Dans quels cas l'entraînement d'une IA constitue-t-il une violation du droit d'auteur ?
La plupart des entreprises qui utilisent des outils d’IA ne s’occupent pas elles-mêmes de l’entraînement des modèles ; le nombre croissant de litiges en matière de droit d’auteur à l’encontre des développeurs d’IA peut donc leur sembler être le problème de quelqu’un d’autre. La question pertinente sur le plan commercial pour une entreprise de logiciels est de savoir si les outils déjà intégrés à son produit reposent sur un élément qu’un tribunal pourrait ultérieurement juger illégal, et quelles en seraient les conséquences si cela venait à se produire. La plainte déposée par wikiHow contre OpenAI constitue un bon point de départ pour aborder cette question, à condition de la lire en parallèle de la position européenne, qui a été adoptée par une voie juridique différente et qui a déjà été partiellement tranchée.
Quelles sont les allégations de wikiHow ?
Le 21 août 2026, wikiHow a déposé une plainte devant le tribunal fédéral de première instance du district sud de New York contre OpenAI et plusieurs entités affiliées, alléguant une violation du droit d’auteur et la suppression d’informations de gestion des droits d’auteur au titre du Digital Millennium Copyright Act. La plainte fait état d’une violation d’au moins 1 200 droits d’auteur enregistrés et indique que les robots d’indexation d’OpenAI ont accédé au site de wikiHow plus de 185 000 fois entre mars et mai 2025 et 148 529 fois entre mai et juillet 2026.
La plainte porte sur la copie de contenus en vue de la constitution de jeux de données d’entraînement, la récupération de contenus de wikiHow au moment de l’exécution pour répondre aux requêtes des utilisateurs, les résultats reproduisant des passages reconnaissables, ainsi que la suppression présumée des titres, des signatures et des conditions d’utilisation des articles lors de leur intégration dans les jeux de données. Ce dernier élément mérite d’être souligné, car les plaintes relatives à la suppression d’informations de gestion des droits d’auteur donnent lieu à des dommages-intérêts forfaitaires spécifiques et ne dépendent pas de la preuve que l’utilisation à des fins d’entraînement constituait en soi une contrefaçon. wikiHow réclame des dommages-intérêts et une ordonnance visant à empêcher toute nouvelle contrefaçon. OpenAI soutient que l’entraînement sur du contenu accessible au public relève du «fair use» (usage loyal).
L’usage loyal n’existe pas en droit de l’Union européenne. L’article 3 de la directive sur le marché unique numérique autorise l’exploration de textes et de données à des fins de recherche scientifique par des organismes de recherche et des institutions du patrimoine culturel, sans possibilité de refus pour les titulaires de droits. L’article 4 autorise l’exploration de textes et de données à toutes fins, y compris l’entraînement commercial de l’IA, sur des contenus légalement accessibles, à moins que le titulaire des droits n’ait expressément réservé ses droits sous une forme appropriée lisible par machine.
Aux États-Unis, le débat porte principalement sur la question de savoir si l’entraînement est transformatif et si les résultats obtenus se substituent à l’œuvre originale sur le marché. Dans l’UE, les premières questions sont plus restreintes et plus factuelles : il s’agit notamment de déterminer si le contenu était légalement accessible et si une réserve valide, lisible par machine, était en place au moment de la collecte.
Où en sont les tribunaux européens et britanniques ?
Le contentieux est toujours en cours, mais les décisions rendues à ce jour par les tribunaux européens et britanniques sont utiles car elles permettent de distinguer plusieurs questions. La question de savoir si des contenus peuvent être légalement collectés à des fins d’entraînement n’est pas nécessairement la même que celle de savoir s’ils peuvent être conservés au sein d’un modèle, reproduits dans un résultat ou invoqués dans une juridiction particulière. Les affaires GEMA et Getty illustrent ces distinctions de manière particulièrement claire.
Dans l’affaire GEMA c. OpenAI (affaire n° 42 O 14139/24), le tribunal régional de Munich I est parvenu à une conclusion différente le 11 novembre 2025. La société de gestion collective allemande a démontré que ChatGPT était capable de reproduire les paroles de neuf chansons allemandes bien connues lorsqu’on lui en donnait l’instruction. Le tribunal a considéré la conservation de ces paroles au sein du modèle comme une reproduction à part entière et a estimé que cela allait au-delà de l’exploration de données, au motif que celle-ci vise à extraire une structure linguistique générale plutôt qu’à conserver les œuvres elles-mêmes. Les réponses fournies par le modèle ont été considérées séparément comme constituant une contrefaçon, une reproduction, une adaptation et une mise à disposition du public des œuvres. La responsabilité incombait à OpenAI plutôt qu’à la personne ayant saisi la requête, car c’est OpenAI qui avait choisi le contenu du modèle et conçu son fonctionnement. Le tribunal a ordonné à l’entreprise de cesser ces pratiques, de rendre compte de l’étendue de l’utilisation des œuvres et des revenus qu’elle en avait tirés, et d’indemniser la GEMA. OpenAI a annoncé qu’elle ferait appel, et un renvoi devant la Cour de justice reste possible.
Dans l’affaire Getty Images c. Stability AI [2025] EWHC 2863 (Ch), la Haute Cour d’Angleterre a rendu son jugement le 4 novembre 2025. Getty a abandonné sa principale demande relative au droit d’auteur en cours de procédure, n’ayant pas pu démontrer que la copie qu’elle dénonçait avait eu lieu sur le sol britannique, l’entraînement du modèle s’étant déroulé ailleurs. La demande secondaire a alors également été rejetée, au motif qu’un ensemble de poids de modèle ne constitue pas une copie contrefaisante lorsque les œuvres elles-mêmes n’y sont nulle part contenues.
Il ne restait à Getty qu’une conclusion limitée en matière de marque concernant l’apparition de filigranes dans les résultats, cantonnée aux versions antérieures du modèle. Pour une entreprise américaine, l’enseignement à retenir concerne la territorialité, car le lieu physique où l’entraînement a eu lieu peut déterminer si une action en justice est recevable, ce qui est une question distincte de celle de savoir si l’entraînement était défendable sur le fond.
Considérées dans leur ensemble, ces affaires montrent que le risque lié au droit d’auteur en matière d’IA ne peut se réduire à une simple question de légalité de l’entraînement lui-même. Les tribunaux commencent à établir une distinction entre la collecte initiale de données, ce que le modèle retient, ce qu’il peut reproduire en réponse à des invites et le lieu où les actes en cause ont eu lieu. L’affaire GEMA suggère que, même lorsque les règles relatives à l’exploration de textes et de données peuvent s’appliquer au stade de l’ensemble de données, la mémorisation et les résultats reproductibles peuvent créer des risques de contrefaçon distincts, tandis que l’affaire Getty montre que la territorialité peut déterminer si une action en justice peut être intentée ou non. Pour les entreprises, cela implique concrètement que la diligence raisonnable doit s’étendre au-delà de la provenance des données d’entraînement pour englober le comportement du modèle, les mesures de protection des résultats et la répartition contractuelle des risques.
Qu’est ce qu’une entreprise de logiciels devrait envisager de faire ?
Quelle que soit la décision finale des tribunaux, la loi sur l’IA impose dès à présent des obligations aux fournisseurs de modèles d’IA à usage général. L’article 53(1)(c), exige la mise en place d’une politique de conformité avec la législation européenne sur le droit d’auteur, notamment l’identification et le respect des réserves de droits formulées en vertu de l’article 4. L’article 53, (1)(d) exige la mise à disposition du public d’un résumé du contenu utilisé pour entraîner le modèle, rédigé à l’aide d’un modèle obligatoire publié par l’Office de l’IA en juillet 2025.
Ces obligations s’appliquaient à compter du 2 août 2025 pour les modèles mis sur le marché après cette date, les modèles déjà sur le marché disposant d’un délai jusqu’au 2 août 2027 pour se mettre en conformité. Ce qui a changé le 2 août 2026, c’est la mise en application de ces dispositions, puisque l’Office de l’IA peut désormais vérifier la conformité, exiger des mesures correctives et infliger des amendes pouvant atteindre 3 % du chiffre d’affaires annuel mondial ou 15 millions d’euros, le montant le plus élevé étant retenu.
Pour les entreprises qui achètent des capacités d’IA plutôt que de les développer elles-mêmes, il s’agit là de l’évolution la plus utile à court terme dans ce domaine. La provenance des données d’entraînement est passée d’un sujet qu’un fournisseur pouvait refuser d’aborder à une information qu’il est désormais tenu de décrire publiquement. Le modèle demande aux fournisseurs d’indiquer d’où proviennent leurs données, ventilées par type de source, ce qu’ils en ont fait avant l’entraînement et comment ils ont veillé au respect des droits d’auteur tout au long du processus. Le niveau de détail de ces résumés publiés varie considérablement d’un fournisseur à l’autre, ce qui constitue en soi un indicateur utile lors de la passation de marché.
Trois types de risques distincts se présentent ici, qu’il convient de distinguer car les réponses appropriées diffèrent.
Lorsqu’une entreprise entraîne ou affine des modèles à partir de contenus tiers, la première question porte sur l’acquisition plutôt que sur l’utilisation. L’accès licite constitue la porte d’entrée vers l’article 4, et les données obtenues par contournement ou à partir de sources non autorisées ne relèvent pas de l’exception, quel que soit leur sort ultérieur. La deuxième question, dans la lignée de l’affaire GEMA, est de savoir si le modèle peut être amené à reproduire des parties reconnaissables de ses données d’entraînement, car c’est sur ce point que les tribunaux européens établissent actuellement la responsabilité. Le filtrage des résultats et les tests de mémorisation sont donc devenus des mesures de contrôle des risques plutôt que des critères de qualité.
Lorsqu’une entreprise se contente de déployer le modèle d’un tiers, son exposition au risque passe par ses contrats. Il convient de lire attentivement la clause d’indemnisation en matière de propriété intellectuelle plutôt que de supposer qu’elle offre une couverture, notamment pour vérifier si elle s’étend aux résultats ainsi qu’au modèle, si elle est plafonnée, si elle reste valable en cas d’utilisation de l’outil au sein d’un produit destiné aux clients, quelles conditions doivent être remplies pour la préserver, et ce qui se passe si une injonction est prononcée à l’encontre du fournisseur dans une juridiction européenne.
Les lois sur le droit d’auteur et l’IA
La question du droit d’auteur dans le domaine de l’IA se précise. Le débat ne porte plus simplement sur la légalité ou l’illégalité de l’entraînement à partir de contenus protégés par le droit d’auteur. Les tribunaux et les autorités de régulation commencent à distinguer la manière dont le contenu a été obtenu, ce qu’il est advenu de celui-ci pendant l’entraînement, ce qui reste identifiable dans le modèle obtenu et ce que le modèle produit finalement.
Pour les éditeurs de logiciels, cette distinction est importante. Une entreprise qui intègre un modèle tiers peut ne jamais avoir accès à l’ensemble de données d’entraînement du fournisseur, mais elle peut tout de même se voir exposée à un risque commercial si le modèle reproduit du contenu protégé, si un tribunal en restreint l’utilisation ou si la protection contractuelle s’avère plus limitée que prévu.
Cela ne signifie pas que les entreprises doivent éviter d’utiliser l’IA générative. Cela signifie que la provenance des droits d’auteur doit désormais faire partie intégrante des procédures habituelles d’approvisionnement en IA et de la gouvernance des produits. Les questions pratiques sont de plus en plus faciles à cerner : d’où provient le matériel d’entraînement, comment les réserves de droits ont-elles été respectées, quels tests ont été effectués pour vérifier la mémorisation, quelles garanties s’appliquent aux résultats, et qui supporte le risque si la situation juridique venait à changer ?
L’affaire wikiHow c. OpenAI pourrait à terme offrir aux tribunaux américains une nouvelle occasion de définir les limites de l’usage loyal dans l’entraînement des IA. En Europe, cependant, la tendance se précise déjà : l’accès légal au matériel n’est qu’un point de départ. Ce que le modèle retient et ce qu’il est capable de reproduire pourraient s’avérer tout aussi importants.
Comment Gerrish Legal peut vous aider?
Gerrish Legal est un cabinet juridique numérique et dynamique. Nous sommes fiers de prodiguer des conseils juridiques experts et de haute qualité à nos précieux clients. Nous sommes spécialisés dans de nombreux aspects du droit numérique tels que le RGPD, la confidentialité des données, le droit numérique et technologique, le droit commercial et la propriété intellectuelle.
Nous offrons aux entreprises le soutien dont elles ont besoin pour gérer leurs activités avec succès et en toute confiance tout en se conformant aux réglementations légales, sans avoir à se plier aux exigences numériques en constante évolution.
Nous sommes là pour vous aider, contactez-nous dès aujourd’hui pour plus d’informations.
Article de Nathalie Pouderoux, Consultante pour Gerrish Legal