Sélectionner le numéro de "Bases" à afficher

Un écosystème en transition : entre pillage massif, rééquilibrages juridiques et premiers modèles sous droits

---

L'IA générative ne se contente pas de « produire du texte ». Elle recompose le cadre même dans lequel l'information circule, est transformée et prend de la valeur.

Après quelques décennies d'un écosystème hybride, mêlant presse sous droits, bases professionnelles, web ouvert et intermédiation dominante de Google - un nouveau paysage se dessine, où des agents IA, encore largement alimentés par du scraping massif des contenus, souvent dénoncé comme une forme de captation non autorisée par les éditeurs, pourraient à terme fonctionner sur des corpus contractuels négociés.

Mais cette transition est loin d'être accomplie. Nous sommes dans un « entre-deux » instable où se côtoient pillage, litiges, opacité technique et premières tentatives de régulation. Les enjeux sont cruciaux pour les éditeurs, les professionnels de l'info-doc, les journalistes et, plus largement, l'ensemble des usagers.

 D'un écosystème hybride à un accès algorithmique aux contenus

Contrairement à l'idée parfois avancée d'un « avant » dominé par un web ouvert, l'écosystème informationnel qui a précédé l'IA générative était déjà profondément hybride. Une large part des contenus reposait sur des dispositifs sous droits : presse payante, agences, agrégateurs, bases professionnelles.

Cet univers, structuré par des licences et des usages encadrés, était gouverné par des éditeurs, des institutions réglementaires et des professionnels de l'information qui en assuraient la cohérence juridique et documentaire.

À côté de cet espace contractuel existait le web ouvert, un territoire libre d'accès et riche en signaux documentaires, où la traçabilité des pages, l'identification des auteurs, la présence des liens et la possibilité de suivre la circulation des contenus constituaient autant de repères essentiels.

Entre ces deux pôles se tenait Google, une interface quasi incontournable. Son modèle économique basé sur la publicité créait de tensions fortes avec les éditeurs, imposait de nouvelles dépendances économiques et influençait parfois très négativement les stratégies éditoriales. Pourtant, malgré ses effets ambivalents, Google garantissait au moins une certaine forme d'échange : il permettait la visibilité des contenus, générait du trafic vers les sites et participait, même de façon imparfaite, à leur découvrabilité.

Cet ensemble composite, déjà traversé de conflits et d'interdépendances, forme aujourd'hui le socle sur lequel viennent se greffer les recompositions provoquées par l'IA générative.

Un changement de paradigme juridique : l'IA ne copie pas les contenus, elle les ingère

Et c'est là que se situe la rupture. Le débat public se concentre encore sur la notion de « reproduction » des contenus par les modèles d'IA. Or ce cadre ne correspond plus à la réalité technologique. Les systèmes génératifs ne stockent pas des copies d'articles ; ils ingèrent des textes sous forme de représentations vectorielles.

À l’ère des réseaux sociaux, les images circulent à une vitesse folle, souvent sans contexte ni source fiable. Mais grâce à l’OSINT et ses outils accessibles à tous, il devient possible de localiser avec une précision étonnante presque n’importe quelle image diffusée sur Internet.

D’une simple photo de coucher de soleil à une vidéo TikTok, en passant par le décor furtif d’un vlog YouTube, il est aujourd’hui possible de remonter jusqu’à l’endroit exact où l’image a été prise. Cela peut sembler surprenant, voire irréalisable, et pourtant, c’est précisément le rôle et l’objectif des techniques d’OSINT. Pour ceux ou celles qui ne connaissent pas, l’OSINT (Open Source Intelligence) désigne l’ensemble des techniques qui exploitent des données accessibles publiquement : photos, vidéos, bases cartographiques, archives, réseaux sociaux… Parmi ses branches, on retrouve tout simplement la géolocalisation visuelle.

Chaque détail, que ce soit une ombre, un panneau routier ou une façade reconnaissable, peut devenir un indice précieux pour retrouver la localisation exacte. Ainsi, il est possible de déterminer précisément où et quand une image a été prise. Cette discipline, très utilisée par les journalistes d’investigation (comme Bellingcat, un collectif spécialisé dans l’analyse d’images et de vidéos pour enquêter sur des conflits ou crimes de guerre, ou le New York Times Visual Investigations, qui vérifie des faits grâce à l’analyse d’images, de vidéos et de données ouvertes) et par les chercheurs en sécurité, repose sur une combinaison d’outils numériques et de raisonnement logique. Voici trois outils gratuits et puissants qui permettent de localiser tout ce que vous souhaitez sur internet. À vous de tester !

1. Google Earth et Street View : voyager sans bouger

C’est sans doute l’outil le plus connu, il reste une mine d’or pour les enquêtes. Google Earth et sa fonction Street View permettent de comparer un lieu suspecté avec une image ou une vidéo. Un lampadaire, un type de carrelage, une enseigne… il suffit de croiser les détails pour réduire progressivement la zone de recherche. Les journalistes d’investigation l’utilisent régulièrement pour confirmer l’emplacement d’événements de guerre ou de manifestations. Pour le grand public, c’est un formidable moyen de vérifier où a été prise une photo « trop belle pour être vraie ».

Nous avons présenté dans le numéro 440 de BASES (octobre 2025) PubMed.ai et une série d’autres outils situés ou non dans l’écosystème de PubMed, proposant des recherches améliorées à base d’IA, de recherche sémantique ou d’autres outils.

Notre présentation de PubMed.ai reposait sur une analyse précise de son utilisation et de ses fonctionnalités, tout en considérant l’appartenance manifeste de ce produit à l’écosystème PubMed, conformément aux informations obtenues via les informations collectées lors de la préparation de l’article. Cette évidence nous a conduits à ne pas approfondir davantage cet aspect.

À notre décharge, PubMed.ai utilisait la marque PubMed, s’appuyait sur les documents de PubMed et leur indexation (MeSH) pour élaborer les résultats.

Un lecteur de BASES particulièrement attentif nous a alertés, et nous l’en remercions vivement, sur le fait que PubMed.ai n’était pas lié à la NLM et que sa structure était très mystérieuse.

Cela nous a conduits à effectuer une série de recherches complémentaires et également à interroger plusieurs IA.

Les résultats de ces recherches convergent de manière étonnante sur le fait qu’aucune information n’est disponible sur l’entité productrice de PubMed.ai.

En s’intéressant au nom du produit, on note que la marque PUBMED a bien été enregistrée auprès de l’Office américain des brevets et des marques (USPTO) par le ‘U.S. Department Of Health And Human Serv’ (une agence fédérale des États-Unis) et qu’elle reste en vigueur à ce jour.

L’abondante communication de PubMed.ai pouvait laisser penser que ce service avait un accord de licence pour exploiter la marque PubMed. Mais il semblerait que cela ne soit pas le cas puisqu’aucune trace d’un tel accord de licence n’a été trouvée et que la NLM que nous avons interrogée avec insistance a fini par nous répondre brièvement ceci : « No, Pubmed.ai is not a product of NLM. Please check for the .gov domain in a product’s URL to confirm that it is a product of the National Library of Medicine.”

On peut se demander pourquoi aucune action en contrefaçon n’a été engagée, en supposant d’une part que, compte tenu de la position du gouvernement américain à l’égard des institutions scientifiques, cela ne constitue peut-être pas une priorité, et d’autre part que PubMed.ai contribue d’une certaine façon à la « valorisation » de PubMed.

Mais, ce qui est vraiment étrange est qu’il est impossible de trouver la moindre information sur les créateurs/opérateurs de ce site, sur la structure de leur organisation, et sur leur modèle économique.

Nous avons pourtant cherché dans de très nombreuses sources, interrogé plusieurs moteurs d’IA qui tous arrivent à même conclusion : on ne sait rien de cette structure et des sept personnes qui sont supposées l’opérer et qui apparaissent… avec un masque de carnaval sur leur visage.

Quand les professionnels de l’information doivent réinventer leur métier à l’aune de l’intelligence artificielle

Nous avons convié Mathieu Andro à nous partager son parcours et ses perspectives sur l’intégration de l’intelligence artificielle générative dans les pratiques professionnelles, en particulier dans le domaine de la veille informationnelle.

CHRISTEL RONSIN : Mathieu, depuis quand utilisez-vous l’intelligence artificielle générative dans votre métier ?

MATHIEU ANDRO : Avant de parler de l’« IA générative », si l’on inclut des technologies comme l’OCR (Reconnaissance Optique de Caractères) ou la structuration de corpus à partir de langage naturel, alors j’en utilise depuis mes premières expériences de numérisation à la Bibliothèque Sainte-Geneviève. Pour moi, la constitution de corpus numériques a constitué une première étape vers l’IA générative, en préparant le terrain à des traitements automatisés du langage.

La deuxième étape de mon parcours, c’est mon travail à l’INRA, dans le domaine du text mining. J’y structurais de vastes corpus textuels pour produire des cartographies sémantiques, ce qui revient à extraire des modèles de sens à partir du langage naturel. Aujourd’hui, avec les grands modèles de langage, on fait l’inverse : on part du modèle pour produire du texte. Il y a donc une continuité conceptuelle entre ces deux démarches.

Autrement dit, j’ai vu venir cette évolution. À l’époque, nous imaginions déjà la possibilité qu’un jour, des modèles de langage puissent simuler non seulement un style, mais aussi une pensée, voire une manière de philosopher ! C’est pour cela que je me suis lancé sans hésiter dès l’arrivée de ChatGPT : j’y ai vu une concrétisation de ce que j’avais entrevu depuis longtemps.

CR : Par la suite, au sein du réseau de veilleurs des services du Premier Ministre, comment avez-vous utilisé l’intelligence artificielle générative ?

MA : Dès que les outils ont été accessibles, nous les avons expérimentés dans le cadre du réseau. Le premier usage fut la production de résumés et de synthèses automatiques, à partir des corpus de veille. Cela prolongeait nos pratiques antérieures en text mining : extraction d’entités nommées, analyses d’occurrences et de co-occurrences.

Dans notre dernier numéro, nous avons introduit l’offre LexisNexis® en matière d’information brevet, dont l’un des éléments clé est PatentSight® qui propose une méthode d’évaluation de la qualité d’une famille de brevets, basée sur plusieurs indicateurs.

Ces indicateurs sont : la Technology Relevance, basée sur les citations, le Market Coverage, basé sur la couverture pays de la famille de brevets, la combinaison des deux donnant le Competitive Impact, pour une famille de brevets, et la somme des Competitive Impact d’un lot de familles de brevets donnant pour ce lot le Patent Asset Index.

Dans ce numéro de BASES, nous traiterons de la mise en œuvre de ces indicateurs dans une démarche d’évaluation du potentiel d’une famille ou d’un groupe de familles de brevets.

Comme indiqué précédemment, PatentSight® génère divers graphes à partir d’indicateurs, regroupés par défaut dans le « Playbook » selon leur objectif (recherche de licenciés, rachat d’entreprises, gestion de portefeuilles, analyse concurrentielle, etc.). L’interface permet aussi à l’utilisateur de créer des graphes adaptés à ses besoins.

Examinons donc quelques exemples de graphes produits par PatentSight®, et les enseignements que l’on peut en déduire. Nous allons le faire en prenant des questions très basiques que peut se poser une entreprise.

Que vaut exactement mon portefeuille ?

C’est une question clé, sur laquelle il n’est pas toujours aisé d’avoir une bonne vision.

PatentSight® propose plusieurs modes d’affichage qui s’appliquent aussi bien aux portefeuilles complets - dans le cas où l’on veut comparer son portefeuille à celui de ses concurrents - ou aux familles de brevets individuelles de son propre portefeuille, dans le cas où l’on veut comparer les valeurs relatives de chacune de ses familles de brevets les unes par rapport aux autres.

Dans l’exemple ci-dessous, on analyse les familles d’un portefeuille en fonction du Competitive Impact, du Market Coverage et de la durée de vie restante à la famille.

Une famille se distingue, celle correspondant à EP1234567 (Competitive Impact) et Market Coverage élevés, encore 13,6 ans de durée de vie restante (le graphe est réel, mais nous avons anonymisé les numéros).

L’arrivée de PubMed.ai s’inscrit dans un écosystème en pleine expansion d’outils d’intelligence artificielle dédiés à l’exploration de la littérature scientifique biomédicale. Face à ces innovations technologiques, les enjeux demeurent la sélection rigoureuse des sources et la fiabilité des réponses par rapport aux pratiques manuelles traditionnelles supervisées par des experts humains.

Une concurrence féroce dans l’IA biomédicale

Peu après le lancement remarqué d’Embase AI par Elsevier, la NCBI (National Center for Biotechnology Information) a riposté en déployant PubMed.ai en version bêta. Cet outil propose des résumés générés par IA et des analyses synthétiques.

Cependant, face au déluge de références bibliographiques, ces solutions représentent-elles véritablement l’assistant idéal pour les chercheurs, ou constituent-elles plutôt un mirage technologique ?

La mortalité élevée des outils spécialisés

L’histoire récente révèle une hécatombe d’outils alors prometteurs : AskMEDLINE lancé en 2004 par la NLM), Semantic MEDLINE (NLM 2011-12), et FACTA+ (Université de Tokyo - 2023)… Nombreux sont ceux qui ont disparu avec l’évolution technologique accélérée. Parmi les survivants comme LitVar ou LitSense, lesquels parviendront à révolutionner la recherche sur les variants génétiques sans sombrer dans l’oubli ?

Le défi de la fiabilité : IA versus expertise humaine

Des outils comme PubTator3 aux bases de données spécialisées telles que Trip Database ou la Cochrane Library, l’intelligence artificielle excelle dans l’extraction automatisée de gènes, maladies et relations. Néanmoins, les biais algorithmiques et les sélections approximatives constituent des menaces réelles.

L’introduction de cette nouvelle technologie menace-t-elle la traditionnelle médecine fondée sur les preuves ? Vient-elle piéger les professionnels en quête de vérité scientifique solide ?

PubMed.ai : quelles fonctionnalités et quel positionnement ?

Comme mentionné plus haut, la NCBI, organisme dépendant de la National Library of Medicine et producteur de PubMed, a récemment annoncé le lancement en version bêta de PubMed.ai. Cette annonce, qui coïncide avec le déploiement d’Embase AI par Elsevier, révèle une stratégie concurrentielle évidente.

PubMed.ai propose une approche classique, mais structurée. Après la formulation d’une question en langage naturel, le système génère plusieurs éléments de réponse :

• Un « Result Summary » : une synthèse initiale des résultats
• « AI Research Co-Pilot » : un texte comprenant une introduction et des analyses clés (Key Insights) référençant chacune un document source
• Une « Conclusion » : une synthèse finale
• Une « Literature List » : jusqu’à plus de 1 500 références bibliographiques accessibles

L’outil propose également la génération gratuite de rapports détaillés envoyés par courriel, qui offrent une analyse plus approfondie que les Key Insights. Un chatbot, destiné à être perfectionné ultérieurement, permet d’approfondir l’interrogation.