GitHub a annoncé une nouvelle politique qui a fait grincer quelques dents ces derniers jours. À compter du 24 avril 2026, le service de Microsoft pourra entraîner de nouveaux modèles pour des intelligences artificielles sur tout le contenu hébergé par ses soins, sauf si les utilisateurs le refusent avant cette date. C’est le point d’achoppement des règles annoncées la semaine dernière : GitHub ne demande pas de consentement préalable (« opt-in »), le service propose un droit de retrait (« opt-out ») à tous ceux qui ne souhaitent pas participer.
Une bannière est systématiquement affichée sur les pages du site web de GitHub pour rappeler la nouvelle politique tout en mettant en avant la date limite pour faire son choix. Même si beaucoup reprochent à la filiale de Microsoft un passage en force, on peut saluer la transparence de la démarche. La bannière inclut en effet un lien vers l’article de blog qui détaille la nouveauté, et surtout un accès direct aux réglages pour désactiver l’apprentissage sur ses données.
Si vous utilisez GitHub et que vous ne voulez pas que vos données servent à l’entraînement de futurs modèles, vous devrez ainsi ouvrir ce lien en étant connecté à votre compte. Faites défiler jusqu’à trouver l’option « Allow GitHub to use my data for AI model training » et sélectionnez « Disabled » dans le champ de droite. J’ajoute que l’option était déjà désactivée pour moi, probablement car j’avais déjà refusé une précédente fonctionnalité dans le même esprit. En cas de doute, c’est toujours mieux de faire un tour sur cette page de paramètres, pour vérifier qu’ils correspondent à ce que vous souhaitez faire.
Les raisons de ce changement de politique sont si évidentes que je n’avais même pas besoin de lire l’article de blog qui accompagne la nouvelle pour les deviner. Un modèle de langage doit être entraîné sur un corpus de texte, en l’occurrence plutôt du code, et des données réelles sont toujours supérieures. Depuis un an, les données générées par les employés de Microsoft ont servi à alimenter des modèles et des améliorations significatives ont déjà été notées. L’idée désormais est d’obtenir des gains encore plus marqués en faisant appel aux interactions des millions d’utilisateurs du service.
Précisons tout d’abord que la modification des règles ne concerne pas le code stocké dans les dépôts publics. Par définition, ces lignes de code étaient publiques et utilisées par toutes les entreprises qui proposent des IA génératives. GitHub ne compte pas plus toucher aux dépôts privés : ils contiennent du code qui peut être la propriété d’entreprises qui ne voudraient en aucun cas le diffuser à un tiers. Qu’est-ce qui sera collecté alors ? Tout le reste, dont cette liste fournie par le service :
- les sorties de code acceptées ou modifiées par le modèle ;
- les entrées envoyées à GitHub Copilot, y compris les extraits de code transmis au modèle ;
- le contexte du code autour de la position du curseur ;
- les commentaires et la documentation rédigés ;
- les noms de fichiers, la structure du dépôt et les schémas de navigation ;
- les interactions avec les fonctionnalités de Copilot (chat, suggestions en ligne, etc.) ;
- les retours sur les suggestions (évaluations positives ou négatives).
Cela fait encore beaucoup de données, qui seront moulinées par les partenaires de GitHub, Microsoft en tête avec CoPilot, pour améliorer les modèles de langage. Tous les particuliers sont concernés, qu’ils utilisent la formule gratuite du service ou qu’ils paient pour un abonnement « Pro ». Les comptes d’entreprise seront en revanche systématiquement exclus de la collecte.
