Anthropic propose 1,5 milliard de dollars pour les livres piratés

Anthropic est sur le point de conclure l’un des règlements les plus spectaculaires du jeune contentieux entre intelligence artificielle et droit d’auteur. L’entreprise, à l’origine de l’assistant Claude, a accepté de proposer 1,5 milliard de dollars pour mettre fin à une action collective engagée par des auteurs américains. Le cœur du dossier n’est pas seulement l’usage de livres pour entraîner une IA : il porte sur la manière dont une partie de ces ouvrages aurait été obtenue, via des copies piratées.

Au 6 septembre 2025, l’accord n’est pas encore définitif. Il doit être examiné par le juge fédéral William Alsup, qui pourrait rendre une décision dès le lundi suivant. Mais son montant, comme le raisonnement juridique qui l’a précédé, place déjà l’affaire parmi les dossiers les plus structurants pour les créateurs, les éditeurs et les entreprises qui développent de grands modèles de langage.

Un accord à 1,5 milliard de dollars encore soumis au juge

Le règlement proposé vise à clore le recours collectif lancé en 2024 par plusieurs auteurs, dont la romancière Andrea Bartz et les auteurs de non-fiction Charles Graeber et Kirk Wallace Johnson. Ils reprochent à Anthropic d’avoir téléchargé et conservé des millions de livres, notamment issus de sources de piratage, pour constituer des collections de textes utilisées dans le développement de ses systèmes d’IA.

Les chiffres communiqués donnent la mesure de l’enjeu. Le périmètre retenu aurait été ramené à environ 500 000 titres, après l’exclusion de doublons et d’ouvrages qui ne sont pas, ou plus, protégés par le droit d’auteur. Rapportée à ce nombre, l’enveloppe globale représente environ 3 000 dollars par livre.

Ce calcul ne signifie pas nécessairement que chaque personne recevra automatiquement et exactement 3 000 dollars. Dans un recours collectif, le tribunal doit notamment valider l’accord et les modalités prévues pour identifier les titulaires de droits et répartir les sommes. Il donne néanmoins un ordre de grandeur sans précédent dans un litige portant sur des livres et l’entraînement d’une IA.

L’Authors Guild, qui représente des écrivains aux États-Unis, a salué l’accord par la voix de sa directrice générale, Mary Rasenberger, le qualifiant d’excellent résultat pour les auteurs, les éditeurs et les détenteurs de droits. Pour l’organisation, le signal adressé au secteur est clair : le piratage de livres ne peut pas devenir une méthode ordinaire d’approvisionnement en données.

Ce que les auteurs reprochent à Anthropic

Pour comprendre ce dossier, il faut distinguer le contenu des livres de leur mode d’acquisition. Les plaignants ne se contentent pas d’affirmer que leurs œuvres ont servi à entraîner une intelligence artificielle. Leur accusation porte plus précisément sur le téléchargement de copies non autorisées de livres, puis sur leur conservation dans de vastes bibliothèques numériques.

Les livres sont particulièrement recherchés pour l’entraînement des grands modèles de langage. Ils offrent de longs textes structurés, une grande diversité de styles, de vocabulaires, de domaines et de formes narratives. Un roman apprend au modèle des enchaînements narratifs et des dialogues. Un essai lui expose un raisonnement suivi, des concepts et des références. À l’échelle de centaines de milliers d’ouvrages, cela représente des milliers de milliards de mots susceptibles d’enrichir les données disponibles.

Un modèle comme Claude ne stocke pas normalement les livres sous la forme d’une bibliothèque consultable par l’utilisateur. Pendant l’entraînement, les textes sont traités pour que le système apprenne des régularités statistiques du langage, par exemple la probabilité qu’un mot ou une suite de mots suive un autre. Cette réalité technique ne fait toutefois pas disparaître la question juridique : des copies sont réalisées et utilisées au cours du processus, et leur origine peut être décisive.

La décision de juin 2025 a séparé deux questions juridiques

Dans une décision rendue en juin 2025, le juge William Alsup a établi une distinction déterminante. D’un côté, il a considéré que l’entraînement d’un modèle sur des œuvres protégées obtenues légalement pouvait relever du fair use, une exception américaine au droit d’auteur examinée au cas par cas. De l’autre, il a jugé que l’acquisition d’ouvrages par piratage ne pouvait pas être justifiée de cette manière.

Le fair use n’est pas une permission générale d’utiliser librement toute œuvre protégée. Aux États-Unis, les tribunaux apprécient notamment la finalité de l’usage, son caractère transformateur, la quantité reprise et ses effets sur le marché de l’œuvre originale. Dans cette affaire, le juge a estimé que l’entraînement d’un modèle constituait un usage suffisamment transformateur pour les ouvrages acquis de façon régulière.

Mais cette appréciation ne valait pas pour la création d’une bibliothèque de copies piratées. Le raisonnement est essentiel : même si une entreprise soutient que son utilisation finale est innovante ou transformative, elle ne peut pas nécessairement ignorer les règles applicables à la source des données.

Il serait donc trompeur de réduire la décision à l’idée que les entreprises d’IA auraient gagné le droit de s’entraîner sans contrainte sur tous les livres. La portée du jugement est plus étroite. Il concerne les faits de cette procédure, le droit américain et une distinction entre des exemplaires légalement obtenus et des exemplaires téléchargés illégalement.

Pourquoi l’origine des données devient un enjeu industriel

L’affaire met au jour une tension concrète pour les laboratoires d’IA. Les modèles les plus puissants nécessitent des volumes gigantesques de textes de qualité. Or, disposer d’ensembles de données vastes, diversifiés, propres sur le plan technique et juridiquement sécurisés coûte cher. Acheter des ouvrages, signer des licences, documenter les droits et conserver la trace de chaque source demandent du temps et des investissements importants.

La tentation de recourir à des bibliothèques piratées promet l’inverse : une abondance immédiate, peu coûteuse et facilement exploitable. Mais le règlement proposé par Anthropic montre qu’un gain de court terme peut se transformer en risque financier massif. Sans accord, l’entreprise s’exposait à un procès dont les conséquences auraient pu atteindre plusieurs milliards de dollars, selon les analyses citées dans le dossier.

Cette affaire déplace donc le débat. La question n’est plus uniquement de savoir si les créateurs doivent être rémunérés lorsque leurs œuvres nourrissent les systèmes d’IA. Elle devient aussi opérationnelle : comment une entreprise peut-elle prouver qu’elle sait d’où viennent ses données, qu’elle détient les autorisations nécessaires ou qu’elle respecte les exceptions prévues par la loi ?

Pour les éditeurs et les auteurs, cette exigence de traçabilité est centrale. Une œuvre peut circuler sous des dizaines de fichiers, de titres ou de formats différents. Identifier les doublons, vérifier le statut de protection et retrouver le bon titulaire de droits sont des tâches complexes. Le fait que le périmètre du règlement ait été réduit après un travail de filtrage illustre précisément cette difficulté.

Un signal fort, mais pas une réponse à tous les procès sur l’IA

Par son montant, l’accord proposé est susceptible de peser sur les stratégies des autres acteurs de l’IA. Il encourage les entreprises à sécuriser leurs sources, à conclure des accords de licence et à mieux séparer les collections légitimes des données dont l’origine est incertaine. Il renforce aussi la position de négociation des créateurs et des organisations qui les représentent.

Pour autant, il ne règle pas toutes les controverses liées à l’IA générative. Plusieurs questions demeurent ouvertes : l’entraînement sur des œuvres accessibles publiquement mais protégées est-il autorisé ? Dans quelles conditions une sortie générée par une IA peut-elle reproduire trop fidèlement un texte existant ? Comment rémunérer les auteurs lorsque leurs œuvres ont contribué à des corpus massifs, souvent difficiles à reconstituer ?

Le règlement met fin au risque d’un procès complet sur les dommages dans ce dossier particulier, s’il est approuvé. Il ne produit donc pas une grande décision d’appel qui fixerait à elle seule une règle applicable à l’ensemble des technologies et des juridictions. Son influence sera néanmoins réelle, parce qu’il chiffre concrètement le risque associé au piratage.

Les livres, une ressource stratégique pour les modèles de langage

L’importance des livres explique l’intensité du conflit. Pour produire, résumer, traduire ou raisonner en langage naturel, un modèle doit avoir été exposé à une variété considérable de textes. Les œuvres longues apportent une cohérence que des extraits courts, des pages isolées ou des conversations en ligne ne fournissent pas toujours.

Cela ne signifie pas qu’un livre est interchangeable avec un autre. Chaque titre est une création protégée, associée à un ou plusieurs auteurs, parfois à un traducteur, un éditeur ou des ayants droit. Le droit d’auteur ne porte pas seulement sur l’idée générale d’un récit ou d’un sujet : il protège l’expression originale d’une œuvre, sa formulation et sa structure.

C’est pourquoi les discussions sur les données d’entraînement concernent directement la culture. Si les laboratoires recherchent les livres pour améliorer la qualité de leurs modèles, les auteurs demandent que cette valeur soit reconnue, documentée et, le cas échéant, rémunérée. Le règlement proposé par Anthropic donne à cette demande un poids économique difficile à ignorer.

Ce qu’il faut surveiller après l’examen du règlement

La première échéance est la décision du juge William Alsup sur l’accord. Son approbation ouvrirait la voie aux étapes pratiques de l’indemnisation et mettrait un terme à ce recours collectif. Un refus ou une demande de modification prolongerait au contraire l’incertitude.

Au-delà de cette audience, plusieurs évolutions méritent attention. Les entreprises d’IA devront préciser davantage leurs politiques de données, notamment lorsqu’elles affirment travailler avec des sources légitimes. Les éditeurs pourraient être encouragés à négocier des licences plus explicites pour les usages liés à l’entraînement. Enfin, les auteurs disposeront d’un exemple concret pour réclamer une meilleure transparence sur la circulation de leurs œuvres.

Le point le plus durable pourrait être celui-ci : dans l’économie de l’IA générative, les données ne sont pas une matière première abstraite. Elles proviennent de textes, d’images, de musiques et d’autres créations auxquelles sont attachés des droits. L’accord proposé par Anthropic rappelle que l’innovation technologique ne dispense pas de répondre à la question la plus élémentaire : qui a fourni l’œuvre, et avec quelle autorisation ?