L’arrivée sur le devant de la scène de Chat GPT et de l’IA générative a suscité beaucoup d’enthousiasme dans de nombreux domaines de l’activité économique. J’ai déjà fait part de mes observations concernant l’attitude des praticiens du droit de la propriété intellectuelle à l’égard de ces technologies, sur la base des échanges qui ont eu lieu lors de la conférence annuelle de l’Association américaine du droit de la propriété intellectuelle (AIPLA).
Alors que la conférence annuelle de l’AIPLA est largement suivie par des praticiens du secteur privé et de l’industrie, je m’intéresse maintenant aux professionnels du transfert de technologie travaillant pour des universités et des instituts de recherche américains.
Curieusement, j’ai l’impression que si les praticiens de ce secteur sont moins enthousiastes quant à l’adoption de l’IA générative dans des activités de base telles que la rédaction et la négociation de contrats ou la rédaction de demandes de brevet, ils utilisent peut-être déjà la technologie plus efficacement dans d’autres domaines de leurs activités quotidiennes.
Le transfert de technologie comporte un aspect promotionnel qui échappe à l’expérience de nombreux professionnels de la propriété intellectuelle, et c’est dans ce domaine que les professionnels du transfert de technologie semblent déjà utiliser l’IA générative à bon escient. L’IA générative fournit un mécanisme efficace pour produire des articles généraux sur des sujets non controversés, ou une première ébauche d’un document, qui peut ensuite être ajustée par un humain qualifié. Les professionnels du transfert de technologie indiquent qu’ils ont développé une expertise sophistiquée en matière d’ingénierie des requêtes pour ces applications et recommandent en particulier de définir soigneusement la forme du résultat requis dans les requêtes, y compris le niveau d’expérience ou d’expertise technique du destinataire, la longueur des phrases et l’incorporation d’un ou, de préférence, de plusieurs exemples de textes dans le style requis. De même, il est suggéré d’inclure des restrictions quant aux sources admissibles de matériel à incorporer dans la réponse, le cas échéant. La disponibilité de plugins pour la génération de présentations Powerpoint dans un style maison défini, ou d’outils graphiques tels que Adobe Firefly, est mentionnée comme particulièrement utile dans ce contexte.
Il a été constaté que les différents outils d’IA générative produisent souvent des résultats de qualité différente pour une requête donnée, même s’ils utilisent la même technologie sous-jacente (par exemple, Chat GPT et Bing), et il est recommandé d’essayer la même requête avec différents outils et de choisir la meilleure réponse. Chat GPT, en particulier, a tendance à adopter un style promotionnel, chantant les louanges du sujet quel qu’il soit, et il est souvent nécessaire d’atténuer cette orientation.
D’autre part, les professionnels du transfert de technologie semblent adopter une position conservatrice sur de nombreux points. Bien que, comme je l’ai indiqué dans mon article précédent, de nombreuses personnes considèrent les restrictions sur la conservation des données par les outils d’IA générative comme la solution miracle pour répondre aux préoccupations en matière de confidentialité, dans le domaine du transfert de technologie, l’attitude générale semble toujours être que toute exposition d’informations confidentielles à une plateforme d’IA générative en ligne est hors de question. Dans la mesure où l’IA générative est utilisée pour générer un texte publié, il est généralement considéré comme approprié de l’indiquer en tant qu’attribution dans le texte. Dans mon article précédent, la disponibilité de grands modèles de langage locaux (LLM) est mentionnée comme une solution à de nombreux problèmes de propriété intellectuelle associés à l’IA générative, en particulier parce qu’ils peuvent utiliser un modèle entièrement open source et fonctionner de manière isolée. Les professionnels du transfert de technologie font état d’une expérience réelle de ces technologies, rendue possible par les ressources techniques des universités ou des organismes de recherche pour lesquels ils travaillent, ou par des plateformes d’hébergement telles que HuggingFace, mais ils restent circonspects quant à l’utilisation de ces outils dans leur travail quotidien, notamment en raison de la provenance inconnue de l’ensemble de données d’entraînement sur lequel le modèle est basé, et des risques en matière de droits d’auteur qui sont perçus comme grandissant.
En conclusion, il semble que, tout en abordant les risques juridiques d’un point de vue différent, les professionnels du transfert de technologie recueillent discrètement des connaissances pratiques qui seront sans aucun doute utiles à l’ensemble du monde de la propriété intellectuelle.