Exception TDM : comment l’Europe tente de concilier IA et droit d’auteur

À l’heure où les modèles d’intelligence artificielle se nourrissent de corpus immenses pour apprendre à reconnaître, résumer ou générer du texte, la question des œuvres protégées est devenue centrale. En Europe, l’exception dite de text and data mining, ou TDM, constitue l’un des mécanismes juridiques les plus importants dans ce débat. Elle ne donne pas un accès illimité aux contenus, mais elle organise les conditions dans lesquelles une machine peut les analyser.

Derrière cette expression technique se trouve un enjeu très concret : permettre aux chercheurs et aux entreprises de traiter de grands volumes de données sans demander une autorisation œuvre par œuvre, tout en laissant aux auteurs, éditeurs, photographes, producteurs et autres titulaires de droits la possibilité de s’y opposer. L’équilibre recherché est délicat. Trop d’incertitude juridique peut freiner les projets européens d’IA, mais une exception trop large risquerait d’affaiblir la maîtrise des créateurs sur leurs œuvres.

La TDM, une fouille automatisée de textes et de données

La fouille de textes et de données désigne des techniques automatisées d’analyse. Un logiciel peut, par exemple, parcourir des millions de documents afin d’y repérer des mots, des thèmes, des relations statistiques, des motifs visuels ou des structures de langage. Cette opération nécessite généralement de copier ou d’extraire les contenus afin de les traiter.

Ces copies peuvent relever du droit d’auteur lorsqu’elles portent sur des œuvres protégées. C’est pourquoi la directive européenne de 2019 sur le droit d’auteur dans le marché unique numérique a créé des exceptions spécifiques. Elles visent la TDM, et non pas directement l’ensemble des usages de l’intelligence artificielle. Toutefois, leur importance est considérable pour l’IA générative : l’entraînement d’un grand modèle de langage repose précisément sur l’analyse automatisée de très grands ensembles de textes, et parfois d’images, de sons ou de vidéos.

Il faut distinguer deux choses. La TDM concerne l’acte technique consistant à extraire et analyser des contenus. Elle ne tranche pas à elle seule toutes les questions liées aux résultats produits par une IA, à la contrefaçon éventuelle d’une sortie, à la protection des données personnelles ou au respect du secret des affaires.

Deux régimes européens, selon la finalité de la fouille

La directive européenne prévoit deux exceptions qui n’ont pas exactement la même portée. L’une est réservée à la recherche scientifique, l’autre s’adresse plus largement aux utilisateurs qui réalisent de la fouille de textes et de données.

L’article 3 répond aux besoins des universités, laboratoires et bibliothèques, pour lesquels l’analyse de vastes corpus est devenue un outil de recherche essentiel. L’article 4 est celui qui concentre une grande partie de l’attention dans le débat sur l’IA commerciale. Il peut concerner des entreprises développant des modèles ou des services fondés sur l’apprentissage automatique.

Cette distinction est déterminante : la législation européenne ne dit pas qu’un service particulier, tel que ChatGPT, peut librement s’entraîner sur toute œuvre disponible. Elle établit plutôt un cadre. L’entreprise qui entend invoquer l’exception doit notamment pouvoir démontrer que l’accès était licite et qu’aucune réserve de droits applicable ne s’opposait à la fouille.

L’accès licite et l’opt-out, les deux conditions décisives

L’accès licite est la première pierre du dispositif. Une œuvre librement consultable sur une page web peut, selon les circonstances, être accessible légalement. Mais le fait qu’un contenu soit techniquement visible ne signifie pas automatiquement que tous les usages sont autorisés. Les conditions d’abonnement, les restrictions d’accès et les règles applicables au site ou à la base de données conservent leur importance.

La seconde condition est l’absence de réserve de droits dans le cadre de l’article 4. C’est le fameux opt-out. Un titulaire de droits qui ne souhaite pas que ses œuvres soient utilisées pour la fouille de textes et de données peut réserver ces droits de manière expresse. Pour les contenus mis à la disposition du public en ligne, la directive précise que cette réserve doit notamment pouvoir être formulée par des moyens lisibles par machine.

Cette exigence répond à une réalité industrielle. Un développeur d’IA peut traiter des milliards de pages ou de fichiers. Il ne peut pas, à cette échelle, interpréter manuellement des courriers, des déclarations dispersées ou des formulations ambiguës. Des instructions techniques associées à un site ou à un contenu peuvent être détectées automatiquement par les systèmes de collecte, à condition que les acteurs utilisent des formats cohérents et que les outils les respectent effectivement.

Le problème est que cette standardisation reste imparfaite. Des titulaires de droits peuvent adresser des lettres, publier une déclaration ou ajouter une mention générale à leurs conditions d’utilisation. Ces démarches expriment une intention compréhensible pour un humain, mais elles ne constituent pas nécessairement un signal homogène, immédiatement exploitable par une machine pour chaque œuvre concernée.

Pourquoi l’opt-out est-il difficile à appliquer ?

L’obstacle n’est pas seulement juridique. Il est aussi opérationnel. Une plateforme, un éditeur ou un artiste doit pouvoir identifier précisément les contenus visés, choisir un moyen d’opposition adapté et vérifier qu’il est bien pris en compte. De leur côté, les fournisseurs d’IA doivent intégrer ces signaux dans leurs procédures de collecte, conserver des traces de leurs décisions et savoir distinguer les œuvres concernées de celles qui ne le sont pas.

Plusieurs outils et mécanismes sont ainsi proposés par des acteurs du numérique pour faciliter l’expression de l’opt-out. Leur intérêt est de rendre l’opposition plus repérable par les systèmes automatisés. Mais aucun outil, à lui seul, ne résout toutes les situations : les œuvres peuvent circuler sur plusieurs sites, être reproduites par des tiers ou se retrouver dans des jeux de données déjà constitués.

L’AI Act ajoute des exigences de transparence

Le règlement européen sur l’intelligence artificielle, appelé AI Act, complète ce paysage. Depuis le 2 août 2025, des obligations s’appliquent aux fournisseurs de modèles d’IA à usage général concernés par le règlement. Ces modèles peuvent servir de base à de nombreux services et applications, y compris des assistants conversationnels ou des outils de génération de contenu.

Parmi ces obligations figurent l’adoption d’une politique visant à respecter le droit d’auteur de l’Union européenne et la publication d’un résumé suffisamment détaillé des contenus utilisés pour l’entraînement. L’objectif est double : améliorer la transparence sur l’origine des données et aider les titulaires de droits à comprendre les grandes catégories de sources mobilisées.

Cette transparence ne doit toutefois pas être mal interprétée. Un résumé public n’équivaut pas nécessairement à la liste exhaustive de chaque œuvre, de chaque page ou de chaque fichier traité. Il ne constitue pas non plus, à lui seul, la preuve définitive qu’un contenu particulier a été utilisé ou écarté. Son intérêt est d’accroître la visibilité sur les pratiques d’entraînement et de faciliter le dialogue, la vérification et, si besoin, les recours.

Lorsqu’un titulaire estime qu’une œuvre a été exploitée illicitement, la question de la preuve devient essentielle. En pratique, la personne qui allègue une violation doit souvent réunir des éléments permettant d’étayer sa demande. Le droit français offre des instruments procéduraux, tels que la saisie-contrefaçon ou certaines mesures probatoires en référé, qui peuvent aider à rechercher ou préserver des preuves. Leur mobilisation dépend toutefois de chaque situation et ne remplace pas l’analyse juridique du dossier.

Un levier pour l’IA européenne, mais pas un blanc-seing

Pour les entreprises européennes, l’exception de TDM peut réduire une difficulté majeure : négocier individuellement les droits sur chaque élément d’un corpus immense est rarement réaliste. Or l’accès à des données diversifiées, de qualité et juridiquement exploitables pèse directement sur la capacité à développer des modèles compétitifs.

L’exception peut donc jouer un rôle de catalyseur. Elle offre, dans son champ, une voie légale pour certaines opérations de fouille et évite que chaque analyse automatisée soit bloquée par une succession d’autorisations individuelles. Elle est particulièrement importante dans un marché où les grands modèles nécessitent des quantités considérables de données pour apprendre des régularités linguistiques et statistiques.

Mais elle ne dispense pas les fournisseurs d’IA de bâtir une gouvernance solide des données. Cela implique notamment de documenter les sources, d’évaluer les conditions d’accès, d’identifier les réserves de droits, de gérer les demandes des titulaires et de prévoir des mécanismes de retrait ou de licence lorsque cela est nécessaire.

La formule selon laquelle l’exception permettrait d’utiliser des contenus protégés « sans violer les droits d’auteur » est donc trop rapide. Elle ne vaut que si les conditions de l’exception sont réunies. Dès lors qu’un droit a été valablement réservé dans le champ de l’article 4, l’entreprise qui souhaite tout de même exploiter les contenus concernés doit rechercher une autre base juridique, le plus souvent une autorisation ou une licence.

La rémunération, un défi d’échelle pour les créateurs et les plateformes

Le recours aux licences peut sembler simple en théorie : si un fournisseur d’IA souhaite utiliser un contenu malgré un opt-out, il peut négocier une rémunération avec le titulaire de droits. Dans la pratique, le volume rend l’exercice complexe. Un corpus peut réunir des millions, voire bien davantage, de textes, d’images ou d’enregistrements provenant de titulaires multiples.

La négociation œuvre par œuvre peut alors devenir coûteuse et lente, pour les fournisseurs comme pour les créateurs. Elle risque de favoriser les acteurs disposant de ressources juridiques et financières importantes, tout en laissant de côté les auteurs indépendants, difficiles à identifier ou à contacter. À l’inverse, une rémunération insuffisante ou trop opaque nourrit la crainte que la valeur créée par les œuvres soit captée sans partage équitable.

L’enjeu consiste donc à trouver des dispositifs praticables à grande échelle. Des accords collectifs, des licences portant sur des catalogues, des mécanismes d’identification plus fiables et des règles de transparence mieux appliquées pourraient réduire les coûts de transaction. Ces solutions devront cependant préserver la liberté de choix des titulaires de droits, notamment lorsqu’ils souhaitent exclure leurs œuvres de l’entraînement.

Ce qu’il faut surveiller

L’avenir de l’exception de TDM dépendra moins de son existence que de sa mise en œuvre. Les prochaines évolutions se joueront d’abord sur le terrain technique : des standards suffisamment clairs permettront-ils aux titulaires de droits d’exprimer leur opt-out et aux systèmes d’IA de le reconnaître de manière fiable ?

Elles se joueront aussi sur le terrain de la transparence. Les obligations issues de l’AI Act devront produire des informations utiles, sans exiger la divulgation irréaliste de chaque élément d’un corpus. La qualité des résumés publiés, les politiques de respect du droit d’auteur et les pratiques effectives des fournisseurs seront particulièrement observées.

Enfin, le débat est économique et culturel. L’Europe cherche à faire émerger des capacités d’IA compétitives sans réduire le droit d’auteur à un simple obstacle technique. L’exception de TDM dessine un compromis : elle reconnaît la nécessité de la fouille automatisée pour innover, tout en affirmant que les créateurs conservent un droit de regard lorsque la loi leur permet de réserver l’usage de leurs œuvres. La solidité de ce compromis dépendra de la capacité des plateformes, des fournisseurs d’IA et des titulaires de droits à adopter des pratiques lisibles, vérifiables et proportionnées.