Politique de partage et de publication

Pour limiter les risques associés aux contenus générés par IA, nous avons défini la politique suivante en matière de partage autorisé.

En règle générale, vous avez l’autorisation de publier vos propres prompts ou résultats sur les réseaux sociaux, ainsi que de diffuser en direct votre utilisation et de présenter nos produits à des groupes de personnes. Veuillez respecter les règles suivantes :

• Vérifiez manuellement chaque génération avant de la partager et en cours de streaming.
• Partagez le contenu sous votre nom ou celui de votre entreprise.
• Indiquez que le contenu est généré par IA d’une manière claire qui élimine tout risque de confusion.
• Ne partagez aucun contenu qui enfreint notre Politique relative aux contenus⁠⁠ ou qui est susceptible d’offenser d’autres personnes.
• Si vous utilisez des prompts proposés par votre public, faites preuve de bon sens : n’utilisez aucun prompt qui risquerait d’enfreindre notre Politique relative aux contenus⁠⁠.

Si vous souhaitez vérifier si l’équipe OpenAI a connaissance d’un résultat en particulier, contactez-nous par e-mail ou utilisez l’un des outils de signalement de Playground.

• Souvenez-vous que vous interagissez avec un modèle reposant sur des données brutes ; en d’autres termes, nous n’écartons pas les réponses biaisées ou négatives. (Par ailleurs, pour en savoir plus sur la mise en œuvre de notre endpoint Moderation gratuit, cliquez ici⁠⁠(ouverture dans une nouvelle fenêtre))

Les créateurs qui souhaitent publier des contenus écrits propriétaires (p. ex. un livre ou un recueil de nouvelles) qui ont été en partie créés à l’aide de l’API OpenAI ont l’autorisation de le faire aux conditions suivantes :

• Le contenu est publié sous votre nom ou celui de votre entreprise.
• Le rôle joué par l’IA dans la formulation du contenu est indiqué d’une manière claire qui élimine tout risque de confusion, et facile à comprendre pour un lecteur ordinaire.
• Les sujets abordés par le contenus ne sont contraires ni à la Politique relative aux contenus⁠⁠ ni aux Conditions d’utilisation⁠ d’OpenAI ; autrement dit, il ne sont liés à aucun contenu réservé aux adultes, qui constitue un spam, haineux, qui incite à la violence ni à aucun contenu susceptible de porter préjudice à un tiers.
• Nous vous saurions gré de bien vouloir vous abstenir de partager des résultats qui risqueraient d’offenser d’autres personnes.

Par exemple, il est obligatoire de détailler dans un avant-propos ou une introduction (ou une autre section analogue) le rôle joué par la rédaction, la révision, etc. Il convient d’éviter d’amener les gens à penser que les contenus générés par IA sont intégralement générés par un être humain ou entièrement générés par une IA, et c’est à un être humain d’assumer la responsabilité du contenu publié.

Voici quelques suggestions de phrases types à utiliser pour décrire votre processus de création, dans la mesure où elles sont exactes :

À nos yeux, il est important que le monde entier puisse évaluer nos recherches et nos produits, en particulier pour bien les comprendre et pour pouvoir remédier aux points faibles, aux failles de sécurité ou aux biais que nos modèles pourraient présenter. Par conséquent, nous sommes tout à fait favorables à la publication de travaux de recherche relatifs à l’API OpenAI.

• Dans certains cas, il est possible que nous souhaitions mettre en avant vos travaux en interne et/ou en externe.
• Dans d’autres cas, p. ex. si une publication met en avant des problèmes de sécurité ou des usages abusifs de l’API, nous serons peut-être amenés à prendre les mesures nécessaires pour protéger nos utilisateurs.
• Si, dans le cadre vos recherches, vous relevez un problème de sécurité lié à notre API, nous vous prions de bien vouloir le signaler immédiatement via notre programme de signalement coordonné de vulnérabilités⁠⁠.

Il existe plusieurs projets de recherche liés à l’API OpenAI que nous serions ravis de faciliter. Si un accès financé vous intéresse, veuillez remplir une demande d’inscription à notre Programme d’accès réservé aux chercheurs⁠⁠ en détaillant le cas d’usage sur lequel portent vos recherches.

Même si nous attachons beaucoup d’importance, entre autres, aux axes de recherche suivants, vous êtes libre de proposer votre propre thématique :

• Adaptation : Comment définir avec clarté l’objectif poursuivi, le cas échéant, par un modèle ? Comment mieux adapter cet objectif aux préférences de l’humain, par exemple via la conception des prompts ou l’ajustement ?
• Équité et représentation : Comment définir des critères de performance permettant de garantir l’équité et la représentation au sein des modèles de génération de texte ? De quelle manière pouvons-nous améliorer les modèles de génération de texte afin de favoriser l’équité et la représentation dans le cadre de déploiements bien précis ?
• Recherche interdisciplinaire : Comment le développement de l’IA s’appuie sur les données d’autres domaines, p. ex. la philosophie, les sciences cognitives et la sociolinguistique ?
• Interprétabilité et transparence : Comment ces modèles fonctionnent-ils d’un point de vue mécaniste ? Est-il possible d’identifier les concepts qu’ils utilisent, ou d’extraire des connaissances latentes sur lesquelles le modèle s’appuie, d’en tirer des déductions sur la procédure d’entraînement ou de prédire un comportement inattendu ?
• Risque d’abus : De quels abus l’API peut-elle faire l’objet ? Quelle stratégie de type « équipe rouge » pouvons-nous élaborer afin de nous aider et d’aider d’autres développeurs d’IA à déployer ce type de technologies de manière responsable ?
• Exploration du modèle : Les modèles semblables à ceux alimentés par l’API disposent d’un éventail de fonctionnalités dont il reste beaucoup à découvrir. Nous encourageons les enquêtes dans de nombreux domaines, parmi lesquels les limites du modèle, les propriétés linguistiques, le raisonnement de bon sens et les usages potentiels liés à de nombreux autres problèmes.
• Fiabilité : Les capacités des modèles génératifs sont inégales : certaines peuvent s’avérer étonnamment efficaces et d’autres étonnamment défaillantes. Quelle est la résistance des modèles génératifs de grande envergure face aux perturbations « naturelles » du prompt, par exemple la formulation d’une idée identique de différentes manières, avec ou sans erreurs de saisie ? Est-il possible de prévoir les types de domaines et de tâches pour lesquels les grands modèles génératifs ont le plus de chances d’être fiables (ou de ne pas l’être), et de déterminer les liens entre ces performances et les données d’entraînement ? Existe-t-il des techniques permettant de prédire les pires scénarios et d’en limiter les conséquences ? Comment est-il possible de mesurer la fiabilité dans le cadre d’un apprentissage de type few-shot (p. ex. à partir de prompts assez semblables) ? Est-il possible d’entraîner des modèles de sorte qu’ils répondent à des critères de sécurité avec un degré de fiabilité très élevé, même lorsque les prompts sont de nature malveillante ?

Veuillez noter qu’en raison d’un volume élevé de demandes, notre examen prend du temps et les recherches ne bénéficieront pas toutes d’un accès. Nous vous recontacterons uniquement si votre demande a été retenue.