Un nombre croissant d'artistes et d'auteurs ayant découvert leurs œuvres dans des ensembles de données d'entraînement d'IA intentent des poursuites contre de grandes entreprises du secteur — et certains commencent à obtenir gain de cause, selon The Verge.
Points clés
Lorsque The Atlantic a publié une base de données consultable sur les données d'entraînement de l'IA, de nombreux artistes ont découvert que leurs œuvres avaient été collectées sans consentement ni compensation.
Des auteurs, dont Kirk Wallace Johnson (The Feather Thief), ont confirmé que leurs livres avaient été utilisés et engagent des poursuites judiciaires contre des développeurs d'IA.
Les premières décisions de justice suggèrent que les entreprises d'IA sont réellement exposées sur le plan juridique concernant les revendications de droits d'auteur liées aux données d'entraînement — et pas seulement à des procédures sans fondement.
L'issue de ces affaires pourrait directement influencer les ensembles de données sur lesquels les futurs modèles seront entraînés, remodelant ainsi les capacités et les styles disponibles pour les créateurs d'art par IA.
Des plaintes sont déposées contre des acteurs majeurs, notamment Google, Meta et Anthropic.
Des artistes visuels et des auteurs organisent des recours juridiques contre des entreprises d'IA pour l'utilisation non autorisée de leurs œuvres créatives dans des ensembles de données d'entraînement.
L'élément déclencheur de nombreuses affaires a été un ensemble de données consultable publié par The Atlantic, permettant à quiconque de vérifier si ses œuvres figuraient dans des corpus d'entraînement d'IA. Kirk Wallace Johnson — auteur des best-sellers de non-fiction The Feather Thief et The Fishermen and the Dragon — a recherché son nom, trouvé ses livres répertoriés, et rejoint une cohorte grandissante de créateurs portant leurs griefs devant les tribunaux. Son expérience est loin d'être unique.
Ce que disent réellement les premières décisions
Le tableau juridique est encore en train de se dessiner, mais la direction prise est significative. Certaines premières décisions ont permis à des plaintes pour violation de droits d'auteur de franchir le stade de la requête en irrecevabilité — un seuil important qui signale que les tribunaux ne considèrent pas ces affaires comme frivoles. Les entreprises d'IA se sont largement appuyées sur une défense fondée sur l'usage loyal (fair use), arguant que l'entraînement sur du matériel protégé par le droit d'auteur est transformatif. Les juges ne l'acceptent pas unanimement.
Pour les créateurs d'art par IA, les enjeux pratiques sont élevés. Si les tribunaux concluent en définitive que la collecte de textes et d'images protégés par le droit d'auteur à des fins d'entraînement constitue une violation, les ensembles de données qui sous-tendent les générateurs d'images et les modèles de langage les plus performants d'aujourd'hui pourraient faire l'objet de révisions forcées ou d'exigences de licence. Cela signifie que les futures versions des modèles pourraient être entraînées sur des données plus restreintes, sous licence ou synthétiques — avec de réelles conséquences sur l'étendue stylistique, la réactivité aux prompts et la profondeur des références culturelles auxquelles un modèle peut puiser.
Ce n'est pas un problème hypothétique pour l'avenir. Le contentieux influence déjà la manière dont certains développeurs abordent l'entraînement de nouveaux modèles. Adobe, par exemple, a pris soin de commercialiser Firefly en mettant en avant le fait qu'il est entraîné exclusivement sur du contenu sous licence — un positionnement qui n'a de sens commercial que parce que le risque juridique de l'alternative est désormais visible. Les créateurs qui choisissent entre différents outils devraient peser cette distinction lorsqu'elle importe à leurs clients ou à leur propre tolérance au risque.
La base de données de The Atlantic comme tournant
La base de données consultable a fonctionné comme une sorte d'événement de découverte massive. Avant elle, la plupart des artistes avaient des soupçons, mais aucune preuve. Après, ils disposaient de noms, de titres et d'horodatages — exactement le type de preuves concrètes qui rendent une revendication de droits d'auteur actionnable plutôt que spéculative. Des équipes juridiques agrègent désormais ces éléments dans des recours collectifs et des poursuites individuelles visant Google, Meta, Anthropic et d'autres.
Cela s'inscrit dans un schéma plus large de resserrement de l'environnement juridique autour des données d'entraînement de l'IA, sous plusieurs angles. Charmloop a précédemment couvert un développement connexe : un web scraper qui a remporté une affaire DMCA contre Google et Reddit, une décision qui a compliqué les hypothèses sur ce qui est légalement accessible sur le web public à des fins d'entraînement. Les deux fils — droits de collecte et droits d'auteur dans les données d'entraînement — convergent vers un paysage juridique véritablement incertain.
Pour les créateurs utilisant des outils d'IA aujourd'hui, rien de tout cela ne signifie que les outils cesseront de fonctionner demain. Mais cela signifie que les modèles sur lesquels vous comptez pour la génération d'images sont le produit d'un régime de données que les tribunaux réexaminent activement. Observer quelles entreprises concluent des accords, lesquelles se battent et lesquelles pivotent vers des ensembles de données sous licence vous en dira long sur la direction que prend la prochaine génération de modèles — et sur ce dont ils seront capables.
