Codeberg, la plateforme d’hébergement pour les projets open source gérée par une association à but non lucratif, a approuvé deux motions sur l’IA par vote des adhérents. La première s’engage à ne jamais utiliser le code ou les données des projets hébergés pour entraîner des LLM. La seconde, plus clivante (358 votes favorables contre 144 votes contraires, avec 50% de participation), modifie les conditions d’utilisation pour interdire les projets générés par IA : des projets générés en série par des développeurs individuels avec des LLM, souvent avec plus de plateformes supportées que d’utilisateurs réels, qui consomment des ressources disproportionnées.

Cette prise de position intervient au moment crucial du débat sur les données d’entraînement. Comme nous l’expliquions le 22 juillet à propos de la proposition de Ben Thompson sur le fair use, les laboratoires d’IA s’entraînent sur des milliards de pages sans permission tout en interdisant aux autres d’apprendre à partir de leurs modèles. Codeberg porte la voix de ceux qui produisent ces données et les mettent en commun gratuitement.

Pour ceux qui se renforcent avec l’IA, la question a des implications concrètes. Les crawlers des laboratoires d’IA surchargent les infrastructures bénévoles : ils lisent chaque page, chaque variante de ticket, chaque commit de l’historique Git. Les coûts retombent sur les plateformes. Un disque SSD que Codeberg payait 700 euros il y a quelques années coûte maintenant 3 700 euros et est souvent en rupture de stock.

Codeberg élève la voix sur quelque chose que peu osent dire clairement : le logiciel libre est une ressource commune que l’industrie de l’IA consomme sans la rémunérer. Il reste à voir si cette position restera isolée ou deviendra un modèle pour d’autres plateformes.

En détail

Codeberg n’est pas une simple forge. C’est la plateforme d’hébergement née comme alternative éthique à GitHub, gérée par Codeberg e.V., une association à but non lucratif allemande financée par des dons, qui possède son propre matériel et offre des services gratuits aux développeurs et aux projets open source. Les deux motions adoptées le 23 juillet 2026 proviennent de l’assemblée annuelle des adhérents, où les propositions sont discutées en direct et votées de manière asynchrone sur une période de 14 jours.

La première motion reprend la politique de confidentialité existante (« We do not want to need your data ») et l’étend à l’entraînement des LLM. Le texte stipule que Codeberg n’utilisera pas et ne permettra pas l’utilisation du code ou des données des projets pour entraîner l’IA générative. La justification explicite est que ces technologies sont « incompatibles avec la création et la maintenance responsable de logiciels libres et open source ». C’est une prise de position de principe émanant de l’association, non des projets individuels : l’interdiction concerne l’infrastructure, pas la licence du code.

La seconde motion est celle qui a alimenté le débat. Adoptée avec 358 votes favorables, 144 votes contraires et 14 abstentions (une participation de 50% des adhérents actifs, élevée pour une assemblée de ce type), elle modifie les conditions d’utilisation pour interdire les « projets générés par IA ». Le terme vient de la pratique consistant à générer du code avec les LLM de manière rapide et itérative, sans communauté réelle autour du projet. Codeberg décrit le phénomène avec précision : des projets avec un seul développeur, aucun utilisateur, mais avec des CI/CD lourds, des releases binaires volumineux, et plus de plateformes supportées que de personnes les utilisant. Ces projets consomment autant de stockage et de calcul que les grands projets communautaires, sans apporter de valeur partagée.

Le point pratique est l’infrastructure sous stress. Codeberg documente comment les crawlers des laboratoires d’IA lisent systématiquement chaque page : les fichiers du référentiel et toutes les variantes des filtres de tickets, l’historique Git complet, les fichiers à chaque commit même quand ils sont identiques. Cela génère des requêtes coûteuses sur la base de données, dégrade le service pour ceux qui l’utilisent, et force l’équipe à construire des mécanismes de défense (rate limiting, blocages) qui dégradent aussi l’expérience des utilisateurs légitimes.

Puis il y a le coût du matériel. L’industrie des LLM a fait exploser les prix des SSD et de la mémoire. Codeberg cite un exemple concret : le type de disque qui coûtait 700 euros il y a quelques années coûte maintenant 3 700 euros et est souvent indisponible. Même en possédant son propre matériel, et donc moins exposé aux coûts cloud, le renouvellement et l’expansion sont devenus prohibitifs. De l’argent qui ne va pas vers de nouveaux services ou vers la mission, mais vers du matériel gonflé par le marché de l’IA.

Le fil qui relie cette histoire au reste du débat est celui des données d’entraînement et du copyright. Au-delà de la proposition de Thompson sur le fair use, le 14 juillet, nous avons rapporté comment Satya Nadella accusait les laboratoires d’IA de s’entraîner sur les données d’autrui tout en interdisant la distillation de leurs modèles. Codeberg porte l’argument du côté de ceux qui fournissent les données sans contrepartie : le logiciel libre est du matériel d’entraînement, mais l’écosystème qui le produit ne reçoit rien en retour.

Les limites de cette initiative sont évidentes. Codeberg est une plateforme relativement petite par rapport à GitHub, et ses conditions d’utilisation ne lient que ceux qui hébergent des projets là. Les crawlers peuvent extraire le code à partir de clones publics ailleurs. L’interdiction des projets générés par IA est difficile à appliquer de manière non arbitraire : où tracer la ligne entre un projet généré avec l’IA par un développeur solitaire et un projet légitime avec peu de contributeurs ? Codeberg elle-même reconnaît qu’elle devra encore clarifier l’impact pratique.