Meta accusé d’avoir entraîné Llama avec des livres piratés, ce que dit la plainte

Le conflit entre l’intelligence artificielle générative et le droit d’auteur se joue aussi dans les coulisses des entreprises technologiques. Le 8 janvier 2025, de nouveaux documents ont été déposés devant un tribunal californien dans une procédure visant Meta. Ils relancent une question devenue centrale pour l’ensemble du secteur : peut-on entraîner un modèle d’IA sur des livres protégés par le droit d’auteur sans demander l’accord de leurs auteurs ni les rémunérer ?

Les plaignants sont les romanciers américains Richard Kadrey et Christopher Golden, ainsi que la comédienne Sarah Silverman. Ils reprochent à Meta d’avoir utilisé leurs œuvres sans autorisation et sans compensation dans l’entraînement de ses modèles de langage Llama. Meta rejette ces accusations. À ce stade, il s’agit donc d’allégations soumises à la justice, et non d’une décision établissant la responsabilité de l’entreprise.

Ce que reprochent les auteurs à Meta

Les documents déposés le 8 janvier placent au cœur du dossier Library Genesis, plus souvent appelé LibGen. Cette plateforme est présentée dans la plainte comme un vaste répertoire donnant accès à des livres et à des articles, dont beaucoup sont protégés par le droit d’auteur et diffusés sans l’autorisation de leurs ayants droit.

D’après les éléments cités dans la procédure, Meta aurait téléchargé des œuvres issues de ce répertoire afin de constituer des données d’entraînement pour Llama. Les plaignants soutiennent que l’utilisation de ces textes ne serait pas un simple incident technique : elle participerait directement à la création et à l’amélioration des modèles d’IA générative de Meta.

La plainte évoque également des échanges internes. Certains salariés auraient exprimé des réserves sur l’utilisation de LibGen, notamment en raison du risque réglementaire et de l’effet qu’une telle révélation pourrait avoir sur la position de Meta face aux autorités. Les documents affirment aussi que Mark Zuckerberg aurait approuvé l’emploi de cette base de données pour l’entraînement des modèles Llama.

Ces affirmations sont contestées par Meta. Elles devront être examinées dans le cadre de la procédure, avec les éléments produits par chaque partie et l’appréciation du juge.

Pourquoi Library Genesis est au centre du litige

LibGen est depuis longtemps au centre de conflits avec le monde de l’édition scientifique et littéraire. La base rassemble, selon les chiffres cités dans le dossier, environ 33 millions de livres et 84 millions d’articles accessibles en ligne. Une telle abondance en fait une ressource potentiellement très attractive pour qui cherche à réunir rapidement de très grands volumes de textes.

Mais la quantité ne règle pas la question des droits. Le fait qu’un fichier soit facilement accessible sur internet ne signifie pas qu’il peut être copié, redistribué ou exploité pour développer un service commercial. C’est précisément la distinction que cherchent à rappeler les auteurs : une disponibilité publique apparente n’équivaudrait pas à une autorisation.

LibGen avait déjà été visé par des groupes d’édition en 2023. Selon les éléments rappelés dans la plainte, une décision de justice américaine rendue en septembre 2024 a conduit au blocage de la plateforme et à une condamnation financière de 30 millions d’euros contre ses créateurs. Cette procédure distincte ne tranche pas la responsabilité éventuelle de Meta, mais elle alourdit l’enjeu autour de l’origine des données que l’entreprise aurait employées.

Comment des livres peuvent-ils servir à entraîner une IA ?

Un grand modèle de langage, ou LLM, apprend à repérer des régularités dans d’immenses quantités de texte. Pendant cette phase d’entraînement, le système décompose les documents en fragments, puis ajuste progressivement ses paramètres afin de prédire le mot, ou la séquence de mots, la plus probable dans un contexte donné.

L’objectif n’est pas, en principe, de stocker une bibliothèque consultable comme le ferait une base de données classique. Le modèle construit plutôt des représentations statistiques du langage : grammaire, vocabulaire, associations entre idées, styles de rédaction ou structures narratives. C’est cette capacité qui permet ensuite à un outil de répondre à une question, résumer un texte, écrire du code ou produire un brouillon.

Cette explication technique ne répond toutefois pas à la question juridique. Pour les titulaires de droits, l’enjeu est en amont : leurs œuvres ont-elles été copiées pour alimenter l’entraînement ? Si oui, cette copie a-t-elle été autorisée, rémunérée ou couverte par une exception légale ? Et quel effet cette pratique peut-elle avoir sur le marché des livres, des licences et du travail créatif ?

Dans le cas de Llama, les plaignants ne se contentent pas de critiquer le principe général de l’entraînement sur des textes. Ils soutiennent que les œuvres auraient été obtenues par l’intermédiaire d’un répertoire de contenus piratés, sans consentement des auteurs concernés.

La défense de Meta : absence de preuve et fair use

Meta avance deux lignes de défense rapportées dans les documents judiciaires. La première est factuelle : ses avocats affirment qu’il n’existerait pas de preuve établissant que des données issues de LibGen ont servi à entraîner les modèles d’IA concernés.

La seconde est juridique. Meta invoque le fair use, une notion du droit américain parfois traduite par « usage loyal » ou « usage raisonnable ». Ce mécanisme peut, dans certaines circonstances, autoriser l’utilisation d’une œuvre protégée sans demander l’accord de son titulaire. Il ne constitue pas une permission générale et automatique : son application dépend toujours de l’analyse d’un tribunal.

Aux États-Unis, les juges examinent habituellement quatre grands critères :

• la finalité et le caractère de l’usage, notamment sa dimension commerciale ou transformative ;
• la nature de l’œuvre protégée ;
• la quantité et l’importance de la partie utilisée ;
• l’effet de cet usage sur le marché potentiel de l’œuvre originale.

Les entreprises d’IA invoquent fréquemment le caractère transformateur de l’entraînement. Leur argument est que le modèle ne remplace pas un livre par une copie identique, mais apprend des propriétés générales du langage afin de produire de nouvelles réponses. Les créateurs répondent que la copie initiale de leurs œuvres reste déterminante, et que l’apparition de systèmes capables de générer du texte peut affecter leurs possibilités de rémunération et de licence.

Ces deux arguments peuvent être soulevés en parallèle sans constituer, en eux-mêmes, un aveu. Meta peut soutenir qu’aucune utilisation de LibGen n’est démontrée et faire valoir, alternativement, que l’usage serait légal s’il devait être retenu.

Une procédure qui s’inscrit dans un contentieux plus ancien

Cette séquence judiciaire ne part pas de zéro. Une première plainte contre Meta avait été déposée en 2023 pour des accusations similaires. Le juge fédéral californien Vince Chhabria avait alors rejeté la demande à ce stade de la procédure. Les nouveaux documents déposés en janvier 2025 montrent que la bataille juridique se poursuit autour des données mobilisées pour entraîner les modèles.

La distinction entre le rejet d’une demande et une validation générale des pratiques mises en cause est importante. Dans les contentieux technologiques complexes, une procédure peut évoluer au rythme des plaintes modifiées, des mémoires déposés par les avocats, des documents communiqués et des décisions intermédiaires du tribunal. Chaque étape peut affiner les arguments, sans préjuger du jugement final.

Le cas Meta s’insère également dans une vague de litiges visant plusieurs acteurs de l’IA générative, dont OpenAI. Auteurs, artistes, médias et ayants droit cherchent à savoir si leurs créations ont été exploitées pour constituer les gigantesques corpus nécessaires au développement des modèles modernes.

Quels risques Meta pourrait-il encourir ?

Si les accusations étaient retenues, Meta pourrait notamment faire face à des demandes de dommages et intérêts ou à des injonctions. Une injonction peut imposer de modifier certaines pratiques, de cesser un usage particulier ou de revoir la manière dont des données sont sélectionnées et documentées pour l’entraînement d’un modèle.

L’enjeu est également économique et réputationnel. Les grands laboratoires d’IA ont besoin de volumes considérables de textes, d’images, de code et d’autres contenus pour construire leurs systèmes. Si les tribunaux imposent des conditions plus strictes de licence, de traçabilité ou de retrait des œuvres, le coût de l’entraînement pourrait augmenter et les pratiques de collecte de données devraient évoluer.

Pour les auteurs, le procès dépasse la situation de trois plaignants. Il porte sur la possibilité de négocier une rémunération, de donner ou de refuser son consentement, et d’obtenir une visibilité sur l’utilisation d’une œuvre dans les systèmes d’IA. La demande de règles plus claires vise donc autant les relations entre créateurs et plateformes que la transparence des entreprises sur leurs jeux de données.

Ce qu’il faut surveiller dans les prochains mois

La première question sera probatoire : les plaignants parviendront-ils à démontrer que Meta a effectivement utilisé des fichiers provenant de LibGen pour entraîner Llama ? Les échanges internes et les documents techniques seront décisifs pour distinguer les soupçons, les intentions et les usages effectivement mis en œuvre.

La deuxième question sera juridique : si l’utilisation d’œuvres protégées est établie, un tribunal considérera-t-il qu’elle relève du fair use ? La réponse pourrait dépendre de l’origine des données, de la nature de l’entraînement, de la finalité commerciale des modèles et de l’impact économique éventuel sur les auteurs.

Enfin, cette affaire rappelle que la compétition sur l’IA ne se limite pas à la puissance de calcul ou aux performances des modèles. Elle concerne aussi les conditions d’accès à la matière première de ces systèmes : les œuvres humaines. À mesure que les modèles génératifs gagnent en importance, la définition d’un cadre acceptable pour les données d’entraînement devient l’un des dossiers les plus structurants du secteur.