Satya Nadella vient de déclencher un conflit public avec les laboratoires mêmes que son entreprise a aidé à bâtir. Le PDG de Microsoft a lancé un avertissement cinglant sur la manière dont les plus grandes entreprises d'IA réécrivent les règles de la propriété des données, et le message a été reçu avec une force inhabituelle. Dans un récent article de blog, Nadella a accusé les laboratoires de pointe, notamment OpenAI et Anthropic, de construire un marché truqué. Ils récoltent des données publiques pour entraîner des modèles massifs, puis déploient leurs conditions d'utilisation pour empêcher quiconque d'apprendre des résultats produits par ces modèles. Le résultat, soutient-il, est un transfert de valeur à sens unique qui oblige les entreprises à payer la facture tout en cédant leurs connaissances propriétaires.
Le double standard de la distillation
Pour comprendre la plainte, il est utile d'examiner la technique que ces laboratoires cherchent si ardemment à bloquer. La distillation est une méthode d'entraînement courante où un modèle plus petit et spécialisé apprend des résultats d'un modèle plus large au lieu d'ingérer du texte brut provenant d'Internet à partir de zéro. Une startup ou une équipe de recherche pourrait soumettre des millions de requêtes à un modèle de pointe, capturer les réponses et utiliser ce signal riche pour entraîner un modèle compact qui s'exécute localement ou répond à un besoin de niche. C'est moins coûteux et beaucoup moins énergivore que de construire un modèle de fondation de toutes pièces.
OpenAI et Anthropic interdisent tous deux cette pratique dans leurs conditions d'utilisation. Lorsqu'ils détectent une distillation systématique, ils la traitent comme une violation. L'application de ces règles cible souvent les rivaux, en particulier les entreprises d'IA basées en Chine, qui sont accusées d'utiliser cette méthode pour combler l'écart de capacités sans égaler les milliards dépensés pour les entraînements originaux.
Nadella a souligné la tension au cœur de cette politique. Ces mêmes laboratoires ont construit leurs modèles phares en parcourant le web ouvert, en extrayant des livres, des forums, des dépôts de code et des articles, le tout sous l'argument juridique que l'entraînement sur des données accessibles au public constitue un usage loyal (fair use). Ils ont exploité les biens communs. Pourtant, ils déploient désormais des barrières juridiques pour empêcher quiconque de traiter les résultats de leurs modèles comme du matériel pédagogique public en retour. « Vous pouvez apprendre de la connaissance ouverte du monde », semblent-ils dire, « mais personne ne peut apprendre de nous. »
Cette asymétrie dépasse le débat académique. Elle établit une hiérarchie où une poignée de fournisseurs d'infrastructure contrôle qui a accès à quoi. Si l'usage loyal justifie leur ingestion de l'intelligence publiée par l'humanité, les résultats de ces modèles commencent à ressembler à un bien commun privatisé. Les concurrents comme les clients sont empêchés de recycler ce signal pour créer de nouveaux outils. Le marché ne profite qu'aux plus grands laboratoires.
Payer deux fois pour sa propre intelligence
Nadella a inventé une expression pour décrire le piège économique qu'il voit se former : le « paradoxe de l'information inversée ». Selon lui, les entreprises paient actuellement l'intelligence artificielle deux fois, et un seul de ces paiements apparaît sur une facture.
Le premier coût est évident. Les entreprises achètent des crédits API, s'abonnent à Copilot ou souscrivent à des licences de services de chatbot. Le second coût est caché. Chaque fois qu'un employé corrige un fait halluciné, évalue une réponse comme utile ou affine un rapport généré, cette action produit ce que Nadella appelle des « résidus » (exhaust). Il s'agit de la trace des corrections, des données de préférence et des journaux d'interaction générés pendant le travail réel.
Ces résidus ne sont pas des débris numériques. Ils contiennent souvent une logique métier durement acquise. Une équipe logistique pourrait solliciter un modèle pour optimiser des itinéraires d'expédition en utilisant des contraintes internes que l'entreprise a mis des années à développer. Un service juridique pourrait corriger de manière itérative le langage d'un contrat jusqu'à ce que le résultat corresponde au style de l'entreprise. Un groupe de recherche pharmaceutique pourrait interroger des données cliniques de manière à révéler des priorités stratégiques. Lorsque ces interactions passent par une API tierce, le fournisseur voit l'intégralité de l'échange. Le modèle apprend à quoi ressemblent les bonnes réponses pour ce domaine spécifique.
Au fil du temps, ce feedback rend le modèle généraliste du fournisseur plus performant sur les tâches exactes pour lesquelles le client l'a engagé. Le fournisseur peut alors se retourner et vendre cette capacité améliorée au concurrent du client, ou lancer un produit adjacent qui imite le flux de travail spécialisé. L'entreprise d'origine a payé des frais d'abonnement, a fait don de son expertise propriétaire et a, de fait, entraîné sa propre concurrence.
Pourquoi l'IA souveraine passe du mot à la mode à la stratégie
La réponse logique à cette fuite consiste à reprendre le contrôle sur la boucle d'apprentissage. L'argument de Nadella est clairement conçu pour positionner Microsoft comme un type de propriétaire différent. Plutôt que d'insister pour que les clients injectent leur intelligence dans une boîte noire centralisée, il plaide pour des environnements où le client conserve les clés.
C'est là que le débat autour de l'IA souveraine prend tout son sens pratique. L'exécution de modèles au sein d'un cloud privé, d'un centre de données sur site ou d'un réseau virtuel étroitement contrôlé signifie que les données d'interaction ne quittent jamais le périmètre de l'organisation. L'entreprise bénéficie toujours des modèles de fondation modernes, mais les poids, les prompts et les données de préférence restent à l'intérieur d'une limite administrée par l'entreprise.
Microsoft a construit son activité cloud Azure précisément autour de cette promesse de déploiements privés et de résidence régionale des données. Dans son message, Nadella a signalé que Microsoft souhaite être la plateforme sur laquelle les entreprises peuvent héberger leur propre entraînement et leur propre inférence sans transférer par inadvertance leur propriété intellectuelle à un fournisseur de modèles distant. L'argument est simple : utilisez une IA puissante, mais conservez vos propres résidus.
D'autres fournisseurs font des déclarations similaires, mais l'intervention de Nadella a un poids supplémentaire en raison du partenariat étroit entre Microsoft et OpenAI. Pour un PDG dont