Oxford et OpenAI : des textes de la Bodleian utilisés pour l’entraînement

LLéna

OpenAI a utilisé pour entraîner ses modèles des textes historiques de la bibliothèque Bodleian d’Oxford, numérisés dans le cadre d’un partenariat avec l’université, d’après The Guardian. Oxford avait annoncé en mars 2025 un partenariat avec OpenAI pour numériser des textes de la bibliothèque et les rendre plus accessibles aux étudiants et aux chercheurs ; des documents internes montrent que les textes numérisés ont aussi alimenté l’entraînement des modèles. En juin 2025, 125 000 images de thèses historiques de la collection Bodleian avaient été transmises à OpenAI, et le chantier avait aussi porté sur de rares recueils de ballades du XVIe siècle ; le chiffre désigne les images de thèses, pas l’ensemble des documents numérisés. L’annonce initiale du partenariat, telle que décrite dans l’article, ne précisait pas que les documents serviraient à entraîner les modèles ; un porte-parole d’Oxford conteste toutefois que cet usage ait été caché et affirme que le projet devait aussi contribuer aux données d’entraînement. Des membres du personnel d’Oxford, dont des membres du comité de gouvernance de la Bodleian, ont exprimé des inquiétudes sur le risque pour la réputation de l’université et sur les conséquences énergétiques du partenariat. Oxford affirme que les documents concernés sont en quantité modeste et relèvent du domaine public ; la bibliothèque conserve les droits sur les scans et prévoit de les publier librement en ligne.