L’accord d’Anthropic redessine le bras de fer sur le droit d’auteur et l’IA

Un paiement record qui laisse malgré tout l’entraînement des IA largement en suspens

Un tribunal fédéral de San Francisco a approuvé un accord de 1,5 milliard de dollars entre Anthropic et des auteurs de livres au sujet du téléchargement par l’entreprise d’ouvrages issus des bases de données piratées LibGen et PiLiMi en 2021 et 2022. Rien que par les chiffres, il s’agit d’un événement majeur : la source le décrit comme le plus grand accord en matière de droit d’auteur de l’histoire des actions collectives. Mais l’importance de l’affaire ne tient pas seulement au montant du paiement. Elle semble surtout séparer deux questions souvent mêlées dans le débat public sur l’IA générative : le piratage et l’entraînement des modèles.

Selon le rapport fourni, l’accord couvre environ 482 460 œuvres répertoriées, dont 91,3 % ont fait l’objet d’une réclamation, ce qui donne des paiements d’environ 3 000 dollars par œuvre réclamée. Anthropic doit aussi détruire les fichiers piratés. Ce dénouement constitue une lourde défaite au regard de la manière dont les livres ont été obtenus. En même temps, il ne règle pas la question juridique plus large sur laquelle éditeurs, auteurs et entreprises d’IA s’affrontent : l’utilisation de livres obtenus légalement pour entraîner des systèmes d’IA peut-elle relever du fair use ?

Cette distinction compte, car elle dessine la prochaine phase du contentieux du droit d’auteur appliqué à l’IA. Si les tribunaux continuent de sanctionner l’acquisition illégale tout en traitant différemment l’entraînement sur des œuvres obtenues légalement, la charge de conformité pour les développeurs d’IA pourrait se déplacer de la question de savoir si les modèles ont appris à partir de contenus protégés vers celle de savoir comment les jeux de données sous-jacents ont été constitués, documentés et concédés sous licence. Pour les auteurs et les titulaires de droits, ce serait un résultat mitigé : une victoire contre le piratage, mais pas nécessairement une restriction massive de l’entraînement lui-même.

Pourquoi cette affaire peut malgré tout être considérée comme une victoire juridique pour les laboratoires d’IA

La source fournie indique que le juge Alsup avait déjà jugé que l’entraînement de l’IA sur des livres obtenus légalement était « transformatif » et relevait du fair use. Cette décision antérieure est le contexte essentiel de l’accord. Elle suggère que l’exposition la plus coûteuse d’Anthropic dans cette affaire venait de l’utilisation alléguée de copies piratées, et non de l’acte d’entraînement du modèle en soi. En pratique, le tribunal semble avoir tracé une ligne entre une source illicite et une transformation potentiellement licite.

Pour les entreprises d’IA, cette ligne est hautement significative. De nombreux développeurs de modèles font face à des griefs qui se chevauchent concernant le scraping, les licences, le consentement, la mémorisation et la substitution de marché. Une décision de justice qui isole le piratage comme l’infraction tout en laissant intactes les moyens de défense fondés sur l’entraînement donne à l’industrie une carte plus claire, même si elle reste incomplète, de l’endroit où la responsabilité la plus immédiate peut se situer. Le texte source soutient que cela ressemble à un jalon pour les laboratoires d’IA ayant entraîné leurs modèles sur des contenus web sans le consentement des propriétaires de sites, car la collecte à l’échelle du web demeure la principale source de données d’entraînement. Ce n’est pas une bénédiction juridique définitive, mais cela suggère que le centre de gravité de ces litiges pourrait se déplacer vers les méthodes d’acquisition et les reproductions, plutôt que vers l’existence même de l’entraînement.

Anthropic ne s’en sort pas indemne. Un accord de 1,5 milliard de dollars n’est pas une simple sanction opérationnelle ; c’est un avertissement à l’échelle d’une entreprise. Il dit à tout grand développeur d’IA qu’une gouvernance défaillante des jeux de données peut produire des dommages historiques. Même si une entreprise estime ses arguments de fair use solides, ces défenses peuvent offrir peu de protection si la chaîne d’alimentation du modèle comprend des éléments provenant de dépôts de piratage. En ce sens, l’accord augmente la valeur des contrôles de provenance, des audits d’ingestion et des restrictions internes sur ce que les ingénieurs et chercheurs peuvent utiliser pendant le développement du modèle.

Les droits que les auteurs conservent encore

L’affaire n’a pas non plus effacé toutes les réclamations futures. D’après le rapport fourni, les auteurs conservent des demandes concernant les sorties d’IA qui reproduisent des œuvres originales ainsi que le comportement futur d’Anthropic. Cela laisse ouverte une autre frontière, à la fois juridiquement et techniquement difficile, dans les guerres du droit d’auteur liées à l’IA. L’entraînement peut être une question ; le comportement des sorties en est une autre. Si un modèle produit un texte trop proche d’une œuvre protégée, ou si les futures pratiques de collecte s’appuient à nouveau sur des sources inappropriées, la voie du contentieux reste ouverte.

Cette réserve est importante, car elle permet aux plaignants de contester des préjudices concrets plutôt qu’un comportement abstrait du modèle. Les tribunaux peuvent rester divisés sur la manière d’évaluer l’entraînement sur de vastes corpus, mais les demandes liées à la reproduction d’une expression originale sont plus faciles à formuler et à tester. Pour les développeurs d’IA, cela signifie que le travail juridique ne s’arrête pas à une meilleure provenance des données. Il s’étend à l’évaluation des modèles, aux red teams visant la mémorisation, et aux contrôles produits pour réduire le risque de régurgiter du contenu protégé.

Il y a aussi une implication plus large en matière de politique publique. Si le système juridique traite de plus en plus la provenance des jeux de données, les garde-fous sur les sorties et le comportement futur comme des couches distinctes de conformité, la régulation de l’IA pourrait devenir plus opérationnelle que philosophique. Le débat public porte souvent sur la question de savoir si l’entraînement est intrinsèquement autorisé ou intrinsèquement exploiteur. Les tribunaux, eux, pourraient continuer à découper le problème en questions plus étroites : la copie a-t-elle été obtenue légalement ? L’usage était-il transformateur ? La sortie reproduisait-elle une expression protégée ? Y avait-il un préjudice économique mesurable ?

La suite

Le texte source est explicite sur un point qui reste non résolu : le fait de collecter massivement du contenu internet sans le consentement des auteurs constitue-t-il une acquisition légale ? Cette question dépasse largement le cadre des livres. Elle touche directement aux données du web qui ont alimenté la plupart des modèles de pointe. Si les tribunaux adoptent une vision plus stricte du consentement et de l’acquisition dans ce contexte, la victoire apparente suggérée par la position d’Anthropic sur le fair use pourrait se réduire rapidement. Si ce n’est pas le cas, l’industrie pourrait considérer cette affaire comme la preuve que la voie la plus sûre n’est pas d’abandonner l’entraînement sur des contenus protégés, mais de mieux encadrer la manière dont ces contenus sont collectés et manipulés.

Pour l’instant, l’accord s’impose comme un jalon paradoxal. C’est un paiement record au titre du droit d’auteur et un revers réputationnel. Il semble aussi renforcer un cadre juridique dans lequel le piratage est sanctionné, mais l’entraînement sur des œuvres obtenues légalement peut encore être défendable. Cette combinaison ne mettra pas fin au conflit sur le droit d’auteur et l’IA. Elle est plus susceptible de l’aiguiser. Les auteurs, éditeurs et entreprises de modèles savent désormais plus clairement où un tribunal trace des frontières, et cette clarté pourrait intensifier, plutôt qu’apaiser, la prochaine vague d’affaires.

Le constat pratique est simple. Les entreprises d’IA ne peuvent plus traiter la constitution des jeux de données comme un détail technique secondaire. La provenance devient un risque juridique de premier ordre. En même temps, les titulaires de droits qui espéraient un précédent massif contre l’entraînement lui-même n’ont pas obtenu cela ici. L’argument s’est resserré, il n’a pas disparu. Et c’est dans cet argument plus étroit que se joue l’avenir du combat sur le droit d’auteur et l’IA.

Cet article est basé sur le reportage de The Decoder. Lire l’article original.