Est-il légal d'entraîner des modèles d'IA sur des livres sous droit d'auteur ? C'est compliqué

Contexte

Un conflit juridique autrefois perçu comme lointain a discrètement redéfini les fondements des relations entre l'industrie de l'édition et le secteur de l'intelligence artificielle. La plupart des auteurs publiés ont, sans leur savoir ni leur consentement, contribué au développement des outils d'IA qui menacent leur subsistance. Les mots qu'ils ont écrits sont extraits à grande échelle, encodés, puis injectés dans des modèles, se transformant potentiellement en produits génératifs susceptibles de remplacer ou de comprimer leur valeur marchande.

Les grands modèles de langage modernes sont généralement construits par extraction massive de texte, récupérant des millions de livres, d'articles et de pages web pour les convertir en vecteurs et en régularités statistiques apprenables. Le texte n'est pas « copié » en un produit fini directement lisible ; il est décomposé et recodé en représentations paramétriques internes. Or, l'une des fonctions centrales du droit d'auteur consiste à contrôler la « reproduction » et la « dérivation » des œuvres, sans que la loi n'apporte de réponse claire quant à la catégorie à laquelle appartient réellement l'entraînement.

Analyse approfondie

La véritable source du débat réside dans cette tension structurelle. Les entreprises technologiques soutiennent qu'il s'agit d'une utilisation transformatrice, car elle ne remplace pas directement l'œuvre originale mais en extrait les régularités linguistiques. Les auteurs et éditeurs redoutent en revanche que le produit finalement « transformé » n'empiète précisément sur leur espace de subsistance.

Pour juger de l'usage licite, des juridictions comme celles des États-Unis pondèrent quatre facteurs : le but et la nature de l'utilisation, la nature de l'œuvre originale, la quantité et la proportion utilisées, ainsi que l'effet sur le marché potentiel de l'œuvre. Le plus décisif est souvent le dernier, soit la question de savoir si le nouvel outil constitue une substitution substantielle au marché de l'original. Si le contenu généré par l'IA empêche simplement les lecteurs d'acheter le livre, la défense de l'usage licite devient fragile ; si elle offre une nouvelle outil complémentaire, les cours judiciaires pourraient pencher différemment.

D'un point de vue commercial, la contradiction profonde réside dans un désalignement sévère entre création et répartition de la valeur. La compétitivité des entreprises d'IA repose sur d'immenses quantités de texte de qualité, dont la source est précisément l'investissement accumulé des auteurs et éditeurs au cours des dernières décennies. Les créateurs de ces textes ne tirent aucun retour direct de la valeur commerciale générée. Lorsque le rendement marginal de l'écriture est fortement compressé, l'incitation à la production professionnelle décline.

Impact sur l'industrie

Pour les auteurs indépendants, le risque est particulièrement concret, leur income dépendant fortement des droits d'auteur et des honoraires que des substituts génératifs bon marché pourraient éroder. Pour l'industrie de l'édition, il s'agit d'une bataille pour le pouvoir de fixation des prix et la rareté, la valeur des marchés du reposant largement sur la rareté conférée par l'étiquette « original humain ».

Pour les entreprises d'IA de premier plan, le risque juridique n'est plus une question théorique mais une source réelle de coûts et d'incertitude. Si une cour statuait qu'un entraînement à grande échelle constitue une contrefaçon, le modèle d'acquisition de données de toute l'industrie pourrait être réécrit, contraignant les entreprises vers des chemins coûteux tels que les licences payantes, les corpus maison ou le nettoyage de données. Cela pourrait élever les barrières sectorielles, désavantageant les startups à ressources limitées et consolidant le pouvoir des leaders.

Les auteurs occupent actuellement une position nettement défavorable, le coût des litiges individuels étant élevé tandis que les gains de la victoire sont difficiles à internaliser, d'où l'importance des actions collectives et du plaidoyer législatif. Pour les lecteurs, l'issue affecte directement la qualité et la diversité du contenu accessible, l'amincissement de la production professionnelle faisant courir le risque de marchés remplis de contenu générique de faible qualité.

Perspectives

Plusieurs signaux méritent une observation soutenue. Premièrement, les décisions à valeur de précédent, en particulier celles abordant le facteur de l'effet sur le marché, pourraient marquer la ligne de partage définissant l'ensemble de la règle. Deuxièmement, l'adoption de exceptions spécifiques à l'extraction de texte, comme nombre de pays le font déjà pour la recherche ou l'archivage, déterminera directement la trajectoire du secteur.

Troisièmement, la formation spontanée de mécanismes de marché — plateformes de licence, partage des revenus, technologies de traçage de données — pourrait redéfinir la répartition plus rapidement que le contentieux. Quatrièmement, les différences d'approches internationales, les juridictions variant dans leur tolérance à l'usage licite, pourraient amener les entreprises d'IA à adopter des stratégies de données variables selon les marchés.

Finalement, la question de la légalité dépourvue de réponse simple tient au fait qu'il s'agit fondamentalement d'un jugement de valeurs cherchant l'équilibre entre l'encouragement à l'innovation technologique et la protection des droits des créateurs. Jusqu'à ce que les cours statuent, les législateurs établissent des règles et les marchés proposent des solutions, ce combat autour de l'extraction de texte et des limites du droit d'auteur continuera d'évoluer dans l'incertitude, façonnant profondément la forme future de l'écosystème du contenu.