Est-ce que l'IA se sert simplement sur internet ?

Pour qu'un modèle de langage apprenne la langue, il lui faut des textes en quantité que seul internet peut fournir : sites web, forums, encyclopédies, actualités. Des programmes, appelés robots d'indexation, téléchargent automatiquement ces contenus. Les exploitants de sites web peuvent indiquer, dans un fichier nommé robots.txt, qu'ils ne le souhaitent pas. Que tout le monde le respecte est contesté. Dans l'UE, depuis août 2025, les fournisseurs de grands modèles d'IA doivent résumer avec quelles données ils ont entraîné leurs modèles.

La deuxième méthode est la recherche en direct. L'IA lit des pages actuelles et les résume. Cela rend les réponses plus actuelles, mais pas automatiquement plus justes, car elle reprend aussi ce qui figure sur des pages de mauvaise qualité.

Pour les éditeurs, les photographes et les auteurs, cela a des conséquences économiques : leurs contenus sont utilisés sans que les lectrices et lecteurs se rendent sur leur site. Des tribunaux de plusieurs pays s'en occupent.