Pendant l’été 2023, les sites de la Bibliothèque nationale de France (BnF) ont subi un fort ralentissement empêchant toute consultation de documents. La cause de ce dysfonctionnement ? Le « moissonnage » de millions de contenus pour entraîner les systèmes d’IA, a expliqué Tiphaine Vacqué, déléguée aux systèmes d’information et du numérique de la BnF, lors du Forum 2025 du Gf2i. Durant les années 2020, OpenAI et les autres créateurs de systèmes d’IA générative ont aspiré le web ouvert pour entraîner leurs modèles, discrètement, et bien sûr sans demander l’autorisation aux titulaires de droit sur les contenus protégés. Comme Google, Meta et autres s’étaient nourris des données personnelles sans avertir les personnes ni leur demander la permission, les leaders de l’IA se sont servis des contenus libres d’accès. Tout le web en accès public a ainsi été « scrapé » sans accord et sans rémunération des titulaires de droits. Les secteurs de la culture, du divertissement ou de l’information ont tardé à prendre conscience du problème et n’ont pas tout de suite réagi. Aujourd’hui des deux côtés de l’Atlantique, la riposte s’organise, des actions en justice sont lancées, des stratégies sont mises en place. Les entreprises de l’IA justifient ce moissonnage généralisé par l’exception TDM en Europe et par celle de « fair use » aux États-Unis. Mais sont-elles vraiment applicables ? Question d’interprétation qu’il revient aux tribunaux de trancher.

La plupart des actions judiciaires sont initiées aux Etats-Unis : le site américain chatgptiseatingtheworld.com en a recensé 44 en cours, majoritairement contre OpenAI puis contre Meta mais aussi contre Nvidia, Suno, Antropic, Google et Stability AI. Tous invoquent en défense le fair use, exception au copyright permettant, à certaines conditions, l’utilisation non consentie d’une œuvre. Les déclarations de Mustafa Suleyman, responsable de l’IA de Microsoft, en 2024, résument bien la pensée du secteur : « pour les contenus qui sont déjà présents sur le web ouvert, le contrat social depuis les années 90 a été qu’on peut les utiliser de manière équitable. N’importe qui peut les copier, les récréer, les reproduire. C’est le libre usage, si vous voulez, c’est ce que l’on a compris ». De même, Mikey Shulman, patron et cofondateur de Suno estime qu’« apprendre n’est pas une contrefaçon. Cela ne l’a jamais été, et ce n’est pas le cas actuellement ».

Dans une première affaire, Bartz c. Anthropic, le juge William Alsup de la cour du district nord de Californie a jugé, le 23 juin 2025, que l’entraînement de modèles d’IA générative avec des contenus protégés par le copyright constituait un usage équitable (fair use) et pouvait donc être réalisé sans compensation pour les titulaires de droits. Dans une seconde affaire, Kadrey c. Meta, le juge Vincent Chhabria de la même cour a aussi donné gain de cause à Meta dans une décision du 6 juin 2025. Mais il est difficile d’en tirer des conclusions sur le fond car les auteurs n’avaient pas démontré que Meta leur avait causé un préjudice commercial, du fait de l’utilisation sans licence de leurs œuvres pour entraîner. Ces deux décisions sont loin d’être définitives. Elles feront sans doute l’objet d’un appel puis d’un recours devant la Cour suprême. En conséquence, rien n’est tranché du côté des Etats-Unis.

En Europe, les fournisseurs d’IA se fondent sur deux exceptions à la directive européenne du 17 avril 2019 sur les droits d’auteur et les droits voisins dans le marché unique numérique (DAMUN) : la fouille de textes et l’extraction de données, dite TDM (text and data mining). Les exceptions dites TDM étaient initialement pensées pour permettre des recherches scientifiques par des institutions non publiques. Rejetée dans l’étude d’impact initiale, car considérée contraire au droit d’auteur, elle avait finalement été réintroduite par voie d’amendement. Si les fournisseurs d’IA se sont saisis de ce fondement juridique, les ayants droit ainsi que le ministère de la Culture ont mis du temps à comprendre les enjeux de ces exceptions. Et leur rédaction peu satisfaisante a ouvert le champ à un usage plus large.
Certes la directive a prévu une faculté d’« opt-out » pour les ayants droit, à condition que la fouille de données porte sur des œuvres librement accessibles. Mais ces derniers se heurtent à l’absence de méthodologie pour mettre en œuvre ce droit d’opposition.
En attendant, plusieurs actions de justice sont engagées. En France en mars dernier, le Syndicat national de l’édition (SNE), la Société des gens de lettres (SGDL) et le Syndicat national des auteurs et des compositeurs (SNAC) ont assigné Meta pour contrefaçon de droit d’auteur et parasitisme. Au Luxembourg, Jamendo, plateforme de streaming indépendante, a assigné Nvidia et Suno pour avoir entraîné leur système d’IA à créer de la musique originale à des fins commerciales. Suno a par ailleurs été attaquée en Allemagne par la société représentant les artistes dans l’industrie musicale (Gema).

Conçue pour les contenus scientifiques, l’exception TDM s’applique-t-elle à l’IA et dans quelle mesure ? La Cour de Justice de l’Union européenne (CJUE) devrait très vraisemblablement se prononcer sur l’étendue de l’exception en 2026 dans une affaire dans laquelle l’éditeur hongrois Like Company conteste l’utilisation par Google et son IA Gemini d’articles de presse.

Les titulaires de droit attendent également beaucoup des résumés prévus par l’article 53 du règlement sur l’intelligence artificielle (RIA) afin de pouvoir revendiquer des droits. Les législateurs européens avaient justement cherché à compenser le flou laissé par la directive en prévoyant un « principe de transparence des sources », obligeant les développeurs à publier un « résumé suffisamment détaillé » des données utilisées pour former leur outil. La Commission européenne a dévoilé, ce jeudi 24 juillet, son « modèle de résumé », applicable à partir du 2 août, sur lequel les développeurs d’IA doivent indiquer quelles bases de données principales ont été utilisées pour entraîner leurs modèles, sans que soit exigé une liste exhaustive des sources utilisées.

En attendant que la jurisprudence soit stabilisée par les cours suprêmes, en France, Rachida Dati, ministre de la Culture, et Clara Chappaz, ministre déléguée chargée de l’Intelligence artificielle et du Numérique, ont lancé le 23 avril dernier, une concertation entre développeurs de modèles d’IA générative et représentants d’ayants droit des filières de la culture et des médias pour favoriser la compréhension réciproque des enjeux respectifs pour ces deux écosystèmes. Celle-ci doit s’achever en novembre prochain. En cas d’échec, la commission de la culture du Sénat a déclaré qu’elle soutiendrait « une proposition de loi d’initiative sénatoriale visant à mettre en œuvre une présomption d’utilisation des contenus culturels par les fournisseurs d’IA ». Le 9 juillet dernier, cette commission avait publié un rapport « Création et IA : de la prédation au partage de la valeur » dans lequel les sénateurs avaient prôné une réelle troisième voie de l’IA, respectueuse tant du droit d’auteur et de la création qu’attractive pour l’innovation, considérant que les deux secteurs avaient à y gagner.
Mais comme l’a constaté la professeure de droit Alexandra Bensamoun lors de la conférence annuelle de Cyberlex, « l’ère du temps n’est pas à la protection des contenus en Europe » alors que le secteur de la culture et du divertissement représenterait pourtant 4% du PIB aux Etats-Unis et 2 % du PIB en France. Même en France, pourtant fer de lance de la défense du droit d’auteur et de la culture, la balance semble pencher du côté de l’IA. Quant aux Etats-Unis, le plan de Donald Trump sur l’intelligence artificielle ne mentionne pas une seule fois le copyright.

Face à une situation juridique quelque peu incertaine, il n’est pas trop tard pour adopter quelques mesures de protection pratiques. Par exemple, on peut retirer du web ouvert des contenus pour les nouvelles versions majeures de LLM car les développeurs réentraînent généralement le nouveau modèle sur l’intégralité du corpus. Pour empêcher le moissonnage, il y a bien sûr le recours aux fichiers robots.txt qui indiquent aux robots d’exploration IA de ne pas extraire le contenu du site. Encore faut-il qu’ils les respectent. Les hébergeurs web peuvent également bloquer les « scrapers LLM » ou établir des politiques de monétisation pour les agents IA cherchant à accéder à des sous-ensembles de votre contenu. Enfin des logiciels tels que Glaze ou Nightshade, permettent de protéger les images en altérant les pixels des images.