La principale société savante d’informatique envisage d’ouvrir sa bibliothèque à l’IA

L’Association for Computing Machinery, la plus grande société savante consacrée à l’informatique, réfléchit publiquement à l’accès des grands modèles de langage à sa Digital Library. Un texte d’opinion signé par sa direction dans Communications of the ACM défend cette possibilité, tandis que l’organisation consulte ses auteurs et ses responsables bénévoles. Rien n’est arrêté : l’article précise qu’il expose des opinions et non une politique officielle.

Le raisonnement des partisans tient en quelques lignes. Les systèmes d’IA deviennent une porte d’entrée majeure vers le savoir. Si les décennies de travaux informatiques évalués par les pairs que conserve l’ACM restent hors de leur portée, une question posée à un assistant recevra une réponse construite à partir de blogs, de prépublications et d’autres contenus faciles à collecter. La version scientifique de référence, elle, restera absente. Le texte présente ce risque comme un enjeu de mission plutôt que de revenus. Il rappelle aussi que l’ACM a jusqu’ici privilégié l’intégrité de sa bibliothèque et l’avis de ses auteurs, sans se précipiter pour monétiser les contenus.

Les objections sont tout aussi solides, et de nombreux membres de l’ACM les expriment. Les contrats signés par les auteurs ne prévoyaient pas l’entraînement de modèles. Quant à l’attribution, elle fonctionne mal : après avoir absorbé un article, un modèle ne le cite pas de manière fiable. La visibilité promise pourrait donc ne jamais se concrétiser. Un texte intégré à un corpus d’entraînement ne peut par ailleurs plus en être réellement retiré. L’ACM veut préserver à la fois l’influence du savoir scientifique et son attribution. Pour l’instant, personne n’a démontré qu’il était possible de garantir les deux.

La discussion confond souvent deux dispositifs pourtant très différents. Entraîner un modèle sur un corpus n’a pas les mêmes conséquences que lui permettre d’y effectuer une recherche au moment de répondre. Avec la recherche, la source reste identifiable : le système peut citer un article, fournir un lien et perdre son accès si l’autorisation est retirée. L’entraînement inscrit durablement le texte dans le modèle, sans attribution fiable. Tout dépend donc de la solution qu’envisage réellement l’ACM, une distinction encore trop peu présente dans le débat public.

Ce que cela signifie pour vous : Si vous publiez des travaux universitaires, relisez vos contrats et participez à la consultation. Cette décision pourrait faire école chez d’autres éditeurs. Si vous utilisez l’IA pour vos recherches, retenez surtout que la qualité d’une réponse dépend des documents auxquels le système a légalement eu accès. Un assistant affiche la même assurance après avoir consulté la littérature primaire qu’après avoir lu des commentaires de forum à son sujet, sans vous préciser laquelle des deux situations s’applique. Demander les sources et les ouvrir demeure le contrôle de fiabilité le moins coûteux.

Sources

• Now Is the Time to Give LLMs Access to the ACM Digital Library (Communications of the ACM)
• Now Is the Time to Give LLMs Access to the ACM Digital Library (ACM Digital Library)
• Fil de discussion (Hacker News)