Open source
Open AI & DeepSeek : quand l’open source se mord la queue

🔊 Écouter

Il est sans doute présomptueux de parler d’aliénation, d’expropriation et d’exploitation de l’intelligence collective à l’heure où tout le monde chante les louanges de l’open source et où le libre accès aux modèles d’IA semble en passe de se réaliser. Alors que l’IA générative semblait concrétiser le processus d’accumulation primitive du capitalisme cognitif expropriant tout sur son passage, une nouvelle tendance, qui tient du retour du refoulé de la tech, aurait-elle changé la donne ? Que ce soit chez le géant américain OpenAI ou le chinois DeepSeek¹, l’open source est maintenant de toutes les annonces. Depuis l’émergence inattendue de DeepSeek en janvier dernier, certains se sont empressés de célébrer le retour du copyleft de Richard Stallman. Mais, est-ce vraiment le cas ? Pas sûr. Peut-être qu’une fois encore, l’adage conservateur du Guépard – « il faut que tout change pour que rien ne change² » – ruse avec l’histoire. Quoi qu’il en soit, le modèle chinois s’est imposé de manière inattendue dans le monde de l’IA, et ce en rendant transparents aussi bien son architecture que son paramétrage interne.

Le 27 janvier 2025 les marchés s’effondrent. Le Nasdaq subit une baisse de 3,07 % conduisant Nvidia à une perte record de 590 milliards de dollars en quelques heures. La chaîne de dépendance d’OpenAI vis-à-vis du cloud Azure de Microsoft, qui lui-même repose sur les puces de Nvidia, a montré toute sa vulnérabilité. Mais quelle est la raison d’une telle chute ? De toute évidence, cela provient d’une démonstration chinoise très simple : « ce n’est pas la taille qui compte ! ». Alors que la taille du modèle de ChatGPT.4.0 (500 milliards de paramètres) ne faisait que gonfler avec la frénésie des marchés, celui de DeepSeek (de l’ordre de 67 milliards de paramètres) vint contredire la révolution des LLM (large language model). La largeur des paramètres ne détrônera pas celle des big data. Alors que depuis 2022, OpenAI revendiquait un changement de paradigme en faveur de la taille des modèles, DeepSeek nous a rappelé que le nerf de la guerre reste l’accumulation primitive de la data. Ainsi s’est dissipée la théorie de la démultiplication indéfinie du nombre de neurones paramétrés pour atteindre l’IA générale – c’est-à-dire le fantasme d’une augmentation indéfinie du « poids » des modèles³ jusqu’à la transcendance.

^{Pirater les pirates}

Depuis, le retour à l’aspiration inconditionnelle de toutes les données, c’est-à-dire l’expropriation extensive de l’encyclopédie absolue de toutes les connaissances humaines, est redevenu l’alpha et l’oméga de l’IA. OpenAI surenchérit dans la spoliation massive de tous types de corpus de référence afin de ne pas perdre la course lancée par Deepseek, dont le succès repose en grande partie sur sa gigantesque base de données – probablement fournie par le parti communiste chinois. Pour ainsi dire, les immatériels semblent en passe d’être capturés intégralement par des puissances hégémoniques inarrêtables. La colère de Miyazaki face à l’expropriation des modes de production visuels des studios japonais Ghibli par OpenAI illustre bien l’hégémonie à l’œuvre. Au-delà d’une captation des données issues de notre activité en ligne (les immatériels non-protégés par le droit), le vol de toutes propriétés intellectuelles protégées par le droit d’auteur s’accélère.

Sam Altman a d’ailleurs suggéré à l’administration Trump d’intégrer dans le US AI Action Plan, une levée du droit d’auteur pour que les États-Unis puissent garder leur avance en matière d’IA. « Le gouvernement fédéral peut à la fois garantir la liberté des Américains d’apprendre de l’IA et éviter de perdre notre avance en matière d’IA au profit de la République populaire de Chine en préservant la capacité des modèles américains d’IA à apprendre à partir de contenus protégés par le droit d’auteur⁴ ». Depuis le vol s’est étendu. La spoliation de millions de livres pour former des corpus de référence s’est systématisée. OpenAI comme Meta ont siphonné les millions de livres disponibles sur la bibliothèque clandestine en ligne LibGen. Les géants de la tech piratent les pirates. Les plateformes d’échange peer-to-peer, utilisant BitTorrent pour le partage de contenus culturels en tous genres, sont massivement siphonnées par ces compagnies d’IA afin de constituer des corpus de référence de plus en plus étendus⁵. La déterritorialisation culturelle du peer-to-peer en est arrivé à une reterritorialisation capitalisée dans des data centers des BigTech.

^{La bulle économique des wrapers}

Le capitalisme cognitif se métastase, allant jusqu’à une capture hégémonique de « l’intelligence générale collective⁶ ». L’exploitation de niveau 2, que décrivait Yann Moulier Boutang⁷ – c’est-à-dire l’exploitation de notre inventivité, de notre créativité, de notre innovation – se profile aujourd’hui dans ce processus de capture sauvage et hégémonique de la culture par les compagnies d’IA. Mais, en contrepartie de cette expropriation indéfinie de tout notre patrimoine immatériel, Sam Altman⁸ se veut rassurant : d’ici l’été 2025, tout le monde aura accès à l’open weight de ChatGPT, c’est-à-dire au « poids » ou paramétrage du modèle appris durant l’entrainement. Quelle générosité ! Vive l’open source ! Mais, à y regarder de plus près, cette libération affichée du modèle se révèle être un leurre qui cache une terrible réalité : l’IA, c’est du vol à deux niveaux : (1) au niveau de la captation de toutes les données de l’intelligence collective et (2) au niveau de l’engouement spéculatif des marchés financiers.

Aux États-Unis, le programme StarGate avec ses 500 milliards d’investissement pour l’IA et la réduction drastique des dépenses publiques par le DOGE (Department of Government Efficiency) plongent la santé, l’éducation ou encore la recherche dans une crise inédite en dégradant les conditions matérielles du travail. En France, les 109 milliards d’euros pour développer l’IA et l’implantation de 35 data centers que l’on branchera sur les centrales nucléaires font rêver, alors que les conditions du service public se dégradent de plus en plus. On voit déjà des start-ups d’IA qui poussent comme des champignons pour toucher le gros lot en usant d’un jeu de dupes. L’usage des API (application programming interface), c’est-à-dire des interfaces permettant d’utiliser les fonctionnalités d’une IA tout en la cachant sous les traits d’une nouvelle application, génère des clones se démultipliant dans l’espace numérique. On « développe » ainsi des IA qui ne sont que des avatars de ChatGPT et on lève des fonds, on spécule sur le marché de l’innovation jusqu’à faire pleuvoir les millions. Mais, en réalité, ces applications ne sont qu’un apparat d’innovation qui cache l’hégémonie d’OpenAI, ou de DeepSeek, et la fragilité du système sur lequel tout cela repose.

Le consultant en technologie Srinivas Rao⁹ va jusqu’à affirmer qu’une grande partie de ces applications, supposément révolutionnaires, ne sont que des wrappers posées sur des modèles d’IA existants tels que ChatGPT. Autrement dit, les startups ne développent souvent aucune innovation propre, mais s’appuient massivement sur des API fournies par OpenAI, elles-mêmes hébergées sur les serveurs cloud Azure de Microsoft, qui utilisent les microprocesseurs Nvidia. Cette chaîne de dépendance fomente un système économique fragile, dans lequel des startups surévaluées vendent à prix fort des services que les utilisateurs pourraient recréer eux-mêmes en accédant directement aux APIs. Un miroir aux alouettes ! Il y a donc fort à parier qu’un jour les investisseurs se rendent compte de l’arnaque, ce qui pourrait entrainer une explosion de la bulle spéculative. Car, en réalité, ces wrappers ne possèdent aucune propriété intellectuelle spécifique. Ce n’est qu’un simulacre d’innovation qui cache la répétition hégémonique de quelques modèles dominants d’IA.

^{L’open source sans sources}

Ne peut-on pas imaginer trouver dans l’open source une solution ? Sans doute. Mais soyons clair, pour qu’un modèle d’IA soit véritablement en open source, il faut nécessairement avoir accès (1) aux données d’entrainement et d’évaluation, (2) au code, (3) à l’architecture du modèle et (4) aux poids du modèle. En ce qui concerne DeepSeek, seuls les points (3) et (4) sont rendus accessibles. En ce qui concerne ChatGPT, il faudra se satisfaire de (4). Est-ce que cela concrétise l’open source ? Absolument pas. Que ce soit DeepSeek, Mistral ou Llama, actuellement considérées comme des IA open sources, elles nous offrent (dans leur infinie générosité) parfois (2) le code de déploiement, (3) les schémas de structure du modèle et (4) les poids du modèle. Ce sont des éléments qui permettent de réutiliser un modèle d’IA sans pour autant qu’il puisse être aussi performant que l’original. Car il manque l’essentiel (1) : les données d’entrainement. En fait, ce phénomène de mise à disposition open source pourrait accélérer le processus de spéculation du marché des wrappers, en ajoutant des clones aux piètres performances dans le marché de l’innovation.

Le marché spéculatif semble avoir engagé une nouvelle forme de clonage des IA qui pourrait s’accélérer grâce à l’open source sans sources. Aussi le nerf de la guerre reste, pour profiter de cette fenêtre d’ouverture vers les creative commons, celui de la réappropriation des données et des systèmes d’IA. Le projet pilote de « portefeuille de données¹⁰ » porté par le Brésil, permettant à chaque utilisateur d’être rémunéré pour l’exploitation de ses données personnelles, permettra de voir si ce genre d’initiative ne conduit pas encore une fois à exploiter encore davantage les plus démunis, contraints de vendre leurs données (notamment biométriques) pour un maigre revenu de survie. Mais il est possible également que cela permette de rendre visible l’exploitation actuelle des données et d’engager une bataille juridique pour réévaluer les activités cognitives en ligne en vue de créer un revenu d’existence individuel, universel, inconditionnel et cumulable¹¹.

Quoi qu’il en soit, nous devons plus que jamais oser penser et pratiquer collectivement l’autogestion des données, trouver des leviers d’action, des alliances transversales entre codeurs, artistes, juristes, citoyens, travailleurs, chercheurs, pour concrétiser l’idée des communs du numérique contre l’hégémonie culturelle et les monopoles économiques. À quoi bon une énième charte éthique ou un moratoire sur l’IA ? Ce que nous voulons désormais, c’est bel et bien renverser la table du destin contre ce dispositif de vol systémique opéré par les géants du numérique. Les multitudes, qui s’opposent à cette expropriation et exploitation totalisante de nos cultures et de nos mondes humains, ont la tâche à venir de libérer les forces actives et créatives de l’intelligence collective du joug cognitif des géants de la tech. La réappropriation de nos données, de notre patrimoine immatériel, de notre mémoire numérique et de nos IA est une ligne de fuite aux sources de l’open source, vers une créativité collective toujours à refaire et à réinventer ensemble.

A lire plus tard