Contexte historique
Le débat sur la protection du logiciel par le droit d’auteur dure depuis plus de quarante ans. Au cours des trente‑cinq dernières années, le modèle de partage a émergé grâce à des licences comme la GPL, la MPL ou la CC‑SA, qui imposent le « copyleft » et permettent aux dérivés de rester libres. Des pratiques antérieures, telles que le shareware (exemple : Doom distribué en version d’essai) et le freeware, étaient fermées malgré leur diffusion massive. Cette évolution a permis à l’infrastructure du cloud et à l’Internet de s’appuyer sur des logiciels libres, réduisant les coûts d’accès et limitant la concentration du marché.
Mécanisme d’ingestion des LLM
Les grands modèles de langage (LLM) de fournisseurs comme OpenAI ou Anthropic parcourent le Web sans filtrer les licences attachées aux dépôts. Le texte indique que ces modèles « consomment tout ce qu’ils trouvent en ligne, sans tenir compte du droit d’auteur ou de la licence ». Cette absence de filtrage signifie que le corpus d’entraînement intègre du code sous licence GPL, MPL ou CC‑SA, mais que les résultats générés ne portent aucune mention de ces licences. Le texte souligne l’absence d’appétit pour une application juridique de ces obligations, ce qui crée un vide légal autour de la réutilisation du code.
Conséquences sur les licences open source
Le manque de traçabilité entraîne plusieurs effets concrets. Premièrement, les auteurs hésitent à publier leurs projets, craignant que leurs contributions soient absorbées par les LLM et redistribuées sans respect de la licence d’origine. Deuxièmement, les dépôts publics comme GitHub reçoivent un flux important de pull‑requests générés par des bots IA, décrits comme « majoritairement inutiles », ce qui surcharge les mainteneurs. Troisièmement, le texte mentionne le risque que du code « pollué » contienne des bibliothèques malveillantes ou des mécanismes d’exfiltration de données, augmentant la surface d’attaque pour les développeurs qui intègrent ces suggestions. Enfin, la capacité des LLM à identifier rapidement des vulnérabilités dans le code publié rend la divulgation de failles plus aisée, ce qui peut être exploité par des acteurs malveillants.
Perspectives et limites
Le texte appelle à un « renouveau numérique » pour protéger l’ouverture, mais il ne fournit pas de données chiffrées sur l’ampleur du problème. L’absence de statistiques sur le nombre de contributions IA ou sur les litiges liés aux licences rend difficile l’évaluation quantitative de l’impact. En l’état, la discussion reste qualitative, reposant sur des observations de pratiques (exemple : pull‑requests IA, code potentiellement malveillant) et sur la perception d’un déséquilibre juridique. Toute mesure corrective devra donc s’appuyer sur des études empiriques afin de quantifier la proportion de code dérivé non conforme et d’évaluer les coûts additionnels pour les mainteneurs open source.
