IA générative : deux juges américains redessinent les limites du fair use

En l’espace de deux jours, deux juges fédéraux californiens ont rendu des décisions très attendues sur l’utilisation de livres protégés par le droit d’auteur pour entraîner des modèles d’IA générative. Les entreprises Anthropic et Meta ont chacune obtenu une victoire judiciaire. Pourtant, réduire ces ordonnances à un feu vert général donné à l’IA serait trompeur : les juges ont emprunté des raisonnements différents, et l’affaire Anthropic conserve un volet particulièrement sensible sur les copies pirates.

Ces dossiers, Bartz c. Anthropic et Kadrey c. Meta Platforms, portent sur le même nœud juridique : le fait de copier des œuvres afin d’entraîner un grand modèle de langage peut-il relever du fair use, l’exception américaine d’« usage équitable » au droit d’auteur ? Leur réponse importe bien au-delà de Claude et Llama. Elle peut influencer la manière dont les développeurs constituent leurs jeux de données, les stratégies de licence des éditeurs et les recours ouverts aux auteurs.

Deux victoires pour les entreprises, mais pas deux décisions identiques

Les deux affaires ont été examinées par le tribunal fédéral du district nord de Californie, l’un des tribunaux les plus importants pour l’industrie technologique américaine. Elles se ressemblent sur le papier : des auteurs reprochent à une entreprise d’avoir utilisé leurs livres pour alimenter un modèle conversationnel. Mais la portée exacte des décisions diffère sensiblement.

Dans les deux cas, il s’agit de décisions intervenues à un stade procédural déterminant, avant un procès complet sur l’ensemble des questions soulevées. Elles ne valent donc pas comme un arrêt de la Cour suprême des États-Unis et ne lient pas automatiquement les autres juridictions américaines.

Leur intérêt tient toutefois à la précision croissante du débat. Les juges ne se demandent plus seulement si une IA a « lu » des livres, une image séduisante mais juridiquement imprécise. Ils examinent ce qui a été copié, dans quel objectif, ce que le modèle produit ensuite et, surtout, si cette pratique porte atteinte au marché des œuvres originales ou à un marché de licences existant.

Comment fonctionne le fair use américain ?

Le fair use est une exception prévue par le droit américain. Il ne correspond ni à une autorisation automatique de réutiliser une œuvre, ni à une simple règle selon laquelle une utilisation non commerciale serait toujours licite. Les tribunaux mettent en balance quatre facteurs.

1. Le but et le caractère de l’usage, notamment son éventuel caractère transformateur. Une utilisation est dite transformative lorsqu’elle donne à l’œuvre un rôle nouveau, différent de sa fonction d’origine.
2. La nature de l’œuvre protégée. Les œuvres très créatives, comme les romans, bénéficient généralement d’une protection forte.
3. La quantité copiée. Copier l’intégralité d’un livre pèse en principe contre l’utilisateur, mais peut être nécessaire pour atteindre un objectif reconnu comme transformateur.
4. L’effet sur le marché de l’œuvre originale ou sur ses marchés légitimes de licence.

Aucun de ces éléments ne tranche seul le litige. Le caractère commercial d’une activité, par exemple, ne suffit pas à exclure le fair use. À l’inverse, qualifier une utilisation de transformative ne fait pas disparaître les autres questions, notamment celle de la provenance des fichiers utilisés.

Dans le contexte de l’IA, la notion de transformation est centrale. Un modèle de langage ne constitue pas une bibliothèque consultable livre par livre : lors de l’entraînement, il ajuste des paramètres statistiques afin de prédire et de générer du texte. Cela n’empêche pas qu’il puisse y avoir copie pendant le processus d’entraînement, ni que certains résultats produits puissent soulever leurs propres problèmes de droit d’auteur. Mais cela conduit les tribunaux à distinguer l’usage d’un livre comme matériau d’apprentissage de la reproduction ou de la distribution de ce livre au public.

Ce que l’ordonnance Bartz reconnaît, et ce qu’elle refuse

Dans Bartz c. Anthropic, le juge William Alsup considère que l’entraînement de modèles comme Claude à partir des livres concernés relève d’un usage transformateur. L’objectif n’est pas de proposer aux lecteurs un substitut direct aux ouvrages, mais de développer un système capable de générer de nouveaux textes à partir de régularités apprises dans de très nombreux contenus.

Ce point est essentiel : le tribunal ne retient pas l’idée selon laquelle l’intégration d’œuvres protégées dans un corpus d’entraînement équivaudrait, par nature, à l’exploitation éditoriale de ces œuvres. Les auteurs plaignants n’ont pas non plus apporté, selon le juge, de démonstration suffisante d’un dommage concret sur le marché de leurs livres lié à cet entraînement. L’hypothèse d’un préjudice ne suffit pas à elle seule : elle doit être étayée.

Mais l’ordonnance ne donne pas à Anthropic un blanc-seing. Le juge distingue l’entraînement lui-même de la manière dont certaines copies ont été obtenues et conservées. Anthropic a notamment téléchargé plus de 7 millions de copies pirates pour constituer une bibliothèque numérique. La création et le maintien d’une telle bibliothèque permanente ne bénéficient pas, selon le tribunal, de la protection du fair use.

Cette distinction est décisive pour comprendre la portée réelle de l’affaire. Une entreprise ne peut pas déduire de la reconnaissance du caractère transformateur de l’entraînement que l’origine de ses données serait sans importance. La question des dommages liés aux copies pirates doit encore être examinée.

Pourquoi Meta a gagné dans l’affaire Kadrey

Dans Kadrey c. Meta Platforms, des auteurs reprochaient à Meta l’emploi de leurs livres pour entraîner Llama. Le juge Vince Chhabria a accordé à Meta une décision favorable. Là encore, le résultat ne signifie pas que toute collecte d’œuvres protégées pour entraîner une IA est déclarée licite.

Le point déterminant tient à la qualité des preuves produites par les plaignants. Pour convaincre le tribunal, il ne suffit pas d’affirmer que les IA génératives concurrenceront un jour les auteurs ou affaibliront la valeur de leurs livres. Il faut montrer de manière crédible comment l’usage précis contesté cause, ou est susceptible de causer, un préjudice pertinent sur le marché.

Le juge Chhabria a estimé que le dossier présenté ne permettait pas d’établir ce dommage. Il a toutefois formulé des observations plus larges sur le risque que des outils d’IA puissent, dans certaines circonstances, inonder le marché de contenus concurrents et affecter la demande pour les œuvres humaines. Il a indiqué que l’entraînement sans acquisition des droits nécessaires serait « illégal » dans la plupart des cas.

Cette affirmation a suscité les critiques évoquées dans le débat juridique, car elle va plus loin que le motif immédiat de la décision. En droit, on parle de dicta pour désigner les considérations d’un juge qui ne sont pas indispensables au résultat du litige. Elles peuvent être influentes, mais ne constituent pas nécessairement une règle contraignante.

Le vrai désaccord porte sur le marché de la création

Les deux ordonnances convergent sur un point pratique : les auteurs qui attaquent un développeur d’IA doivent documenter précisément leur préjudice. Mais elles reflètent deux sensibilités face au quatrième facteur du fair use, celui de l’effet sur le marché.

L’approche de Bartz met l’accent sur la transformation opérée par l’entraînement. À ses yeux, un modèle entraîné sur une masse de textes ne remplit pas la même fonction qu’un livre vendu en librairie. Cette analyse ne nie pas les droits des auteurs, mais refuse de présumer qu’un nouvel outil de génération de texte remplace automatiquement chaque œuvre utilisée dans son apprentissage.

L’ordonnance Kadrey, elle, attire l’attention sur un risque économique plus large : si les outils génératifs deviennent capables de produire à très grande échelle des textes substituables à ceux de créateurs humains, une pression pourrait s’exercer sur le marché. Le problème, dans cette affaire précise, est que ce risque n’était pas suffisamment démontré par les éléments versés au dossier.

Cette différence éclaire le débat sur les licences. Les titulaires de droits soutiennent qu’un marché de licences pour l’entraînement d’IA peut et doit être développé. Les entreprises technologiques répondent qu’un droit d’auteur trop étendu sur les informations contenues dans les œuvres pourrait freiner l’apprentissage et l’innovation. Les tribunaux devront déterminer, dossier par dossier, si un marché invoqué est réel, établi et juridiquement protégé, ou s’il ne constitue qu’une revendication nouvelle face à une technologie émergente.

Ce que ces décisions ne règlent pas encore

Plusieurs questions restent ouvertes malgré ces deux victoires d’Anthropic et de Meta. D’abord, l’entraînement d’un modèle avec des données obtenues illégalement demeure un terrain de risque, comme le montre nettement le volet consacré aux copies pirates dans Bartz. Ensuite, le résultat pourrait être différent si des auteurs démontraient qu’un système restitue régulièrement des passages protégés, se substitue de manière mesurable à leurs livres ou détruit un marché de licences déjà concret.

Les décisions ne tranchent pas non plus le statut de chaque sortie produite par une IA. Un modèle peut avoir été entraîné dans des conditions considérées comme relevant du fair use, tout en générant, dans un cas particulier, un contenu trop proche d’une œuvre existante. Les questions de responsabilité peuvent donc concerner à la fois l’entraînement, les données conservées, la conception du produit et ses usages par les utilisateurs.

Enfin, ces affaires ne fixent pas les règles applicables hors des États-Unis. En Europe, la fouille de textes et de données est encadrée par des exceptions distinctes, ainsi que par la possibilité pour les titulaires de droits de réserver certains usages. Les débats américains sont très suivis parce que les grands modèles sont largement développés aux États-Unis, mais ils ne remplacent pas le cadre européen.

Ce qu’il faut surveiller

La suite de l’affaire Bartz mérite une attention particulière : la question des conséquences de la bibliothèque constituée à partir de copies pirates n’est pas effacée par la reconnaissance du caractère transformateur de l’entraînement. Elle rappelle aux entreprises que la traçabilité des jeux de données devient un enjeu juridique aussi important que les performances du modèle.

Il faudra également observer les éventuels recours et les autres procédures intentées par des auteurs, des éditeurs, des artistes ou des médias. Les futurs dossiers seront probablement plus techniques : analyses des sorties générées, études économiques sur les ventes et les licences, description précise des corpus utilisés et comparaison entre les capacités d’un modèle et les œuvres revendiquées.

À ce stade, la leçon commune des deux décisions est moins spectaculaire qu’un slogan sur la légalité ou l’illégalité de l’IA. Le droit américain du fair use ne fonctionne pas par permission générale. Il impose un examen détaillé de la finalité de l’usage, de la provenance des œuvres, de la réalité des copies et de l’impact démontré sur la création. C’est sur ces preuves que se jouera une part essentielle de l’avenir juridique de l’IA générative.