La légalité de l’entraînement de modèles d’IA sur des livres protégés par le droit d’auteur reste incertaine, malgré une décision de justice majeure ayant considéré comme licite l’entraînement du modèle d’une entreprise. Une analyse de TechCrunch sur de récents contentieux en matière de droit d’auteur a montré que la question décisive n’est peut-être pas de savoir si les développeurs ont utilisé des œuvres protégées, mais comment ils les ont obtenues et si leurs produits d’IA concurrencent les marchés d’origine.

Cette incertitude touche les entreprises qui construisent des systèmes comme ChatGPT, Gemini et Claude, ainsi que les auteurs, les éditeurs, les acheteurs professionnels et les développeurs intégrant l’IA générative dans leurs produits. Les tribunaux appliquent des règles de droit d’auteur rédigées des décennies avant l’essor du machine learning à grande échelle, produisant des premières décisions susceptibles d’influencer le secteur sans régler le litige de fond.

La décision Anthropic sépare l’entraînement de l’acquisition des livres

L’une des affaires les plus importantes concernait Anthropic et un groupe d’écrivains dont les livres ont été utilisés pour entraîner les modèles d’IA de l’entreprise. Selon TechCrunch, le juge William Alsup a jugé que l’entraînement de l’IA par Anthropic était légal, mais a ordonné à l’entreprise de verser un règlement de 1,5 milliard de dollars au titre du droit d’auteur parce qu’elle avait obtenu certains livres auprès de « bibliothèques fantômes » en ligne non autorisées.

Cette distinction est essentielle. La décision a traité l’ingestion d’œuvres protégées par le droit d’auteur pour entraîner un modèle de langage comme quelque chose de plus proche de la lecture et de l’apprentissage à partir de la littérature que de la reproduction d’un livre en vue de sa distribution. La sanction visait plutôt l’acquisition prétendument illégale du matériel d’entraînement.

Cathy Gellis, avocate spécialisée en propriété intellectuelle, droit d’auteur et technologie, a déclaré à TechCrunch que ce raisonnement pouvait être favorable aux entreprises d’IA, car le droit d’auteur se concentre généralement sur la copie plutôt que sur la simple utilisation ou l’expérience d’une œuvre. Toutefois, les conséquences financières et la manière dont la décision traite la provenance des données continuent d’exposer fortement les créateurs de modèles.

L’affaire ne garantit pas non plus que d’autres tribunaux parviendront à la même conclusion. La décision Anthropic demeure une première décision influente au sein d’un ensemble bien plus vaste de litiges en cours.

Le fair use dépend de l’objectif et de la concurrence sur le marché

Une grande partie du débat juridique porte sur le fair use, une doctrine qui peut permettre l’utilisation sans licence de matériel protégé par le droit d’auteur à des fins telles que la critique, l’éducation, la parodie ou d’autres activités transformatrices. Les tribunaux examinent généralement l’objectif de l’utilisation, la quantité de matériel concernée et son effet sur le marché de l’œuvre originale.

Jason Henderson, un avocat en propriété intellectuelle cité par TechCrunch, a déclaré que les tribunaux semblent particulièrement préoccupés lorsqu’une entreprise s’entraîne sur du matériel protégé par le droit d’auteur pour créer un produit qui concurrence directement le contenu source. Cette préoccupation a façonné une autre affaire impliquant Thomson Reuters et Ross Intelligence, une société de recherche juridique qui a utilisé du contenu Reuters pour développer une plateforme concurrente basée sur l’IA.

Dans ce litige, le juge Stephanos Bibas a estimé que l’utilisation par Ross n’était pas transformatrice, faute d’un objectif ou d’un caractère suffisamment différent de celui du produit de Thomson Reuters. La décision avertit les entreprises d’IA : les données d’entraînement et les sorties des modèles peuvent recevoir un traitement différent selon que le système résultant se substitue ou non au marché d’origine.

Cette logique pourrait devenir importante pour les éditeurs et les auteurs qui soutiennent que les chatbots peuvent générer des livres synthétiques, des résumés ou d’autres contenus concurrençant leur travail. TechCrunch a rapporté qu’un tel argument n’avait pas encore prévalu devant les tribunaux, laissant son poids futur incertain.

Les preuves sont influentes, mais pas निर्णantes

Les éléments disponibles n’établissent pas une règle juridique unique pour tout entraînement de l’IA. La décision Anthropic soutient la possibilité que l’entraînement lui-même puisse constituer un usage licite, tandis que l’affaire Ross Intelligence montre qu’un produit en concurrence directe peut affaiblir une défense fondée sur le fair use. Des faits différents concernant la source des données, l’objectif du produit, le comportement des sorties et l’effet sur le marché peuvent conduire à des résultats différents.

Les deux affaires sont également plus limitées que la question à l’échelle du secteur. Une décision concernant des livres obtenus à partir de sources illégales peut ne pas régler le statut de livres acquis via des bases de données sous licence, le web scraping ou d’autres formes d’accès. De même, une décision sur un produit de recherche juridique peut ne pas se transposer clairement à un chatbot généraliste.

Gellis a déclaré à TechCrunch que les premières décisions façonnent le comportement des entreprises mais pourraient plus tard être annulées ou limitées au fil des procédures. La plupart des grandes entreprises d’IA restent impliquées dans des litiges en matière de droit d’auteur, de sorte que les décisions actuelles doivent être considérées comme des संकेतالات plutôt que comme un règlement définitif du droit.

L’article distingue également les litiges liés à l’entraînement des questions de droit d’auteur sur les œuvres générées par l’IA. Dans Thaler v. Perlmutter, un tribunal a jugé qu’une œuvre entièrement générée par l’IA n’est pas protégeable par le droit d’auteur. Cette règle distincte soulève des questions pratiques sur le niveau de contribution humaine nécessaire à la protection et sur la manière de vérifier qu’une œuvre a été créée ou assistée par l’IA.

Ce que l’incertitude signifie pour les créateurs d’IA

Pour les créateurs de modèles, la provenance des données devient une question de produit et de gestion des risques plutôt qu’un simple détail juridique de back-office. L’affaire Anthropic suggère que l’obtention de matériel d’entraînement à partir de dépôts non autorisés peut engager la responsabilité, même lorsque la théorie sous-jacente de l’entraînement du modèle résiste à l’examen judiciaire. Les entreprises pourraient donc être amenées à documenter l’origine des livres et autres œuvres protégées, la manière dont elles ont été traitées et les contrôles encadrant les futurs apports de données.

Les équipes produit doivent également déterminer si leurs systèmes se positionnent comme des outils polyvalents ou comme des substituts à un marché de contenu spécifique. La décision Ross Intelligence indique qu’un produit d’IA étroitement ciblé, en concurrence avec un service d’information établi, peut faire l’objet d’une analyse du fair use différente de celle d’un système à objectif plus large et plus transformateur.

Les acheteurs professionnels devraient s’attendre à ce que les assurances relatives au droit d’auteur restent limitées. Les fournisseurs peuvent décrire leurs pratiques en matière de données et leurs politiques d’indemnisation, mais aucun contrat ne peut éliminer l’incertitude tant que les tribunaux n’ont pas encore décidé si l’entraînement, la récupération, la génération des sorties et la substitution de marché doivent être analysés séparément.

Les chercheurs et les fondateurs font face à un arbitrage similaire. Utiliser des matériaux protégés par le droit d’auteur de haute qualité peut améliorer un système, mais la valeur juridique de ces données dépend du mode d’acquisition et de l’usage prévu. Tant que d’autres affaires n’auront pas mûri, une gouvernance des données prudente et des registres clairs pourraient compter presque autant que la performance du modèle.

Ce qu’il faut surveiller ensuite

Les signaux les plus importants viendront de décisions ultérieures dans les affaires de droit d’auteur en cours impliquant des entreprises d’IA, en particulier des décisions portant sur des livres obtenus par des canaux licites plutôt que par des bibliothèques fantômes. Le traitement par les tribunaux des sorties de chatbots qui ressemblent aux œuvres des auteurs ou leur font concurrence clarifiera aussi la manière dont le préjudice de marché est évalué.

Les créateurs devraient surveiller des règles plus précises sur les données d’entraînement sous licence, les systèmes d’exclusion, les licences collectives et les standards de preuve utilisés pour démontrer quelles données ont été intégrées à un modèle. Une autre question clé est de savoir si les juridictions d’appel maintiennent la distinction entre entraînement licite et acquisition illicite établie dans le litige Anthropic.

Le secteur devrait aussi suivre la manière dont les tribunaux appliquent les critères de protégeabilité aux œuvres assistées par l’IA. La frontière entre auteur humain et assistance machine affectera les éditeurs, les éditeurs de logiciels et les utilisateurs qui s’appuient sur des outils génératifs pour créer du contenu commercial.

Point de vue de Creati.ai

La leçon immédiate n’est pas que l’entraînement de l’IA sur des livres protégés par le droit d’auteur est légal ou illégal. C’est que la légalité dépend d’une chaîne de faits : comment le matériel a été acquis, ce que le modèle ou le produit en fait, s’il concurrence le marché source et quelle part d’auteur humain apparaît dans le résultat.

Pour les entreprises d’IA, la réponse la plus sûre consiste à traiter l’incertitude juridique comme une contrainte opérationnelle. Une provenance des données documentée, une analyse de marché propre à chaque produit et des stratégies d’entraînement adaptables seront plus durables que l’hypothèse qu’une décision favorable règle la question. Les décisions de justice commencent à définir les limites, mais elles n’ont pas encore tracé de ligne stable.