AILP — Protocole de permission d’apprentissage de l’IA

Protocole de permission d’apprentissage de l’IA

L’IA peut-elle apprendre de ceci ? À quelle profondeur, pour quels usages, avec quelles obligations ?

01 · Définition

AILP opérationnalise le spectre AIRS pour la question spécifique de l’apprentissage. Il distingue des actes que les règles binaires des robots d’exploration confondent : être lu n’est pas être appris ; être récupéré n’est pas être utilisé pour l’entraînement ; l’affinage n’est pas la distillation ; la mémorisation littérale diffère de l’internalisation statistique. AILP permet à un éditeur de déclarer, dans un seul fichier lisible par machine, des permissions par dimension — accès, indexation, entrée d’inférence, embedding, entraînement, affinage, distillation, mémoire, sortie, attribution et rémunération — chacune marquée comme autorisée, refusée ou soumise à licence.

02 · Objectif

Répondre à « l’IA peut-elle apprendre de ceci ? » avec une précision par dimension, plutôt qu’avec un simple bit d’exploration.
Séparer la permission d’apprentissage (internalisation dans les modèles) de la permission d’accès (récupération des pages).
Prendre en charge des modèles de rémunération : gratuit, non commercial, licence requise, partage des revenus.
Faire en sorte que l’ouverture soit exécutable par machine — afin que la bonne volonté ne soit pas écartée comme une incertitude juridique.

03 · Portée

access / indexing — récupération et indexation sémantique

inference_input — utilisation comme contexte au moment de l’inférence (RAG)

embedding — vectorisation et index de récupération

training / fine_tuning / distillation — paliers d’internalisation du modèle

verbatim_memory — si la reproduction exacte est permise

attribution / compensation — obligations de citation et modalités de paiement

04 · Exemple lisible par machine

Une déclaration de permission d’apprentissage — /ai/rights-spectrum.json (profil AILP)

/ai/rights-spectrum.json

{
  "version": "0.1",
  "protocol": "AILP",
  "publisher": "example.org",
  "default": {
    "access": "allowed",
    "indexing": "allowed",
    "inference_input": "allowed",
    "embedding": "allowed",
    "training": "license_required",
    "fine_tuning": "license_required",
    "distillation": "denied",
    "verbatim_memory": "denied",
    "attribution": "required",
    "compensation": "contact"
  },
  "contact": "licensing@example.org"
}

05 · Limites

La sémantique de permission d’apprentissage est la plus difficile à vérifier techniquement — AILP déclare une intention, mais ne peut pas encore prouver la conformité.
La liste des dimensions est une ébauche ; les frontières entre entraînement, affinage et distillation sont encore débattues.
La reconnaissance juridique des permissions d’apprentissage varie selon les juridictions et reste non résolue.