À l’heure où tous les mastodontes du numérique, GAFAM comme instituts de recherche comme nouveaux entrants financés par le capital risque se mettent à publier des modèles en masse (la plateforme Hugging Face a ainsi dépassé le million de modèles déposés le mois dernier), la question du caractère « open-source » de l’IA se pose de plus en plus.

Ainsi, l’Open Source Initiative (OSI) vient de publier une première définition de l’IA Open-Source, et la Linux Foundation (dont le nom peut prêter à confusion, mais qui ne représente surtout qu’une oligarchie d’entreprises du secteur) s’interroge également sur le terme.

Au milieu de tout cela, OpenAI devient de manière assez prévisible de moins en moins « open », et si Zuckerberg et Meta s’efforcent de jouer la carte de la transparence en devenant des hérauts de l’« IA Open-Source », c’est justement l’OSI qui leur met des bâtons dans les roues en ayant une vision différente de ce que devrait être une IA Open-Source, avec en particulier un pré-requis plus élevé sur la transparence des données d’entraînement.

Néanmoins, la définition de l’OSI, si elle embête un peu certaines entreprises, manque selon la personne ayant écrit ce billet (dont le pseudo est « tante ») d’un élément assez essentiel, au point qu’elle se demande si « l’IA open source existe-t-elle vraiment ? ».

Note : L’article originel a été publié avant la sortie du texte final de l’OSI, mais celui-ci n’a semble t-il pas changé entre la version RC1 et la version finale.

L’IA Open Source existe-t-elle vraiment ?

Par tante, sous licence CC BY-SA (article originel).
Une traduction Framalang par tcit et deux contributeur·ices anonymes.
Photo de la bannière par Robert Couse-Baker.

L’Open Source Initiative (OSI) a publié la RC1 (« Release Candidate 1 » signifiant : cet écrit est pratiquement terminé et sera publié en tant que tel à moins que quelque chose de catastrophique ne se produise) de la « Définition de l’IA Open Source ».

D’aucuns pourraient se demander en quoi cela est important. Plein de personnes écrivent sur l’IA, qu’est-ce que cela apporte de plus ? C’est la principale activité sur LinkedIn à l’heure actuelle. Mais l’OSI joue un rôle très particulier dans l’écosystème des logiciels libres. En effet, l’open source n’est pas seulement basé sur le fait que l’on peut voir le code, mais aussi sur la licence sous laquelle le code est distribué : Vous pouvez obtenir du code que vous pouvez voir mais que vous n’êtes pas autorisé à modifier (pensez au débat sur la publication récente de celui de WinAMP). L’OSI s’est essentiellement chargée de définir parmi les différentes licences utilisées partout lesquelles sont réellement « open source » et lesquelles sont assorties de restrictions qui sapent cette idée.

C’est très important : le choix d’une licence est un acte politique lourd de conséquences. Elle peut autoriser ou interdire différents modes d’interaction avec un objet ou imposer certaines conditions d’utilisation. La célèbre GPL, par exemple, vous permet de prendre le code mais vous oblige à publier vos propres modifications. D’autres licences n’imposent pas cette exigence. Le choix d’une licence a des effets tangibles.

Qu’est-ce qui fait qu’une chose est « open source » ? L’OSI en dresse une courte liste. Vous pouvez la lire rapidement, mais concentrons-nous sur le point 2 : le code source :

Le programme doit inclure le code source et doit permettre la distribution du code source et de la version compilée. Lorsqu’une quelconque forme d’un produit n’est pas distribuée avec le code source, il doit exister un moyen bien connu d’obtenir le code source pour un coût de reproduction raisonnable, de préférence en le téléchargeant gratuitement sur Internet. Le code source doit être la forme préférée sous laquelle un programmeur modifierait le programme. Le code source délibérément obscurci n’est pas autorisé. Les formes intermédiaires telles que la sortie d’un préprocesseur ou d’un traducteur ne sont pas autorisées.
Open Source Initiative

Pour être open source, un logiciel doit donc être accompagné de ses sources. D’accord, ce n’est pas surprenant. Mais les rédacteurs ont vu pas mal de conneries et ont donc ajouté que le code obfusqué (c’est-à-dire le code qui a été manipulé pour être illisible) ou les formes intermédiaires (c’est-à-dire que vous n’obtenez pas les sources réelles mais quelque chose qui a déjà été traité) ne sont pas autorisés. Très bien. C’est logique. Mais pourquoi les gens s’intéressent-ils aux sources ?

Les sources de la vérité

L’open source est un phénomène de masse relativement récent. Nous avions déjà des logiciels, et même certains pour lesquels nous ne devions pas payer. À l’époque, on les appelait des « Freeware », des « logiciels gratuits ». Les freewares sont des logiciels que vous pouvez utiliser gratuitement mais dont vous n’obtenez pas le code source. Vous ne pouvez pas modifier le programme (légalement), vous ne pouvez pas l’auditer, vous ne pouvez pas le compléter. Mais il est gratuit. Et il y avait beaucoup de cela dans ma jeunesse. WinAMP, le lecteur audio dont j’ai parlé plus haut, était un freeware et tout le monde l’utilisait. Alors pourquoi se préoccuper des sources ?

Pour certains, il s’agissait de pouvoir modifier les outils plus facilement, surtout si le responsable du logiciel ne travaillait plus vraiment dessus ou commençait à ajouter toutes sortes de choses avec lesquelles ils n’étaient pas d’accord (pensez à tous ces logiciels propriétaires que vous devez utiliser aujourd’hui pour le travail et qui contiennent de l’IA derrière tous les autres boutons). Mais il n’y a pas que les demandes de fonctionnalités. Il y a aussi la confiance.

Lorsque j’utilise un logiciel, je dois faire confiance aux personnes qui l’ont écrit. Leur faire confiance pour qu’ils fassent du bon travail, pour qu’ils créent des logiciels fiables et robustes. Qu’ils n’ajoutent que les fonctionnalités décrites dans la documentation et rien de caché, de potentiellement nuisible.

Les questions de confiance sont de plus en plus importantes, d’autant plus qu’une grande partie de notre vie réelle repose sur des infrastructures numériques. Nous savons tous que nos infrastructures doivent comporter des algorithmes de chiffrement entièrement ouverts, évalués par des pairs et testés sur le terrain, afin que nos communications soient à l’abri de tout danger.

L’open source est – en particulier pour les systèmes et infrastructures critiques – un élément clé de l’établissement de cette confiance : Parce que vous voulez que (quelqu’un) soit en mesure de vérifier ce qui se passe. On assiste depuis longtemps à une poussée en faveur d’une plus grande reproductibilité des processus de construction. Ces processus de compilation garantissent essentiellement qu’avec le même code d’entrée, on obtient le même résultat compilé. Cela signifie que si vous voulez savoir si quelqu’un vous a vraiment livré exactement ce qu’il a dit, vous pouvez le vérifier. Parce que votre processus de construction créerait un artefact identique.

Bien entendu, tout le monde n’effectue pas ce niveau d’analyse. Et encore moins de personnes n’utilisent que des logiciels issus de processus de construction reproductibles – surtout si l’on considère que de nombreux logiciels ne sont pas compilés aujourd’hui. Mais les relations sont plus nuancées que le code et la confiance est une relation : si vous me parlez ouvertement de votre code et de la manière dont la version binaire a été construite, il me sera beaucoup plus facile de vous faire confiance. Savoir ce que contient le logiciel que j’exécute sur la machine qui contient également mes relevés bancaires ou mes clés de chiffrement.

Mais quel est le rapport avec l’IA ?

Les systèmes d’IA et les 4 libertés

Les systèmes d’IA sont un peu particuliers. En effet, les systèmes d’IA – en particulier les grands systèmes qui fascinent tout le monde – ne contiennent pas beaucoup de code par rapport à leur taille. La mise en œuvre d’un réseau neuronal se résume à quelques centaines de lignes de Python, par exemple. Un « système d’IA » ne consiste pas seulement en du code, mais en un grand nombre de paramètres et de données.

Un LLM moderne (ou un générateur d’images) se compose d’un peu de code. Vous avez également besoin d’une architecture de réseau, c’est-à-dire de la configuration des neurones numériques utilisés et de la manière dont ils sont connectés. Cette architecture est ensuite paramétrée avec ce que l’on appelle les « poids » (weights), qui sont les milliards de chiffres dont vous avez besoin pour que le système fasse quelque chose. Mais ce n’est pas tout.

Pour traduire des syllabes ou des mots en nombres qu’une « IA » peut consommer, vous avez besoin d’une intégration, une sorte de table de recherche qui vous indique à quel « jeton » (token) correspond le nombre « 227 ». Si vous prenez le même réseau neuronal mais que vous lui appliquez une intégration différente de celle avec laquelle il a été formé, tout tomberait à l’eau. Les structures ne correspondraient pas.

Ensuite, il y a le processus de formation, c’est-à-dire le processus qui a créé tous les « poids ». Pour entraîner une « IA », vous lui fournissez toutes les données que vous pouvez trouver et, après des millions et des milliards d’itérations, les poids commencent à émerger et à se cristalliser. Le processus de formation, les données utilisées et la manière dont elles le sont sont essentiels pour comprendre les capacités et les problèmes d’un système d’apprentissage automatique : si vous voulez réduire les dommages dans un réseau, vous devez savoir s’il a été formé sur Valeurs Actuelles ou non, pour donner un exemple.

Et c’est là qu’est le problème.

L’OSI « The Open Source AI Definition – 1.0-RC1 » exige d’une IA open source qu’elle offre quatre libertés à ses utilisateurs :

1. Utiliser le système à n’importe quelle fin et sans avoir à demander la permission.
2. Étudier le fonctionnement du système et inspecter ses composants.
3. Modifier le système dans n’importe quel but, y compris pour changer ses résultats.
4. Partager le système pour que d’autres puissent l’utiliser, avec ou sans modifications, dans n’importe quel but.

Jusqu’ici tout va bien. Cela semble raisonnable, n’est-ce pas ? Vous pouvez inspecter, modifier, utiliser et tout ça. Génial. Tout est couvert dans les moindre détails, n’est-ce pas ? Voyons rapidement ce qu’un système d’IA doit offrir. Le code : Check. Les paramètres du modèle (poids, configurations) : Check ! Nous sommes sur la bonne voie. Qu’en est-il des données ?

Informations sur les données : Informations suffisamment détaillées sur les données utilisées pour entraîner le système, de manière à ce qu’une personne compétente puisse construire un système substantiellement équivalent. Les informations sur les données sont mises à disposition dans des conditions approuvées par l’OSI.

En particulier, cela doit inclure (1) une description détaillée de toutes les données utilisées pour la formation, y compris (le cas échéant) des données non partageables, indiquant la provenance des données, leur portée et leurs caractéristiques, la manière dont les données ont été obtenues et sélectionnées, les procédures d’étiquetage et les méthodes de nettoyage des données ; (2) une liste de toutes les données de formation accessibles au public et l’endroit où les obtenir ; et (3) une liste de toutes les données de formation pouvant être obtenues auprès de tiers et l’endroit où les obtenir, y compris à titre onéreux.
Open Source Initiative

Que signifie « informations suffisamment détaillées » ? La définition de l’open source ne parle jamais de « code source suffisamment détaillé ». Vous devez obtenir le code source. Tout le code source. Et pas sous une forme obscurcie ou déformée. Le vrai code. Sinon, cela ne veut pas dire grand-chose et ne permet pas d’instaurer la confiance.

La définition de l’« IA Open Source » donnée par l’OSI porte un grand coup à l’idée d’open source : en rendant une partie essentielle du modèle (les données d’entraînement) particulière de cette manière étrange et bancale, ils qualifient d’« open source » toutes sortes de choses qui ne le sont pas vraiment, sur la base de leur propre définition de ce qu’est l’open source et de ce à quoi elle sert.

Les données d’apprentissage d’un système d’IA font à toutes fins utiles partie de son « code ». Elles sont aussi pertinentes pour le fonctionnement du modèle que le code littéral. Pour les systèmes d’IA, elles le sont probablement encore plus, car le code n’est qu’une opération matricielle générique avec des illusions de grandeur.

L’OSI met une autre cerise sur le gâteau : les utilisateurs méritent une description des « données non partageables » qui ont été utilisées pour entraîner un modèle. Qu’est-ce que c’est ? Appliquons cela au code à nouveau : si un produit logiciel nous donne une partie essentielle de ses fonctionnalités simplement sous la forme d’un artefact compilé et nous jure ensuite que tout est totalement franc et honnête, mais que le code n’est pas « partageable », nous n’appellerions pas ce logiciel « open source ». Parce qu’il n’ouvre pas toutes les sources.

Une « description » de données partiellement « non partageables » vous aide-t-elle à reproduire le modèle ? Non. Vous pouvez essayer de reconstruire le modèle et il peut sembler un peu similaire, mais il est significativement différent. Cela vous aide-t-il d’« étudier le système et d’inspecter ses composants » ? Seulement à un niveau superficiel. Mais si vous voulez vraiment analyser ce qu’il y a dans la boîte de statistiques magiques, vous devez savoir ce qu’il y a dedans. Qu’est-ce qui a été filtré exactement, qu’est-ce qui est entré ?

Cette définition semble très étrange venant de l’OSI, n’est-ce pas ? De toute évidence, cela va à l’encontre des idées fondamentales de ce que les gens pensent que l’open source est et devrait être. Alors pourquoi le faire ?

L’IA (non) open source

Voici le truc. À l’échelle où nous parlons aujourd’hui de ces systèmes statistiques en tant qu’« IA », l’IA open source ne peut pas exister.

De nombreux modèles plus petits ont été entraînés sur des ensembles de données publics explicitement sélectionnés et organisés. Ceux-ci peuvent fournir toutes les données, tout le code, tous les processus et peuvent être appelés IA open-source. Mais ce ne sont pas ces systèmes qui font s’envoler l’action de NVIDIA.

Ces grands systèmes que l’on appelle « IA » – qu’ils soient destinés à la génération d’images, de texte ou multimodaux – sont tous basés sur du matériel acquis et utilisé illégalement. Parce que les ensembles de données sont trop volumineux pour effectuer un filtrage réel et garantir leur légalité. C’est tout simplement trop.

Maintenant, les plus naïfs d’entre vous pourraient se demander : « D’accord, mais si vous ne pouvez pas le faire légalement, comment pouvez-vous prétendre qu’il s’agit d’une entreprise légitime ? » et vous auriez raison, mais nous vivons aussi dans un monde étrange où l’espoir qu’une innovation magique et / ou de l’argent viendront de la reproduction de messages Reddit, sauvant notre économie et notre progrès.

L’« IA open source » est une tentative de « blanchir » les systèmes propriétaires. Dans leur article « Repenser l’IA générative open source : l’openwashing et le règlement sur l’IA de l’UE », Andreas Liesenfeld et Mark Dingemanse ont montré que de nombreux modèles d’IA « Open-Source » n’offrent guère plus que des poids de modèles ouverts. Signification : Vous pouvez faire fonctionner la chose mais vous ne savez pas vraiment ce que c’est.

Cela ressemble à quelque chose que nous avons déjà eu : c’est un freeware. Les modèles open source que nous voyons aujourd’hui sont des blobs freeware propriétaires. Ce qui est potentiellement un peu mieux que l’approche totalement fermée d’OpenAI, mais seulement un peu.

Certains modèles proposent des fiches de présentation du modèle ou d’autres documents, mais la plupart vous laissent dans l’ignorance. Cela s’explique par le fait que la plupart de ces modèles sont développés par des entreprises financées par le capital-risque qui ont besoin d’une voie théorique vers la monétisation.

L’« open source » est devenu un autocollant comme le « Commerce équitable », quelque chose qui donne l’impression que votre produit est bon et digne de confiance. Pour le positionner en dehors du diabolique espace commercial, en lui donnant un sentiment de proximité. « Nous sommes dans le même bateau » et tout le reste. Mais ce n’est pas le cas. Nous ne sommes pas dans le même bateau que Mark fucking Zuckerberg, même s’il distribue gratuitement des poids de LLM parce que cela nuit à ses concurrents. Nous, en tant que personnes normales vivant sur cette planète qui ne cesse de se réchauffer, ne sommes avec aucune de ces personnes.

Mais il y a un autre aspect à cette question, en dehors de redorer l’image des grands noms de la technologie et de leurs entreprises. Il s’agit de la légalité. Au moins en Allemagne, il existe des exceptions à certaines lois qui concernent normalement les auteurs de LLM : si vous le faites à des fins de recherche, vous êtes autorisé à récupérer pratiquement n’importe quoi. Vous pouvez ensuite entraîner des modèles et publier ces poids, et même s’il y a des contenus de Disney là-dedans, vous n’avez rien à craindre. C’est là que l’idée de l’IA open source joue un rôle important : il s’agit d’un moyen de légitimer un comportement probablement illégal par le biais de l’openwashing : en tant qu’entreprise, vous prenez de l’« IA open source » qui est basée sur tous les éléments que vous ne seriez pas légalement autorisé à toucher et vous l’utilisez pour construire votre produit. Faites de l’entraînement supplémentaire avec des données sous licence, par exemple.

L’Open Source Initiative a attrapé le syndrome FOMO (N.d.T : Fear of Missing Out) – tout comme le jury du prix Nobel. Elle souhaite également participer à l’engouement pour l’« IA ».

Mais pour les systèmes que nous appelons aujourd’hui « IA », l’IA open source n’est pas possible dans la pratique. En effet, nous ne pourrons jamais télécharger toutes les données d’entraînement réelles.

« Mais tante, nous n’aurons jamais d’IA open source ». C’est tout à fait exact. C’est ainsi que fonctionne la réalité. Si vous ne pouvez pas remplir les critères d’une catégorie, vous n’appartenez pas à cette catégorie. La solution n’est pas de changer les critères. C’est comme jouer aux échecs avec les pigeons.

Le flou entretenu entre open source et libre, déjà ancien et persistant dans l’industrie des technologies de l’information, revêt une nouvelle importance maintenant que les entreprises se lancent dans la course aux IA…
Explications, décantation et clarification par Stéphane Bortzmeyer, auquel nous ouvrons bien volontiers nos colonnes.

Vous le savez, les grands modèles de langage (ou LLM, pour « Large Language Model ») sont à la mode. Ces mécanismes, que le marketing met sous l’étiquette vague et sensationnaliste d’IA (Intelligence Artificielle), ont connu des progrès spectaculaires ces dernières années.
Une de leurs applications les plus connues est la génération de textes ou d’images. L’ouverture au public de ChatGPT, en novembre 2022, a popularisé cette application. Chaque grande entreprise de l’informatique sort désormais son propre modèle, son propre LLM.
Il faut donc se distinguer du concurrent et, pour cela, certains utilisent des arguments qui devraient plaire aux lecteurs et lectrices du Framablog, en affirmant que leur modèle est (en anglais dans le texte) « open source ». Est-ce vrai ou bien est-ce du « libre-washing » ?
Et qu’est-ce que cela veut dire pour cet objet un peu particulier qu’est un modèle de langage ?

Source ouverte ?

Traitons d’abord un cas pénible mais fréquent : que veut dire « open source » ? Le terme désigne normalement l’information qui est librement disponible. C’est en ce sens que les diplomates, les chercheurs, les journalistes et les espions parlent de ROSO (Renseignement d’Origine en Sources Ouvertes) ou d’OSINT (Open Source Intelligence). Mais, dans le contexte du logiciel, le terme a acquis un autre sens quand un groupe de personnes, en 1998, a décidé d’essayer de remplacer le terme de « logiciel libre », qui faisait peur aux décideurs, par celui d’« open source ». Ils ont produit une définition du terme qu’on peut considérer comme la définition officielle d’« open source ». Il est intéressant de noter qu’en pratique, cette définition est quasiment équivalente aux définitions classiques du logiciel libre et que des phrases comme « le logiciel X n’est pas libre mais est open source » n’ont donc pas de sens. Ceci dit, la plupart des gens qui utilisent le terme « open source » ne connaissent ni l’histoire, ni la politique, ni la définition « officielle » et ce terme, en réalité, est utilisé pour tout et n’importe quoi. On peut donc se dire « open source » sans risque d’être contredit. Je vais donc plutôt me pencher sur la question « ces modèles sont-ils libres ? ».

Grand modèle de langage ?

Le cas du logiciel est désormais bien connu et, sauf grande malhonnêteté intellectuelle, il est facile de dire si un logiciel est libre ou pas. Mais un modèle de langage ? C’est plus compliqué, Revenons un peu sur le fonctionnement d’un LLM (grand modèle de langage). On part d’une certaine quantité de données, par exemple des textes, le « dataset ». On applique divers traitements à ces données pour produire un premier modèle. Un modèle n’est ni un programme, ni un pur ensemble de données. C’est un objet intermédiaire, qui tient des deux. Après d’éventuels raffinements et ajouts, le modèle va être utilisé par un programme (le moteur) qui va le faire tourner et, par exemple, générer du texte. Le moteur en question peut être libre ou pas. Ainsi, la bibliothèque transformers est clairement libre (licence Apache), ainsi que les bibliothèques dont elle dépend (comme PyTorch). Mais c’est le modèle qu’elle va exécuter qui détermine la qualité du résultat. Et la question du caractère libre ou pas du modèle est bien plus délicate.

Notons au passage que, vu l’importante consommation de ressources matérielles qu’utilisent ces LLM, ils sont souvent exécutés sur une grosse machine distante (le mythique « cloud »). Lorsque vous jouez avec ChatGPT, le modèle (GPT 3 au début, GPT 4 désormais) n’est pas téléchargé chez vous. Vous avez donc le service ChatGPT, qui utilise le modèle GPT.

Mais qui produit ces modèles (on verra plus loin que c’est une tâche non triviale) ? Toutes les grandes entreprises du numérique ont le leur (OpenAI a le GPT qui propulse ChatGPT, Meta a Llama), mais il en existe bien d’autres (Bloom, Falcon, etc), sans compter ceux qui sont dérivés d’un modèle existant. Beaucoup de ces modèles sont disponibles sur Hugging Face (« le GitHub de l’IA », si vous cherchez une « catch phrase ») et vous verrez donc bien des références à Hugging Face dans la suite de cet article.  Prenons par exemple le modèle Falcon. Sa fiche sur Hugging Face nous donne ses caractéristiques techniques, le jeu de données sur lequel il a été entrainé (on verra que tous les modèles sont loin d’être aussi transparents sur leur création) et la licence utilisée (licence Apache, une licence libre). Hugging Face distribue également des jeux de données d’entrainement.

Dans cet exemple ci-dessous (trouvé dans la documentation de Hugging Face), on fait tourner le moteur transformers (plus exactement, transformers, plus diverses bibliothèques logicielles) sur le modèle xlnet-base-cased en lui posant la question « Es-tu du logiciel libre ? » :

% python run_generation.py --model_type=xlnet --model_name_or_path=xlnet-base-cased
...
Model prompt >>> Are you free software?
This is a friendly reminder - the current text generation call will exceed the model's predefined maximum length (-1). Depending on the model, you may observe exceptions, performance degradation, or nothing at all.
=== GENERATED SEQUENCE 1 ===
Are you free software? Are you a professional? Are you a Master of Technical Knowledge? Are you a Professional?

Ce modèle, comme vous le voyez, est bien moins performant que celui qui est derrière le service ChatGPT ; je l’ai choisi parce qu’il peut tourner sur un ordinateur ordinaire.

Vous voulez voir du code source en langage Python ? Voici un exemple d’un programme qui fait à peu près la même chose :

from transformers import pipeline

generator = pipeline("text-generation", model="DunnBC22/xlnet-base-cased-finetuned-WikiNeural-PoS") 
print(generator("Are you free software?"))

Le modèle utilisé est un raffinement du précédent, DunnBC22/xlnet-base-cased-finetuned-WikiNeural-PoS. Il produit lui aussi du contenu de qualité contestable([{‘generated_text’: « Are you free software? What ever you may have played online over your days? Are you playing these games? Any these these hours where you aren’t wearing any heavy clothing?) mais, bon, c’est un simple exemple, pas un usage intelligent de ces modèles.

Les LLM n’ont pas de corps (comme Scarlett Johansson dans le film « Her ») et ne sont donc pas faciles à illustrer. Plutôt qu’une de ces stupides illustrations de robot (les LLM n’ont pas de corps, bon sang !), je mets une image d’un chat certainement intelligent. Drew Coffman, CC BY 2.0, via Wikimedia Commons

Que veut dire « libre » pour un LLM ?

Les définitions classiques du logiciel libre ne s’appliquent pas telles quelles. Des entreprises (et les journalistes paresseux qui relaient leurs communiqués de presse sans vérifier) peuvent dire que leur modèle est « open source » simplement parce qu’on peut le télécharger et l’utiliser. C’est très loin de la liberté. En effet, cette simple autorisation ne permet pas les libertés suivantes :

• Connaître le jeu de données utilisé pour l’entrainement, ce qui permettrait de connaitre les choix effectués par les auteurs du modèle (quels textes ils ont retenu, quels textes ils ont écarté) et savoir qui a écrit les textes en question (et n’était pas forcément d’accord pour cette utilisation).
• Connaître les innombrables choix techniques qui ont été faits pour transformer ces textes en un modèle. (Rappelez-vous  : un algorithme, ce sont les décisions de quelqu’un d’autre.)

Sans ces informations, on ne peut pas refaire le modèle différemment (alors que la possibilité de modifier le programme est une des libertés essentielles pour qu’un logiciel soit qualifié de libre). Certes, on peut affiner le modèle (« fine-tuning a pre-trained model », diront les documentations) mais cela ne modifie pas le modèle lui-même, certains choix sont irréversibles (par exemple des choix de censure). Vous pouvez créer un nouveau modèle à partir du modèle initial (si la licence prétendument « open source » le permet) mais c’est tout.

Un exemple de libre-washing

Le 18 juillet 2023, l’entreprise Meta a annoncé la disponibilité de la version 2 de son modèle Llama, et le fait qu’il soit « open source ». Meta avait même convaincu un certain nombre de personnalités de signer un appel de soutien, une initiative rare dans le capitalisme. Imagine-t-on Microsoft faire signer un appel de soutien et de félicitations pour une nouvelle version de Windows ? En réalité, la licence est très restrictive, même le simple usage du modèle est limité. Par exemple, on ne peut pas utiliser Llama pour améliorer un autre modèle (concurrent). La démonstration la plus simple de la non-liberté est que, pour utiliser le modèle Llama sur Hugging Face, vous devez soumettre une candidature, que Meta accepte ou pas (« Cannot access gated repo for url https://huggingface.co/meta-llama/Llama-2-7b/resolve/main/config.json. Access to model meta-llama/Llama-2-7b is restricted and you are not in the authorized list. Visit https://huggingface.co/meta-llama/Llama-2-7b to ask for access. »)

Mais la communication dans l’industrie du numérique est telle que très peu de gens ont vérifié. Beaucoup de commentateurs et de gourous ont simplement relayé la propagande de Meta. Les auteurs de la définition originale d’« open source » ont expliqué clairement que Llama n’avait rien d’« open source », même en étant très laxiste sur l’utilisation du terme. Ceci dit, il y a une certaine ironie derrière le fait que les mêmes personnes, celles de cette Open Source Initiative, critiquent Meta alors même qu’elles avaient inventé le terme « open source » pour brouiller les pistes et relativiser l’importance de la liberté.

Au contraire, un modèle comme Falcon coche toutes les cases et peut très probablement être qualifié de libre.

La taille compte

Si une organisation qui crée un LLM publie le jeu de données utilisé, tous les réglages utilisés pendant l’entrainement, et permet ensuite son utilisation, sa modification et sa redistribution, est-ce que le modèle peut être qualifié de libre ? Oui, certainement, mais on peut ajouter une restriction, le problème pratique. En effet, un modèle significatif (disons, permettant des résultats qui ne sont pas ridicules par rapport à ceux de ChatGPT) nécessite une quantité colossale de données et des machines énormes pour l’entrainement. L’exécution du modèle par le moteur peut être plus économe. Encore qu’elle soit hors de portée, par exemple, de l’ordiphone classique. Si une application « utilisant l’IA » tourne soi-disant sur votre ordiphone, c’est simplement parce que le gros du travail est fait par un ordinateur distant, à qui l’application envoie vos données (ce qui pose divers problèmes liés à la vie privée, mais c’est une autre histoire). Même si l’ordiphone avait les capacités nécessaires, faire tourner un modèle non trivial épuiserait vite sa batterie. Certains fabricants promettent des LLM tournant sur l’ordiphone lui-même (« on-device ») mais c’est loin d’être réalisé.

Mais l’entraînement d’un modèle non trivial est bien pire. Non seulement il faut télécharger des téra-octets sur son disque dur, et les stocker, mais il faut des dizaines d’ordinateurs rapides équipés de GPU (puces graphiques) pour créer le modèle. Le modèle Llama aurait nécessité des milliers de machines et Bloom une bonne partie d’un super-calculateur. Cette histoire de taille ne remet pas en question le caractère libre du modèle, mais cela limite quand même cette liberté en pratique. Un peu comme si on vous disait « vous êtes libre de passer votre week-end sur la Lune, d’ailleurs voici les plans de la fusée ». Le monde du logiciel libre n’a pas encore beaucoup réfléchi à ce genre de problèmes. (Qui ne touche pas que l’IA : ainsi, un logiciel très complexe, comme un navigateur Web, peut être libre, sans que pour autant les modifications soit une entreprise raisonnable.) En pratique, pour l’instant, il y a donc peu de gens qui ré-entrainent le modèle, faisant au contraire une confiance aveugle à ce qu’ils ont téléchargé (voire utilisé à distance).

Conclusion

Pour l’instant, la question de savoir ce que signifie la liberté pour un modèle de langage reste donc ouverte. L’Open Source Initiative a lancé un projet pour arriver à une définition. Je ne connais pas d’effort analogue du côté de la FSF mais plus tard, peut-être ?

After a brief meeting with the first participants the day before, Tuesday will continue with the aim of getting to know each other (arrivals will continue throughout the day due to changes in the itinerary caused by the strike the day before).

Tuesday morning will begin with a visit to the Jewish Cemetery of Berlin-Weißensee, the largest Jewish cemetery in Europe. Nature takes over in this historic place.

In the afternoon we visit a former Stasi prison, Berlin-Hohenschönhausen. This visit made a particularly strong impression on us: the site was created by former prisoners, the prison wasn’t closed until 1990, and many of the people who tortured prisoners were never brought to justice. In short, a dark page of history, but one that needs to be shared (we recommend the visit!)…

The day will end with a convivial meal in a traditional restaurant.

From Wednesday, we were welcomed at the Brillat-Savarin cookery school for our exchanges, workshops and talks.

The first workshop was a round-table discussion in which each participant shared his or her use of and views on social networks, and in particular TikTok, the medium that will be used in the following workshop.

To summarise:

This time of exchange therefore allowed us to see that we share the same values, difficulties and desires when it comes to social media. However, we felt that the ‘one at a time’ format lacked some dynamism in the exchanges and the opportunity for several people to discuss.

Alongside our morning discussions on social media, 2 groups of students from the Brillat-Savarin school worked on a video project. They had to produce a TikTok video (one per group) to show the impact of the European Union (1st group) and climate change (2nd group) on their work as chefs. The videos were shown to us (incredible quality in 2 hours of work!) and then we exchanged views on the topic.

What we took away from this workshop:

It was an interesting experiment, even if the plenary discussions did not allow everyone to participate.

Funded to the tune of €500,000 by Marshall Plan leftovers, Reflect EU&US is a 2-year project (2022-2024) by the Willi Eichler Academy. Its aim? To organise discussions between students outside the university environment, remotely and anonymously.

Points to remember:

From a technical point of view, the platform is based on the OpenTalk tool and was chosen to provide this space for free exchange, with the creation of coloured cards as avatars, making it possible to guarantee the anonymity of the participants. The choice of open source technologies was made specifically with the aim of reassuring participants so that they could exchange in complete peace of mind. This was followed by a live test of the platform with the students (in German, which didn’t allow us to understand everything!).

The afternoon continued with a talk by Peer Heinlein, director of OpenTalk, on « True digital independence and sovereignty are impossible without open source ». You can imagine that we at Framasoft have an opinion on this, even if we don’t feel strongly about it… Discussions with the audience followed on open source software, privacy and data encryption.

The next speaker was Maik Außendorf, representative of the Green Party in the European Parliament. Among other things, we discussed how digital technology can help the ecological transition. We learnt that German parliamentarians do not have a choice when it comes to using digital tools, and that national coherence is difficult to achieve with the decentralised organisation of Germany into Länder.

The study visit ended in a restaurant, where we had the opportunity to talk with a SeaWatch activist, highlighting the common values and reflections of the different organisations (precariousness of associations, the need to propose alternatives to the capitalist world, the need for free and emancipatory digital technologies).

Although the majority of the week was built around plenary workshops, which did not always encourage exchange between participants or spontaneous speaking, the informal times (meals, coffee breaks, walks) made it possible to create these essential moments.

What next for the ECHO network? The second study visit took place in Brussels from 12 to 16 June. A summary article will follow on the Framablog (but as always, we’ll take our time!).

For further information:

• CEMÉA report on the exchange
• Framablog post « Feedback on the ECHO Network opening seminar, January 2023, Paris »

Du 27 au 31 mars 2023, la première visite d’études du projet européen ECHO Network s’est tenue à Berlin. Ce compte rendu retrace cette semaine d’échanges sur la thématique « jeunes, réseaux sociaux et éducation politique », organisée par Willi Eichler Akademy.

Pour rappel, les participant⋅es à l’échange ECHO Network font partie de 7 organisations différentes dans 5 pays d’Europe : Ceméa France, Ceméa Federzione Italia, Ceméa Belgique, Willi Eichler Academy (Allemagne), Solidar Foundation (réseau européen), Centar Za Mirovne Studije (Croatie), Framasoft (France). Cette visite d’études a compté une vingtaine de participant⋅es.

La route est longue jusque Berlin…!

Pour pousser les valeurs du projet Ethical, Commons, Humans, Open-Source Network (Réseau autour de l’Éthique, les Communs, les Humain⋅es et l’Open-source), les participant⋅es de Framasoft souhaitaient favoriser le train pour se rendre à Berlin. Ainsi, le lundi et le vendredi de cette semaine d’échange étaient banalisés pour le transport.

Les contre-temps faisant partie du voyage, le jour des départs était un jour de grève nationale en Allemagne (où grève ferroviaire = zéro train qui circule !). Ainsi, sur les 4 membres de Framasoft prévu⋅es sur le projet, seul⋅es 3 ont pu se rendre sur place.

Qui dit train dit aussi temps investi, où le transport fait partie intégrante du voyage. En effet, il faut prévoir 9 heures de train depuis Paris, ou encore 13 heures depuis Nantes… Et à cela, il est fortement conseillé d’ajouter 1h ou 2h (voire une demi-journée) de « gestion des imprévus » (retards, annulations, changements de train). Se rendre en Allemagne en train nous a semblé une aventure à part entière (et ce ressenti semble partagé !).

Mardi 28 mars : découvertes et visites hors sentiers touristiques

Après avoir rencontré brièvement la veille les premières et premiers participant⋅es, la journée du mardi continue avec l’objectif de se découvrir les un⋅es les autres (les arrivées se feront au compte-gouttes sur toute la journée suite aux changements d’itinéraire dus à la grève de la veille).

Nous entamons le mardi matin avec une visite du Cimetière juif de Weißensee de Berlin, le plus grand cimetière juif d’Europe. La nature prend le dessus dans ce lieu empreint d’histoire.

Nous nous dirigeons ensuite l’après-midi vers une ancienne prison de la Stasi, la prison de Berlin-Hohenschönhausen. Cette visite nous aura particulièrement marqué⋅es : le site a été créé par d’ancien⋅nes prisonnier⋅ères, la prison n’a fermé qu’en 1990, et de nombreuses personnes ayant torturé des prisonnier⋅ères n’ont jamais été jugées. Bref, une page d’histoire sombre mais qu’il est nécessaire de partager (nous conseillons la visite !)…

La journée se terminera par un moment convivial dans un restaurant traditionnel.

Mercredi 29 mars : jeunes, moins jeunes et réseaux sociaux

À partir du mercredi, nous étions accueilli⋅es à l’école de cuisine Brillat-Savarin pour nos échanges, ateliers et interventions.

Discussion : on pense quoi des réseaux sociaux dans nos organisations ?

Le premier atelier a été un tour de table où chaque participant⋅e partageait son utilisation et point de vue sur les réseaux sociaux, et particulièrement TikTok, média sur lequel sera utilisé l’atelier suivant.

Ce que l’on peut résumer :

• Il y a peu d’utilisation des médias sociaux d’un point de vue personnel dans le groupe.
• Les médias sociaux sont par contre utilisés par la majorité du groupe pour mettre en valeur les actions de son organisation (Facebook, Twitter, Instagram et Mastodon).
• Personne dans le groupe n’utilise TikTok ce qui pose problème pour comprendre ce média social.
• Dans le cadre des activités de leur organisation, la majorité du groupe souhaiterait toucher davantage les jeunes et il semble intéressant de les trouver là où iels sont, donc sur les médias sociaux.
• Le groupe est tout à fait d’accord sur le fait que les médias sociaux ne sont pas des outils neutres et cherchent à monopoliser l’attention de ses utilisateur⋅rices.

Ce temps d’échange a donc permis de voir que nous partageons les mêmes valeurs, difficultés et envies sur les médias sociaux. Cependant, le format « chacun son tour de parole » nous a semblé manquer un peu de dynamisme dans les échanges et de possibilité de discuter à plusieurs.

Retour d’atelier d’étudiant⋅es : sensibiliser sur des sujets de société dans une vidéo TikTok

En parallèle de nos échanges du matin sur les médias sociaux, 2 groupes d’étudiant⋅es de la Brillat-Savarin School ont travaillé sur un projet vidéo. Ils devaient produire une vidéo TikTok (une par groupe) pour montrer l’impact sur leur métier de cuisinier⋅ère de l’Union Européenne (1er groupe) et du changement climatique (2ème groupe). Les vidéos nous ont été présentées (incroyable la qualité en 2 heures de travail !), puis nous avons échangé sur le sujet.

Ce que nous retenons de cet atelier :

• Les étudiant⋅es avaient entre 18 et 22 ans, et n’utilisent pas TikTok . Selon les étudiant⋅es, ce réseau social est tourné pour une cible plus jeune qu’elles et eux (« jeunes » est un terme trop large !). Par contre iels maîtrisaient les codes de la plateformes, étant régulièrement exposé⋅es à du contenu issu de TikTok sur d’autres plateformes telles que Instagram ou YouTube .
• Iels n’auraient de toute façon pas forcément envie d’utiliser un réseau social pour voir du contenu politique, préférant un usage plus récréatif du réseau (comme regarder des vidéos de chatons par exemple !), même lorsqu’iels se revendiquent politisé⋅es.
• Iels ont trouvé la démarche particulièrement intéressante de faire passer un message en vidéos, et se questionner sur des sujets les impliquant directement.

L’expérimentation aura été intéressante, même si les échanges en plénière ne permettaient pas l’implication de chacun et chacune.

Jeudi 30 mars : politique et open source

Reflect EU&US : le projet de la Willi Eichler Akademy

Financé à hauteur de 500k€ par des restes du plan Marshall, Reflect EU&US est un projet sur 2 ans (2022-2024) de la Willi Eichler Akademy. L’objectif ? Organiser des discussions entre étudiant⋅es en dehors du cadre universitaire, à distance et en restant dans l’anonymat.

Les points à retenir :

• Le projet investit 60 étudiant·es (30 des Etats-Unis et 30 d’Allemagne), une rencontre physique est prévue à la toute fin du projet pour lever les masques.
• Des sujets traités tels que : justice, racisme, genre, politique.
• Une bibliothèque de documents est alimentée suite aux discussions, permettant de valider (ou non) les différentes sources (textes, articles, vidéos, podcasts, etc).
• L’anonymat permet plus facilement d’assumer des opinions contradictoires.
• L’animation des groupes peut être compliquée par l’anonymat, mais fait partie intégrante du projet.

D’un point de vue technique, la plateforme est basée sur l’outil OpenTalk et a été choisie pour avoir cet espace d’échange libre, avec la création de cartes de couleurs comme avatar, permettant de garantir l’anonymat des participant⋅es. Le choix de technologies open-source a été fait spécifiquement dans le but de rassurer les participant⋅es pour qu’iels puissent échanger en toute tranquillité. Un test en direct de la plateforme a suivi avec des étudiant⋅es (en allemand, ce qui ne nous a pas permis de tout comprendre !).

Rencontres entre open source et politique

L’après-midi a continué avec l’intervention de Peer Heinlein, directeur d’OpenTalk, sur le sujet « L’indépendance et la souveraineté numérique réelle sont impossibles sans l’open-source ». Vous vous doutez bien qu’à Framasoft, même si ce n’est pas un aspect qui nous tient à cœur, nous avons un avis sur la question… Des échanges ont suivi avec les participant·e·s sur les logiciels open source, la protection des données personnelles, ou encore le chiffrement des données.

C’est ensuite Maik Außendorf, représentant du Green Party au parlement qui est intervenu. Nous avons, entre autre, échangé sur le numérique pour aider la transition écologique. Nous avons appris que les parlementaires allemand⋅es n’ont pas le choix dans leur utilisation d’outils numériques et qu’une cohérence nationale semble compliquée à mettre en place avec l’organisation décentralisée de l’Allemagne en Länder.

La clôture de la visite d’études a eu lieu dans un restaurant, où nous avons pu notamment échanger avec un activiste de SeaWatch, mettant particulièrement en avant valeurs communes et réflexions partagées entre les différentes organisations (précarisation des associations, nécessité de proposer des alternatives au monde capitaliste, nécessité d’un numérique libre et émancipateur).

Une semaine intense !

Nous avons particulièrement été surpris⋅es et enthousiastes par les visions communes partagées entre participant⋅es et organisations, que ce soit sur le numérique émancipateur, l’envie d’aller vers un monde qui nous ressemble plus, où la coopération et la contribution vont de l’avant et les questionnements sur comment partager nos messages en restant cohérent⋅es avec ce que l’on défend.

Bien que la majorité de la semaine ait été construite sous forme d’ateliers en plénière, ne favorisant pas toujours les échanges entre participant⋅es ou les prises de parole spontanées, les temps informels (repas, pauses café, balades) auront permis de créer ces moments essentiels.

Et la suite d’ECHO Network ? La seconde visite d’études a eu lieu à Bruxelles du 12 au 16 juin. Un article récap’ suivra sur le Framablog (mais comme toujours : on se laisse le temps !).

Pour aller plus loin :

• Compte-rendu de l’échange par les CEMÉA
• Article « Retour sur le séminaire d’ouverture d’ECHO Network »

Un court billet où Nicolas Kayser-Bril opère une mise au point : la loi européenne et les grandes entreprises du Web peuvent donner accès au code source, mais ce n’est qu’un facteur parmi d’autres qui s’avère souvent inutile à lui seul…

Article original : The ideology behind publishing Twitter’s source code publié dans le bulletin d’information (en anglais ou allemand)  d’Algorithmwatch auquel on peut s’abonner sur cette page.

Traduction Framalang relue et révisée par l’auteur : Squeeek, goofy, audionuma

L’idéologie derrière la publication du code source de Twitter

par Nicolas Kayser-Bril

Une fuite

Le 31 mars, Twitter a publié une partie du code source qui alimente son fil d’actualité. Cette décision a été prise quelques jours après qu’il a été rendu public que de grandes parties de ce code avaient déjà été divulguées sur Github [Gizmodo, 31 mars].

Les 85 797 lignes de code ne nous apprennent pas grand-chose. Les tweets ne contenant pas de liens sont mis en avant. Ceux rédigés dans une langue que le système ne peut pas reconnaître sont rétrogradés – discriminant clairement les personnes qui parlent une langue qui n’est pas reconnue par les ingénieurs californiens. Les Spaces (la fonction de podcasting en direct de Twitter) sur l’Ukraine semblent également être cachés [Aakash Gupta, 2 avril].

Le plus intéressant dans cette affaire reste le billet de blog rédigé par ce qu’il reste de l’équipe d’ingénieurs de Twitter. Il explique bien comment fonctionne un fil d’actualité d’un point de vue technique.

Comment (ne pas) ouvrir le code source

Une entreprise a été pionnière pour rendre son code source public : Twitter. Il y a deux ans, son équipe « Éthique, Transparence et Responsabilité » a publié le code d’un algorithme de recadrage d’images et a organisé une compétition permettant à quiconque d’y trouver d’éventuels biais [AlgorithmWatch, 2021]. Cette équipe a été l’une des premières à être licenciée l’année dernière.

Il ne suffit pas de lire un code source pour l’auditer. Il faut le faire fonctionner (l’exécuter) sur un ordinateur. En ce qui concerne l’Ukraine, par exemple, nous savons seulement que les Spaces Twitter étiquetés « UkraineCrisisTopic » subissent le même traitement que les articles étiquetés « violence » ou « porno ». Mais nous ne savons pas comment cette étiquette est attribuée, ni quels en sont les effets. Il semble que le code de ces fonctionnalités n’ait même pas été rendu public.

Dissimulation

Publier du code informatique sans expliquer comment le faire fonctionner peut être pire qu’inutile. Cela permet de prétendre à la transparence tout en empêchant tout réel audit. Twitter n’est pas la première organisation à suivre cette stratégie.

La Caisse Nationale des Allocations Familiales a publié les 7 millions de lignes du code de son calculateur d’allocations suite à une demande d’informations publiques (demande CADA) [NextINpact, 2018]. On ne pouvait rien en tirer. J’ai fait une demande de communication des « documents d’architecture fonctionnelle », qui sont mentionnés dans des commentaires du code. La CNAF a répondu qu’ils n’existaient pas.

La loi européenne sur les services numériques prévoit que les « chercheurs agréés » pourront accéder aux « données » des très grandes plateformes, y compris éventuellement au code source [AlgorithmWatch, 2022]. Pour que la loi sur les services numériques fonctionne, il est essentiel que les entreprises traitent ces demandes comme le Twitter de 2021, et non comme le Twitter de 2023.

L’idéologie technologiste

Enfin, la focalisation sur le code source est au service d’un projet politique. J’entends souvent dire que le code est le cœur d’une entreprise, que c’est un secret commercial précieusement gardé. C’est faux. Si c’était le cas, les fuites de code source nuiraient aux entreprises. Suite à des intrusions ou des fuites, le code source de Yandex et de Twitch a été publié récemment [ArsTechnica, 2021 et 2023]. À ma connaissance, ces entreprises n’en ont pas souffert.

Le code source n’est qu’un facteur parmi d’autres pour une entreprise du Web. Parmi les autres facteurs, citons les employés, les relations avec des politiques, les procédures internes, la position sur le marché, l’environnement juridique et bien d’autres encore. Mettre le code sur un piédestal implique que les autres facteurs sont sans importance. Les propriétaires de Twitter et de Meta (et ils sont loin d’être les seuls) ont dit très clairement que les ingénieurs étaient beaucoup plus importants que le reste de leurs employé·e·s. Pour eux, tout problème est fondamentalement technique et peut être résolu par du code.

Je suis certain que la publication du code source de Twitter conduira certains technologues à prétendre que le harcèlement en ligne, les agressions et la désinformation peuvent désormais être « corrigés » par une pull request (lorsqu’un contributeur à un projet open source propose une modification du code). Ce serait un pas dans la mauvaise direction.

Allez, pour changer un peu des articles qui dénoncent les GAFAM, Gee va plutôt faire un peu de célébration aujourd’hui. Car oui, le noyau Linux fête ses 30 ans !

(Bon okay, il va quand même un peu causer GAFAM sur la fin mais c’est par principe…)

Crédit : Gee (Creative Commons By-Sa)

Nous publions ci-dessous un texte collectif, inititié par différents acteurs du libre et de l’Open(Source|Science|Hardware|Data), suivi des impulsions envisagées.

À Framasoft, nous signons rarement des tribunes en tant qu’organisation. Essentiellement pour trois raisons : 1) elles nous placent dans une situation d’autorité, que nous rejetons, 2) lorsqu’il s’agit d’un appel ou même d’une alerte aux pouvoirs publics, elles nous placent dans une position de soumission aux dits pouvoirs, 3) globalement, cela fait bien quelques décennies qu’aucune tribune n’a eu de réelle influence, en dehors d’un pouvoir d’informer (à relativiser avec l’accroissement important du nombre de tribunes publiées).

Pourtant, bien que n’ayant que peu d’espoir qu’il apporte un réel changement (« Qui vit en espérant meurt désespéré » dit le proverbe), nous avons co-signé le texte ci-dessous, publié ici sous la forme d’un mémorandum (« document ou autre communication qui aide la mémoire par enregistrement d’événements ou d’observations sur un sujet dans une organisation »).

La raison principale en est que ce mémo fait une bonne synthèse de la situation actuelle, et surtout qu’il pose des mesures concrètes que les signataires souhaitent voir mis en place rapidement. Cela à un double effet positif. D’abord, cela permet de garder trace de la situation du libre et de l’OpenSSHD (oui, je crois que je vais revendiquer cet acronyme pourri à base de private joke) en période de pandémie. Ensuite, au travers des objectifs fixés dans les mesures actionnables, cela permettra de constater si, oui ou non, les institutions et la société civile ont embrayé, ou si on en reste – comme souvent – à une liste d’injonctions ou de demandes au Père Noël.

Apporter notre signature à ce texte, c’est lui reconnaître la valeur intrinsèque de poser les choses.

Mémorandum Covid-19 pour du libre et de l’open en conscience : enseignements et impulsions futures

Le texte est mis à disposition selon les termes de la Licence Creative Commons Attribution 4.0 International.

Le texte qui suit a été nourri de la contribution d’une trentaine de personnes œuvrant aujourd’hui en se fondant sur les principes communs de la libre circulation de l’information, de gouvernance ouverte et de modèles sociaux durables. Il est accompagné d’une série d’« impulsions » ayant germé de ces échanges, faisant apparaître 6 principaux enseignements et proposant 7 mesures politiques immédiatement planifiables.

La situation exceptionnelle provoquée par la pandémie de COVID-19 et le confinement consécutif ont redonné toute son importance au numérique en tant que technologie de communication, mais aussi d’empowerment (c’est-à-dire, permettant de redonner du pouvoir d’agir et du contrôle à tout un chacun), de création collective et de développement de solutions répondant aussi bien à des enjeux globaux que locaux. Renouant ainsi avec les origines d’Internet et du web, des courants communautaires de solidarité, complémentaires ou alternatifs aux dispositifs publics, illustrent une nette tendance en faveur de l’ouverture dans ses différentes formes : l’open science (partage des données et articles de la recherche) devient le principe, la démocratie participative une volonté collective, les logiciels libres, l’open source et l’open hardware les fondements, et le libre partage de la culture, enfin, une conséquence inéluctable.

Deux raisons peuvent certainement être avancées à cette résurgence dans la sphère politique et sociale.

D’une part, ces initiatives communautaires ont fait preuve d’une capacité à répondre concrètement, rapidement et efficacement à des enjeux sociaux inédits grâce à des pratiques expérimentées dans des réseaux d’acteurs et de tiers-lieux déjà existants, soutenues par des réflexions théoriques, des outils juridiques et des modèles économiques éprouvés. Elles conjuguent la volonté de « Penser global, et d’agir local ».

D’autre part, l’insuffisance des réponses issues de l’intervention des États ou du jeu des marchés est apparue au grand jour, compte tenu de l’ampleur des événements. D’autres types d’actions réalisées sous la forme de « communs numériques » ont aussi été rendus possibles dans de nombreux domaines. Les communs numériques sont des ressources ouvertes coproduites et maintenues par une communauté qui définit elle-même ses règles de gouvernance et considère ces ressources comme génératrices de liens sociaux plutôt que comme des marchandises soumises aux lois du marché.

Penser l’« après » appelle à se placer au-delà des visions dichotomiques et d’un solutionnisme social et technique.

Les vies de ces projets et expérimentations, réussites ou échecs, invitent ainsi à en tirer quelques premiers enseignements pour laisser la fenêtre ouverte à des futurs possibles désirables, renforcer les prises de conscience actuelles d’une large population ayant expérimenté plus ou moins facilement le « numérique » pour les ancrer par la suite dans des usages numériques respectueux des individus et des milieux où ils cohabitent.

Ce document soutient la place de ces manifestations et réfléchit à leur pérennité pour une modification organisationnelle et sociale plus large. En plus d’exemples concrets pour illustrer les dynamiques en marche, et une mise en lumière des points les plus urgents à la coordination des actions, l’enjeu ici est aussi de donner un cap à suivre pour mener à moyen ou long terme des actions collectives.

Libre, ouvert et co-opératif, un modèle qui coule de source

Au cœur de la situation actuelle, un des rôles majeurs joués par la participation collective de la société civile a été d’apporter une information fiable et de qualité sur l’évolution de la pandémie et de répondre aux besoins locaux (cartographie d’entraide dans des villes, détail du suivi de la maladie par région, etc.) et globaux.

L’open data y joue un rôle prépondérant. Cette démarche est tout d’abord une nécessité politique dans un souci de « transparence » et de redevabilité sur les choix actuels (voir notamment « Le COVID19 et les données ». Ces actions le sont aussi en termes d’innovation grâce aux infrastructures et communautés existantes (voir notamment « Ça reste ouvert »). Depuis le début de la crise, de multiples projets open data ont vu le jour sur le sujet, hébergés sur data.gouv.fr ou d’autres plateformes.

Ensuite, cette démarche ne peut être possible qu’en s’appuyant sur des pratiques de science ouverte (open science) regroupant à la fois des chercheurs d’organisations internationales, des instituts de recherche publics et des data scientists de différents domaines. Le partage des données, articles scientifiques et discussions associées dans cette situation de crise s’est révélé un fonctionnement nécessaire pour comprendre et interpréter avec rapidité et souplesse la situation, et proposer des modèles de simulations et des visualisations rendant ces données intelligibles (voir notamment COMOKIT, veille-coronavirus.fr, covid19-dash, Coronavirus Country Comparator,).

La visée de ces projets est double. D’une part, il s’agit d’informer, d’aider à trouver les meilleures solutions médicamenteuses et les formes d’organisations sociales à visée sanitaire, politique, ou économique les mieux adaptées, et ce de manière ouverte et transparente. D’autre part, faciliter la participation aux débats concernant les prises de décisions actuelles et à venir (telles les initiatives Écrivons Angers et la consultation du collectif #LeJourdAprès), dans le monde entier.

Répondant aux besoins du moment avec leurs savoir-faire et compétences, les communautés des makers et de l’open hardware se sont rapidement mobilisées (voir notamment les projets listés sur covid-inititatives). Elles ont ainsi prototypé des matériels médicaux à faible coût et facilement réalisables dans des tissus locaux (via des tiers-lieux et fablabs) en France et dans le monde entier. Tout cela s’est mis en place particulièrement rapidement en collaboration avec les milieux professionnels concernés et dans le respect des règles s’imposant en matière de santé (les visières, les respirateurs MUR ou encore MakAir).

L’aspect solidaire sous-tendant ces communautés est aussi majeur pour assurer des services quotidiens, trouver des solutions afin de continuer les activités quotidiennes dans les milieux professionnels et éducatifs, mais aussi de retisser du lien. Il s’agit en effet d’éviter une amplification des inégalités par le numérique grâce à des initiatives de médiation numérique et de continuité (Continuité Pédagogique, Solidarité Numérique ou Droit-Covid19). À ce titre, les entités permanentes (sur le modèle des Fabriques ou d’autres) ont prouvé leur capacité à fédérer pour initier, financer, faire grandir des communs dans les domaines clefs en s’appuyant sur les réseaux de tiers-lieux et Fablabs. Individus, sociétés, administrations et collectivités, tous sont solidaires devant la crise sanitaire, économique et démocratique.

Côté grand public, beaucoup ont franchi le pas de l’utilisation d’outils de visioconférence et d’autres applications en ligne pour échanger ou dialoguer avec leurs proches (lien social et familial), et soutenir leurs activités quotidiennes les plus diverses (travail, loisirs, logistique, etc.). Une fois passée la découverte des solutions anciennes comme nouvelles, les personnes utilisant ces services subissent souvent de plein fouet le modèle traditionnel qui transforme les usagers en client : un propriétaire de la technologie qui reste le seul décisionnaire des conditions d’accès (très souvent onéreuses) et qui a tout intérêt à limiter la compatibilité avec d’autres solutions. L’expérience même des difficultés propres au « numérique » n’a jamais été autant partagée et rendue palpable par des personnes d’habitude peu sensibilisées à ces enjeux (sécurité, vie privée, économie de plateforme). La plateforme Zoom découverte par beaucoup à cette occasion est une illustration actuelle de cette problématique de par la révélation de ses failles de sécurité ou de sa politique d’utilisation contestée des données personnelles des utilisateurs.

De tous les services offerts, les plus éthiques, solidaires et équitables sont ceux qui ont implémenté des logiciels libres (qui font de la liberté de leurs utilisateurs et utilisatrices un principe clef). L’orientation éthique y est intégrée by design, car ils sont conçus et pensés pour et par leurs utilisateurs et utilisatrices, et s’adaptent en continu grâce aux remontées de quiconque y contribuant. Ainsi, devant l’urgence de se tourner vers des outils de communication et d’organisation, les logiciels libres et open source développés par une communauté (pour une communauté encore plus grande) sont en capacité de répondre à plusieurs enjeux. Il s’agit en premier lieu d’enjeux de confiance (nul espionnage ou monétisation peu éthiques), mais aussi de décentralisation (les canaux traditionnels étant bien insuffisants au regard des demandes massives et simultanées), ainsi que de gratuité avec un modèle économique de base fondé sur l’ouverture des ressources.

Autre point, la fermeture de l’accès aux lieux d’exercice habituels des activités professionnelles, scolaires et culturelles a rappelé la nécessité de savoirs ouverts, amenant à un large mouvement de mise à disposition de ressources culturelles et de connaissances (livres, articles, expositions, contenus multimédias, journaux scientifiques, spectacles, etc.). Cela nous rappelle que la valeur de la culture et de la connaissance pour la société repose sur son accès partagé.

Open sans pérennité (& fondement juridique) n’est que ruine de l’âme

La situation actuelle rappelle en effet que les principes du libre et de la collaboration ouverte ne sont souvent pas assez compris en dehors des cercles d’initié.e.s.

En premier lieu, la différence entre libre et gratuit n’est pas forcément claire, et il en va de même pour les modèles économiques sous-jacents (« si c’est gratuit, vous êtes le produit »). Pour beaucoup, la mise à disposition gratuite de ressources est considérée comme suffisante, sans forcément saisir les bases juridiques et économiques alternatives proposées par les ressources libres.

Les choix juridiques ont pour intérêt de prévenir un affaiblissement des projets, ainsi qu’une augmentation des risques d’enclosure (c’est-à-dire de réappropriation et d’accaparement de la valeur par un seul). Ainsi, les éléments de gouvernance sont déterminants dans la construction de communs et la pérennité des projets. Ces règles de gouvernance et de rétribution juste permettent en effet d’éviter un affaiblissement des projets et leur essoufflement. En la matière, la longue et complexe histoire de l’économie sociale et solidaire (ESS) peut servir de repères pour (re)construire des modèles de développement a-capitalistes. Les ressources organisationnelles qui font son originalité (coopératives, mutuelles, associations essentiellement) ont été récemment renforcées par les coopératives d’activité et d’emploi et les SCIC qui s’attachent à promouvoir des nouvelles gouvernances et dynamiques de partage des richesses et, dans le cas des SCIC, de productions de biens et de services d’utilité sociale.

L’urgence est ainsi d’assurer l’ouverture des ressources, y compris leur gouvernance, tout en veillant à ce que les projets financés par de l’argent public dans le cadre de cette crise soient ouverts par défaut. Dans cet esprit, le Directeur Général de l’OMS appelle tous les pays à soutenir les démarches d’open science, d’open data et d’open collaboration. De la même manière, aujourd’hui face à la situation d’urgence, plusieurs acteurs (éditeurs, industriels, etc.) mettent gratuitement à disposition leurs ressources et biens immatériels. En ce sens, l’initiative Open Covid Pledge regroupe un ensemble d’initiatives privées et publiques s’engageant à garder leurs contenus et connaissances ouverts pour mettre un terme à la pandémie COVID-19 et minimiser ses effets. Néanmoins, au-delà des annonces ou des ouvertures temporaires en temps de crise, l’enjeu est plus vaste et implique un changement de modèle.

Partout où est le numérique, cela induit que l’ouverture devient la base de modèles économiques et sociaux respectueux des acteurs et utilisateurs y participant, pour assurer une vision à long terme inclusive et ouverte. Un appel fait par exemple par la tribune « crise ou pas crise, nous avons besoin tout le temps d’un savoir ouvert » invite au développement d’un plan national pour la culture et l’éducation ouverte par les ministères à l’image du Plan national pour la science ouverte. À ce titre, le Ministère de l’Enseignement supérieur, de la Recherche et de l’Innovation (MESRI) a, sous l’impulsion du Comité pour la science ouverte, ainsi demandé l’ouverture complète et immédiate des résultats de recherche, toutes disciplines confondues, liés à l’épidémie de Covid-19.

Ce positionnement soulève l’enjeu même des cadres d’interaction entre puissances publiques et initiatives communautaires. La question de l’accompagnement et de la protection de ces initiatives par le gouvernement et les instituts publics est majeure. Elle se doit d’être renforcée par un ensemble de jalons juridiques et structurels pour protéger de telles initiatives aux formes peu communes, qui ne doivent pas rester éphémères. Pour reprendre une citation tirée du documentaire « Nom de code : Linux » : « Ce serait peut-être l’une des plus grandes opportunités manquées de notre époque si le logiciel libre ne libérait rien d’autre que du code ». Ainsi, il s’agit de continuer à œuvrer à une transformation du rôle des membres du secteur public pour les faire sortir de leur dépendance vis-à-vis d’un secteur privé organisé selon des priorités de rentabilité, pour soutenir et s’appuyer sur un tissu d’initiatives proposant des modalités de développement pérennes.

Dans l’esprit des partenariats public-privé (PPP) pensés comme partenariats publics-communs, donner corps à ces projets implique d’associer des infrastructures à la fois techniques, juridiques et sociales et de faciliter un changement de culture pour préparer un numérique s’intégrant dans des projets de société durables (tendances qui existent déjà, comme l’initiative Numérique en Commun[s], Science avec et pour la Société).

Qui veut aller loin ménage ses infrastructures

Les solutions proposées aujourd’hui par les communautés du logiciel libre et de l’open source répondent à de nombreux besoins numériques, comme en témoigne le « succès » des solutions proposées par l’association d’éducation populaire Framasoft (visioconférence, documents partagés : pads) ou les acteurs du Collectif des Hébergeurs Alternatifs, Transparents, Ouverts, Neutres et Solidaires (CHATONS). Toutefois, les infrastructures – techniques et humaines – sur lesquelles reposent ces services ne sont pas pensées et dimensionnées pour supporter la charge nécessaire au plus grand nombre. Au premier abord, l’on pourrait être tenté de penser que l’on touche du doigt les limites de ces modèles. Or, ce qui pourrait être perçu comme un « bug » ou une preuve d’inefficacité dans le système hyperproductif dans lequel nous vivons est plutôt la preuve que les modèles ouverts réfléchissent au temps long et aux implications sociales, politiques et environnementales qu’ils entraînent.

En effet, la logique de décentralisation sous-tendant les démarches ouvertes implique que ce ne soit pas à un seul responsable de résoudre le problème de toutes les personnes, mais plutôt que se mettent en place des mécanismes d’accompagnement et d’entraide mutuels permettant à chacun de disposer des solutions utiles et nécessaires : collectivement et globalement, plutôt qu’individuellement et de manière centralisée. Pour cela, à l’image du tissu de solidarité que ces initiatives créent sur l’ensemble du territoire en ce moment, il s’agit de consolider des projets impliquant de multiples acteurs qui déploient localement des solutions libres et ouvertes. C’est l’idée même des CHATONS de fournir des instances au niveau local pour héberger des solutions libres et open source. Le maillage du territoire par un ensemble de tiers-lieux et de Fablabs vient aussi répondre à une diversité de besoins et permet de mutualiser des ressources et outils tout autant que de partager des bonnes pratiques et savoirs communs créés.

C’est dans ce même esprit que le logiciel open source Jitsi sert de brique technique commune aux services opérés par de multiples acteurs, par exemple la fondation Jitsi, le GIP renater ou Framasoft avec framatalk et l’initiative « Ensemble contre le Covid-19 » lancée par Scaleway. Plus encore, les logiciels open source peuvent aussi être interconnectés par le biais de systèmes fédérés et décentralisés(permettant aux utilisateurs et utilisatrices d’une instance du logiciel d’être connectés à ceux d’une instance du même logiciel) : tels Diaspora, PeerTube, GNU Jami.

Or ce modèle de codéveloppement de solutions libres et open source, pour « une mise à l’échelle », implique un déploiement raisonné par rapport aux systèmes assurés par les solutions clefs en main offertes aujourd’hui (des solutions de communication à distance, au stockage de dossiers, etc.). La concurrence est particulièrement inégale puisqu’il s’agit de comparer un modèle pérenne, et donc à équilibre, avec un modèle productiviste n’intégrant pas dans son équation des critères de soutenabilité forte – déjà citées, les solutions de visioconférence particulièrement rapides, fiables et performantes qui continuent à investir à perte pour s’assurer la captation de la plus grande part de marché, dans une logique du “winner takes all” classique dans le monde du numérique. Les priorités de ces systèmes se fondent sur la quête toujours plus grande d’efficacité pour répondre aux besoins des utilisateurs et utilisatrices s’adaptant aisément à des innovations technologiques toujours plus rapides et performantes. Les considérations éthiques et de vie privée, même si celles-ci sont abordées (souvent par leur manquement), ne sont pas constitutives des principes fondateurs de ces modèles. Pire encore, la gratuité qu’ils peuvent offrir est parfois seulement temporaire (Trello), conditionnée (Google Maps, Google Mail, etc.) ou encore sujette à d’autres contreparties non nécessairement éthiques (tel l’antivirus Avast qui commercialisait les données personnelles de ses utilisateurs et utilisatrices ou le réseau Facebook qui, lors du scandale Cambridge Analytica, a révélé l’usage de son pouvoir d’influence sur ses utilisateurs et utilisatrices.

Aujourd’hui, plus encore, les initiatives des communs – offrant notamment une perspective écologique sur l’impact de l’utilisation des technologies numériques sur nos sociétés – résonnent tout particulièrement pour développer des milieux numériques durables,tout autant que pour penser la gestion des déchets numériques déjà produits (notion de communs négatifs). Ce qui se dessine ainsi, à l’inverse de solutions proposées pour une « sortie de crise », c’est l’importance d’accompagner le plus grand nombre vers une appropriation de cultures numériques pérennes plus solidaires et d’accepter aussi un ralentissement ou tout au moins une prise de recul critique sur ce que nous construisons.

Ne te limite pas à m’apporter des solutions, apprends-moi à les construire

L’expérience commune à l’échelle mondiale que nous traversons est aussi une opportunité unique pour faire comprendre largement, par des illustrations concrètes, les enjeux de société numérique et plus encore à rendre les citoyen.ne.s acteurs des décisions à prendre. C’est souvent par l’expérience que les apprentissages, les prises de conscience s’opèrent. Le moment que nous vivons est un point d’inflexion possible qu’il s’agit de saisir pour que les usages numériques se fassent avec les valeurs et principes du libre et des savoirs communs et ouverts.

Pour cela, il ne suffit pas d’apporter des solutions clefs en main, quand bien même elles seraient libres et ouvertes. Il s’agit aussi d’accompagner les usages et une évolution des cultures numériques pour permettre une citoyenneté plus éclairée, plus économe et plus souveraine vis-à-vis des risques de sécurité, sociaux, environnementaux et éthiques associés à ces technologies. Le « Cloud » par exemple n’est qu’un terme cachant des réalités techniques et juridiques bien concrètes. Aujourd’hui, rendre visibles les composantes sous-jacentes à ces mondes de l’immatériel est nécessaire, tout autant que de sensibiliser aux méthodologies garantissant la soutenabilité de tels projets. L’administration centrale, qui a intégré cette logique pour ses propres besoins internes en créant par exemple l’application libre de messagerie instantanée et sécurisée de l’État Tchap, rendue disponible récemment aux pompiers, donne un exemple encourageant aujourd’hui pour faire rayonner cette infrastructure plus largement. La puissance publique conserve un rôle déterminant pour opérer de tels changements, à la fois en tant qu’actrice et qu’orchestratrice de cette dynamique.

Par nature, un contenu ou un service gratuit fourni par une plateforme propriétaire a une trajectoire bien distincte d’une ressource construite et maintenue collectivement par une communauté. Plus encore, cela induit de considérer autrement la licence qui définit les termes d’usages d’une ressource conçue collaborativement par une communauté sous forme de contrat social et économique, et les outils juridiques traditionnellement utilisés. Organisée, la communauté d’une plateforme a plus de valeur que la plateforme elle-même. Cela rappelle aussi que les ressources numériques et immatérielles que nous utilisons sont aujourd’hui conditionnées par leur financement, encore plus peut-être lorsqu’elles sont proposées gratuitement aux personnes les employant. Il en va de même pour les ressources ouvertes, qu’elles soient hébergées et maintenues par les utilisateurs et utilisatrices ou encore par celles et ceux qui y ont un intérêt (acteurs publics, constructeurs de matériels, etc.). Ces idées de bon sens, pour être mises en œuvre, reposent sur un changement collectif en articulant l’échelle globale et locale. Ainsi, c’est un moyen de permettre une « souveraineté » locale (accès aux biens immatériels) tout en développant des collaborations internationales évitant le repli nationaliste.

Cette expérience a aussi aidé à la compréhension des processus mêmes de construction des savoirs. Les dernières semaines ont montré au plus grand nombre les coulisses de la recherche scientifique et de son modèle socio-économique. La crise actuelle, loin de n’être que sanitaire, montre également un enchevêtrement de décisions sociales et politiques s’appuyant sur des faits scientifiques – ces derniers, ainsi même que la méthode qui les fait émerger, faisant l’objet de nombreux débats. Les controverses portant sur les essais thérapeutiques de la chloroquine ou les revirements de situation des mesures de confinement selon les pays en fonction des modélisations qui soutenaient les décisions, soulignent comment les sciences s’articulent avec des enjeux sociaux, éthiques, économiques politiques (voir notamment le positionnement du Comité d’éthique du CNRS). Dans ce contexte, l’open science devient le fondement essentiel pour assurer un suivi des processus de décision. Elle ne doit cependant pas être réservée aux seuls chercheur.e.s mais doit permettre d’instaurer ses principes en société.

Cela demande, à l’image des valeurs de Wikipédia, d’œuvrer encore plus à une mutualisation de ressources en tant que communs numériques, avec un nécessaire travail de revues par les pairs qui n’impliquent pas seulement les professions de la recherche et de la santé, mais également la société civile (voir notamment le (réseau ALISS)) pour vérifier chaque information, l’enrichir afin qu’elle soit la plus fiable, éthique et la plus qualitative possible. Il y a donc là un défi de traduction et de médiation pour des individus et collectifs ayant chacun souvent leurs propres pratiques, et un bagage culturel et conceptuel qui peut s’avérer difficile à comprendre pour des sphères extérieures. Le moment que nous traversons vient remettre à plat les éléments fondamentaux qu’il s’agit de mettre en place dès maintenant pour protéger les dynamiques des communautés à l’œuvre tout en construisant des suites qui s’appuient sur un travail de fond commun pour maintenir et consolider les coalitions que ce moment aura vues émerger.

Découvrez les impulsions (enseignements et mesures) découlant de ce mémorandum.

Concrètement : pourquoi et comment ?

La crise actuelle démontre la fragilité du système économique et organisationnel sur lequel reposent nos sociétés.

Si elle en démontre la nécessité, il ne faut pas penser qu’une telle crise suffira à opérer un basculement. Penser un « après » nécessite donc un long travail de déconstruction opéré d’ores et déjà par les communautés constituées autour du libre, de l’open et des communs numériques, qui démontrent par leur existence même et leurs actions concrètes la possibilité de construire des projets d’intérêt général autrement.

Écrit durant la crise, le mémorandum rappelle l’importance et la place des initiatives ouvertes, participatives et collaboratives pour notre société. Il permettra de se souvenir, mais aussi d’inspirer nos politiques publiques à venir. Devant l’urgence, il se double d’un certain nombre de mesures immédiatement envisageables et parfois déjà initiées.

L’on tire de cette situation les enseignements suivants :

1. Les mouvements « libres et ouverts », et ceux ancrés dans une dynamique de « communs numériques » participent aujourd’hui rapidement et justement à répondre aux besoins révélés quotidiennement par la crise sanitaire et sociale.
2. La croissance du nombre de « communs numériques » permet d’imaginer une société structurée non pas autour de la détention d’une technologie, mais au contraire autour de la capacité des acteurs à travailler ensemble et à créer de la valeur en commun.
3. L’attrait fort des modèles collaboratifs ouverts se retrouve confronté à une acculturation et une éducation encore insuffisante des acteurs souhaitant collaborer.
4. Le développement d’une économie pérenne repose sur une sensibilisation aux enjeux juridiques et socio-économiques sous-jacents, afin d’assurer que ces nouveaux équilibres s’appuient sur des règles suffisamment consensuelles, claires et comprises.
5. Les technologies numériques essentielles doivent être des « communs numériques » bâtis par des communautés respectueuses de la liberté et de leurs droits fondamentaux. Cette solution est plus longue, mais atteignable par nos sociétés si elles en prennent la mesure.
6. Plus l’environnement, le contexte, les sujets montent en complexité, plus il devient essentiel de donner de nouvelles capacités d’actions et des moyens aux communautés distribuées, de se doter ainsi de nouveaux processus collectifs pour débattre, choisir et agir.

Compte tenu de la situation de crise, il est urgent et nécessaire dès maintenant que, par principe, des financements publics soient intégrés aux appels à projets ou appels à manifestation d’intérêt (AMI) de toutes les agences publiques et convergent pour alimenter un fonds de communs ouverts et pérennes.

Mesures actionnables

Plus encore, à l’aune de la crise que nous vivons toutes et tous et pour ne pas subir des mesures biaisées par une récupération politique ou économique des événements, nous souhaitons être assuré.e.s que d’ici 2021 :

1. L’intérêt des dynamiques libres, ouvertes et collaboratives soit officiellement reconnu et soutenu dans leurs formes technologiques (logiciels, bases de données, documentations et spécifications, etc.) et systémiques (recherche ouverte, gouvernance ouverte, culture ouverte, etc.), en pensant la création et l’entretien d’infrastructures numériques essentielles à ces projets d’intérêt général.
2. Des partenariats publics-communs soient réellement ouverts, dans chaque région, accompagnés de dispositifs nationaux, favorisant l’émergence de communs dans les champs numériques de notre société, dans des dynamiques d’ouverture, de collaboration et de frugalité numérique.
3. Les modalités économiques et fiscales à destination des acteurs du numérique soient repensées pour éviter à tout prix les enclosures numériques et encourager la valorisation publique au travers de la diffusion ouverte des ressources financées par de l’argent public.
4. Les modèles de propriété – et encore plus de « propriété intellectuelle » – soient interrogés véritablement à l’aune d’une société soutenable qui soit durable et prospère. Cela au moins dans leurs usages et capacités à répondre aux préoccupations sociétales majeures, en temps de crise et en temps normal.
5. Un accompagnement soit mis en place vers l’ouverture des contenus et infrastructures des organisations publiques ayant pour mission l’accès ou la diffusion de la culture et des connaissances.
6. Les synergies entre l’ESS et les communs soient renforcées dans le monde du numérique et des communs de la connaissance, en construisant des modèles d’économie sociale dans le numérique et en s’appuyant sur l’approche par les communs pour défendre les principes d’intérêt général et d’utilité sociale.
7. Le statut des personnes contributrices aux communs soit reconnu en terme social et sociétal en leur consacrant des droits effectifs et opposables.

NB : le texte publié ci-dessus correspond au texte de mémorandum publié le 29/04/2020 et est soumis à de potentiels changements. Nous vous conseillons donc sa lecture sur le site officiel.

• Accéder au site officiel de publication de ce mémorandum
• Liste des signataires

Hep ! — et si on remerciait une fois de temps en temps celles et ceux qui, dans les coulisses le plus souvent, créent, développent et maintiennent les logiciels et services qu’on utilise ?

Comme Moshe Zadka auquel nous empruntons les suggestions ci-dessous, vous utilisez chaque jour des logiciels de bonne qualité développés et maintenus par des gens qui ne demandent pas de paiement, qui respectent vos libertés et qui sont généreux de leur temps et de leur énergie. Alors on va dire que c’est la saison des remerciements. Voici dix façons parmi d’autres de le faire :

10 façons de remercier les responsables de logiciels libres et open source

Comment exprimer votre gratitude.

d’après Moshe Zadka, article original paru sur opensource.com

Le plus simple : en parler

1. Envoyez un courriel de remerciement aux développeurs. Soyez précis – expliquez-leur à quoi vous utilisez leur logiciel et en quoi il vous a été utile.

2. Utilisez votre plateforme de médias sociaux préférée et faites passer le mot.

3. Rédigez un billet de blog à propos de votre logiciel favori.

Donner de l’argent

4. Si vos projets préférés acceptent les dons, envoyez de l’argent.

5. Si vous êtes employé par une entreprise qui utilise des logiciels libres, voyez si vous pouvez convaincre la direction de parrainer certains des projets.

6. Offrez d’égaler les dons jusqu’à concurrence d’un montant déterminé. C’est incroyable ce que l’émulation peut faire !

Donner du temps

7. Aidez à la révision des correctifs (les développeurs et développeuses appellent ça des patches, hein).

8. Aidez à créer ou améliorer la documentation, à la traduire, au tri des bogues, etc.

9. Répondez aux questions des utilisateurs et utilisatrices sur l’IRC, les listes de diffusion et autres forums d’entraide.

10. Bonus : si comme moi, vous avez à un moment donné eu des mots déplacés (euphémisme) pour d’autres personnes dans la communauté, engagez-vous à faire mieux : communiquez avec bienveillance et ouverture. La meilleure façon de remercier est de faire de la communauté libre et open source un lieu où les gens se sentent à l’aise pour communiquer.

À propos de l’auteur

Moshe Zadka est impliqué dans la communauté Linux depuis 1998, en participant à des install parties Linux. Il programme en Python depuis 1999, et a contribué à l’interpréteur Python de base. Moshe a été un DevOps/SRE bien avant que ces termes n’existent, se souciant profondément de la fiabilité des logiciels, de la reproductibilité et d’autres choses semblables. Il a travaillé dans des entreprises aussi petites que trois personnes et aussi grandes que des dizaines de milliers – généralement quelque part où le logiciel rencontre l’administration système…