La société New York Times a déposé une plainte contre OpenAI et Microsoft en décembre 2023, alléguant que ces entreprises avaient utilisé des millions d'articles de presse protégés par le droit d'auteur sans autorisation pour entraîner leurs modèles de langage de grande taille. La plainte, déposée auprès du tribunal de district des États-Unis pour le district sud de New York, affirme que les produits ChatGPT d'OpenAI et Copilot de Microsoft reproduisent des articles du Times mot pour mot ou avec une altération minime lorsqu'on les sollicite, ce qui sape la capacité du journal à monétiser son journalisme. Le Times demande des dommages-intérêts légaux, une injonction contre toute utilisation ultérieure de son contenu et la destruction de tout ensemble de données contenant ses articles.
Cette plainte est l'un des défis juridiques les plus importants contre l'industrie de l'IA générative, qui s'est fortement appuyée sur des textes extraits du web pour l'entraînement. Le Times soutient que son contenu a été utilisé sans licence, tandis qu'OpenAI et Microsoft affirment que leur utilisation relève de la doctrine de l'usage équitable, qui permet une reproduction limitée de matériel protégé par le droit d'auteur à des fins telles que le commentaire ou la recherche. L'affaire a attiré une large attention car son issue pourrait remodeler la manière dont les entreprises d'IA obtiennent leurs données d'entraînement et si elles doivent payer les éditeurs pour y accéder.
Contexte et parties
Le New York Times, fondé en 1851, est l'un des plus grands et des plus influents journaux des États-Unis, avec une base d'abonnés numériques dépassant 10 millions en 2023. OpenAI, créé en 2015 comme organisation à but non lucratif puis restructuré avec une branche à but lucratif, développe le chatbot ChatGPT et la série de modèles GPT sous-jacente. Microsoft a investi plus de 13 milliards de dollars dans OpenAI depuis 2019 et fournit l'infrastructure cloud Azure utilisée pour entraîner et déployer les systèmes d'OpenAI. Microsoft intègre également la technologie d'OpenAI dans son moteur de recherche Bing et sa suite bureautique Office.
La plainte nomme à la fois OpenAI et Microsoft comme défendeurs, arguant que l'implication financière et technique profonde de Microsoft le rend également responsable. L'équipe juridique du Times, dirigée par le cabinet d'avocats Susman Godfrey, a déposé la plainte le 27 décembre 2023, après des mois de négociations infructueuses avec OpenAI concernant un éventuel accord de licence.
Allégations de violation du droit d'auteur
La plainte détaille des cas spécifiques où ChatGPT et Copilot de Microsoft auraient reproduit des articles du Times. Par exemple, lorsqu'on leur posait une question sur un rapport d'enquête de 2019 concernant l'empoisonnement au plomb, ChatGPT aurait généré un extrait quasi identique de l'article, y compris le titre et plusieurs paragraphes. Le Times a également présenté des preuves que les modèles pouvaient produire du texte correspondant à ses critiques de restaurants, ses recommandations de produits et ses reportages, parfois sans attribution.
Le Times soutient que cette reproduction dépasse l'usage équitable acceptable car elle concurrence directement le contenu numérique du journal. Lorsque les utilisateurs demandent à ChatGPT des résumés de nouvelles, ils peuvent recevoir des informations qui nécessiteraient autrement un abonnement au Times, réduisant ainsi le trafic vers le site web du journal et diminuant les revenus publicitaires et d'abonnement. La plainte note également que les données d'entraînement d'OpenAI incluaient des articles du Times provenant de sources comme Common Crawl, une organisation à but non lucratif qui archive des pages web, sans obtenir d'autorisation.
Arguments juridiques et défense de l'usage équitable
OpenAI et Microsoft ont déposé une motion pour rejeter la plainte en février 2024, arguant que les réclamations du Times reposent sur le « piratage » de ChatGPT avec des invites inhabituelles conçues pour extraire du texte protégé par le droit d'auteur, plutôt que sur un comportement typique des utilisateurs. Ils ont cité la doctrine de l'usage équitable, qui considère des facteurs tels que le but de l'utilisation (transformative par rapport à commerciale), la nature de l'œuvre protégée, la quantité utilisée et l'effet sur le marché. OpenAI maintient que l'entraînement sur du texte accessible au public est analogue à un humain qui lit et apprend à partir de livres, et que les modèles résultants ne stockent pas de copies des articles originaux.
Le Times rétorque que l'utilisation n'est pas transformative car les modèles sont conçus pour générer du texte qui concurrence les articles originaux, et que la nature commerciale des produits d'OpenAI pèse contre l'usage équitable. Le journal souligne également le facteur de « quantité et importance », notant que les modèles peuvent reproduire des articles entiers, pas seulement de brefs extraits. Les juristes ont noté que l'issue pourrait dépendre de la manière dont les tribunaux considèrent l'entraînement de l'IA comme un usage équitable similaire à la numérisation de livres par Google dans l'affaire Authors Guild contre Google, ou comme une violation plus directe.
Contexte plus large des litiges sur le droit d'auteur en IA
La plainte du Times fait partie d'une vague d'actions en droit d'auteur contre les entreprises d'IA. En 2023, des auteurs comme Sarah Silverman, Christopher Golden et Richard Kadrey ont poursuivi OpenAI et Meta pour l'utilisation de leurs livres dans les données d'entraînement. Getty Images a déposé une plainte contre Stability AI au Royaume-Uni et aux États-Unis, alléguant une utilisation abusive de ses photographies. En décembre 2023, la comédienne Sarah Silverman et d'autres plaignants ont modifié leurs plaintes pour inclure des exemples spécifiques de ChatGPT reproduisant du texte protégé par le droit d'auteur.
Ces affaires ont soulevé des questions sur la légalité de l'extraction de données web pour l'entraînement de l'IA, l'applicabilité de l'usage équitable à l'apprentissage automatique et la nécessité de nouveaux cadres de licence. Certains éditeurs, comme l'Associated Press et Axel Springer, ont signé des accords de licence avec OpenAI, tandis que d'autres, y compris le Times, ont choisi la voie judiciaire. La plainte du Times est remarquable par son ampleur et la qualité de ses preuves, qui incluent des comparaisons côte à côte des sorties des modèles et des articles originaux.
Implications technologiques et économiques
L'affaire a des implications significatives pour l'industrie de l'IA. Si le Times l'emporte, les entreprises d'IA pourraient être tenues d'obtenir des licences pour toutes les données d'entraînement protégées par le droit d'auteur, ce qui pourrait augmenter les coûts et ralentir le développement des modèles. Alternativement, une décision en faveur d'OpenAI pourrait renforcer la pratique de l'entraînement sur du texte accessible au public sans compensation, nuisant potentiellement aux organisations de presse qui dépendent des revenus d'abonnement.
Les enjeux économiques sont élevés. Le Times a rapporté un chiffre d'affaires annuel d'environ 2,5 milliards de dollars en 2023, avec des abonnements numériques représentant une part croissante. Le journal a investi massivement dans ses propres produits numériques, y compris les jeux, la cuisine et l'audio, et soutient que les résumés générés par l'IA sapent ces investissements. OpenAI, valorisé à plus de 80 milliards de dollars début 2024, a déclaré être prêt à payer pour le contenu mais conteste les réclamations du Times concernant une violation généralisée.
Historique procédural et statut actuel
Après le dépôt de la motion de rejet, le tribunal a permis à l'affaire de se poursuivre, avec la phase de découverte prévue pour commencer à la mi-2024. En avril 2024, le Times a déposé une plainte modifiée ajoutant de nouveaux exemples de violation alléguée, y compris des cas où ChatGPT reproduisait des articles de la section de critiques de produits Wirecutter du Times. OpenAI a répondu en arguant que la plainte modifiée ne montrait toujours pas que les modèles « mémorisent » des articles d'une manière qui constitue une violation.
En mai 2024, le tribunal a partiellement rejeté la motion de rejet d'OpenAI, permettant aux réclamations principales de droit d'auteur de se poursuivre tout en rejetant certaines réclamations accessoires liées au Digital Millennium Copyright Act. L'affaire est actuellement en phase de découverte, les deux parties échangeant des documents et procédant à des dépositions. Aucune date de procès n'a été fixée, mais les experts juridiques s'attendent à ce que l'affaire dure plusieurs années, avec des appels potentiels devant des tribunaux supérieurs.
Réactions des industries de l'IA et de l'édition
La plainte a suscité un débat au sein de la communauté de l'IA. Certains chercheurs soutiennent que l'entraînement sur du texte protégé par le droit d'auteur est essentiel pour construire des modèles performants, tandis que d'autres plaident pour une source de données plus transparente. Le PDG d'OpenAI, Sam Altman, a déclaré publiquement que l'entreprise est ouverte aux accords de licence et a exprimé des regrets quant au manque de clarté dans ses pratiques de données. Microsoft est resté largement silencieux, s'en remettant à OpenAI dans ses déclarations publiques.
Les groupes de l'industrie de l'édition, y compris la News Media Alliance, ont déposé des mémoires d'amicus curiae soutenant le Times, arguant que les entreprises d'IA profitent du travail des journalistes sans contrepartie. À l'inverse, certains groupes de défense de la technologie ont averti qu'une décision contre OpenAI pourrait entraver l'innovation et donner aux grands éditeurs un contrôle excessif sur l'information. L'affaire a également influencé les discussions législatives, certains législateurs proposant des lois qui exigeraient des entreprises d'IA qu'elles divulguent leurs sources de données d'entraînement.
Issues potentielles et précédent
Si le Times gagne, le tribunal pourrait ordonner à OpenAI et Microsoft de payer des dommages-intérêts légaux allant jusqu'à 150 000 dollars par œuvre violée, ce qui pourrait représenter des milliards de dollars étant donné les millions d'articles prétendument utilisés. Le tribunal pourrait également émettre une injonction exigeant la destruction des ensembles de données d'entraînement, ce qui forcerait OpenAI à réentraîner ses modèles sans le contenu du Times. Une telle issue entraînerait probablement une vague de plaintes similaires de la part d'autres éditeurs.
Si OpenAI gagne, l'affaire établirait un précédent large d'usage équitable pour l'entraînement de l'IA, permettant potentiellement aux entreprises d'utiliser tout texte accessible au public sans compensation. Cela pourrait accélérer le développement de l'IA mais pourrait également réduire la viabilité financière des organisations de presse, qui ont déjà vu leurs revenus imprimés décliner. Certains observateurs suggèrent qu'un règlement est plus probable, avec OpenAI acceptant de payer au Times des frais de licence en échange d'un accès continu à son contenu.
Importance pour la gouvernance de l'IA
La plainte est un jalon dans le débat plus large sur la gouvernance de l'IA et l'équilibre entre innovation et droits de propriété intellectuelle. Elle soulève des questions fondamentales sur la question de savoir si les modèles d'IA doivent être traités comme des outils transformatifs ou comme des œuvres dérivées, et si les créateurs de données d'entraînement méritent une compensation. L'affaire est étroitement surveillée par les régulateurs, y compris le U.S. Copyright Office, qui mène une étude sur l'IA et les questions de droit d'auteur.
À la fin de 2024, l'affaire reste non résolue, les deux parties se préparant pour une bataille juridique prolongée. L'issue influencera probablement non seulement l'avenir d'OpenAI et de Microsoft, mais aussi les pratiques d'autres entreprises d'IA telles que Anthropic et Google DeepMind, qui dépendent également de l'entraînement sur de grands volumes de texte. La décision du Times de poursuivre plutôt que de négocier en a fait un cas de test pour les droits des créateurs de contenu à l'ère de l'IA générative.