Des médias attaquent Cohere pour l’usage présumé de leurs articles par l’IA

L’intelligence artificielle générative est devenue un nouvel interlocuteur entre les internautes et l’information. Lorsqu’un outil résume une actualité, répond à une question précise ou restitue un passage d’article, il peut faciliter l’accès au savoir. Mais il soulève aussi une interrogation décisive pour les rédactions : que devient la valeur d’un contenu journalistique lorsqu’il est absorbé par des systèmes d’IA, puis potentiellement restitué sans que son auteur, son éditeur ou son site ne soient consultés ?

Le 13 février 2025, plusieurs organisations de presse membres de la News/Media Alliance ont annoncé engager une action contre Cohere Inc.. Parmi les plaignants cités figurent The Atlantic et le Los Angeles Times. Ils reprochent à l’entreprise d’avoir utilisé leurs contenus protégés sans autorisation et dénoncent des reproductions présumées d’articles ou d’extraits verbatim.

Cette affaire ne tranche encore rien. Il s’agit d’allégations formulées par les plaignants, auxquelles une juridiction devra apporter une réponse. Elle illustre toutefois un conflit devenu central pour l’économie de l’information : comment concilier l’innovation fondée sur les grands modèles de langage avec le droit d’auteur, la rémunération de la création et la survie de médias qui financent la production d’informations originales ?

Ce que les médias reprochent à Cohere

Les éditeurs réunis dans la procédure estiment que leurs œuvres journalistiques ont été exploitées sans licence ni autorisation. Leur grief porte sur des contenus produits par des journalistes, des éditeurs, des photographes et des équipes de rédaction, autrement dit des textes dont la création suppose du temps, des compétences et des investissements.

Selon les plaignants, le problème ne se limiterait pas à l’utilisation de textes pour alimenter des systèmes d’IA. Ils font aussi état de cas dans lesquels des systèmes reproduiraient des articles entiers ou des passages verbatim. Le dossier évoque notamment un rapport détaillant des restitutions de contenus journalistiques. Les organisations de presse affirment également que Cohere mettrait en ligne des articles complets dans l’heure suivant leur publication.

Pour les médias concernés, ces pratiques auraient deux effets potentiellement liés : elles utiliseraient leur production intellectuelle en amont, pour développer des outils, et elles pourraient détourner le public de leurs propres sites en aval, si les lecteurs accèdent directement à un texte ou à l’essentiel de son contenu ailleurs.

L’enjeu est particulièrement sensible pour la presse. Un article n’est pas une simple suite de mots disponible sans coût : il résulte d’un travail de collecte, de vérification, de hiérarchisation et de mise en contexte. Le droit d’auteur cherche précisément à protéger l’expression originale de ce travail, même si les faits bruts eux-mêmes ne peuvent pas être privatisés.

Entraîner une IA et reproduire un article, deux questions distinctes

Le débat public mélange souvent deux usages très différents des contenus de presse. Le premier concerne l’entraînement d’un modèle. Les modèles de langage apprennent à repérer des régularités dans d’immenses corpus de textes afin de prédire la suite la plus probable d’une phrase. Le second concerne la réponse fournie à un utilisateur : cette réponse peut être une synthèse originale, mais elle peut aussi, dans certains cas, se rapprocher de façon excessive d’un texte source.

La distinction est importante, car les risques et les arguments juridiques ne sont pas tout à fait les mêmes. L’entraînement peut soulever la question de la copie technique nécessaire à l’analyse des données. Une restitution trop proche, elle, renvoie plus directement à la reproduction ou à la mise à disposition d’une œuvre protégée.

Un système d’IA n’est pas censé fonctionner comme une base de données qui afficherait mécaniquement une page web à la demande. Il génère normalement un texte mot par mot. Mais cette explication technique ne répond pas à toutes les questions. Si un outil restitue des formulations identiques, de longs extraits ou un article complet, les titulaires de droits peuvent estimer que la frontière entre génération et reproduction a été franchie.

Pourquoi les extraits verbatim constituent un point sensible

Dans cette procédure, les exemples de contenus reproduits revêtent une importance particulière. Une réponse qui reformule quelques informations publiques ne produit pas les mêmes effets qu’une réponse donnant accès à la structure, aux phrases ou à l’intégralité d’un article. La seconde peut priver le média de visites, de conversions vers un abonnement ou de revenus publicitaires, tout en réduisant la visibilité de la signature journalistique et de la source originale.

Les éditeurs ne contestent pas seulement un manque à gagner éventuel. Ils défendent aussi le contrôle éditorial de leurs œuvres. Une information peut être modifiée après publication, enrichie de précisions ou corrigée. Si une version captée puis redistribuée par un tiers reste disponible sans contexte, le public peut ne plus savoir qui l’a écrite, à quelle date et dans quelles conditions.

L’exigence de transparence apparaît donc au cœur du débat. Les créateurs et les éditeurs veulent pouvoir identifier les usages réalisés à partir de leurs contenus, connaître les conditions dans lesquelles ils sont collectés et décider s’ils souhaitent les autoriser, les refuser ou les négocier.

Quel cadre juridique pour les contenus utilisés par l’IA ?

Le dossier intervient dans un environnement juridique encore mouvant. Les grands modèles de langage ont été développés à une vitesse qui dépasse souvent celle des décisions de justice capables de préciser les règles applicables. Plusieurs questions devront être tranchées, selon les lois nationales et les circonstances propres à chaque litige.

Aux États-Unis, où le débat sur les contenus d’entraînement est particulièrement vif, les entreprises technologiques peuvent notamment invoquer le principe de fair use, une exception qui fait l’objet d’une appréciation au cas par cas. Les juges examinent généralement la nature de l’usage, la part reprise, la transformation éventuelle de l’œuvre et l’effet possible sur son marché. Cette analyse ne permet pas de conclure automatiquement que tout entraînement est licite ou, à l’inverse, qu’il est automatiquement illicite.

En Europe, les règles sur la fouille de textes et de données ont aussi ouvert certaines possibilités d’analyse automatisée. Elles prévoient néanmoins des mécanismes permettant aux titulaires de droits de s’opposer à certains usages commerciaux de leurs contenus. La question pratique est alors celle de l’opposition exprimée par les éditeurs, de sa lisibilité technique et de son respect réel par les acteurs qui collectent les données.

Pour les rédactions, l’objectif affiché est d’obtenir un cadre plus clair. Cela peut passer par des licences, par des outils de contrôle d’accès, par une meilleure traçabilité des corpus ou par des décisions de justice précisant ce qui est permis. Pour les entreprises d’IA, la prévisibilité juridique est également essentielle : développer des produits sur des bases contestées comporte un risque économique et réputationnel.

Derrière le droit d’auteur, la question du financement de l’information

Le conflit ne porte pas uniquement sur un texte juridique. Il touche au modèle économique de la presse. Produire une enquête, couvrir une élection locale, vérifier une dépêche ou maintenir un correspondant sur le terrain coûte de l’argent. Or une partie de ce financement dépend de l’audience, de la publicité, des abonnements et, de plus en plus, d’accords de distribution.

Si des outils conversationnels deviennent la porte d’entrée privilégiée vers l’actualité, les médias craignent de perdre le lien direct avec leurs lecteurs. Ce lien est pourtant indispensable pour comprendre les attentes du public, corriger les erreurs, présenter les sources, contextualiser une information et financer de nouveaux reportages.

L’enjeu concerne également la diversité de l’information. Les grands médias disposent de marques reconnues et de capacités juridiques importantes. Des titres locaux, spécialisés ou indépendants peuvent être plus vulnérables face à une utilisation non rémunérée de leurs contenus. Une généralisation de ce modèle pourrait fragiliser les rédactions qui produisent les informations les plus coûteuses, sans lesquelles les systèmes d’IA auraient moins de matière fiable à analyser ou à résumer.

Cela ne signifie pas que les médias refusent nécessairement l’IA. Dans les rédactions, elle peut aider à transcrire un entretien, classer des documents, traduire ou assister certaines tâches répétitives. La ligne de fracture porte davantage sur les conditions : qui contrôle les contenus, qui bénéficie de leur valeur et quelles garanties protègent l’exactitude des informations restituées au public ?

Licences, négociations et procès : plusieurs voies possibles

L’action menée contre Cohere s’inscrit dans une stratégie plus large de défense des contenus journalistiques. Les procédures judiciaires cherchent à faire reconnaître des droits et, parfois, à créer un précédent utile à l’ensemble du secteur. Mais elles ne sont pas la seule réponse possible.

Des accords de licence peuvent permettre à une entreprise d’IA d’accéder légalement à des archives ou à des flux d’information dans des conditions définies. Ils peuvent préciser les contenus couverts, la durée d’utilisation, la rémunération, les obligations d’attribution ou encore les restrictions sur la reproduction. Ce type d’accord ne résout pas tous les désaccords, notamment lorsque les données ont déjà été collectées, mais il offre un cadre contractuel plus lisible.

Les éditeurs peuvent aussi agir sur le plan technique et éditorial. Ils cherchent à préciser leurs conditions d’utilisation, à encadrer l’accès automatisé à leurs pages et à demander une meilleure reconnaissance de leurs contenus dans les outils de recherche et les assistants conversationnels. Ces mesures ont toutefois leurs limites : une interdiction affichée ne garantit pas à elle seule qu’un contenu déjà copié ou redistribué ne circule plus.

Un dialogue structuré entre éditeurs, entreprises d’IA et pouvoirs publics pourrait compléter les recours contentieux. Il faudrait notamment clarifier la provenance des données, les modalités de retrait, la part de contenus sous licence et les mécanismes de recours lorsqu’une réponse reproduit indûment une œuvre.

Ce qu’il faut surveiller après cette plainte

La première question sera celle de la réponse de Cohere aux accusations. La procédure permettra ensuite de connaître plus précisément les arguments de chaque partie et les éléments qui seront discutés devant la justice. À ce stade, il faut donc éviter de présenter les accusations comme des faits établis.

La deuxième question concerne la portée d’une éventuelle décision. Si une juridiction précisait les règles applicables à l’entraînement des modèles ou à la reproduction de textes journalistiques, ses effets pourraient dépasser le cas de Cohere. D’autres entreprises d’IA, mais aussi les éditeurs qui négocient des licences, suivront nécessairement le dossier avec attention.

Enfin, la confiance du public sera un indicateur déterminant. Une IA qui répond à des questions d’actualité doit pouvoir orienter vers une information fiable, identifier clairement l’origine des contenus lorsqu’elle s’appuie sur eux et ne pas donner l’illusion qu’elle a produit seule un travail journalistique. Le défi n’est pas de choisir entre technologie et presse : il est de construire des règles qui permettent à l’innovation d’avancer sans assécher les sources d’information qu’elle utilise.