Penguin Random House inscrit l’IA dans les pages de droits de ses livres

L’intelligence artificielle générative a fait entrer le monde de l’édition dans une zone de forte incertitude. Pour produire du texte, les grands modèles de langage ont besoin d’analyser des corpus immenses, qui peuvent contenir des œuvres protégées. Face à ce risque d’utilisation sans accord, Penguin Random House a choisi d’inscrire noir sur blanc ses limites : ses livres ne doivent pas servir à entraîner des systèmes d’IA sans autorisation.

Au 23 octobre 2024, cette décision prend une forme très concrète. La maison d’édition ajoute une clause dédiée à l’intelligence artificielle sur la page de droits de ses ouvrages. Cette page, souvent placée au début ou à la fin d’un livre, rassemble habituellement les informations sur le droit d’auteur, la reproduction, l’édition et les autorisations. Elle devient ici un support de positionnement dans l’un des grands débats culturels et juridiques de l’ère générative.

Une clause explicite contre l’entraînement des IA

La formulation ajoutée par Penguin Random House est sans ambiguïté. Elle indique qu’aucune partie du livre ne peut être utilisée ou reproduite, de quelque manière que ce soit, dans le but de former ou d’entraîner des systèmes d’intelligence artificielle.

L’enjeu ne porte pas d’abord sur un lecteur qui consulterait un livre à l’aide d’un outil numérique. Il concerne l’étape de constitution des données d’apprentissage. Pour mettre au point un modèle capable de générer ou de résumer du texte, une entreprise technologique peut chercher à lui faire analyser un nombre considérable de documents. Or les romans, essais, manuels et autres ouvrages publiés sont des créations protégées par le droit d’auteur.

Cette clause répond donc à une préoccupation centrale des auteurs et des éditeurs : pouvoir décider si une œuvre entre ou non dans un corpus d’entraînement, et dans quelles conditions. Penguin Random House affirme ainsi que ses contenus ne sont pas librement disponibles pour cet usage au seul motif qu’ils existent en version imprimée, numérique ou accessible en ligne.

Pourquoi les livres intéressent-ils les développeurs de modèles ?

Les modèles de langage apprennent à prédire la suite la plus probable d’une phrase à partir d’innombrables exemples. Ils repèrent des régularités dans la syntaxe, le vocabulaire, les styles d’écriture et les associations entre les idées. Les livres peuvent donc représenter des matériaux particulièrement recherchés : ils offrent des textes longs, structurés, édités et couvrant de nombreux genres.

Mais l’intérêt technique d’un contenu ne donne pas automatiquement le droit de l’exploiter. La tension actuelle naît précisément de cette différence entre la valeur des œuvres pour l’entraînement et les droits attachés à leur création.

Il serait simplificateur d’affirmer qu’un modèle « contient » nécessairement les livres étudiés comme une bibliothèque traditionnelle. L’entraînement modifie les paramètres mathématiques du système à partir des données qu’il traite. Toutefois, cette précision technique ne résout pas la question de départ : utiliser une œuvre protégée pour créer ce système est-il licite sans autorisation ? C’est sur ce terrain que les positions divergent.

Pour Penguin Random House, la réponse éditoriale est claire : l’accès à ses textes en vue de l’entraînement ne peut être présumé. La clause a pour fonction de lever toute ambiguïté sur l’intention du détenteur des droits.

Ce que change réellement une mention sur une page de droits

L’ajout d’une clause ne constitue pas une barrière technique. Un texte figurant dans un livre ne peut pas, par lui-même, empêcher une copie, une numérisation ou une collecte automatisée. Cette mesure ne permet donc pas de savoir, à elle seule, si une œuvre a déjà été intégrée à un jeu de données ni de retirer automatiquement un ouvrage d’un corpus.

Son rôle est néanmoins important. Elle formalise une interdiction, rappelle les conditions d’usage souhaitées par l’éditeur et place la question de l’IA au cœur de la gestion des droits. En cas de désaccord, une telle précision peut aussi contribuer à établir que Penguin Random House n’a pas consenti à ce type d’exploitation.

La portée juridique définitive d’une clause de ce type ne dépend toutefois pas de la seule volonté de l’éditeur. Elle peut varier selon les pays, les contrats conclus avec les auteurs, les règles applicables aux exceptions au droit d’auteur et l’interprétation qu’en feront les tribunaux. À cette date, le débat autour de l’entraînement des IA et des œuvres protégées reste largement ouvert.

Une démarche de protection, pas un refus général de l’IA

Présenter cette initiative comme une opposition de principe à toute intelligence artificielle serait trompeur. La publication d’origine souligne que Penguin Random House ne rejette pas l’intégration de l’IA dans l’industrie du livre. La ligne défendue consiste plutôt à distinguer les usages internes ou encadrés des usages qui reposeraient sur l’appropriation de contenus sans consentement.

Cette nuance est essentielle. Des outils algorithmiques peuvent, par exemple, aider des organisations à classer des informations, automatiser certaines tâches répétitives ou assister des équipes dans des opérations définies. Mais les systèmes génératifs soulèvent une question différente lorsqu’ils sont construits à partir de centaines de milliers d’œuvres, y compris des livres dont les auteurs et les éditeurs n’ont pas été consultés.

Pour une maison d’édition, l’enjeu est aussi économique et culturel. Un ouvrage n’est pas seulement une suite de mots disponible à l’analyse : il résulte d’un travail d’écriture, d’édition, de correction, de traduction parfois, de fabrication et de diffusion. Les droits d’auteur organisent la rémunération et la reconnaissance de cette chaîne de création.

Un signal adressé aux auteurs comme aux entreprises technologiques

En ajoutant cette phrase à ses pages de droits, Penguin Random House adresse d’abord un message aux auteurs qu’il publie. L’éditeur signale qu’il entend défendre les livres de son catalogue contre les usages non autorisés liés à l’entraînement des IA. Dans un contexte où les créateurs s’interrogent sur la circulation de leurs textes et sur leur possible intégration à des bases de données, cette clarification peut compter dans la relation de confiance entre un auteur et sa maison d’édition.

Le geste s’adresse aussi aux développeurs de modèles. Il rappelle que les contenus culturels ne sont pas des ressources sans propriétaire et que l’entraînement d’une IA ne peut être traité comme une simple question d’accès technique aux données. À terme, les rapports entre éditeurs et entreprises d’IA pourraient davantage passer par des autorisations explicites, des licences et des négociations sur la rémunération.

La publication d’origine évoque par ailleurs une dynamique plus large dans le secteur. Plusieurs éditeurs cherchent à mieux protéger leurs œuvres alors que les technologies d’IA évoluent rapidement. Chaque maison peut adopter ses propres choix contractuels ou techniques, mais la question appelle aussi des réponses collectives : une œuvre isolée est difficile à surveiller, tandis qu’un secteur organisé dispose de davantage de moyens pour défendre ses intérêts.

Les limites d’une protection fondée sur la seule déclaration

La décision de Penguin Random House a une portée symbolique et juridique potentielle, mais elle ne résout pas tous les problèmes pratiques. Les jeux de données utilisés pour entraîner des modèles peuvent être vastes, composites et difficiles à auditer. Identifier l’origine exacte de chaque texte, vérifier l’existence d’une autorisation et gérer les droits de milliers d’auteurs représentent des tâches complexes.

Une clause nouvelle s’applique aussi dans un environnement où de nombreux corpus ont pu être constitués avant son insertion. Elle fixe clairement une position pour les ouvrages concernés, sans permettre à elle seule de reconstituer l’historique de tous les usages passés. La protection effective repose donc sur plusieurs leviers complémentaires : les contrats, les licences, la surveillance des atteintes éventuelles et l’évolution du cadre légal.

Les lecteurs doivent eux aussi éviter une confusion fréquente. Le fait qu’un livre porte une clause liée à l’IA ne signifie pas qu’il devient impossible de le citer, de le commenter ou d’en partager un très court extrait dans les limites prévues par le droit applicable. La citation, la reproduction et l’entraînement d’un système d’IA sont des usages distincts, évalués selon des règles différentes.

Ce qu’il faut surveiller dans l’édition et l’IA

La mesure de Penguin Random House illustre un mouvement de fond : les éditeurs veulent reprendre la main sur la manière dont leurs catalogues sont utilisés dans l’économie de l’IA. Les prochaines étapes dépendront moins de la seule présence d’une clause dans un ouvrage que de la capacité des acteurs à établir des règles claires et applicables.

Trois questions seront particulièrement déterminantes. La première porte sur la transparence : les entreprises d’IA préciseront-elles les sources employées pour entraîner leurs modèles ? La deuxième concerne le consentement : les auteurs et éditeurs pourront-ils accepter, refuser ou négocier l’utilisation de leurs œuvres ? La troisième touche à la valeur créée : si des livres servent à améliorer des outils commerciaux, quelle part de cette valeur doit revenir à ceux qui les ont écrits et publiés ?

En ajoutant une interdiction explicite à ses pages de droits, Penguin Random House ne clôt pas ce débat. La maison d’édition rend au contraire visible une exigence appelée à structurer durablement les relations entre la création littéraire et l’intelligence artificielle : pas d’exploitation des œuvres sans règles, sans consentement ni responsabilité.