L’un des plus grands ensembles de données d’entraînement pour l’IA musicale connus du public a été retiré, alors qu’une vague de recours collectifs contre des entreprises de musique générative progresse devant les tribunaux américains et qu’un nouvel article universitaire aborde le débat sur le moissonnage de données sous un angle néocolonial.
Retrait de l’ensemble de données et conséquences pour les chercheurs
Une enquête publiée le mois dernier a identifié quatre ensembles de données accessibles au public contenant environ 21,2 millions d’enregistrements protégés par le droit d’auteur. Un outil de recherche associé permettait aux artistes de vérifier si leurs chansons y figuraient, suscitant la consternation parmi les musiciens qui ont découvert leurs œuvres dans ces collections.
Trois des quatre ensembles de données ne contiennent aucun fichier audio, seulement des liens vers YouTube et Spotify accompagnés de métadonnées. Les développeurs les injectent généralement dans des outils d’extraction automatisés qui contournent les écrans de connexion, les publicités et les mécanismes de paiement des redevances. Les seuls utilisateurs confirmés sont Google et Stability AI, qui ont cité la Free Music Archive, la plus petite des quatre collections, dans des articles de recherche publiés. On ignore qui a téléchargé quoi à partir des deux ensembles de données qui représentent la grande majorité des 21 millions de pistes, car aucune législation n’impose actuellement de divulgation.
Suite à l’enquête, Sleeping-DISCO-9M, un ensemble de données de plus de 9,7 millions de pistes extraites de musique commerciale, a été retiré par son éditeur, le Sleeping AI Research Collective. Le retrait du lien de téléchargement original ne garantit pas que les données aient cessé de circuler, et l’ensemble de données reste consultable via un outil accessible au public.
Un article accompagnant l’ensemble de données, intitulé « SLEEPING-DISCO 9M : A Large-Scale Pre-Training Dataset for Generative Music Modeling », a également été discrètement retiré. Son résumé indiquait qu’« il n’existe pas d’ensembles de données open source de haute qualité représentant des chansons populaires et bien connues ». Les auteurs destinaient cet ensemble de données au pré-entraînement de modèles génératifs. Bien que ce retrait ne constitue pas un aveu de responsabilité, les plaignants dans les affaires de droits d’auteur pourraient y voir une preuve de conscience des risques juridiques potentiels. Sans de tels ensembles de données, les chercheurs qui construisent des modèles musicaux open source sont contraints de se tourner vers des bibliothèques libres de droits, de la musique sous licence Creative Commons, des catalogues sous licence ou des ensembles de données synthétiques, qui présentent tous des limites en termes d’échelle ou de diversité musicale.
Sleeping AI a publié une déclaration décrivant la « suppression absolue » comme une décision délibérée « en réponse aux controverses publiques émergentes, aux comportements de ciblage localisés et aux incidents croissants de divulgation de données personnelles (doxing) qui ont compromis la sécurité personnelle, la vie privée et les libertés individuelles des auteurs indépendants ». La déclaration nie que l’ensemble de données ait hébergé, indexé ou distribué du contenu multimédia protégé par le droit d’auteur, ajoutant qu’« aucun modèle d’IA générative n’a jamais été entraîné sur ces métadonnées ».
Recours collectifs et fractures dans les licences
Parallèlement à la controverse sur les ensembles de données, une série de recours collectifs intentés par des musiciens indépendants progresse contre les entreprises d’IA musicale Suno, Udio, Mureka et, plus récemment, Google, pour copie et entraînement non autorisés. Le cabinet d’avocats spécialisé dans les droits civiques Loevy + Loevy, impliqué dans ces litiges, a déclaré sur son site web : « Si les voix indépendantes se taisent, les entreprises d’IA verrouilleront un modèle économique qui traite le travail créatif comme un carburant gratuit. Si nous agissons maintenant, ensemble, nous pouvons les obliger à obtenir des licences, à payer et à respecter les artistes qui font de la musique digne d’être écoutée. »
Les négociations de licence entre Suno et deux des trois majors se sont effondrées plus tôt cette année. Le clivage porte désormais sur la possibilité de télécharger les chansons générées par l’IA depuis les plateformes qui les produisent. Warner Music Group, qui a conclu un accord avec Suno en novembre, autorise les utilisateurs payants à télécharger et à commercialiser leurs créations. Universal Music Group, qui a trouvé un accord avec Udio en octobre, a exigé qu’Udio désactive tous les téléchargements et a accordé aux utilisateurs un délai de 48 heures pour exporter leurs chansons avant la suppression de cette fonctionnalité.
Universal et Sony Music ont saisi la justice pour obtenir les termes de l’accord de Warner, arguant qu’ils ne peuvent pas négocier à l’aveugle face à un contrat dont le contenu leur est inaccessible. Sony, qui a refusé de transiger, a ajouté plus de 61 000 enregistrements à sa plainte contre Suno. Cette affaire doit faire l’objet d’une audience de jugement sommaire ce mois-ci. La décision pourrait déterminer si l’entraînement de modèles d’IA sur des enregistrements protégés par le droit d’auteur sans licence relève de l’usage loyal ou de la contrefaçon.
Échos coloniaux et modèles alternatifs
Un article publié en avril dans l’Eastern African Journal of Humanities and Social Sciences soutient que les ensembles de données d’entraînement pour l’IA sont des « artefacts politiques qui figent des formes d’oppression néocoloniales en congelant des cultures dynamiques et vivantes pour qu’elles soient consommées de manière exogène ». Il fait remonter ce schéma à l’enregistrement de « Mbube » par Solomon Linda en 1939, une œuvre qui a été prise à son créateur, diffusée dans le monde entier et monétisée par tous sauf lui. L’article souligne l’ironie qu’un ensemble de données nommé Sleeping-DISCO se trouve au cœur de la controverse actuelle.
Les juristes Chijioke Okorie et Melissa Omino ont développé un argument connexe concernant les cadres de licence proposés, observant que les licences ouvertes standard traitent les propriétaires d’ensembles de données africains comme s’ils étaient des entités bien dotées du Nord global. Il en résulte, selon eux, une iniquité née du fait de traiter comme égaux des acteurs placés dans des situations inégales.
Certains développeurs sur le continent réagissent en rejetant totalement le modèle de moissonnage. La start-up nigériane Korin AI, par exemple, fonctionne en obtenant des licences de musique auprès d’artistes locaux.
