Le registre obscur: se libérer du suivi des données d'IA de Google

La mise à jour récente de l’historique de recherche de Google ajoute, de façon silencieuse, les fichiers média – notamment les images soumises lors de recherches inversées – à l’ensemble de données destiné à entraîner ses modèles d’intelligence artificielle générative. Bien que présentée comme une amélioration technique, cette évolution soulève d’importantes interrogations quant au consentement, à la minimisation des données et à l’équilibre entre personnalisation et confidentialité. En pratique, cette fonction exploite les mêmes métadonnées qui alimentent les raccourcis pilotés par l’IA de la recherche, intégrant le contenu visuel dans un jeu de données centralisé. Les utilisateurs qui s’appuient sur les recherches inversées pour des raisons professionnelles ou personnelles voient leurs photographies potentiellement réutilisées sans autorisation explicite. Google propose un commutateur dans les paramètres de recherche intitulé « aide à améliorer la recherche », dont le désactivation empêche l’envoi des médias pour l’entraînement ; toutefois, cette option se dissimule derrière plusieurs niveaux de menus et n’est pas mise en avant dans la documentation standard. Ce changement s’inscrit dans une tendance plus large où les géants technologiques collectent le contenu généré par les utilisateurs pour alimenter leurs modèles de langage et de vision de grande taille. Le Règlement sur les services numériques de l’Union européenne et l upcoming AI Act imposent une transparence accrue et un contrôle des utilisateurs, faisant de ce mouvement une épreuve de conformité autant que’une stratégie pour anticiper la pression réglementaire tout en élargissant son emprise sur les données. À l’avenir, le droit d’opter out pourrait devenir une exigence minimale, incitant à des dialogues de consentement plus fins ou à un passage vers l’apprentissage fédéré conservant les données sur le dispositif. Si les régulateurs imposent des audits plus rigoureux, Google devra peut‑être redessiner ses pipelines de données, ce qui pourrait transformer l’économie de l’entraînement de l’IA et redéfinir la relation entre les usagers et les plateformes qu’ils consultent quotidiennement.