Intellicum
Le projet d'intellicum est celui d'une agora de co-noèse ouverte à tous ceux qui voudront y coopérer dans des conditions de coopération acceptables et de production utiles. Nous y réfléchissons dans le cadre de l'incubateur citoyen de MontpeLLIA, puis nous tenterons de le tester en logiciels/intelliciels/IA libres.
Ces trois niveaux se déclinant :
- logiciels libres : informatiques
- intelliciels libres : moteurs d'inférence IA individuels
- IA - corpus et modèles : que l'on peut appelles les corpus-models (ou cormods).
|
Le problème principal que l'IA rencontre est une dichotomie conceptuelle entre les corpus secrets et ouverts. Et l'absence de troisième voie "libre" Votre formulation touche un point structurel majeur. Décomposons-le, puis voyons pourquoi la « troisième voie libre » est si difficile à nommer et à instituer.
1. La dichotomie que vous décrivez Corpus secret Corpus ouvert Exemples GPT-4, Gemini, Claude (données non publiées) Common Crawl, Wikipedia, OpenWebText, Pile Régime Propriétaire, captif Licences ouvertes (CC, MIT, ODbL) Contrôle Entreprise / État Communauté, mais souvent gouvernance faible Problème Opacité, non-auditabilité, asymétrie Biais connus, contamination, extraction non consentie Les deux pôles partagent un défaut : le corpus y est traité comme une ressource extractible, soit par un acteur privé, soit par un commun mal défini. Ni l'un ni l'autre n'est véritablement libre au sens fort (liberté des personnes source, des auteurs, des usagers, des chercheurs).
2. Pourquoi il n'y a pas de troisième voie Quelques raisons structurelles :
Économie politique : un corpus véritablement libre coûte cher à constituer, annoter, maintenir, gouverner. Ni le marché (qui veut la rente) ni l'État (qui veut le contrôle) ni le bénévolat (qui s'épuise) ne le financent correctement.
Cadre juridique : le droit d'auteur, le RGPD, les bases de données sui generis rendent toute mise en commun risquée juridiquement. Le « fair use » américain et les exceptions européennes sont trop étroits.
Asymétrie technique : un corpus libre de taille modeste ne permet pas d'entraîner un modèle compétitif. Donc soit on ouvre petit et on reste marginal, soit on ouvre grand et on reproduit les biais du web.
Absence de gouvernance : il n'existe pas d'institution internationale légitime pour arbitrer ce qu'est un corpus « libre, équitable et soutenable ».
Confusion sémantique : « ouvert » (open source, open data), « libre » (logiciel libre), « public » (domaine public), « commun » (Ostrom) ne sont pas synonymes. Le flou empêche la construction d'un régime cohérent.
3. Ce qui existe déjà comme tentatives de troisième voie Data trusts / fiducies de données : gouvernance par les ayants droit (ex. projets autour de la santé, du travail).
Data cooperatives : les personnes sources négocient collectivement l'usage.
Corpus sous licence équitable : ex. Fairly Trained, Dataset Providers Alliance, licences à rémunération.
Commons numériques : Wikipedia, OpenStreetMap, mais limités à des domaines spécifiques.
Corpus souverains : initiatives étatiques (ex. BLOOM, modèles européens) — mais souvent opaques eux aussi.
Aucune de ces voies n'a encore atteint l'échelle, la légitimité et la stabilité nécessaires pour constituer un véritable troisième régime.
4. Comment nommer ce niveau manquant Puisque c'est votre question initiale, voici des candidats :
Corpus commun (au sens d'Elinor Ostrom : ressource partagée avec règles d'accès et de gouvernance).
Corpus sous gouvernance ouverte (open-governed corpus).
Corpus équitable (fair corpus, distinct de FAIR data).
Bien commun informationnel (information commons).
Corpus conventionné (négocié entre parties prenantes).
Troisième régime du corpus — formulation politique, qui assume le vide institutionnel.
Ma préférence, si l'on veut un terme qui tienne : corpus commun gouverné — il combine la dimension commons (Ostrom) et l'exigence de règles explicites, sans présumer que « ouvert » suffit.
5. La question de fond La troisième voie n'est pas d'abord un problème technique ni même juridique : c'est un problème de gouvernance de la chaîne corpus → modèle → usage. Tant qu'on raisonne en termes de « données » à extraire, on reste dans la dichotomie. Il faut raisonner en termes de relation entre personnes sources, curateurs, entraîneurs, usagers — avec des droits et des obligations symétriques.
les initiatives concrètes
Votre intuition sur l'absence de « troisième voie » est confirmée par les résultats : la majorité des initiatives sont soit des coopératives de données (souvent sectorielles et européennes), soit des projets de corpus ouverts (souvent techniques et anglophones). Voici une cartographie des initiatives concrètes qui tentent de construire cette voie alternative.
🏗️ OpenWALDO : Un corpus communautaire gouverné Porté par Gregory Kurtzer (fondateur de Rocky Linux) et sponsorisé par CIQ, OpenWALDO est sans doute l'initiative la plus proche de votre idée de « corpus commun gouverné ». Lancé en août 2026, le projet vise à construire un corpus d'entraînement partagé, open source et communautaire .
Son fonctionnement repose sur une gouvernance transparente : l'index des données vit dans Git, les contributions sont signées via le Developer Certificate of Origin (comme dans l'open source classique), et un AI Bill of Materials assure la traçabilité complète des sources jusqu'au modèle final. L'objectif est de sortir de la duplication massive des efforts de collecte de données tout en garantissant l'auditabilité .
🏛️ Mozilla Data Collective : Une infrastructure de partage équitable Lancé en 2025 et structuré en société à mission basée au Royaume-Uni, Mozilla Data Collective (MDC) se positionne comme une plateforme d'échange de données « pour l'agence humaine et l'échange de valeur équitable » .
MDC ne construit pas un corpus unique, mais fournit l'infrastructure pour que les communautés contrôlent leurs données. Les fonctionnalités clés incluent :
Demande d'accès : les uploaders peuvent exiger que chaque téléchargeur justifie sa demande et l'approuver manuellement .
Paiement et compensation : les datasets peuvent être payants, avec 100 % des frais de licence reversés à l'uploader (MDC ne prend que 5 % au téléchargeur pour couvrir l'infrastructure) .
Accès différencié : un même dataset peut être gratuit pour des étudiants et payant pour une entreprise pharmaceutique, selon les valeurs de l'uploader .
🇪🇺 European Language Data Space (LDS) : Une marketplace souveraine Coordonné par le DFKI et financé par l'UE (8 M€), le LDS est un marché de données linguistiques multilingues. L'objectif est de créer une infrastructure souveraine pour la collecte, le partage et la réutilisation de données langagières européennes, dans un cadre de gouvernance conforme au RGPD et au DGA .
Le projet cible explicitement les fournisseurs de données « fraîches » issues de l'industrie (éditeurs, médias, bibliothèques) qui souhaitent rester en contrôle de l'usage de leurs données, tout en contribuant au développement de LLM européens .
🤝 Initiatives coopératives : Reef Data et Acoda Deux projets illustrent la piste de la coopérative de données comme tiers de confiance :
Reef Data eG (Hambourg, Allemagne) : une coopérative de données adossée à Hamburger Volksbank, qui utilise la blockchain Cardano pour enregistrer de manière immuable et transparente les flux de paiement et de récompenses vers ses membres. L'objectif est que les producteurs de données puissent vérifier directement la répartition de la valeur générée .
Acoda (Bologne, Italie) : un projet du mouvement coopératif italien (Legacoop) pour mettre données et IA au service des territoires. La vision est une « intelligence artificielle sociale » où les données sont partagées de manière mutualiste pour générer des bénéfices diffus dans le welfare, la santé et les services publics locaux .
🏛️ Data Trusts institutionnels : l'exemple d'AEROSEED Porté par Hub One DataTrust (filiale du Groupe ADP) et financé par France 2030 (3,7 M€), AEROSEED est un data trust sectoriel pour les grandes infrastructures (aéroports, gares, ports). Le rôle de Hub One DataTrust est d'agir comme coordinateur neutre pour permettre à des acteurs concurrents (facility management, IoT, IA) de partager des données dans une Data Clean Room, sans exposition des données sensibles, dans un cadre souverain et conforme au RGPD .
📚 Une piste institutionnelle : les « bibliothèques » de données Un rapport de la Mozilla Foundation et de l'Open Infrastructure Initiative explore une piste complémentaire : celle d'institutions de confiance modélées sur les bibliothèques, qui agiraient comme stewards de corpus de haute qualité pour l'IA. Des exemples comme CodeCommons (Software Heritage) ou l'Institutional Data Initiative (Harvard Law School Library) montrent comment des institutions patrimoniales peuvent construire des corpus curatés, établir des normes de réutilisation et servir d'intermédiaires entre les détenteurs de collections et les acteurs de l'IA .
💎 Une synthèse : la « troisième voie » se cherche Le point commun de ces initiatives est qu'elles refusent toutes la dichotomie entre extraction privée et ouverture indistincte. Elles construisent des régimes de gouvernance où les règles d'accès, de compensation et d'usage sont explicites et négociées.
Cependant, la taxonomie académique émergente sur les « AI commons » montre que ces initiatives restent fragmentées, souvent sectorielles (langue, infrastructures, art) et peinent encore à atteindre l'échelle des grands modèles. La « troisième voie libre » existe donc à l'état de prototypes institutionnels, mais elle n'a pas encore produit l'infrastructure mondiale et légitime qui pourrait concurrencer les régimes propriétaires et ouverts de facto.