Le search et les grands jeux de données

Les chiffres parlent d’eux-mêmes. D’après StatCounter, les recherches sur Internet se répartissent ainsi:

• Google : 91.85%
• Bing 3.02%
• Yandex 1.49%
• Yahoo! 1.17%
• Baidu 1.06%
• DuckDuckGo 0.54%

Pour cimenter ce quasi-monopole, Alphabet maintient des ententes avec les éditeurs d’autres navigateurs que le sien, et en général les plates-formes qui peuvent faire de Google le moteur de recherche par défaut. C’est du moins la clef de voûte de l’argumentaire du département américain de la Justice( DOJ), qui accuse Alphabet de payer dans ce but 10 milliards de dollars par an, principalement à Apple, Samsung, Mozilla et Verizon.

À quoi les avocats d’Alphabet répliquent, notamment, que le fait que Bing de Microsoft soit proposé par défaut sur les PC (comme Google sur Firefox et Safari) n’empêche pas leurs utilisateurs de choisir librement et massivement Google.

C’est là-dessus que, pour l’essentiel, se décidera la controverse. Mais pour ce faire, le procès devra déterminer si l’accès de Google à d’immenses quantités de données lui confère un avantage déterminant. “Plus vous avez de données pour entraîner vos [modèles] ; plus les marchés peuvent basculer” déclarait au podcast Hard Fork dès le mois de mars Jonathan Kanter, qui dirige aujourd’hui l’équipe du DOJ.

Certes, Google a été pris de court par le vertigineux succès d’OpenAI. Mais Microsoft n’a pas réussi à en profiter pour augmenter l’empreinte de Bing (lire Qant du 1er septembre). Et les prochains LLM de Google, la série Gemini, semblent assez prometteurs pour écarter toute menace à sa position dominante (lire Qant du 25 août). D’après le média The Information, leurs capacités multimodales sont entrainées sur les vidéos de Youtube, ainsi que l’index et les données utilisateurs de Google (dont les conditions d’utilisation ont été changées pour le permettre : lire Qant du 7 juillet). De même, les futurs modèles d’OpenAI sont probablement entraînés, outre leur propre crawler, avec l’index de Bing, qui leur donne accès à tout Internet.

Des modèles comme Claude 2 d’Anthropic et Pi d’Inflexion AI montrent que l’accès aux données n’a pas été, jusqu’à présent, un facteur bloquant à l’accès au marché par de nouveaux entrants. La fulgurante ascension d’OpenAI en donne, d’ailleurs, le meilleur exemple qui soit. Il n’y aura sans doute pas là de quoi influencer le juge, Amit Mehta, que l’on donne comme bien disposé à l’encontre de Google.

Le passé cependant ne préjuge pas de l’avenir, particulièrement à l’heure où se constitue la prochaine génération de modèles, entièrement multimodaux et entraînés sur tout Internet. Les informations qui émergeront dans les semaines à venir du procès Google permettront de décrire la structure du marché dans les années à venir.

*Pour en savoir plus : *

• Wall Street Journal
• Hard Fork/New York Times
• The Information
• Washington Post
• The New-Yorker