Microsoft a déposé 0,00029 % et 0,73 % à partir des mêmes 8,2 millions de logs de discussion

Microsoft a déposé deux mémoires publics expurgés de jugement sommaire dans In re OpenAI, Inc. Copyright Infringement Litigation le 4 septembre — le document 1690 pour les plaignants du livre, 42 pages, et le document 1698 pour les plaignants de la presse, 46 pages. Les deux analysent la même preuve. Ils aboutissent à des taux qui diffèrent d’un facteur d’environ 2 500.

Le même corpus, deux seuils

Le mémoire sur les livres, à la page 22 : l’expert des plaignants « a examiné 8,2 millions de conversations issues du produit Copilot de Microsoft fondé sur un LLM et a trouvé 24 réponses Copilot contenant 30 mots correspondants … Cela représente un taux de régurgitation de 0,00029 %. Et pour 202 des 212 œuvres revendiquées par les plaignants du livre, Shan n’a constaté aucune régurgitation dans les logs. » Le mémoire sur la presse, à la page 29, sur ces mêmes 8,2 millions : l’expert Tom Goldstein a recherché des correspondances de 16 mots et « n’a pu trouver que 59 545 conversations », ce qui « donne un taux minuscule de 0,73 % de correspondances ». Trente mots contre seize : toute la différence est là.

Le dénominateur que Microsoft récuse puis utilise

Le mémoire sur la presse l’indique clairement : « Les 8,2 millions n’étaient pas aléatoires — il s’agissait des discussions demandées par les plaignants parce qu’elles comportaient des mots-clés impliquant l’utilisation des sites web des plaignants de la presse, et donc les plus susceptibles de contenir des œuvres des plaignants de la presse. » Une page plus loin, il divise par ce nombre pour obtenir 0,73 %. Un taux calculé sur un corpus constitué pour maximiser les résultats est un plancher sur un échantillon enrichi, et non un taux de base du trafic Copilot — et le mémoire formule lui-même les deux volets de cette objection.

Deux fondements qui ne relèvent pas du fair use

Le MDL est présenté comme un combat autour du fair use. Deux des quatre fondements de Microsoft n’en relèvent pas. L’un est une licence implicite tirée de l’absence d’une balise méta : il est demandé un jugement sommaire pour toute réclamation fondée sur des pages web dépourvues de balise NOARCHIVE après septembre 2023. L’autre est un plafond de dommages — les éditeurs ont « droit au plus à une indemnité par numéro, et non par article », parce qu’ils enregistrent les numéros comme des œuvres collectives, en citant Bryant v. Media Right Prods. C’est ce fondement qui détermine si l’exposition se chiffre en millions ou en milliards.

Ce que le cadrage repris ne dit pas correctement

« 24 sur 8,2 millions » a été rapporté isolément. C’est la moitié de ce que Microsoft a déposé le même jour, à partir des mêmes logs. Quelle que soit la valeur montrée au lecteur, la version honnête est que le taux dépend d’un seuil que le tribunal n’a pas encore choisi — et le juge Stein devra en fixer un avant de pouvoir apprécier le troisième critère du fair use. L’expert de Microsoft indique aussi que seulement 1,3 % des utilisateurs finaux utilisent Copilot pour rechercher l’actualité en général.