Une Découverte Révolutionnaire Qui Pourrait Bouleverser l’Industrie de l’IA.

Depuis plusieurs années, des entreprises d’intelligence artificielle comme Google, Meta, Anthropic et OpenAI assurent que leurs modèles de langage avancés ne conservent pas en mémoire des œuvres protégées par le droit d’auteur. Au contraire, elles affirment que ces modèles “apprennent” de leurs données d’entraînement de manière similaire à l’esprit humain.

Cette nuance, soigneusement formulée, est cruciale pour leur défense face à une augmentation rapide de défis juridiques.

Cette situation touche également les fondements du **droit d’auteur**. Celui-ci est une forme de protection juridique destinée à sauvegarder les œuvres originales et leurs auteurs. Selon le **Copyright Act of 1976** aux États-Unis, un propriétaire de droits d’auteur bénéficie du droit exclusif de “reproduire, adapter, distribuer, performer publiquement et afficher le travail.”

Cependant, il est essentiel de noter que la doctrine du **”fair use”** permet l’utilisation de matériaux protégés pour des objectifs tels que la critique, le journalisme et la recherche. Cela a servi d’argument de défense pour l’industrie de l’IA devant les tribunaux face aux accusations de contrefaçon. Le PDG d’OpenAI, Sam Altman, a même affirmé que tout serait “fini” si l’industrie n’était pas autorisée à utiliser librement des données protégées pour entraîner ses modèles.

Les titulaires de droits ont depuis longtemps exprimé leurs préoccupations, accusant les entreprises d’IA de former leurs modèles avec des œuvres piratées et protégées, en monétisant ces contenus sans rémunérer les auteurs, journalistes et artistes comme il se doit. Ce conflit juridique dure depuis des années et a déjà abouti à des règlements médiatisés.

Actuellement, une étude accablante pourrait mettre les entreprises d’IA sur la défensive. Des chercheurs de Stanford et de Yale y ont trouvé des preuves que les modèles d’IA copient réellement toutes les données, plutôt que de simplement “apprendre” de celles-ci. Quatre modèles de traitement du langage renommés — **GPT-4.1** d’OpenAI, **Gemini 2.5 Pro** de Google, **Grok 3** de xAI et **Claude 3.7 Sonnet** d’Anthropic — ont reproduit des extraits d’œuvres populaires, protégées par le droit d’auteur, avec une précision remarquable.

Les chercheurs ont observé que Claude pouvait produire “des livres entiers presque mot pour mot” avec un taux de précision de 95,8 %. Gemini a réussi à reproduire le roman **“Harry Potter à l’école des sorciers”** avec une précision de 76,8 %, tandis que Claude a reproduit **“1984”** de George Orwell avec plus de 94 % de précision par rapport à l’original — qui est toujours protégé.

“Bien que beaucoup pensent que les modèles de langage ne mémorisent pas beaucoup de leurs données d’entraînement, des travaux récents montrent qu’il est possible d’extraire d’importantes quantités de textes protégés des modèles à poids ouverts,” ont écrit les chercheurs.

Pour certaines de ces reproductions, les chercheurs ont dû utiliser une méthode de “jailbreaking” nommée **Best-of-N**, qui consiste à bombarder l’IA avec différentes versions de la même question. Ce type de contournement a déjà été utilisé par OpenAI pour se défendre dans un procès intenté par le New York Times, avec des avocats affirmant que “les gens normaux n’utilisent pas les produits d’OpenAI de cette manière.”

Les implications des récentes découvertes pourraient être énormes alors que les procès pour violation du droit d’auteur se suivent dans les tribunaux américains. Comme le souligne The Atlantic‘s Alex Reisner, ces résultats remettent encore plus en cause l’argument selon lequel les modèles de langage “apprennent” de ces textes plutôt que de stocker des informations pour s’en souvenir plus tard. Cela pourrait représenter un immense risque juridique pour les entreprises d’IA, avec des conséquences financières pouvant aller jusqu’à des milliards de dollars en cas de jugements pour contrefaçon.

La question de la responsabilité des entreprises d’IA en matière de violation du droit d’auteur reste vivement débattue. Mark Lemley, professeur de droit à Stanford et représentant d’entreprises d’IA dans des affaires de droit d’auteur, a déclaré qu’il ne sait pas si un modèle d’IA “contient” une copie d’un livre ou peut le reproduire “instantanément en réponse à une demande.”

L’industrie continue d’affirmer qu’elle ne réplique pas de manière technique des œuvres protégées. En 2023, Google a déclaré au **Bureau américain du droit d’auteur** qu’“il n’existe pas de copie des données d’entraînement — qu’il s’agisse de textes, d’images ou d’autres formats — présente dans le modèle lui-même.”

OpenAI a également informé le bureau cette même année que ses “modèles ne conservent pas de copies des informations dont ils ont appris.”

Pour Alex Reisner de **The Atlantic**, l’analogie selon laquelle les modèles d’IA apprennent comme les humains est une “idée trompeuse et rassurante qui empêche le débat public nécessaire sur la manière dont les entreprises d’IA utilisent les œuvres créatives et intellectuelles dont elles dépendent totalement.”

Reste à savoir si les juges des nombreux procès pour violation du droit d’auteur partageront ce sentiment. Les enjeux sont considérables, surtout alors que la vie des auteurs, journalistes et autres créateurs de contenu devient de plus en plus difficile, tandis que l’industrie de l’IA prend une ampleur inimaginable.

Pour en savoir plus sur l’IA et le droit d’auteur : La situation d’OpenAI en matière de droits d’auteur semble la mettre dans un danger énorme.