Authors Guild v. OpenAI est une action collective déposée devant le tribunal de district des États-Unis pour le district sud de New York le 20 septembre 2023. Le procès, intenté par l’Authors Guild et un groupe d’écrivains de fiction et de non-fiction de premier plan, allègue qu’OpenAI, le développeur des grands modèles de langage derrière ChatGPT, a violé leurs droits d’auteur en utilisant leurs livres pour entraîner ses systèmes de IA générative sans autorisation. L’affaire fait partie de plusieurs défis juridiques très médiatisés contre les pratiques de données des entreprises d’IA, soulevant des questions fondamentales sur l’usage équitable, la paternité et l’économie du travail créatif à l’ère de l’apprentissage automatique.
Les plaignants incluent l’Authors Guild, la plus grande organisation professionnelle pour les écrivains aux États-Unis, ainsi que des auteurs individuels tels que John Grisham, George R.R. Martin, Jodi Picoult et David Baldacci. Leur plainte soutient qu’OpenAI a copié leurs œuvres en totalité dans les ensembles de données d’entraînement de ses modèles, qui génèrent ensuite du texte pouvant imiter ou résumer ces œuvres, concurrençant les originaux sur le marché. Le procès demande des dommages-intérêts légaux, une injonction et une déclaration selon laquelle l’utilisation par OpenAI de matériel protégé par le droit d’auteur sans consentement ni compensation viole la loi sur le droit d’auteur de 1976.
Contexte : L’essor des grands modèles de langage
OpenAI, fondée en 2015 en tant qu’organisation de recherche à but non lucratif, est passée à une structure à but lucratif plafonné en 2019 pour obtenir des financements pour des ressources informatiques massives. Son produit phare, ChatGPT, lancé au public en novembre 2022, est devenu l’une des applications grand public à la croissance la plus rapide de l’histoire, atteignant plus de 100 millions d’utilisateurs mensuels en deux mois. La technologie sous-jacente repose sur l’architecture de transformeur, introduite dans un article de 2017 par des chercheurs de Google, qui a permis un entraînement efficace sur de vastes quantités de données textuelles.
L’entraînement d’un grand modèle de langage implique de lui fournir des milliards de mots provenant de sources diverses, notamment des livres, des articles, des sites Web et d’autres documents écrits. OpenAI n’a pas divulgué publiquement le contenu complet de ses ensembles de données d’entraînement, mais l’entreprise a reconnu avoir utilisé du texte disponible publiquement sur Internet, y compris des livres, dans ses modèles antérieurs tels que GPT-2 et GPT-3. L’échelle est énorme : GPT-3, publié en 2020, a été entraîné sur des centaines de milliards de jetons, un jeton étant une unité de texte approximativement équivalente à un mot ou une partie d’un mot.
Les plaignants soutiennent que les livres sont des données d’entraînement particulièrement précieuses car ils contiennent une prose de haute qualité et de longue forme qui aide les modèles à apprendre la grammaire, le raisonnement et la structure narrative. Cependant, ils affirment que l’utilisation de livres protégés par le droit d’auteur sans permission n’est pas un usage équitable transformateur, mais plutôt une exploitation commerciale du travail des auteurs. L’affaire se situe donc à l’intersection du droit d’auteur et de la technologie de apprentissage automatique, un domaine qui a rapidement progressé grâce à des techniques telles que l’apprentissage profond et les réseaux neuronaux.
Revendications juridiques et arguments
La plainte affirme plusieurs causes d’action, notamment la violation directe du droit d’auteur, la violation indirecte et l’enrichissement injuste. Les plaignants allèguent que le processus d’entraînement d’OpenAI implique nécessairement des reproductions non autorisées de leurs œuvres, à la fois dans la création des ensembles de données d’entraînement et dans la capacité du modèle à générer du texte qui ressemble étroitement aux originaux. Ils affirment également que l’utilisation de leurs œuvres par OpenAI a diminué le marché pour leurs livres, car les lecteurs peuvent désormais obtenir des résumés ou des imitations générés par IA gratuitement.
La défense probable d’OpenAI se concentre sur la doctrine de l’usage équitable, qui permet une utilisation limitée de matériel protégé par le droit d’auteur à des fins telles que la critique, le commentaire, le reportage d’actualité, l’enseignement et la recherche. L’entreprise a soutenu dans d’autres contextes que l’entraînement de modèles d’IA sur du texte disponible publiquement est un usage transformateur qui ne remplace pas les œuvres originales. Cependant, les plaignants rétorquent que l’utilisation d’OpenAI est commerciale, non transformatrice et nuisible au marché de leurs œuvres, soulignant la valorisation de l’entreprise, qui dépassait 80 milliards de dollars au début de 2024.
L’affaire est assignée au juge Sidney H. Stein, qui préside également un procès connexe intenté par The New York Times contre OpenAI et Microsoft en décembre 2023. L’affaire Authors Guild a été consolidée avec d’autres procès similaires, notamment celui déposé par les auteurs Sarah Silverman, Richard Kadrey et Christopher Golden, bien que la consolidation ait été partielle et procédurale. Une décision clé précoce est intervenue en novembre 2023, lorsque le juge Stein a rejeté certaines demandes dans l’affaire Silverman pour défaut de qualité pour agir, mais a permis à d’autres de procéder, signalant que les tribunaux sont disposés à examiner les questions substantielles de droit d’auteur.
Le paysage plus large des litiges
Authors Guild v. OpenAI fait partie d’une vague de procès contre les entreprises d’IA. En plus de l’affaire The New York Times, qui allègue qu’OpenAI et son partenaire Microsoft ont utilisé des millions d’articles protégés par le droit d’auteur pour entraîner leurs modèles, d’autres auteurs ont déposé des poursuites contre Anthropic, le fabricant du modèle Claude, et contre Google DeepMind. Ces affaires sont suivies de près par l’industrie technologique, le secteur de l’édition et les juristes, car leurs résultats pourraient établir des précédents sur la manière dont les entreprises d’IA obtiennent et utilisent les données d’entraînement.
Un développement notable est survenu en juillet 2024 lorsque le Bureau du droit d’auteur des États-Unis a publié un rapport sur le droit d’auteur et l’IA, recommandant que le Congrès envisage une nouvelle législation pour traiter l’utilisation d’œuvres protégées dans l’entraînement de l’IA. Le rapport n’a pas pris de position définitive sur l’usage équitable, mais il a souligné le besoin de clarté et suggéré que la loi existante pourrait ne pas protéger adéquatement les auteurs. Cette incertitude réglementaire a conduit certaines entreprises d’IA à conclure des accords de licence avec des fournisseurs de contenu, comme les accords d’OpenAI avec des organisations de presse telles qu’Axel Springer et l’Associated Press, bien que de tels accords ne couvrent pas la grande majorité des auteurs.
L’Authors Guild a également été active dans la promotion de mécanismes de licence collective, similaires à ceux utilisés par les éditeurs de musique et les auteurs-compositeurs. En 2024, la guilde a proposé un cadre dans lequel les entreprises d’IA paieraient des frais d’abonnement pour utiliser des œuvres protégées, avec des revenus distribués aux auteurs en fonction de l’utilisation. Cette proposition a gagné du terrain dans les cercles politiques, mais n’a été adoptée par aucune grande entreprise d’IA au début de 2025.
Étapes procédurales clés
Après le dépôt initial, l’affaire a progressé à travers plusieurs étapes procédurales. En octobre 2023, OpenAI a déposé une motion de rejet, arguant que les plaignants n’avaient pas allégué adéquatement une violation directe parce que le processus d’entraînement implique des copies intermédiaires qui ne sont pas distribuées au public. L’entreprise a également soutenu que les plaignants manquaient de qualité pour agir parce qu’ils n’avaient pas enregistré toutes leurs œuvres auprès du Bureau du droit d’auteur des États-Unis, une condition préalable pour intenter une action en violation.
Le juge Stein a statué sur la motion en partie en février 2024, permettant à la plupart des demandes de procéder mais en rejetant certaines pour des raisons techniques. Il a estimé que les plaignants avaient allégué de manière plausible que le processus d’entraînement d’OpenAI impliquait une copie, et que la défense d’usage équitable était mieux adaptée à un jugement sommaire ou à un procès plutôt qu’à une motion de rejet. Cette décision a été considérée comme une victoire pour les auteurs, car elle a maintenu les demandes centrales en vie.
En juin 2024, les parties ont procédé à la découverte, les plaignants demandant des informations détaillées sur les ensembles de données d’entraînement d’OpenAI et l’entreprise résistant au nom du secret commercial. Un juge magistrat a ordonné à OpenAI de produire certains documents, mais la portée de la découverte reste contestée. L’affaire est programmée pour une conférence préalable au procès en mars 2025, avec une date de procès potentielle fin 2025 ou 2026, bien que de tels délais soient souvent prolongés dans les litiges complexes.
Implications pour les auteurs et le développement de l’IA
Le résultat d’Authors Guild v. OpenAI pourrait avoir des implications profondes pour le monde littéraire et l’industrie de l’IA. Si les plaignants prévalent, OpenAI et d’autres entreprises d’IA pourraient être tenues d’obtenir des licences pour chaque œuvre protégée utilisée dans l’entraînement, un processus qui pourrait être logistiquement difficile et financièrement lourd. Cela pourrait ralentir le développement des grands modèles de langage, en particulier pour les petites entreprises et les institutions de recherche qui manquent de ressources pour négocier avec des milliers de titulaires de droits.
À l’inverse, une décision en faveur d’OpenAI affirmerait la doctrine de l’usage équitable appliquée à l’entraînement de l’IA, permettant potentiellement aux entreprises de continuer à utiliser du texte protégé sans compensation. Une telle décision pourrait encourager une collecte de données plus agressive et pourrait conduire à une consolidation supplémentaire dans l’industrie de l’IA, car seuls les plus grands acteurs pourraient se permettre de plaider et de régler les demandes.
Pour les auteurs, l’affaire concerne plus que l’argent. Elle soulève des questions sur la nature de la paternité à une époque où les machines peuvent générer du texte qui imite la créativité humaine. Certains écrivains ont adopté l’IA comme outil, tandis que d’autres la voient comme une menace existentielle pour leurs moyens de subsistance. L’Authors Guild a présenté le procès comme une défense de la profession, arguant que les écrivains méritent d’être compensés pour la valeur que leurs œuvres apportent aux systèmes d’IA.
L’affaire recoupe également des débats plus larges sur les pratiques commerciales d’OpenAI et sa relation avec la communauté créative. En 2023, OpenAI a lancé un programme pour payer certains auteurs pour l’utilisation de leurs œuvres dans l’entraînement, mais les conditions ont été largement critiquées comme inadéquates. L’entreprise a également été critiquée pour son manque de transparence sur les données d’entraînement, une préoccupation centrale dans le litige.
Opinions d’experts et débat académique
Les juristes sont divisés sur le résultat probable. Certains, comme la professeure Pamela Samuelson de l’Université de Californie à Berkeley, ont soutenu que l’entraînement de l’IA sur des œuvres protégées devrait être considéré comme un usage équitable, établissant des parallèles avec les moteurs de recherche et d’autres technologies qui copient du texte à des fins transformatrices. D’autres, comme le professeur James Grimmelmann de l’Université Cornell, ont suggéré que l’échelle et la nature commerciale de l’entraînement de l’IA pourraient faire pencher la balance en faveur des auteurs, en particulier si les modèles peuvent générer des sorties qui concurrencent les originaux.
L’affaire a également attiré l’attention des économistes, qui notent que la valeur des données d’entraînement est substantielle. Une étude de 2023 a estimé que la valeur marchande d’un seul livre de haute qualité pour l’entraînement de l’IA pourrait être de plusieurs milliers de dollars, compte tenu de l’importance d’un texte diversifié et bien écrit pour améliorer les performances du modèle. Cela a conduit certains à soutenir que les auteurs subventionnent effectivement l’industrie de l’IA sans recevoir une part des bénéfices.
Conclusion et perspectives
Au début de 2025, Authors Guild v. OpenAI reste dans la phase de découverte, sans décision finale sur le fond. L’affaire prendra probablement des années à résoudre, et un appel à la Cour d’appel des États-Unis pour le deuxième circuit est probable quel que soit le résultat. La Cour suprême pourrait finalement intervenir, comme elle l’a fait dans d’autres affaires de droit d’auteur impliquant de nouvelles technologies, comme la décision de 2021 dans Google v. Oracle, qui a estimé que l’utilisation par Google du code Java était un usage équitable.
En attendant, l’affaire a déjà eu un impact. Elle a incité d’autres auteurs et éditeurs à déposer leurs propres poursuites, et elle a accéléré les efforts pour développer des cadres de licence volontaires. Elle a également contribué à une conversation publique plus large sur l’éthique de l’IA, les droits des créateurs et l’avenir de la propriété intellectuelle à l’ère numérique. Quel que soit le jugement final, Authors Guild v. OpenAI est susceptible d’être considéré comme une affaire marquante dans l’histoire de l’intelligence artificielle et du droit d’auteur.