Penguin Random House grave son refus de l’entraînement par l’IA dans ses livres

Penguin Random House ne se contente plus d’observer le débat sur l’intelligence artificielle depuis les coulisses. En octobre 2024, le grand groupe d’édition a commencé à faire figurer dans ses livres une réserve explicite contre leur emploi pour entraîner des systèmes d’IA. Un geste éditorial en apparence discret, placé sur la page des droits, mais dont la portée symbolique est forte dans une industrie où le texte est à la fois une œuvre culturelle et une matière première convoitée par les modèles de langage.

La formule est sans ambiguïté : « No part of this book may be used or reproduced in any manner for the purpose of training artificial intelligence technologies or systems ». Autrement dit, aucune partie du livre ne peut être utilisée ou reproduite, de quelque manière que ce soit, dans le but d’entraîner des technologies ou systèmes d’intelligence artificielle.

Cette précision mérite toutefois d’être lue pour ce qu’elle est. Penguin Random House ne présente pas ici une solution technique capable d’empêcher quiconque de copier un texte. L’éditeur formule une réserve de droits. Dans un secteur où le droit applicable à l’entraînement des IA reste discuté selon les pays et les procédures en cours, cette ligne imprimée vise à rendre son opposition explicite.

Une phrase dans un livre, un signal pour toute la chaîne éditoriale

La page de droits d’un ouvrage rassemble habituellement les informations de copyright, les autorisations de reproduction et les crédits nécessaires à sa publication. C’est donc l’endroit où un éditeur précise les usages qu’il autorise, ou refuse, autour d’un texte. En ajoutant l’entraînement des IA à cette page, Penguin Random House traite ce sujet comme une question de propriété intellectuelle à part entière.

L’enjeu se situe en amont des outils tels que ChatGPT ou d’autres assistants conversationnels. Avant de produire une réponse, un modèle de langage est entraîné sur d’immenses collections de textes. Il analyse les régularités de vocabulaire, de syntaxe, de styles et d’associations entre les mots afin de prédire la suite la plus probable d’une phrase. Les livres constituent, pour les entreprises qui développent ces modèles, des données particulièrement riches : ils sont longs, structurés, édités et couvrent une grande diversité de genres et de connaissances.

Pour les titulaires de droits, une question centrale demeure : une œuvre protégée peut-elle être copiée pour nourrir un modèle sans autorisation spécifique ? Les réponses ne sont pas uniformes. Elles dépendent notamment des législations nationales, des exceptions au droit d’auteur et de l’interprétation qu’en feront les tribunaux.

Dans l’Union européenne, le cadre issu de la directive sur le droit d’auteur prévoit des exceptions liées à la fouille de textes et de données. Pour certains usages, les titulaires de droits peuvent toutefois réserver leurs droits. La position adoptée par Penguin Random House s’inscrit précisément dans cette logique d’affirmation claire : l’éditeur indique que ses contenus ne sont pas disponibles pour cet usage.

Ce que Penguin Random House refuse exactement

L’annonce peut être résumée par une idée simple : le contenu des livres concernés ne doit pas servir de matériau pour entraîner une IA. Mais il serait excessif d’y voir, sans autre précision, un rejet de toutes les technologies numériques ou de toute assistance algorithmique dans l’édition.

Une maison d’édition peut, par exemple, employer des logiciels pour vérifier une mise en page, organiser des métadonnées, détecter des erreurs ou analyser des ventes. Ces usages ne sont pas identiques à l’absorption de livres entiers dans les corpus d’entraînement d’un modèle génératif. De la même façon, la déclaration inscrite dans un ouvrage ne dit pas, à elle seule, quelles règles s’appliqueraient à un auteur qui utiliserait ponctuellement un outil d’aide à l’écriture.

La nuance est importante, car le débat public mélange souvent plusieurs réalités sous l’expression générale « IA dans les livres ». L’initiative de Penguin Random House se concentre sur une question très précise : qui peut réutiliser les textes déjà publiés pour fabriquer ou améliorer un système d’IA ?

Une réponse aux inquiétudes des auteurs sur le consentement

Derrière cette formule juridique se trouvent des préoccupations concrètes pour les écrivains, les traducteurs, les illustrateurs et les éditeurs. Un livre n’est pas une simple suite de mots interchangeable. Il résulte d’un travail de création, de recherche, de réécriture, de correction et de sélection éditoriale. Lorsqu’il est intégré à un vaste corpus d’entraînement sans accord clairement établi, la question du consentement se pose immédiatement.

Les auteurs s’interrogent aussi sur la valeur économique de leurs œuvres. Si des contenus protégés participent à la mise au point d’outils commercialisés, faut-il une licence ? Une rémunération ? Un mécanisme de transparence permettant de savoir si un titre a été utilisé ? À l’automne 2024, ces questions n’ont pas de réponse universelle.

Le sujet ne porte pas uniquement sur la copie directe d’un passage. Les modèles peuvent être capables de produire des textes qui semblent reprendre des tournures, des structures ou des univers familiers. Ils peuvent aussi, dans certains cas, restituer des fragments proches de contenus vus pendant leur entraînement. La frontière entre apprentissage statistique, imitation, concurrence économique et contrefaçon est au cœur de débats juridiques et éthiques encore ouverts.

La décision de Penguin Random House donne donc une traduction visible à une revendication portée par de nombreux créateurs : l’usage d’une œuvre à des fins d’entraînement ne devrait pas être décidé sans les personnes qui en détiennent les droits. Elle ne tranche pas les questions de droit à elle seule, mais elle rend la position de l’éditeur beaucoup plus difficile à ignorer.

Les faux livres brouillent la confiance des lecteurs

La montée en puissance de l’IA générative a également ravivé une autre inquiétude : la multiplication de livres publiés rapidement sur certaines plateformes, avec des titres accrocheurs, des couvertures soignées et un contenu parfois faible, incohérent ou trompeur. L’expression « livres poubelles » est parfois employée pour désigner ces productions industrielles qui cherchent avant tout à capter des ventes ou de la visibilité.

Il faut éviter les raccourcis. Tous les livres autoédités ne sont pas produits par IA, et tout texte assisté par un outil numérique n’est ni mauvais ni frauduleux. Le problème apparaît lorsqu’un acheteur ne peut plus identifier clairement ce qu’il acquiert, qui l’a écrit, qui en est responsable et si l’ouvrage correspond réellement à sa promesse.

L’affaire vécue par Jane Friedman, journaliste spécialisée dans l’édition et auteure, a illustré cette vulnérabilité. Des livres non autorisés avaient été proposés à la vente sous son nom sur une grande plateforme. Son cas est devenu emblématique d’un risque très concret : l’exploitation de la réputation d’un auteur pour commercialiser des ouvrages qu’il n’a ni écrits ni validés.

Pour les éditeurs, la qualité ne tient pas seulement à la qualité littéraire finale. Elle repose aussi sur une chaîne de responsabilité : contrat avec l’auteur, relecture, vérification, correction, fabrication, présentation du livre et capacité à répondre aux lecteurs. En choisissant de protéger explicitement ses textes contre l’entraînement des IA, Penguin Random House défend cette idée d’une œuvre traçable, liée à des créateurs identifiés et à un processus éditorial assumé.

Une interdiction écrite ne constitue pas un verrou technique

La portée de la mention doit néanmoins être appréciée avec prudence. Un avertissement placé dans un livre ne peut pas empêcher matériellement une personne ou une organisation de numériser un texte et de l’intégrer à un jeu de données. Il ne permet pas non plus, à lui seul, de savoir si un ouvrage a déjà été aspiré dans un corpus utilisé par un développeur de modèle.

Son rôle est d’abord juridique et politique. Juridique, parce qu’il établit sans ambiguïté la volonté du titulaire de droits. Politique, parce qu’il contribue à fixer une norme dans le monde de l’édition : l’entraînement d’une IA n’est pas un usage neutre ou automatiquement libre de tout droit, mais un acte qui mérite un cadre et, potentiellement, une autorisation.

Cette stratégie rejoint une évolution plus large du secteur culturel. Musiciens, photographes, agences de presse, médias, artistes visuels et auteurs cherchent eux aussi à déterminer comment leurs créations peuvent être exploitées par des systèmes génératifs. Les réponses possibles vont du refus explicite à la négociation de licences, en passant par des mécanismes de traçabilité ou de rémunération.

Pourquoi l’édition ne peut pas se contenter d’un débat technique

Le sujet dépasse la relation entre un éditeur et les entreprises d’IA. Il touche à la diversité culturelle. Si la valeur d’un livre se réduit à un flux de données disponible sans accord ni contrepartie, les créateurs risquent de perdre une part du contrôle sur le devenir de leurs œuvres. À l’inverse, si chaque usage est totalement verrouillé, la recherche, l’innovation et les usages légitimes de la fouille de textes pourraient se heurter à de fortes contraintes.

L’équilibre est délicat. Les partisans d’un accès étendu aux données soulignent que les modèles doivent analyser beaucoup de textes pour devenir utiles et performants. Les auteurs et éditeurs rappellent que l’ampleur de cette collecte ne doit pas faire disparaître les règles élémentaires du droit d’auteur. Entre ces deux positions, les licences négociées constituent une piste : elles permettraient d’autoriser certains usages dans des conditions définies, avec une rémunération et une transparence sur les œuvres concernées.

La confiance du public est également en jeu. Un lecteur doit pouvoir comprendre si un livre est signé par une personne réelle, s’il a été édité selon des standards reconnus et qui assume les éventuelles erreurs. Dans cette perspective, l’innovation ne se mesure pas seulement à la vitesse de production de nouveaux contenus, mais à la capacité du secteur à préserver la fiabilité de l’information et la singularité de la création.

Ce qu’il faut surveiller dans les prochains mois

La décision de Penguin Random House ne ferme pas le débat, elle en clarifie l’un des fronts. Il faudra observer si d’autres éditeurs adoptent des mentions comparables, s’ils privilégient des accords de licence avec les acteurs de l’IA ou s’ils réclament des règles plus précises aux pouvoirs publics.

La question de la transparence sera déterminante. Sans visibilité sur les données utilisées pour entraîner les modèles, les auteurs et les éditeurs auront des difficultés à faire valoir leurs droits ou à négocier. Les décisions de justice attendues dans différents pays compteront elles aussi beaucoup : elles préciseront les limites entre exploitation licite d’un corpus, exceptions au droit d’auteur et atteinte aux droits des créateurs.

À la date du 19 octobre 2024, la mention ajoutée par Penguin Random House apparaît surtout comme un marqueur. Elle rappelle que la littérature ne se résume pas à des données disponibles par défaut. Derrière chaque livre, il y a des droits, des contrats, des personnes et un lien de confiance avec le lecteur. L’IA peut transformer les outils de l’édition, mais elle ne dispense pas l’industrie de décider, clairement, quelles œuvres elle entend protéger et à quelles conditions elle accepte de les partager.