Comment on travaille

Un outil qui prétend servir les travailleurs doit être fabriqué d'une façon que les travailleurs pourraient accepter. Voici les règles que le projet s'impose, des textes dont il apprend jusqu'aux personnes qui font le travail.

Chaque source est tracée

Ce dont un modèle apprend décide de ce qu'il est. Chaque texte qui entre dans le corpus est donc documenté, et le registre est public.

  • Un texte n'entre que si sa licence permet clairement de publier le modèle sous AGPL. Dans le doute, il reste dehors.
  • Chaque décision d'admettre ou de refuser un texte porte le nom déclaré de la personne qui l'a prise. Un texte ne sert à l'entraînement que si quelqu'un l'a admis et que personne ne l'a refusé.
  • Quand un auteur dit que son œuvre ne doit pas servir à l'entraînement, ce souhait est respecté.
  • Effacement sur demande : une demande admise retire le passage du dépôt de textes, et tous les corpus suivants sont construits sans lui.
  • Pas de distillation. Les modèles sont entraînés de zéro, sans aucune sortie du modèle d'une autre entreprise dans les données et sans modèle de base existant.
  • La provenance voyage avec le modèle : chaque dossier de modèle nomme chaque texte dont il a appris, avec son crédit et sa licence.

L'entraînement ne prend que ce qu'il faut

Le calcul et l'énergie sont des ressources partagées. Un modèle commun ne vaut pas qu'on les gaspille.

  • Le premier modèle est petit. Les plus grands ne viennent que quand les petits ont montré ce qui marche.
  • Aucun entraînement ne va au-delà du nécessaire, et l'énergie consommée par chacun est publiée.
  • Les recettes et les checkpoints sont publiés, pour que d'autres puissent repartir de là à leur échelle au lieu d'entraîner la même chose une seconde fois.
  • Le calcul public gratuit pour la recherche ouverte passe avant l'achat de matériel.

Celles et ceux qui le construisent sont traités en travailleurs

Une IA bâtie sur du travail exploité contredirait tout ce que défend le projet.

  • Pas de travail gratuit déguisé : le bénévolat est toujours libre et explicite.
  • L'annotation, la modération et les tâches semblables ne sont jamais confiées à des personnes mal payées.
  • Chaque contributeur est crédité, avec son accord, ou reste anonyme s'il le demande.
  • Les salariés ont voix au chapitre : ils sont électeurs dès leur premier jour et, après un ou deux mois, candidats par défaut pour devenir représentants.
  • Chaque rémunération est votée par les représentants, sans que la personne concernée vote, et son montant est publié.

Ce que les gens écrivent leur appartient

Utiliser un outil ne devrait pas vouloir dire le nourrir.

  • Ce que les gens écrivent aux services de l'association ne sert pas à entraîner le modèle.
  • Seule exception, un mode contributeur séparé : un document que la personne signe, et un point d'accès distinct dont on sait que l'accord a été donné.

On utilise ce qu'on construit

L'association travaille avec ses propres outils partout où ils existent, et les répare quand ils ne suffisent pas.

  • Ce site est construit avec le design system de l'association, comme ses applications.
  • Le hub, son chat, tourne sur le harness publié dans Wica.
  • Le corpus vit dans le dépôt de textes de WPT et se relit dans sa propre application web.
  • Aucune application ne dépend d'un service extérieur obligatoire : n'importe qui peut tout héberger.
  • Le travail se fait dans des dépôts publics, et tout ce qui est utile appris en chemin est publié.