New York Times Co. c. Microsoft Corp. est un procès historique pour violation du droit d'auteur, déposé le 27 décembre 2023 devant le tribunal de district des États-Unis pour le district sud de New York. Le demandeur, The New York Times Company, allègue qu'OpenAI et Microsoft, par le développement et le déploiement de grands modèles de langage tels que ChatGPT et l'infrastructure Azure qui les soutient, se sont livrés à une reproduction et à une utilisation non autorisées de millions d'articles de presse protégés par le droit d'auteur pour entraîner leurs systèmes d'intelligence artificielle. Le procès demande des dommages-intérêts légaux, une injonction et la destruction des poids de modèles et des ensembles de données d'entraînement contrefaisants, ce qui en fait l'un des défis juridiques les plus importants pour l'application commerciale de l'IA générative.
L'affaire porte sur l'intersection du droit d'auteur et de l'apprentissage automatique, en particulier la pratique consistant à entraîner de grands modèles de langage sur de vastes corpus de textes extraits d'Internet. Le Times soutient qu'OpenAI et Microsoft ont copié ses articles en intégralité pour construire les réseaux neuronaux sous-jacents à ChatGPT, et que les modèles peuvent reproduire ou paraphraser étroitement du contenu protégé, concurrençant ainsi les produits numériques du journal. Microsoft est nommé comme défendeur en raison de son investissement de plusieurs milliards de dollars dans OpenAI et de son intégration des modèles d'OpenAI dans des produits comme Bing Chat et Microsoft 365 Copilot. Le procès est devenu un indicateur de la manière dont les tribunaux appliqueront les doctrines existantes du droit d'auteur au domaine émergent de l'IA générative.
Contexte et parties
The New York Times Company, fondée en 1851, est l'une des organisations de presse les plus importantes des États-Unis, avec une base d'abonnés numériques dépassant 10 millions en 2023. Son modèle économique repose fortement sur des reportages et des analyses exclusifs, protégés par le droit d'auteur. OpenAI, fondée en 2015 comme organisation à but non lucratif et restructurée en entité à but lucratif plafonné en 2019, développe des systèmes d'intelligence artificielle avancés, y compris la série GPT de grands modèles de langage. Microsoft, une société technologique mondiale, a investi plus de 13 milliards de dollars dans OpenAI depuis 2019, fournissant des ressources de cloud computing via sa plateforme Azure et intégrant les modèles d'OpenAI dans ses propres produits.
Le procès nomme Microsoft comme co-défendeur en raison de son enchevêtrement financier et technique profond avec OpenAI. Le cloud Azure de Microsoft héberge les charges de travail d'entraînement et d'inférence d'OpenAI, et la société détient des droits exclusifs pour commercialiser certaines technologies d'OpenAI. Le Times allègue que Microsoft n'est pas simplement un investisseur passif, mais un participant actif au développement et à la distribution des systèmes contrefaisants.
Allégations de violation du droit d'auteur
La plainte détaille des cas spécifiques où ChatGPT et Bing Chat de Microsoft auraient reproduit des articles du Times mot pour mot ou avec seulement des altérations mineures. Par exemple, le procès cite une requête sur l'incendie de Camp Fire en Californie en 2018, où ChatGPT aurait renvoyé un extrait quasi identique d'un article du Times, y compris le titre et le premier paragraphe. Le Times soutient que de telles sorties démontrent que les modèles ont été entraînés sur son contenu protégé et peuvent le générer à la demande, constituant une violation directe et indirecte.
Le Times affirme également qu'OpenAI et Microsoft ont supprimé ou obscurci les informations de gestion du droit d'auteur, telles que les signatures et les dates de publication, des données d'entraînement, violant ainsi la Digital Millennium Copyright Act. Le procès affirme que les défendeurs n'ont pas demandé de licence ou de permission au Times, malgré leurs ressources, et que leur utilisation des articles n'est pas transformative mais plutôt un substitut à l'œuvre originale.
Arguments juridiques et défenses
OpenAI et Microsoft n'ont pas encore déposé de réponses formelles à la plainte au début de 2025, mais leurs déclarations publiques et leurs dépôts juridiques dans des affaires connexes suggèrent des défenses potentielles. Celles-ci incluent la doctrine de l'usage équitable, qui permet une utilisation limitée de matériel protégé sans permission à des fins telles que la critique, le commentaire, le reportage, l'enseignement ou la recherche. Les défendeurs pourraient soutenir que l'entraînement sur des textes protégés est un usage transformatif, car les modèles ne reproduisent pas les articles en intégralité mais apprennent plutôt des motifs statistiques et des structures linguistiques.
Une autre défense probable est que les modèles ne sont pas conçus pour régurgiter des articles spécifiques, et que toute similitude est due à la nature du langage et à la prévalence de certaines phrases. OpenAI a déclaré qu'elle utilise des mécanismes de « désinscription » pour les sites Web qui ne veulent pas que leur contenu soit utilisé pour l'entraînement, bien que le Times soutienne que cela impose un fardeau indu aux titulaires de droits d'auteur. L'affaire pourrait également soulever des questions sur la question de savoir si la sortie d'un grand modèle de langage constitue une œuvre dérivée, un concept que les tribunaux n'ont pas encore pleinement exploré dans le contexte de l'IA.
Historique procédural et affaires connexes
Le procès a été attribué au juge Sidney H. Stein du district sud de New York. Au début de 2024, le tribunal a accordé une motion conjointe pour consolider les affaires connexes à des fins de procédure préalable au procès, bien que l'affaire du Times reste distincte. Plusieurs autres titulaires de droits d'auteur ont déposé des procès similaires contre OpenAI et Microsoft, y compris des auteurs comme Sarah Silverman et George R.R. Martin, et des artistes visuels contre Stability AI et Midjourney. L'affaire du Times est notable par son ampleur et le statut du demandeur en tant que grande organisation médiatique.
En février 2024, le tribunal a émis une ordonnance de calendrier fixant un calendrier pour la découverte, avec une date de procès provisoirement fixée à la fin de 2025. Les parties se sont engagées dans une pratique extensive de motions, y compris des motions de rejet et des motions de jugement sommaire, bien qu'au début de 2025 aucune décision définitive n'ait été rendue. L'affaire a attiré des mémoires d'amicus curiae de diverses organisations, y compris l'Authors Guild et l'Electronic Frontier Foundation, reflétant ses implications larges.
Implications pour l'industrie de l'IA
L'issue de cette affaire pourrait avoir des effets profonds sur le développement des grands modèles de langage et le domaine plus large de l'intelligence artificielle. Si le tribunal statue en faveur du Times, cela pourrait obliger OpenAI et Microsoft à payer des dommages-intérêts substantiels et à modifier leurs pratiques d'entraînement, nécessitant potentiellement l'utilisation d'ensembles de données sous licence ou la mise en œuvre de filtres de contenu plus robustes. Cela pourrait augmenter le coût du développement de l'IA et créer des barrières à l'entrée pour les petites entreprises et les institutions de recherche.
Inversement, une décision en faveur des défendeurs affirmerait la légalité de l'entraînement sur des textes disponibles publiquement, donnant le feu vert à une innovation continue dans l'IA générative. L'affaire est étroitement surveillée par d'autres entreprises technologiques, y compris Anthropic, Google DeepMind et Meta AI, qui font face à des défis juridiques similaires. Elle recoupe également les débats politiques en cours sur la réglementation de l'IA, alors que les gouvernements des États-Unis et d'Europe envisagent de nouvelles lois régissant l'utilisation de matériel protégé par le droit d'auteur dans l'apprentissage automatique.
Contexte technique : comment les LLM sont entraînés
Pour comprendre les questions juridiques, il est utile de considérer le processus technique d'entraînement d'un grand modèle de langage. Ces modèles, basés sur l'architecture transformeur introduite en 2017, sont entraînés sur des ensembles de données massifs contenant des milliards de mots provenant de livres, de sites Web et d'autres sources. Pendant l'entraînement, le modèle ajuste ses paramètres internes - les poids de ses connexions réseau neuronal - pour prédire le mot suivant dans une séquence, un processus connu sous le nom d'apprentissage auto-supervisé. Cela nécessite que le modèle encode des régularités statistiques dans le texte, y compris des faits, des styles et parfois des phrases verbatim.
Les données d'entraînement pour GPT-3 et GPT-4 d'OpenAI comprenaient une grande partie de Common Crawl, une archive Web publique, ainsi que des ensembles de données organisés comme Wikipédia et des livres. Le Times allègue que ses articles ont été inclus dans ces ensembles de données sans permission. La capacité du modèle à reproduire des passages spécifiques est un phénomène connu, souvent appelé « mémorisation », qui se produit lorsque certaines séquences apparaissent fréquemment dans les données d'entraînement. Les chercheurs ont montré que les grands modèles de langage peuvent régurgiter de longs extraits d'œuvres protégées, soulevant des préoccupations concernant la contrefaçon.
Paysage juridique plus large et usage équitable
La doctrine de l'usage équitable, codifiée dans la section 107 de la loi américaine sur le droit d'auteur, considère quatre facteurs : le but et le caractère de l'utilisation, la nature de l'œuvre protégée, la quantité et l'importance de la portion utilisée, et l'effet sur le marché potentiel. Les tribunaux ont appliqué l'usage équitable à des technologies comme les moteurs de recherche et l'enregistrement vidéo, mais l'application à l'entraînement de l'IA est nouvelle. Dans l'affaire Authors Guild c. Google de 2023, le deuxième circuit a statué que la numérisation de livres par Google pour la recherche était un usage équitable, mais cette affaire impliquait une utilisation non expressive, alors que les modèles d'IA peuvent générer du contenu expressif.
Le Times soutient que l'utilisation n'est pas transformative car les modèles sont conçus pour générer du texte qui concurrence les articles originaux, réduisant potentiellement le trafic vers le site Web du Times et les revenus d'abonnement. Les défendeurs pourraient rétorquer que les modèles ne remplacent pas les articles mais fournissent plutôt une nouvelle façon d'accéder à l'information, similaire à un moteur de recherche. L'analyse de ces facteurs par le tribunal établira probablement un précédent pour les futures affaires impliquant d'autres entreprises d'IA et créateurs de contenu.
Statut actuel et perspectives
Au début de 2025, l'affaire est en phase de découverte, les deux parties échangeant des preuves et des rapports d'experts. Le tribunal n'a pas encore statué sur les questions juridiques fondamentales, et un procès n'est pas attendu avant au moins la fin de 2025. Les parties ont engagé des discussions de règlement, mais aucun accord n'a été conclu. L'affaire est l'un des nombreux procès très médiatisés qui façonneront l'environnement juridique pour l'IA, aux côtés d'affaires impliquant des maisons de disques et des générateurs d'images.
L'issue dépendra de la manière dont le tribunal interprétera les faits et appliquera la loi existante à une technologie en évolution rapide. Les juristes sont divisés sur le résultat probable, certains prédisant une constatation d'usage équitable et d'autres anticipant une décision pour le Times. L'affaire pourrait finalement être portée en appel devant le deuxième circuit et éventuellement la Cour suprême, étant donné son importance nationale. Quel que soit le résultat, elle a déjà incité de nombreuses entreprises d'IA à rechercher des licences auprès des fournisseurs de contenu, et elle a accéléré les discussions sur la nécessité de nouvelles législations pour répondre aux défis uniques posés par l'IA générative.
Impact sur le journalisme et les médias
Le procès a également mis en évidence la tension plus large entre l'industrie des médias et les développeurs d'IA. Les organisations de presse s'appuient sur le droit d'auteur pour protéger leurs reportages, mais les systèmes d'IA peuvent agréger et résumer les nouvelles d'une manière qui pourrait saper leurs modèles économiques. Le Times a été proactif dans l'exploration de ses propres outils d'IA, mais il insiste sur le fait que toute utilisation de son contenu doit être compensée. D'autres éditeurs, y compris l'Associated Press et Axel Springer, ont signé des accords de licence avec OpenAI, tandis que le Times a choisi la voie du litige.
Si le Times prévaut, cela pourrait conduire à une vague de procès similaires de la part d'autres éditeurs, forçant potentiellement les entreprises d'IA à négocier des accords de licence collectifs. Cela pourrait créer une nouvelle source de revenus pour les organisations médiatiques mais pourrait également ralentir le rythme de l'innovation en IA. Inversement, une perte pour le Times pourrait encourager les entreprises d'IA à continuer à extraire du contenu sans permission, nuisant potentiellement à la viabilité financière du journalisme. L'affaire représente ainsi un moment critique dans la relation entre la technologie et la presse.
Conclusion
New York Times Co. c. Microsoft Corp. est une bataille juridique pivotale qui aidera à définir les limites du droit d'auteur à l'ère de l'intelligence artificielle. Sa résolution aura des conséquences de grande portée pour les développeurs d'IA, les créateurs de contenu et le public, affectant la manière dont l'information est produite, accessible et monétisée. Alors que l'affaire progresse, elle sera étroitement surveillée par les experts juridiques, les technologues et les dirigeants de médias, servant de test pour l'application de principes séculaires du droit d'auteur aux formes les plus récentes d'intelligence machine.