Exploration des pratiques de régulation des IA génératives par le protocole d’exclusion des robots
Year: 2024
Type: conference-paper
Abstract: L'année 2023 fut notamment celle de l'essor des IA génératives capables de produire des images (Stable Diffusion, Midjourney…) ou des textes (ChatGPT, Bard…) originaux.Ces nouveaux outils ont amené leur lot de polémiques.Parmi celle-ci, la question des droits d'auteurs des contenus utilisés pour l'entraînement de ces modèle a rapidement touché les scènes médiatiques puis judiciaires.Dans cette recherche exploratoire, nous avons utilisé un robot d'exploration pour analyser les fichiers « robots.txt» de plusieurs ensemble de sites web incluant le Top 100 Alexa, des sites de presse en ligne et des sites d'éditeurs scientifiques.L'objectif était d'analyser le recours à cette norme technique, soit le protocole d'exclusion des robots, pour traiter cette question de la violation de la propriété intellectuelle.Nos résultats montrent une forte utilisation des mesures de blocage par les sites vivant de la publication de contenus.Ils mettent cependant en évidence certaines incohérences dans les mesures de blocage, des limitations dans le protocole d'exclusion des robots et des biais (pour lesquels une nouvelle mesure est proposée) que les politiques de blocage différenciées risquent d'introduire lors de l'entraînement des IA génératives.ABSTRACT.The year 2023 saw the rise of generative AI capable of producing original images (Stable Diffusion, Midjourney...) or texts (ChatGPT, Bard...).These new tools have brought with them their share of controversy.One of these has been the issue of copyright in the content used to train these models, which has rapidly made its way into the media and legal arena.In this exploratory study, we used a crawler to analyse the "robots.txt"files of several sets of websites, including the Alexa Top 100, online press sites and scientific publishers' sites.The aim was to analyse the use of this technical standard, the robot exclusion protocol, to address the issue of intellectual property infringement.Our results show a high level of use of blocking measures by sites publishing content.However, they highlight certain inconsistencies in the blocking measures, limitations in the bot exclusion protocol and the biases (for which a new measure is proposed) that differentiated blocking policies are likely to cause when training generative AIs.
Source: ORBi UMONS
Authors: Viseur, Robert, Delcoucq, Landelin
Institution: University of Mons
Language: French
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7133456662