Pourquoi l'entraînement sur mes écrits ne me rapporte-t-il rien lorsque le modèle est déployé ?

Chaque grand modèle de langage est construit sur des milliards de documents rédigés par des individus, pourtant aucun mécanisme technique ne permet de retracer dans quelle mesure le travail d'un créateur spécifique a influencé une sortie particulière du modèle. Les méthodes d'attribution des données, comme les fonctions d'influence, existent dans la recherche mais ne passent pas à l'échelle des modèles comptant des centaines de milliards de paramètres entraînés sur des corpus de mille milliards de tokens. Un article de position de 2025 soutient que les données d'entraînement devraient constituer la part la plus coûteuse d'un LLM, précisément parce que leur valeur est actuellement externalisée sur des créateurs qui ne reçoivent rien. Une proposition de mars 2026 appelée Sovereign Context Protocol et un cadre de février 2026 pour l'attribution des données centrée sur l'humain tentent tous deux de combler ce fossé, mais aucun n'a été déployé à l'échelle de production par un grand fournisseur de modèles. Sans primitive d'attribution fonctionnelle, il n'existe aucune base technique pour la rémunération, la négociation de licences,