Le recours collectif des auteurs contre OpenAI est une procédure judiciaire consolidée dans laquelle un groupe d'auteurs a allégué qu'OpenAI, le développeur de grands modèles de langage tels que GPT-3 et GPT-4, avait violé leurs droits d'auteur en utilisant leurs livres et autres œuvres écrites pour entraîner ses systèmes d'intelligence artificielle sans autorisation. L'affaire, déposée devant le tribunal de district des États-Unis pour le district sud de New York, est devenue un point central pour des débats plus larges sur la légalité de l'entraînement de l'IA générative sur des textes protégés par le droit d'auteur. Les plaignants ont demandé des dommages-intérêts légaux, la restitution des bénéfices et une injonction contre toute utilisation non autorisée supplémentaire, tandis qu'OpenAI a fait valoir que ses pratiques d'entraînement relevaient de la doctrine de l'usage équitable.
Le litige a émergé au milieu d'une vague de poursuites similaires contre des entreprises d'IA, reflétant une tension croissante entre les industries créatives et la commercialisation rapide de l'IA générative. Les revendications des auteurs se concentraient sur le principe que les grands modèles de langage d'OpenAI, construits sur des architectures transformeurs et entraînés sur de vastes corpus Internet, reproduisaient et dérivaient nécessairement d'expressions protégées. Contrairement aux affaires antérieures impliquant des moteurs de recherche ou des vignettes d'images, cette poursuite ciblait le processus d'entraînement fondamental lui-même, soulevant des questions nouvelles sur le point de savoir si l'ingestion de matériel protégé par le droit d'auteur pour l'apprentissage automatique constitue une contrefaçon.
Contexte et Dépôt
La plainte initiale a été déposée le 8 septembre 2023 par des auteurs, notamment Sarah Silverman, Richard Kadrey et Christopher Golden, qui ont allégué que les données d'entraînement d'OpenAI incluaient leurs livres sans autorisation. Les plaignants ont affirmé que les modèles d'OpenAI pouvaient générer des résumés, des paraphrases et même des extraits textuels de leurs œuvres, démontrant que le processus d'entraînement avait copié et stocké des éléments expressifs. L'affaire a ensuite été consolidée avec d'autres poursuites d'auteurs, y compris celles intentées par Michael Chabon, Ta-Nehisi Coates et la comédienne Sarah Silverman, sous l'intitulé In re OpenAI ChatGPT Litigation.
Les auteurs étaient représentés par le cabinet d'avocats Susman Godfrey, qui avait précédemment plaidé des litiges de propriété intellectuelle très médiatisés. La plainte détaillait comment OpenAI avait extrait de grandes parties d'Internet, y compris des référentiels de livres et des collections de textes piratés, pour constituer des ensembles de données d'entraînement. Elle citait des documents internes d'OpenAI et des déclarations publiques suggérant que l'entreprise reconnaissait les risques juridiques liés à l'utilisation de matériel protégé par le droit d'auteur sans licences. Les plaignants ont fait valoir que les actions d'OpenAI n'étaient pas transformatrices mais plutôt une exploitation commerciale d'œuvres existantes, car les modèles concurrençaient les livres originaux sur le marché.
Revendications Juridiques et Arguments
La revendication juridique principale était la contrefaçon directe du droit d'auteur en vertu de la loi américaine sur le droit d'auteur, spécifiquement le 17 U.S.C. § 501. Les plaignants ont allégué qu'OpenAI avait violé leurs droits exclusifs de reproduction, de préparation d'œuvres dérivées et de distribution de copies. Ils ont également soulevé des revendications pour contrefaçon indirecte et enrichissement sans cause, arguant qu'OpenAI avait profité de l'utilisation non autorisée de leur travail créatif. La plainte demandait des dommages-intérêts légaux allant jusqu'à 150 000 dollars par œuvre, ce qui, compte tenu du nombre d'œuvres prétendument contrefaites, aurait pu s'élever à des milliards de dollars.
La défense d'OpenAI reposait principalement sur l'exception d'usage équitable, codifiée au 17 U.S.C. § 107. L'entreprise a fait valoir que l'entraînement d'un modèle est un usage transformateur car le modèle ne reproduit pas le texte original mais apprend plutôt des motifs statistiques et des structures linguistiques. OpenAI a soutenu que le but de l'entraînement est de créer un outil polyvalent, non de supplanter les œuvres des auteurs, et que les sorties des modèles ressemblent rarement au matériel source. L'entreprise a également noté qu'elle avait mis en place des filtres pour empêcher la génération de texte protégé textuel, bien que les plaignants aient contesté l'efficacité de ces mesures.
Une question juridique clé était de savoir si la copie intermédiaire d'œuvres protégées pendant l'entraînement constitue une contrefaçon. Les plaignants ont établi une analogie avec l'affaire historique Authors Guild v. Google, où le tribunal a jugé que la numérisation de livres par Google pour l'indexation de recherche était un usage équitable. Cependant, les auteurs ont fait valoir que l'utilisation de Google était limitée à rendre le texte recherchable, tandis que l'utilisation d'OpenAI impliquait la création d'un produit concurrent capable de générer de nouveaux textes dans le style des auteurs originaux. La distinction entre « recherche » et « génération » est devenue un point central de discorde.
Découverte et Preuves Techniques
Pendant la phase de découverte, les plaignants ont cherché à accéder aux données d'entraînement et aux poids des modèles d'OpenAI, arguant que ces preuves étaient nécessaires pour prouver que les œuvres protégées avaient réellement été copiées. OpenAI a résisté, invoquant la protection des secrets commerciaux et les ressources informatiques énormes nécessaires pour produire ces données. Le tribunal a toutefois ordonné une découverte limitée, permettant aux plaignants d'inspecter les métadonnées et les journaux montrant quelles sources étaient incluses dans le corpus d'entraînement. Cela a conduit à des révélations selon lesquelles OpenAI avait utilisé des ensembles de données tels que Books3, une collection de livres piratés provenant de la bibliothèque fantôme Bibliotik, contenant des milliers de titres protégés par le droit d'auteur.
Les preuves techniques se concentraient sur l'architecture des réseaux de neurones et la nature de l'apprentissage profond. Les experts des plaignants ont témoigné que les grands modèles de langage, y compris ceux basés sur l'architecture transformeur, stockent des représentations compressées des exemples d'entraînement. Ils ont fait valoir que ces représentations permettent au modèle de reproduire un texte qui n'est pas simplement une coïncidence statistique mais une dérivation directe de l'original. Les experts d'OpenAI ont rétorqué que les modèles sont stochastiques et que toute ressemblance avec des textes spécifiques résulte de la capacité du modèle à généraliser, non à mémoriser. Le débat sur la « mémorisation » par rapport à la « généralisation » est devenu un thème récurrent dans l'affaire.
Décisions Judiciaires et Motions
En février 2024, la juge Araceli Martínez-Olguín a rejeté la motion d'OpenAI visant à rejeter l'affaire, permettant aux revendications de droit d'auteur de procéder. La juge a statué que les plaignants avaient plausiblement allégué que le processus d'entraînement d'OpenAI impliquait la copie d'expressions protégées, et que la défense d'usage équitable ne pouvait pas être résolue au stade de la plaidoirie. Cette décision était significative car elle rejetait l'argument d'OpenAI selon lequel l'affaire était prescrite ou que les plaignants manquaient de qualité pour agir. La décision a également noté que les plaignants avaient adéquatement allégué un lien entre les données d'entraînement et les sorties du modèle, même si les sorties n'étaient pas des copies textuelles.
Une décision ultérieure en mai 2024 a réduit la portée de l'affaire en rejetant certaines revendications des plaignants, y compris celles liées au droit des États et à l'enrichissement sans cause, mais a préservé les revendications principales de droit d'auteur. Le tribunal a également rejeté la motion d'OpenAI visant à contraindre l'arbitrage, constatant que les plaignants n'avaient pas accepté de clause d'arbitrage. Ces décisions ont préparé le terrain pour un procès potentiel, bien que les deux parties aient indiqué une volonté de régler. L'affaire a été assignée à la même juge qui supervisait d'autres affaires de droit d'auteur sur l'IA, y compris celles contre Anthropic et Google DeepMind, suggérant que le tribunal pourrait traiter des questions juridiques communes de manière coordonnée.
Implications pour l'Industrie et les Politiques
La poursuite a eu des implications considérables pour l'industrie de l'intelligence artificielle. Elle a incité d'autres entreprises d'IA, y compris Anthropic et Google DeepMind, à revoir leurs pratiques d'entraînement et à négocier des accords de licence avec des éditeurs et des auteurs. Fin 2023, OpenAI a annoncé des partenariats avec plusieurs entreprises de médias, notamment Axel Springer et l'Associated Press, pour licencier du contenu d'actualité pour l'entraînement. Cependant, ces accords ne couvraient qu'une petite fraction des livres et articles utilisés dans l'entraînement, laissant de nombreux auteurs non rémunérés.
L'affaire a également influencé les efforts législatifs. Au Congrès américain, des législateurs ont introduit des projets de loi tels que la loi sur la transparence des modèles fondamentaux d'IA, qui exigerait des entreprises qu'elles divulguent leurs sources de données d'entraînement. La loi sur l'IA de l'Union européenne, finalisée en 2024, incluait des dispositions exigeant des développeurs de modèles d'IA à usage général qu'ils documentent leurs données d'entraînement et se conforment à la loi sur le droit d'auteur. Le recours collectif des auteurs a servi de test pour déterminer si la loi existante sur le droit d'auteur pouvait efficacement réguler l'entraînement de l'IA, ou si une nouvelle législation était nécessaire.
Réactions de la Communauté Créative
La poursuite a galvanisé les auteurs et autres créateurs, qui y voyaient une défense de leurs moyens de subsistance. Des organisations telles que l'Authors Guild ont déposé des mémoires d'amicus curiae soutenant les plaignants, arguant que les modèles d'IA menaçaient de dévaloriser l'écriture humaine et de saper les incitations économiques pour le travail créatif. Certains auteurs, cependant, ont exprimé leur soutien à l'IA comme outil d'inspiration et de collaboration, et quelques-uns ont même licencié leurs œuvres à des entreprises d'IA. La division reflétait des débats sociétaux plus larges sur le rôle de l'automatisation dans les domaines créatifs.
Des auteurs éminents qui ont rejoint la poursuite incluaient Jonathan Franzen, Jodi Picoult et George R.R. Martin, bien que certains se soient ensuite retirés ou aient exprimé des réserves. L'affaire a également attiré l'attention des universitaires, qui ont débattu de la question de savoir si l'entraînement sur des textes protégés par le droit d'auteur est analogue à l'apprentissage humain. Des chercheurs tels que Melanie Mitchell et Brendan Lake ont fait valoir que les machines ne « lisent » pas au sens humain, mais le système juridique devait décider si le processus mécanique de copie et de transformation des données constitue une contrefaçon.
Règlement et Conséquences
En 2025, l'affaire restait non résolue, les deux parties étant engagées dans des négociations de règlement. Des rapports indiquaient qu'OpenAI avait proposé de payer des frais de licence à un collectif d'auteurs, mais les plaignants exigeaient un montant plus élevé et des redevances continues. Le tribunal avait programmé une conférence de statut pour fin 2025, et les observateurs spéculaient qu'un règlement était probable compte tenu des coûts élevés du litige et du potentiel d'une décision défavorable. Un règlement aurait établi un précédent pour la manière dont les entreprises d'IA compensent les créateurs, bien qu'il ne lierait pas nécessairement d'autres défendeurs.
L'affaire a également engendré des litiges connexes. En 2024, un groupe d'auteurs de non-fiction a déposé un recours collectif distinct contre OpenAI, alléguant que l'entreprise avait utilisé leurs œuvres sans permission. Le New York Times a déposé sa propre poursuite contre OpenAI et Microsoft, qui était en instance devant le même tribunal. Ces affaires, ainsi que le recours collectif des auteurs, ont créé un paysage juridique complexe qui façonnerait l'avenir du développement de l'IA. L'issue de l'affaire des auteurs était largement attendue pour influencer non seulement les États-Unis mais aussi les juridictions du monde entier confrontées à des questions similaires.
Contexte Plus Large et Perspectives d'Avenir
Le recours collectif des auteurs contre OpenAI faisait partie d'un mouvement plus large visant à tenir les entreprises d'IA responsables de leurs données d'entraînement. Il a mis en évidence la tension entre l'innovation technologique et les droits de propriété intellectuelle, et il a forcé une prise de conscience publique du fait que les systèmes d'IA sont construits sur le travail non rémunéré d'innombrables écrivains, artistes et journalistes. L'affaire a également souligné le besoin de transparence dans le développement de l'IA, car les demandes de découverte des plaignants ont révélé la nature opaque de la collecte des données d'entraînement.
À l'avenir, les principes juridiques établis dans cette affaire pourraient avoir des effets durables. Si le tribunal statuait que l'entraînement sur des œuvres protégées sans permission constitue une contrefaçon, les entreprises d'IA devraient réorganiser leurs stratégies d'acquisition de données, en s'appuyant potentiellement sur des œuvres du domaine public ou du contenu sous licence. Si le tribunal statuait en faveur de l'usage équitable, cela donnerait aux développeurs d'IA une large latitude pour utiliser des textes existants, mais cela pourrait également inciter à une action législative pour créer un système de licence obligatoire. Dans les deux cas, l'affaire représentait un moment charnière dans l'histoire de l'apprentissage automatique et de la commercialisation de l'IA générative.
Le recours collectif des auteurs a également soulevé des questions sur la nature même de la paternité. Alors que les modèles d'IA deviennent capables de produire des textes rivalisant avec l'écriture humaine, la ligne entre création originale et œuvre dérivée devient floue. L'affaire a forcé les tribunaux à considérer si une machine qui a « lu » des millions de livres est fondamentalement différente d'un auteur humain influencé par les mêmes livres. Bien que le système juridique n'ait pas encore fourni de réponse définitive, l'affaire a assuré que la question serait débattue pendant des années à venir.