Les modèles d’intelligence artificielle générative n’apprennent pas dans le vide. Pour produire du texte, des images, de la musique ou des vidéos, ils sont entraînés sur d’immenses ensembles de données contenant souvent des œuvres protégées : livres, articles, photographies, illustrations, chansons ou logiciels.
Les entreprises technologiques soutiennent que cet entraînement transforme les œuvres en paramètres statistiques. Les créateurs répondent que leurs productions ont été copiées à grande échelle, parfois depuis des bibliothèques pirates, sans autorisation, transparence ni partage de la valeur créée.
La question paraît simple : faut-il payer les auteurs ? La réponse dépend du pays, de la provenance des données, du type d’œuvre et de l’effet du modèle sur le marché. Une position raisonnable se dégage toutefois : lorsqu’une entreprise exploite commercialement un corpus protégé acquis sans licence, la rémunération devrait être la règle, sauf exception légale clairement applicable.
Entraîner une IA n’est pas exactement lire une œuvre
Les développeurs comparent souvent l’apprentissage d’un modèle à celui d’un humain qui lit des livres ou observe des tableaux. L’analogie est incomplète.
Un lecteur acquiert des connaissances sans constituer à l’échelle industrielle des copies techniques. L’entraînement d’une IA exige au contraire la collecte, la reproduction et le traitement automatisé de fichiers. Ces actes peuvent relever du droit d’auteur avant même que le modèle ne génère quoi que ce soit.
Cela ne signifie pas que toute utilisation doit être payante. Le domaine public, les licences ouvertes et certaines exceptions légales doivent rester utilisables. Les vraies questions sont plus précises : l’accès aux œuvres était-il licite ? Les titulaires avaient-ils réservé leurs droits ? Le modèle peut-il reproduire ou concurrencer les contenus ?
Le Copyright Office américain souligne lui-même que l’analyse doit tenir compte des usages précis, de leur caractère transformateur et de leurs effets sur les marchés concernés. Il ne considère donc pas que tous les entraînements puissent recevoir automatiquement la même qualification juridique.
Les procès américains ne donnent pas une réponse unique
Les premières décisions américaines ont produit des résultats différents parce que les faits différaient.
Dans l’affaire Thomson Reuters contre Ross Intelligence, un tribunal du Delaware a estimé en 2025 que l’utilisation de résumés juridiques de Westlaw pour entraîner un outil concurrent ne relevait pas du « fair use ». Le système n’était pas un grand modèle génératif, mais l’affaire montre qu’un entraînement commercial destiné à concurrencer directement la source peut constituer une contrefaçon.
Dans Bartz contre Anthropic, un juge californien a au contraire considéré que l’utilisation de livres pour entraîner certains modèles était suffisamment transformatrice pour relever du fair use. Il a toutefois séparé cette question de celle d’une bibliothèque constituée à partir de copies pirates. Le litige a ensuite abouti à un accord de 1,5 milliard de dollars, avec un paiement estimé à environ 3 000 dollars par œuvre concernée.
Dans Kadrey contre Meta, Meta a aussi obtenu gain de cause. Mais le jugement ne consacre pas une immunité générale. Le juge a estimé que les plaignants avaient insuffisamment démontré le préjudice de marché, tout en soulignant qu’une IA capable d’inonder le marché de contenus concurrents pourrait, dans d’autres affaires, peser contre le fair use.
Les procédures se poursuivent. En 2026, de grands éditeurs ont attaqué Meta puis Google au sujet de livres et de publications qui auraient servi à entraîner leurs modèles. Le contentieux opposant notamment le New York Times à OpenAI restait lui aussi en cours en juillet.
Il est donc faux d’affirmer que la justice américaine a déjà déclaré l’entraînement libre ou, à l’inverse, systématiquement illégal.
L’Europe exige davantage de transparence
Dans l’Union européenne, la directive de 2019 sur le droit d’auteur prévoit une exception pour la fouille de textes et de données lorsque l’accès aux contenus est licite. Pour les usages généraux, elle ne s’applique toutefois que si les titulaires n’ont pas expressément réservé leurs droits, notamment par des moyens lisibles par machine.
Ce système repose sur une faculté d’opposition. Il ne crée pas automatiquement une redevance pour chaque œuvre utilisée.
L’AI Act ajoute des obligations aux fournisseurs de modèles d’IA à usage général. Ils doivent établir une politique de respect du droit d’auteur et publier un résumé des contenus utilisés pour l’entraînement. La Commission européenne impose un modèle commun destiné à aider les ayants droit à exercer leurs droits.
Cette transparence reste imparfaite. Un résumé par catégories ne permet pas nécessairement d’identifier chaque livre, image ou chanson. Le problème demeure l’écart entre le droit de refuser et la capacité de vérifier si ce refus a été respecté.
Pourquoi une rémunération est défendable
Les œuvres professionnelles ne sont pas des matières premières gratuites. Leur production exige du temps, des compétences et parfois des investissements importants. Une IA entraînée sur ces contenus peut ensuite vendre des abonnements et produire des résultats qui concurrencent les mêmes créateurs.
Le préjudice peut aussi résider dans la substitution économique : un résumé à la place d’un livre ou une illustration générée à la place d’une commande.
Il est souvent impossible d’attribuer chaque réponse à une œuvre précise. Cette difficulté ne justifie pas nécessairement une exploitation gratuite : la musique et l’audiovisuel répartissent déjà des revenus selon des clés imparfaites.
La rémunération doit toutefois atteindre les créateurs. Un accord signé avec un éditeur ou une plateforme n’est équitable que si les contrats précisent qui possède les droits d’entraînement et quelle part revient aux auteurs, journalistes, interprètes ou photographes.
Ce point est essentiel. Un système de licences pourrait enrichir les grandes maisons d’édition, agences ou plateformes sans améliorer réellement la situation des personnes ayant créé les contenus. Les contrats historiques ne prévoyaient généralement pas l’entraînement de modèles génératifs. Il serait donc dangereux de considérer automatiquement ce nouvel usage comme un droit déjà cédé.
Quels systèmes de licence peuvent fonctionner ?
La licence directe convient aux catalogues structurés : archives d’un journal, banque d’images, catalogue musical ou fonds d’un éditeur. Elle permet de négocier le prix, la durée, les usages autorisés et les audits. Elle avantage cependant les grands détenteurs de droits.
Les licences collectives peuvent réduire ce déséquilibre. Une société de gestion rassemble les droits de nombreux créateurs, vend une autorisation globale et redistribue les recettes. Des dispositifs apparaissent déjà : la société suédoise STIM a lancé une licence pour l’entraînement musical, tandis que des organismes britanniques développent des offres collectives pour les textes.
Une licence collective étendue ou une redevance légale pourrait aussi autoriser certains usages contre un paiement obligatoire, avec un droit de retrait. Ce mécanisme simplifierait l’accès à de grands corpus, mais risquerait de fixer des tarifs faibles ou de distribuer l’argent selon des clés opaques.
Une rémunération liée aux résultats pourrait enfin compléter le paiement pour l’entraînement. Lorsqu’un système produit une image très proche d’un artiste identifiable, reproduit un personnage protégé ou génère une musique liée à un catalogue, une redevance à l’usage peut être plus logique qu’un forfait unique.
Ces modèles ne sont pas interchangeables. Une archive journalistique récente possède une valeur différente d’un ensemble de textes anciens. Un modèle spécialisé dans la musique ne crée pas les mêmes risques qu’un outil scientifique analysant des publications sans produire de contenu concurrent.
La transparence doit venir avant le paiement
Aucun système crédible ne peut fonctionner si les entreprises ne documentent pas leurs données.
Les développeurs devraient conserver l’origine des fichiers, la licence applicable et les exclusions demandées. Des audits indépendants devraient pouvoir vérifier ces registres sans publier les secrets industriels.
Les créateurs devraient disposer d’un moyen simple pour déclarer leurs œuvres, accepter ou refuser certains usages et contester une utilisation. Les contrats devraient distinguer l’entraînement général, l’affinage spécialisé et la génération imitant une œuvre ou un artiste.
Il faut également séparer deux paiements : celui dû pour l’accès au corpus et celui éventuellement dû lorsqu’un résultat exploite de manière reconnaissable une création protégée.
Sans cette distinction, une entreprise pourrait acheter une autorisation d’entraînement limitée, puis prétendre qu’elle couvre également la reproduction de personnages, l’imitation de voix ou la génération de contenus concurrents.
Payer, mais selon une règle proportionnée
Les créateurs ne devraient pas être rémunérés parce qu’une IA aurait « pensé à eux » comme un humain se souvient d’une lecture. Ils devraient l’être lorsqu’une entreprise copie et exploite commercialement leurs œuvres dans des conditions qui dépassent une exception légale, contournent un refus ou créent un produit concurrent fondé sur cette exploitation.
L’obligation ne peut pas être identique pour une recherche non commerciale, une entreprise utilisant des contenus sous licence ouverte et une plateforme mondiale entraînant un modèle commercial sur des millions de fichiers protégés.
Le système le plus défendable associerait accès licite, transparence, faculté réelle de refus, licences directes pour les grands catalogues, gestion collective pour les créateurs dispersés et rémunération supplémentaire lorsque les résultats exploitent clairement une œuvre ou une identité artistique.
L’enjeu n’est pas de faire payer chaque apprentissage algorithmique. Il est d’empêcher qu’une industrie construise sa valeur sur des œuvres humaines tout en considérant ceux qui les ont produites comme une dépense facultative.
