisée de données. Le même pirate affirme avoir également accédé aux coordonnées de centaines de milliers de clients de Suno ainsi qu'à des informations liées à des paiements Stripe, après s'être introduit dans les systèmes de l'entreprise grâce aux identifiants compromis d'un salarié, lors d'un incident survenu en novembre dernier. Ces révélations pourraient peser lourd dans le rapport de force entre Suno et l'industrie musicale. La RIAA, puissant lobby des maisons de disques américaines, accuse déjà la start-up d'avoir extrait directement des fichiers audio depuis YouTube en contournant les mécanismes anti-copie de la plateforme. Si les données du hacker confirment que Suno a siphonné des catalogues commerciaux et enfreint les conditions d'utilisation de plusieurs services, les ayants droit disposeraient d'arguments supplémentaires pour faire tomber la défense de « fair use » invoquée par l'entreprise, une exception au droit d'auteur régulièrement brandie par les laboratoires d'IA générative. Au-delà de Suno, l'affaire alimente un débat plus large sur la légitimité de l'entraînement des modèles d'IA à partir d'œuvres protégées, sans consentement ni rémunération des créateurs. La fuite de données personnelles de clients ajoute une dimension supplémentaire, même si l'entreprise assure qu'aucune information sensible ni numéro complet de carte bancaire n'a été compromis. Ce dossier s'inscrit dans une bataille juridique plus vaste que l'ICMP a qualifiée de « plus grand vol de propriété intellectuelle de l'histoire ». Suno a toutefois vu son horizon judiciaire s'éclaircir en novembre dernier en signant un accord avec Warner Music, lui permettant désormais d'exploiter légalement le catalogue de la major. Cette entente contraste avec les pratiques de collecte révélées par le piratage, et illustre la stratégie des acteurs de l'IA musicale : négocier des licences avec certains labels tout en continuant de se défendre juridiquement sur les usages passés. L'issue des procédures en cours pourrait déterminer si d'autres géants du disque, comme Universal ou Sony, suivront la voie de Warner ou maintiendront la pression judiciaire contre Suno.

☕️ Accusée d’acheter de vieux livres pour entrainer des IA, Zoom Books nie

Depuis plusieurs semaines, des libraires alertent sur Reddit à propos de Zoom Books, une entreprise canadienne qui passerait commande en masse de vieux ouvrages dans plusieurs pays simultanément : Allemagne, Espagne, États-Unis, Nouvelle-Zélande, Australie, Bulgarie et Grande-Bretagne. L'affaire a été révélée par les médias suisses RTS et SRF ainsi que par le quotidien allemand taz. Les libraires soupçonnent Zoom Books de numériser le contenu de ces livres pour entraîner des modèles d'intelligence artificielle générative, avant de détruire les exemplaires physiques. La société affirme, elle, n'acheter que des "invendus poussiéreux" datant de 1970 ou après, dotés d'un numéro ISBN, à raison d'un seul exemplaire par titre, et nie formellement numériser ou détruire quoi que ce soit. Sur la question de savoir à qui les livres sont revendus, un responsable de l'entreprise refuse de donner toute information sur les acheteurs. Ce type de pratique, si elle était confirmée, ouvrirait une voie juridique inédite pour contourner le droit d'auteur dans l'entraînement des IA. En achetant légalement des ouvrages physiques puis en les numérisant, une entreprise pourrait invoquer le "fair use", doctrine juridique américaine souvent mobilisée par les acteurs de l'IA générative pour légitimer l'utilisation massive de contenus protégés. Pour les éditeurs et les auteurs déjà fragilisés par la montée des IA, cette approche représente une menace supplémentaire : elle contourne les plateformes de licences numériques en s'attaquant directement au stock physique. L'affaire s'inscrit dans un contexte de tensions croissantes autour des données d'entraînement des grands modèles de langage. Plusieurs géants du secteur font face à des procès intentés par des auteurs et des éditeurs qui leur reprochent d'avoir ingéré leurs œuvres sans autorisation ni compensation. La stratégie consistant à passer par des intermédiaires discrets pour constituer des corpus d'entraînement à moindre risque juridique est déjà documentée. Le refus de Zoom Books de nommer ses acheteurs alimente les soupçons d'une chaîne d'approvisionnement délibérément opaque, conçue pour alimenter des acteurs de l'IA tout en maintenant une distance plausible avec les questions de droits.

💬 Le refus de nommer les acheteurs, c'est l'aveu involontaire qui dit tout. Si l'affaire se confirme, on tient le modèle industriel pour contourner le droit d'auteur à grande échelle : acheter physique, numériser, invoquer le fair use, intercaler un intermédiaire discret pour brouiller les pistes. Les prochains procès sur les données d'entraînement ne vont pas cibler que les grands labs.

Meta surveille désormais l'activité informatique de ses employés pour entraîner ses agents IA

Meta installe en ce moment un outil de surveillance sur les ordinateurs de ses employés basés aux États-Unis, selon une information révélée par Reuters. L'outil, baptisé Model Capability Initiative (MCI), tourne en arrière-plan dans les applications et sites web liés au travail et enregistre les mouvements de souris, les clics, les frappes au clavier ainsi que des captures d'écran ponctuelles. L'objectif affiché par l'entreprise est d'utiliser ces données comportementales pour entraîner ses modèles d'intelligence artificielle à interagir avec les ordinateurs de la même façon que le font les humains au quotidien. Meta précise que les données collectées ne seront pas utilisées à des fins d'évaluation des performances des salariés. Cette initiative s'inscrit dans la course aux agents IA capables d'automatiser des tâches informatiques complexes, remplir des formulaires, naviguer dans des interfaces, exécuter des workflows bureautiques. En capturant directement les gestes réels de travailleurs qualifiés, Meta cherche à constituer un jeu de données d'entraînement à haute valeur, bien plus représentatif que des données synthétiques. Pour les employés concernés, cela soulève des questions concrètes sur la frontière entre contribution au produit et surveillance au travail. La démarche rappelle celle d'autres géants tech qui collectent des données humaines pour affiner leurs systèmes d'automatisation, comme Google ou Microsoft avec leurs outils Copilot. Meta, qui développe activement ses propres agents IA sous l'impulsion de Mark Zuckerberg, considère visiblement ses équipes internes comme un terrain d'entraînement privilégié. Le fait que le programme soit pour l'instant limité aux États-Unis suggère des contraintes légales en Europe, où le RGPD encadre strictement ce type de collecte en milieu professionnel.

Meta transforme ses salariés en « rats de laboratoire » pour son futur agent IA

Meta surveille les habitudes informatiques de ses employés pour entraîner son futur agent IA. Selon des notes internes révélées par Reuters, l'entreprise a déployé un logiciel de suivi intégré à certains outils professionnels internes, capable d'enregistrer les mouvements de souris, les clics, les frappes clavier et de capturer régulièrement des captures d'écran. Ces données sont collectées sur des applications internes et des sites web professionnels, avec pour objectif de documenter précisément comment les humains interagissent avec leur machine au quotidien. Un porte-parole de Meta confirme que ces informations servent à améliorer la capacité des agents IA à réaliser des tâches concrètes : naviguer dans des menus, cliquer sur des boutons, reproduire des séquences d'actions basiques mais essentielles. L'entreprise assure également que ces données ne seront pas utilisées pour évaluer la performance individuelle des salariés. L'enjeu est considérable pour le développement des agents IA dits "computer use", capables d'opérer directement sur un ordinateur comme le ferait un humain. Les textes, images et vidéos disponibles sur internet sont déjà massivement exploités pour entraîner les grands modèles de langage, mais les données d'interaction réelle avec une interface restent rares et difficiles à obtenir à grande échelle. Des entreprises concurrentes ont recours à des environnements simulés pour générer ce type de données comportementales, une approche coûteuse et imparfaite. En mobilisant directement ses propres employés, Meta accède à des flux de comportements authentiques, dans des contextes de travail réels, ce qui représente un avantage compétitif significatif pour entraîner des agents performants sur des tâches professionnelles. Cette initiative s'inscrit dans un contexte de pression croissante chez Meta autour de l'IA. L'entreprise, qui a massivement investi dans le développement de ses modèles Llama et de ses agents conversationnels, cherche à combler son retard sur des acteurs comme OpenAI ou Google dans le domaine des agents autonomes. En parallèle, Reuters rapporte que Meta envisage de fixer des objectifs d'usage de l'IA à certains de ses personnels, et réfléchirait à une réduction potentielle de ses effectifs mondiaux pouvant atteindre 10 %. La collecte de données sur les employés soulève néanmoins des questions éthiques sur le consentement et la surveillance au travail, même si Meta la présente comme une contribution collective au progrès technologique interne. La frontière entre outil d'entraînement et surveillance professionnelle reste floue, et cette démarche pourrait alimenter les débats réglementaires sur les droits des travailleurs à l'ère de l'IA.