IA et droit d’auteur : pourquoi la rémunération des créateurs devient centrale

À mesure que les assistants conversationnels, générateurs d’images et outils de synthèse deviennent accessibles au grand public, une question s’impose à l’industrie de l’IA : qui doit bénéficier de la valeur produite à partir des œuvres humaines ? Textes de presse, livres, illustrations, photographies, musiques ou publications en ligne ont nourri de vastes ensembles de données. Or, pour une grande partie de leurs auteurs, le parcours de ces contenus reste difficile à connaître, encore plus à contrôler ou à rémunérer.

Le débat ne porte pas seulement sur la possibilité technique de copier et d’analyser un contenu. Il touche à l’économie de la création. Les modèles d’IA sont coûteux à entraîner et peuvent générer de nouveaux services commerciaux. Si les œuvres qui contribuent à leur apprentissage sont utilisées sans accord ni contrepartie, les créateurs risquent d’être écartés d’une chaîne de valeur à laquelle ils ont pourtant participé.

Pourquoi l’entraînement des IA soulève-t-il un problème de droit d’auteur ?

Un modèle de langage ne conserve pas une bibliothèque d’articles rangés comme le ferait un moteur de recherche. Durant son entraînement, il analyse d’immenses volumes de textes afin d’identifier des régularités linguistiques et de prédire les mots les plus probables dans une phrase. Les modèles génératifs d’images suivent un principe proche : ils apprennent des relations entre descriptions et images à partir de très grands jeux de données.

Ce fonctionnement ne fait pas disparaître les questions de droit. La copie d’une œuvre au cours de la collecte ou de l’entraînement peut être juridiquement pertinente, même si le modèle ne restitue pas ensuite le fichier original. Une autre difficulté survient lorsqu’un outil produit une réponse qui reproduit fortement, ou concurrence directement, un contenu protégé.

En 2024, OpenAI a reconnu avoir utilisé des matériaux protégés par le droit d’auteur pour entraîner ChatGPT. Cette reconnaissance a renforcé une interrogation déjà centrale : l’innovation peut-elle reposer sur l’exploitation à grande échelle de contenus créatifs sans mécanisme général de consentement ni de rémunération ?

Le terme « open-source » ne règle pas davantage la question. Il désigne habituellement la disponibilité du code, des paramètres du modèle ou de certains éléments techniques. Il ne garantit ni que toutes les données d’entraînement sont publiques, ni qu’elles sont libres de droits, ni que leurs auteurs ont été associés à leur réutilisation.

Le « fair use » est-il une réponse suffisante ?

Aux États-Unis, plusieurs entreprises invoquent le « fair use », une exception qui peut, selon les circonstances, autoriser certains usages d’œuvres protégées sans permission. Son appréciation dépend notamment du caractère transformatif de l’usage, de la nature de l’œuvre, de la quantité utilisée et de l’effet sur le marché de l’œuvre originale. Il ne s’agit donc pas d’une permission automatique accordée à toute utilisation de contenus accessibles en ligne.

C’est précisément ce point qui alimente les procédures judiciaires. Le New York Times a engagé une action contre OpenAI, en soutenant notamment que des milliers de ses articles auraient été utilisés pour l’entraînement et que les produits d’IA pourraient créer une concurrence déloyale avec ses contenus. La plainte formule des allégations qui devront être examinées par la justice : elle ne constitue pas, à elle seule, une décision établissant une responsabilité.

En France et dans l’Union européenne, le raisonnement juridique est différent. Il n’existe pas d’équivalent général au « fair use » américain. La directive européenne sur le droit d’auteur prévoit des exceptions pour la fouille de textes et de données, c’est-à-dire l’analyse automatisée de vastes corpus. Mais les titulaires de droits peuvent, dans certains cas, réserver l’usage de leurs œuvres, notamment par des moyens lisibles par machine pour les contenus disponibles en ligne.

Les licences conclues avec les médias changent-elles la donne ?

Sous la pression des ayants droit et des contentieux, des entreprises d’IA ont commencé à négocier directement avec des groupes de presse et des éditeurs. OpenAI a ainsi annoncé des accords avec l’Associated Press et le Financial Times. Ces partenariats témoignent d’un changement important : l’accès aux contenus de qualité peut devenir un objet de licence, plutôt qu’une ressource considérée comme librement exploitable parce qu’elle est publiée sur internet.

Ces accords ont toutefois des limites structurelles. Leurs conditions financières ne sont pas systématiquement publiques, ce qui empêche d’en mesurer l’équité. Surtout, une négociation entre deux grandes organisations ne crée pas, par elle-même, un dispositif accessible à tous les auteurs. Un romancier indépendant, une illustratrice, un photographe, un blogueur ou un petit média ne disposent pas nécessairement des moyens juridiques et économiques pour négocier séparément avec chaque laboratoire d’IA.

Il faut également distinguer plusieurs usages qui peuvent relever de contrats différents : l’entraînement d’un modèle, l’accès à des archives, l’affichage d’extraits dans un assistant ou l’utilisation de contenus récents pour répondre à une question. Une licence utile doit préciser les œuvres concernées, la durée de l’autorisation, les usages permis, les modalités de retrait et la rétribution prévue.

Le cas de Penguin Random House, qui a mis en place des mentions visant à empêcher l’utilisation non autorisée de ses livres par des technologies d’IA, illustre cette volonté de reprendre la main. Une telle réserve signale l’opposition de l’éditeur, mais son efficacité dépend aussi de sa prise en compte effective par les acteurs qui collectent les données et du cadre juridique applicable.

Pourquoi les modèles décentralisés attirent-ils l’attention ?

Face à des plateformes qui concentrent la collecte de données, la puissance de calcul et la distribution des revenus, certains acteurs défendent une architecture plus décentralisée. Des projets portés par l’ASI Alliance avancent l’idée de systèmes dans lesquels les détenteurs de données conserveraient davantage de contrôle sur leurs contributions et pourraient être récompensés lorsqu’elles sont utilisées.

Dans cette perspective, la blockchain est souvent présentée comme un outil de registre. Elle peut servir à inscrire un identifiant d’œuvre, des informations sur une licence, un accord de consentement ou le versement d’une rémunération. Un tel registre partagé pourrait faciliter l’audit des autorisations et rendre le parcours d’un contenu plus vérifiable qu’au sein d’un jeu de données opaque.

Mais la technologie ne résout pas seule le problème. Enregistrer une information dans une blockchain ne prouve pas automatiquement que la personne qui l’inscrit est l’auteur ou le titulaire des droits. Cela ne détermine pas non plus le montant juste d’une redevance, ni la part exacte qu’une œuvre a jouée dans les capacités d’un modèle. Les bases de données d’entraînement contiennent souvent des milliards d’éléments, ce qui rend l’attribution individuelle extrêmement complexe.

Pour être crédible, un modèle décentralisé devrait donc associer plusieurs briques : un système fiable d’identification des ayants droit, des licences compréhensibles, des règles de retrait, des mécanismes de paiement et une gouvernance capable de régler les litiges. La décentralisation peut renforcer la transparence, mais elle n’est pas en elle-même une garantie d’équité.

Vers une rémunération collective des créateurs

L’une des pistes les plus souvent évoquées consiste à s’inspirer des mécanismes de rémunération collective déjà connus dans certaines industries culturelles. Au lieu de demander à chaque auteur de conclure un contrat avec chaque entreprise d’IA, des organismes ou des sociétés de gestion pourraient administrer des droits pour de larges catalogues et redistribuer les revenus selon des règles définies.

Cette solution présente un avantage évident : elle pourrait inclure des créateurs qui n’ont ni la taille ni les ressources nécessaires pour négocier seuls. Elle soulève toutefois des questions difficiles. Comment répartir les montants entre des millions d’œuvres ? Faut-il rémunérer la présence d’un contenu dans un corpus, son utilisation effective, ou sa contribution mesurable à un résultat ? Comment éviter qu’une part excessive des sommes revienne aux catalogues déjà les plus visibles ?

La transparence est un préalable. Les fournisseurs de modèles devraient pouvoir expliquer l’origine générale de leurs données, les catégories de contenus utilisées et les mesures prises lorsqu’un titulaire de droits formule une réserve ou une demande de retrait. Cela ne signifie pas nécessairement publier chaque fichier d’un corpus, ce qui peut soulever des enjeux de confidentialité et de sécurité. Mais une opacité totale rend impossible tout contrôle externe sérieux.

Quel rôle pour la régulation européenne ?

Le cadre européen évolue sur deux fronts. D’une part, le droit d’auteur organise déjà les conditions de la fouille de textes et de données. D’autre part, le règlement européen sur l’intelligence artificielle, l’AI Act, introduit des obligations qui concernent les fournisseurs de modèles d’IA à usage général, notamment le respect de la législation européenne sur le droit d’auteur et la publication d’un résumé suffisamment détaillé des contenus utilisés pour l’entraînement.

Ces dispositions ne tranchent pas tous les litiges. Elles ne fixent pas, à elles seules, une rémunération universelle et ne disent pas précisément comment évaluer la contribution économique d’une œuvre à un modèle. Elles peuvent néanmoins faire évoluer une pratique longtemps caractérisée par le manque de visibilité sur les corpus.

La difficulté sera de concilier trois objectifs légitimes : permettre la recherche et l’innovation, préserver l’accès à l’information et garantir aux créateurs un contrôle réel sur l’exploitation de leurs œuvres. Une régulation efficace devra être applicable à de très grands acteurs mondiaux, sans imposer aux auteurs des démarches techniques ou juridiques disproportionnées.

Ce qu’il faut surveiller

Les décisions issues des procédures engagées par les artistes, les auteurs et les médias contribueront à préciser les limites de l’entraînement des IA. Elles diront notamment si certaines pratiques de collecte et d’utilisation peuvent relever d’exceptions au droit d’auteur ou si elles exigent des licences plus systématiques.

Il faudra aussi observer la portée réelle des accords commerciaux. S’ils restent réservés à quelques grands éditeurs, ils risquent de consolider un marché à deux vitesses : des catalogues puissants rémunérés d’un côté, une multitude de créateurs invisibles de l’autre. À l’inverse, des mécanismes collectifs transparents pourraient ouvrir une voie plus inclusive.

Enfin, la promesse des systèmes décentralisés devra être jugée sur des critères concrets : les auteurs peuvent-ils identifier leurs œuvres, exprimer un choix, retirer une autorisation, vérifier l’usage fait de leurs contenus et recevoir une rémunération intelligible ? C’est sur cette capacité à redonner du pouvoir aux créateurs, bien plus que sur le seul choix d’une technologie, que se jouera l’équité de l’IA culturelle.