Utilisation équitable et concurrence sur les marchés perturbés par l’IA

Un projet de loi bipartite, le Transparency and Responsibility for Artificial Intelligence Networks Act (TRAIN), introduced en janvier 2026, donnerait aux créateurs de contenu le pouvoir de subpoena pour obliger les entreprises d’IA à divulguer des informations. Si elle est adoptée, plus de détenteurs de droits d’auteur auront un mécanisme juridique pour découvrir si leur travail a été utilisé pour la formation de l’IA.

À première vue, cela peut sembler un pouvoir qui permettrait à plus de détenteurs de droits d’auteur de réclamer des paiements aux développeurs d’IA. En réalité, cependant, savoir que votre travail a été utilisé sans autorisation préalable est loin d’être suffisant.

Lorsqu’ils décident des cas d’utilisation équitable, les tribunaux examinent quatre facteurs clés : le but de l’utilisation, la nature de l’œuvre originale, la quantité prise et l’effet que cette utilisation a eu sur la valeur marchande du matériel. Des décisions récentes dans les tribunaux américains ont réaffirmé que l’utilisation équitable reste un pilier de l’innovation et ne peut pas être rejetée facilement. Le projecteur est particulièrement braqué sur le facteur de préjudice du marché et sa preuve.

Le préjudice du marché comme principal champ de bataille

Les décisions en matière de droits d’auteur de l’IA de la Cour du district nord de la Californie montrent que les tribunaux adoptent différentes approches pour analyser l’utilisation équitable. Dans Kadrey v. Meta, le juge Chhabria a qualifié le préjudice du marché de “l’élément le plus important de l’utilisation équitable”. Le juge Alsup dans Bartz v. Anthropic, en revanche, a pesé les quatre facteurs de manière plus égale. Mais les deux juges ont convenu de ceci : les plaignants ne peuvent pas simplement alléguer un préjudice – ils doivent le prouver ou le rendre probable.

L’exigence de preuve est importante pour les développeurs d’IA, en particulier les startups à faible budget. Si le préjudice doit être prouvé plutôt que présumé, les développeurs peuvent prendre des décisions de conception pour l’éviter. Les décisions suggèrent que les développeurs peuvent réduire leur risque en acquérant des données à partir de sources légales, en concevant des produits qui servent des objectifs distincts de l’œuvre sous copyright, et en mettant en place des garde-fous pour empêcher la reproduction de grandes parties de texte.

Les tribunaux Bartz et Kadrey ont tous deux déterminé que la formation de l’IA constitue une “utilisation transformative” en vertu de la loi sur les droits d’auteur. Avec cela, l’attention se déplace de plus en plus vers le quatrième facteur d’utilisation équitable : le préjudice du marché. Les récentes batailles en matière de droits d’auteur de l’IA illustrent cela. Les allégations se concentrent de plus en plus sur l’idée que les reproductions intégrales de travaux sous copyright nuisent à la valeur marchande des éditeurs.

Ces affaires restent à être tranchées. Ce qui compte, c’est que les éditeurs comprennent de plus en plus qu’ils doivent alléguer deux choses pour gagner : que les sorties de l’IA remplacent effectivement le besoin d’accéder aux œuvres originales et que, par conséquent, les détenteurs de droits d’auteur subissent un préjudice économique concret.

Exigences de preuve

Les affaires Bartz et Kadrey mettent l’accent sur le fait que le préjudice du marché doit être démontré, et non supposé. Dans Kadrey, des tests approfondis ont montré que le Llama de Meta reproduisait au maximum 50 jetons à partir des œuvres des plaignants, et seulement 60 % du temps sous des invites de prompts conçus pour inciter le modèle à reproduire l’œuvre originale.

Le juge Alsup dans Bartz s’est concentré sur le fait de savoir si Claude d’Anthropic livrait effectivement du texte contrefaisant aux utilisateurs – les plaignants n’ont pas soutenu que cela s’était produit. Sans reproduction, il devient plus difficile de prétendre que la substitution de l’œuvre originale a eu lieu.

Cette approche probatoire montre que, même lorsque les détenteurs de droits d’auteur démontrent que leurs œuvres ont été utilisées pour la formation, ils n’ont pas nécessairement un cas solide pour la contrefaçon. Si le système d’IA résultant ne produit pas de sorties qui causent un préjudice identifiable sur le marché, l’utilisation seule est de peu d’importance en vertu de la loi.

Lorsque le préjudice du marché est reconnu

Dans Thomson Reuters Enterprise Centre GmbH v. Ross Intelligence Inc., la Cour de district du Delaware a rejeté la défense d’utilisation équitable de Ross Intelligence après que Ross ait utilisé les notes de Westlaw de Thomson Reuters pour former un outil de recherche juridique d’IA qui concurrençait directement Westlaw. Les facteurs 1 (but et caractère) et 4 (effet sur le marché) de l’analyse d’utilisation équitable ont été cruciaux pour la décision.

Le juge du circuit Stephanos Bibas a constaté que l’utilisation de Ross n’était pas transformative car elle créait un substitut de marché direct. Ross avait initialement cherché à obtenir une licence pour le contenu de Westlaw, mais Thomson Reuters a spécifiquement refusé car Ross était son concurrent. L’alignement entre le but des matériaux originaux et le but du produit d’IA soutient également l’allégation de préjudice potentiel.

Inversement, lorsqu’un produit d’IA vise des marchés différents de ceux utilisés pour la formation, établir la substitution du marché devient difficile. Dans Bartz et Kadrey, les modèles de langage à usage général servaient des fonctions fondamentalement différentes de celles des livres utilisés pour la formation. Cette distinction peut s’avérer cruciale – plus l’objectif d’un système d’IA est éloigné de ses sources de données de formation, plus il est difficile de démontrer la substitution du marché.

L’argument du “marché de licence” rejeté

Les deux tribunaux ont explicitement rejeté les arguments selon lesquels les développeurs d’IA nuisent aux marchés de licence potentiels pour les données de formation. Le juge Chhabria a expliqué que traiter les frais de licence perdus comme un préjudice rendrait l’analyse d’utilisation équitable circulaire, favorisant automatiquement les détenteurs de droits d’auteur. Le juge Alsup, pour sa part, a constaté qu’un marché pour la licence de livres spécifiquement pour la formation d’IA “n’est pas un marché que la loi sur les droits d’auteur permet aux auteurs d’exploiter”.

Les tribunaux ont refusé de traiter les accords de licence volontaires comme établissant un droit légal à des frais, du moins lorsque l’utilisation est suffisamment transformative. Ces décisions démontrent que le marché de licence émergent ne donne pas automatiquement aux détenteurs de droits d’auteur le droit d’interdire l’utilisation équitable de leur travail.

Implications stratégiques

Pour les détenteurs de droits d’auteur, les cas les plus solides seront ceux où la substitution du marché est clairement identifiable. Ils pourraient se concentrer stratégiquement sur les systèmes d’IA dont les sorties se rapprochent le plus de leurs œuvres originales, plutôt que de poursuivre des défis globaux à la formation elle-même.

Si la loi TRAIN est adoptée, les détenteurs de droits d’auteur gagneraient des outils de découverte pour enquêter sur la façon dont leurs œuvres sont utilisées. Cependant, obtenir des informations ne serait que le premier pas. La démonstration du préjudice du marché resterait centrale pour la réussite de toute réclamation pour contrefaçon.

Pour les développeurs d’IA, les décisions récentes fournissent un cadre pour réduire l’exposition. Premièrement, assurez-vous que vos sources de données sont légales. Les affaires Bartz et Kadrey ont distingué entre l’utilisation d’œuvres pour la formation (utilisation équitable potentielle) et l’acquisition par le biais de la piraterie. Le juge Alsup a constaté que le téléchargement d’Anthropic à partir de sites de piratage était “inherent, irredeemably contrefaisant”, même si la formation ultérieure pourrait être une utilisation équitable.

Deuxièmement, concevez des produits qui servent des objectifs différents de ceux des sources de données de formation. Un système d’IA qui aide les utilisateurs à rédiger des documents sert des objectifs différents de ceux des romans ou des articles de ses données de formation. Un système qui se contente de récupérer ou de reproduire ces œuvres n’a pas d’objectif transformateur.

Troisièmement, mettez en place des garde-fous pour empêcher la reproduction de longs passages verbatim. La cour Kadrey a noté que le système de Meta reproduisait un contenu minimal même sous des tests adverses, ce qui soutenait l’utilisation équitable. Les développeurs qui permettent à leurs systèmes de reproduire de grandes parties d’œuvres sous copyright pourraient faire face à un risque juridique significativement plus grand.

Conclusion

La loi TRAIN pourrait bientôt donner aux détenteurs de droits d’auteur des outils pour découvrir si leurs œuvres ont été utilisées pour la formation de l’IA. Cependant, les décisions récentes montrent clairement que cette découverte ne serait que le début. Le cadre émergent aux États-Unis se concentre sur le préjudice du marché, exigeant la démonstration d’un préjudice économique identifiable plutôt que d’une simple utilisation pour la formation.

Les développeurs d’IA devraient se concentrer sur trois choses : obtenir vos données de manière légale, concevoir des produits qui servent des objectifs au-delà de vos matériaux de formation, et empêcher vos systèmes de reproduire de longs passages verbatim. Les détenteurs de droits d’auteur, en revanche, auront les cas les plus solides lorsqu’ils pourront montrer qu’un produit d’IA remplace effectivement leur travail sur le marché.