Wikipedia et l’IA : Un mariage de raison et de défis

Dans un monde où l’intelligence artificielle est en pleine expansion, la question de la provenance et de la qualité de ses données d’entraînement devient cruciale. Rémy Gerbet, directeur de Wikimedia France, souligne dans un entretien l’importance capitale de Wikipédia pour le développement des IA, tout en mettant en lumière les enjeux et les défis qui en découlent.

La valeur inestimable de Wikipédia pour l’IA

Wikipédia est une mine d’or de connaissances structurées, vérifiées et multilingues, ce qui en fait une source de données privilégiée pour l’entraînement des modèles d’IA. Sa force réside dans :

• L’accessibilité et la qualité : C’est la plus grande encyclopédie libre et gratuite du monde, maintenue par une communauté de bénévoles passionnés.
• La diversité thématique : Elle couvre une gamme immense de sujets, offrant aux IA une base de connaissances large et équilibrée.
• La structuration des données : Même si elle n’est pas une base de données au sens strict, la manière dont les articles sont organisés, les liens internes et les infoboxs permettent aux IA de facilement extraire des informations contextuelles et relationnelles.
• L’aspect multilingue : Disponible dans des centaines de langues, elle est essentielle pour développer des IA capables de comprendre et de générer du contenu dans diverses langues.

Les défis et les craintes

Malgré cette complémentarité évidente, l’intégration de Wikipédia dans l’écosystème de l’IA n’est pas sans risques ni interrogations :

• La « boîte noire » des IA : Les modèles d’IA, en particulier les grands modèles de langage, sont souvent opaques quant à leurs sources et leurs processus de génération. Cela rend difficile de savoir précisément comment l’information de Wikipédia est utilisée, transformée, ou parfois déformée.
• Le risque de désinformation : Si une IA est mal entraînée ou reproduit des erreurs existantes sur Wikipédia (même si celles-ci sont généralement corrigées rapidement par la communauté), cela peut amplifier la propagation de fausses informations.
• Le modèle économique : Les fondations Wikimedia ne reçoivent pas de rétribution directe pour l’utilisation de leurs contenus par des entreprises multimillionnaires. Cela pose la question de la pérennité et de la reconnaissance du travail colossal des bénévoles.
• La dilution de la marque : Si les IA commencent à générer des contenus qui sont de fait des résumés ou des reformulations d’articles Wikipédia sans citation claire, la source originale risque d’être invisibilisée.

Vers une collaboration plus éthique et transparente ?

Rémy Gerbet insiste sur la nécessité d’une collaboration plus éthique entre les développeurs d’IA et la communauté Wikipédia. Il appelle à :

• La transparence : Les entreprises d’IA devraient clairement indiquer quand leurs modèles utilisent des données de Wikipédia et comment.
• Le respect du travail bénévole : Reconnaître la valeur du travail des contributeurs est essentiel. Des mécanismes de soutien ou de partenariat pourraient être envisagés.
• La réciprocité : Les outils d’IA pourraient à leur tour aider la communauté Wikipédia, par exemple en détectant des vandalismes, en suggérant des améliorations, ou en aidant à la traduction.

En somme, Wikipédia est un pilier fondamental pour l’avancement de l’intelligence artificielle. Il est impératif que cette relation soit construite sur des bases de transparence, d’éthique et de respect mutuel pour que les bénéfices de l’IA puissent s’épanouir sans compromettre la qualité et l’intégrité de la connaissance libre.