💻 technology

Le Vol de Droits d'Auteur par l'IA : Des Poursuites Judiciaires Inattendues

Les entreprises d'intelligence artificielle ont aspiré l'ensemble d'Internet pour entraîner leurs modèles, et maintenant les créateurs veulent leur part. De Sarah Silverman poursuivant OpenAI à Getty Images réclamant des milliards, le champ de bataille juridique autour de la violation des droits d'auteur par l'IA est devenu le combat de propriété intellectuelle emblématique de notre génération.

L'accusation fondamentale est simple : les entreprises d'IA ont absorbé des livres, articles, images, codes et musiques protégés par des droits d'auteur sans demander la permission ni payer un centime. OpenAI, Meta, Stability AI, Anthropic, et d'autres ont construit des entreprises valant des milliards de dollars en formant leurs modèles sur des œuvres qui ont pris des années à créer pour les humains. Maintenant, les poursuites s'accumulent plus vite qu'une réponse ChatGPT, et le système juridique est en train de déterminer si cela constitue le plus grand vol de droits d'auteur de l'histoire ou relève de l'utilisation équitable. Getty Images a donné le coup d'envoi en janvier 2023, en poursuivant Stability AI devant les tribunaux américains et britanniques pour avoir prétendument copié 12 millions de photographies de sa base de données pour entraîner le générateur d'images Stable Diffusion. La preuve flagrante ? Le modèle de Stability produit parfois des images avec le filigrane de Getty encore visible, bien que déformé mais reconnaissable. Getty ne demande plus un accord de licence, ils veulent des dommages-intérêts légaux pouvant atteindre des milliards. Dans le district sud de New York (dossier 1:23-cv-00135), la juge Katherine Polk Failla évalue si la capture de Stability constitue une utilisation équitable transformative ou une violation flagrante. En mai 2024, l'affaire a survécu à la demande de rejet de Stability, ce qui signifie que la découverte obligera l'entreprise à révéler exactement quelles données de formation elle a utilisées et comment. La Guilde des Auteurs a coordonné des recours collectifs qui ressemblent à un who's-who de la littérature américaine. Sarah Silverman, John Grisham, Michael Chabon, George R.R. Martin et Jodi Picoult ont tous poursuivi OpenAI et Meta (affaires 3:23-cv-03416 et 3:23-cv-03223 dans le district nord de Californie). Leur plainte est élégante : lorsque vous demandez à ChatGPT ou LLaMA (Large Language Model Meta AI) de résumer leurs livres, les modèles produisent des détails de l'intrigue, des arcs de personnage et même l'imiterie du style d'écriture, preuve que les textes complets protégés par droits d'auteur ont été ingérés lors de l'entraînement. La défense d'OpenAI repose sur deux piliers : l'utilisation équitable (l'entraînement est transformateur, ne remplace pas le marché original) et l'argument selon lequel apprendre à partir d'œuvres protégées par des droits d'auteur est ce que les humains font tous les jours. Le juge Vince Chhabria n'a pas tout acheté en gros. En février 2024, il a permis aux revendications fondamentales de droits d'auteur de se poursuivre tout en rejetant certaines réclamations dérivées autour des violations de la loi sur le droit d'auteur du millénaire numérique (DMCA). L'industrie musicale est entrée dans la mêlée avec une vengeance. La Recording Industry Association of America (RIAA), représentant Universal Music Group (UMG), Sony Music Entertainment et Warner Music Group, a poursuivi les générateurs de musique AI Suno et Udio en juin 2024 (affaires 1:24-cv-05410 et 1:24-cv-05311, District du Massachusetts). Leurs preuves sont accablantes : ils ont demandé à l'IA des paroles spécifiques ou des indices de style et ont obtenu des sorties qui reproduisaient des morceaux d'enregistrements de Mariah Carey, ABBA et James Brown. Le PDG de Suno, Mikey Shulman, a admis dans une interview à la BBC que l'entreprise s'était entraînée sur des musiques protégées par droits d'auteur mais affirme que le produit est transformateur. La RIAA n'est pas d'accord, elle réclame 150 000 $ par œuvre enfreinte volontairement, et elle a documenté plus de 400 chansons dans la plainte seule. Comment les entreprises d'IA gèrent-elles réellement ce champ de mines juridique ? Les stratégies se divisent en quatre catégories :

Défense de l'utilisation équitable : Affirmer que la formation de l'IA est une utilisation transformative en vertu de la Section 107 de la loi sur le droit d'auteur. Pointer vers Google Books (Guilde des Auteurs c. Google, 2015) où la numérisation de millions de livres pour la recherche a été jugée une utilisation équitable.

Pas d'accès équivaut à pas de violation : Argumenter qu'une fois formé, le modèle ne "stocke" pas les œuvres protégées par droits d'auteur, donc les sorties ne sont pas des copies. Cela a partiellement fonctionné dans le litige GitHub Copilot, où le juge Jon S. Tigar a noté en novembre 2023 que les plaignants avaient du mal à prouver la copie directe.

Partenariats de Licence : OpenAI a signé des accords avec Associated Press, Axel Springer et le Financial Times en 2023-2024 pour autoriser le contenu. Ces accords paient généralement 5 à 10 millions de dollars par an par grand éditeur, une fraction de ce que valent réellement les données de formation mais suffisant pour créer un récit de "bon acteur".

Blâmer l'Internet Ouvert : Les entreprises soutiennent qu'elles ont extrait des données publiquement disponibles, que les tribunaux ont historiquement traitées différemment des contenus protégés par paywall. Le Computer Fraud and Abuse Act (CFAA) ne s'applique généralement pas à la récupération du web public (hiQ Labs c. LinkedIn, 9th Circuit 2022).

Mais voici où cela devient fou : les chercheurs de l'Université Carnegie Mellon et de l'Allen Institute for AI ont publié "Extraction évolutive des données de formation à partir de (modèles de langage en production)" en novembre 2023. Ils ont démontré que GPT-3.5 pouvait être invité à régurgiter des passages textuels de Harry Potter, confirmant que les modèles mémorisent des morceaux protégés par droits d'auteur, et non seulement des motifs statistiques. La loi sur l'IA de l'Union européenne, entrée en vigueur en août 2024, exige que les développeurs d'IA publient des résumés détaillés des données d'entraînement protégées par droits d'auteur. L'Article 53 impose spécifiquement la transparence sur le contenu utilisé, offrant aux titulaires de droits une feuille de route pour poursuivre. Le Japon propose une approche contrastée : l'Article 30-4 de sa loi sur le droit d'auteur, modifié en 2019, autorise explicitement la formation d'IA sur des œuvres protégées pour un usage non expressif. C'est pourquoi Stability AI a déplacé d'importantes opérations à Tokyo en 2023. Cependant, les tribunaux japonais interdisent encore les sorties qui reproduisent "l'expression" des œuvres originales, créant une ligne floue entre apprentissage et copie qui reflète le débat américain sur l'utilisation équitable.

Mon avis

La stratégie de l'industrie de l'IA de "demander pardon, pas la permission" s'effondre en temps réel, et ils le méritent absolument. Ces entreprises savaient exactement ce qu'elles faisaient lorsqu'elles ont extrait des collections de livres piratés, utilisé les transcriptions de YouTube, et copié le catalogue entier de Getty. L'argument de l'utilisation équitable est insultant. Google Books a gagné parce qu'ils montraient des extraits pour la recherche, pas parce qu'ils ont construit un produit commercial qui concurrence les auteurs. Quand ChatGPT peut écrire dans le style de George R.R. Martin ou résumer l'intrigue entière d'un roman de John Grisham, ce n'est pas de la transformation, c'est du plagiat industriel à grande échelle avec des étapes supplémentaires. La vraie tragédie est qu'un système de licence raisonnable était possible. Imaginez si OpenAI avait approché la Guilde des Auteurs en 2020 et dit, "Nous voulons former sur les œuvres de vos membres. Voici des frais de licence collective et une redevance par consultation lorsque notre modèle fait référence à vos livres." Les auteurs auraient participé, l'IA aurait avancé, et nous aurions évité cet apocalypse juridique. Au lieu de cela, Sam Altman et ses pairs ont décidé qu'ils étaient au-dessus de la loi sur le droit d'auteur, et maintenant ils font face à des litiges existentiels qui pourraient les forcer à recycler les modèles à partir de zéro en utilisant uniquement des données sous licence, un processus qui coûterait des centaines de millions de dollars et retarderait leurs feuilles de route produit de plusieurs années. Les tribunaux doivent les frapper suffisamment fort pour que la prochaine génération de constructeurs d'IA apprenne à respecter les personnes dont ils commodifient le travail de toute une vie.

Et ensuite ?

La décision du juge Chhabria dans les affaires de la Guilde des Auteurs, attendue à la fin de l'été 2026, donnera soit le feu vert à la formation de l'IA sous une utilisation équitable, soit forcera une réinitialisation massive de l'industrie. S'il se range du côté des auteurs, OpenAI et Meta font face à un choix : autoriser rétroactivement les données de formation historiques (probablement impossible à grande échelle) ou recycler les modèles fondamentaux en utilisant uniquement du contenu sous licence. La reformation de GPT-5 ou LLaMA 4 coûterait des centaines de millions en calcul seul et retarderait les sorties de plus d'un an, donnant un avantage aux laboratoires d'IA chinois opérant sous des régimes juridiques différents. Anthropic et Google, qui ont été plus prudents quant à la provenance des données de formation, auraient soudainement l'air prescient. Le véritable chaos vient de la responsabilité en aval. Si les tribunaux statuent que la formation de l'IA constitue une violation, chaque entreprise utilisant ces modèles, des cabinets de recherche juridique à la gestion de Casetext aux développeurs utilisant GitHub Copilot, devient un potentiel défendeur pour contrefaçon contributive. Les services juridiques des entreprises rédigent déjà des clauses d'indemnité exigeant que les fournisseurs d'IA couvrent la responsabilité liée aux droits d'auteur, mais ces clauses sont sans valeur si le vendeur fait faillite sous les dommages-intérêts légaux. Attendez-vous à une vague de produits d'assurance d'ici 2027 spécifiquement pour le "risque de droits d'auteur par l'IA", avec des prix si élevés qu'ils tueront l'adoption dans les industries averses au risque comme la santé et la finance. Voici le scénario que personne n'évalue : le Congrès adopte réellement une législation. La "Loi sur la divulgation du droit d'auteur de l'IA générative" bipartisane, introduite par les sénateurs Tillis et Coons en mars 2026, exigerait l'enregistrement des ensembles de données avant la formation, créerait un régime de licence obligatoire avec des taux légaux, et établirait un Bureau du droit d'auteur de l'IA. Si elle est adoptée (peu probable en année électorale mais possible au début de 2027 lors de la session boiteuse), elle préempterait les lois d'État et les litiges en cours, créant une clause de grand-père désordonnée pour les modèles existants. Les entreprises d'IA pourraient effectivement préférer une législation fédérale à l'actuel patchwork de décisions judiciaires : mieux vaut payer des frais de licence connus que de faire face à des verdicts de jury d'un milliard de dollars. Mais les taux fixés par le Congrès pourraient être suffisamment punitifs pour rendre la formation d'IA économiquement non viable, en particulier pour les startups sans les réserves de capital d'OpenAI.

Ce que l'histoire nous apprend

Le parallèle historique le plus proche est la guerre sur l'échantillonnage musical des années 1980 et 1990. Lorsque des producteurs de hip-hop comme Public Enemy et De La Soul créaient des morceaux à partir de dizaines d'échantillons non autorisés, l'industrie du disque l'a initialement toléré comme une forme d'art de niche. Puis Biz Markie a perdu Grand Upright Music, Ltd. c. Warner Bros. Records en 1991, où le juge Kevin Duffy a ouvert son opinion avec "Tu ne voleras point" et a renvoyé l'affaire pour une poursuite pénale. Du jour au lendemain, la musique basée sur l'échantillonnage est passée de commons créatifs à un champ de mines juridique. Les producteurs ont dû clarifier chaque échantillon, même les fragments de trois secondes, à des tarifs qui dépassaient souvent le budget entier de la chanson. Des albums comme "3 Feet High and Rising" de De La Soul restent indisponibles sur les services de streaming parce que la clarification rétroactive des échantillons s'est avérée impossible. Le combat pour les droits d'auteur par l'IA suit le même arc, juste compressé. Les premiers modèles génératifs ont passé sous le radar quand ils étaient des projets de recherche. Maintenant que ChatGPT et Midjourney sont des entreprises valant des milliards de dollars, les titulaires de droits veulent leur moment Biz Markie. La différence est l'échelle : là où un morceau de hip-hop pourrait échantillonner 20 chansons, GPT-4 a été formé sur des millions d'œuvres protégées par des droits d'auteur. Si les tribunaux appliquent strictement le précédent de l'échantillonnage, les entreprises d'IA font face au même choix binaire que les producteurs des années 1990 : payer pour chaque entrée ou fermer. L'industrie musicale a finalement développé des systèmes de licence mécanique et des bases de données de clarification des échantillons, mais cela a pris 15 ans et a tué une approche esthétique entière de la production. L'IA pourrait obtenir son régime de licence obligatoire plus rapidement, mais le chaos intérimaire pourrait être tout aussi destructeur pour l'innovation.

Impact sur les marches

Le contentieux du droit d'auteur est déjà en train de remodeler la dynamique du marché de l'IA. Microsoft (MSFT, actuellement négocié autour de 412 $) a une exposition significative à travers son investissement de 13 milliards de dollars dans OpenAI et les services Azure AI. Si les tribunaux statuent contre l'utilisation équitable, Microsoft s'engage à indemniser les clients d'entreprise utilisant Copilot et Azure OpenAI, une responsabilité qui pourrait atteindre des milliards si les grandes affaires tournent en faveur des plaignants. Une pression baissière à court terme frappe MSFT si le juge Chhabria statue en faveur des auteurs. Cependant, les énormes ressources financières de Microsoft et les accords de licence de contenu existants (données LinkedIn, propriété intellectuelle Activision Blizzard post-fusion) le positionnent mieux que les startups d'IA pures. Alphabet (GOOGL, négocié près de 168 $) bénéficie en réalité de décisions défavorables contre les concurrents. Google a été plus conservateur avec les données de formation pour Gemini, s'appuyant fortement sur le contenu YouTube qu'ils possèdent et les nouvelles sous licence via des partenariats Google News Initiative. Ils sont aussi le seul acteur majeur avec une victoire marquante en matière d'utilisation équitable (Google Books). Si les concurrents sont freinés par la responsabilité en matière de droits d'auteur, les services de recherche et d'IA en cloud de Google gagnent des parts de marché. La pièce copyright est l'ETF Invesco Dynamic Media (PBS, autour de 23 $), qui détient Getty Images, Warner Music Group et d'autres propriétaires de contenu positionnés pour extraire les frais de licence des entreprises d'IA. Si la licence obligatoire passe au Congrès, ces entreprises obtiennent un nouveau flux de revenus potentiellement de milliards. Pour les actions individuelles, Warner Music Group (WMG, près de 31 $) est positionné comme un bénéficiaire des droits d'auteur par l'IA : ils sont agressifs dans les litiges et ont le levier du catalogue pour exiger des tarifs de licence premium.