NYT v. OpenAI (2023) est une action en justice historique pour violation du droit d'auteur, déposée par The New York Times Company contre OpenAI et son principal investisseur Microsoft le 27 décembre 2023, devant le tribunal de district des États-Unis pour le district sud de New York. La plainte allègue qu'OpenAI et Microsoft ont utilisé des millions d'articles de presse protégés par le droit d'auteur sans autorisation pour entraîner leurs grands modèles de langage, y compris GPT-4 et ChatGPT, et que ces modèles reproduisent désormais et « mémorisent » le contenu du Times d'une manière qui concurrence directement les propres produits du journal. Le procès demande des dommages-intérêts légaux pouvant atteindre 150 000 $ par œuvre contrefaite, une injonction contre toute utilisation ultérieure du contenu du Times, et la destruction de tous les ensembles de données d'entraînement contenant ce matériel.
L'affaire est largement considérée comme un test décisif pour le conflit plus large entre l'industrie de la IA générative et les créateurs de contenu, car elle examine si la doctrine de l'« usage loyal » s'étend au scraping massif de textes protégés par le droit d'auteur pour l'entraînement de modèles. L'issue pourrait remodeler l'économie du développement de l'IA, forçant les entreprises à négocier des accords de licence ou à repenser leurs pipelines d'entraînement. Au début de 2025, l'affaire reste en phase préalable au procès, les deux parties ayant déposé des requêtes en rejet et des contre-requêtes.
Contexte : L'essor de l'IA générative et du scraping de données
Le procès a émergé dans un contexte de progrès rapides en apprentissage profond et de déploiement commercial de modèles basés sur le transformer. OpenAI, fondée en 2015, a publié GPT-3 en 2020 et ChatGPT en novembre 2022, qui est rapidement devenu l'une des applications grand public à la croissance la plus rapide de l'histoire. Ces modèles sont entraînés sur de vastes corpus de textes extraits d'Internet public, y compris des articles de presse, des livres et des articles académiques. Le Times allègue que son contenu, largement protégé par un paywall, est apparu dans ces ensembles de données sans autorisation, souvent en quantités qui en faisaient une partie significative du matériel d'entraînement.
Microsoft, qui a investi plus de 13 milliards de dollars dans OpenAI et a intégré ses modèles dans des produits comme Bing Chat et Office 365, est nommé comme co-défendeur pour son rôle dans le déploiement et la monétisation des systèmes prétendument contrefaisants. La plainte cite des exemples spécifiques où ChatGPT a produit des extraits quasi verbatim d'articles du Times, y compris une enquête de 2019 sur l'industrie du taxi et un article de 2020 sur les taux d'intérêt hypothécaires, démontrant que les modèles peuvent reproduire du texte protégé sur demande.
Revendications légales et demandes
Le Times affirme plusieurs causes d'action, y compris la violation directe du droit d'auteur, la violation contributive et la violation indirecte. Il soutient qu'OpenAI et Microsoft ont copié, stocké et distribué ses œuvres pendant l'entraînement et l'inférence, et que les sorties des modèles constituent des œuvres dérivées non autorisées. La plainte souligne que les défendeurs ont « bâti leur entreprise sur le dos du travail des autres » et que le Times a dépensé des milliards de dollars en journalisme que les entreprises d'IA ont approprié gratuitement.
Au-delà des dommages-intérêts monétaires, le Times demande une injonction permanente qui obligerait OpenAI et Microsoft à supprimer toutes les copies du contenu du Times de leurs ensembles de données d'entraînement et à empêcher toute utilisation future. Cette demande est sans précédent en termes d'ampleur, car elle forcerait effectivement les entreprises à réentraîner leurs modèles de zéro, un processus coûtant des centaines de millions de dollars et pouvant dégrader la qualité des modèles. Le Times demande également une ordonnance exigeant que les défendeurs divulguent leurs sources de données d'entraînement et mettent en œuvre des mesures techniques pour prévenir toute infraction future.
Défense d'OpenAI : Usage loyal et intérêt public
OpenAI a déposé sa réponse en février 2024, arguant que son utilisation de matériel protégé par le droit d'auteur relève de l'exception d'usage loyal, qui permet une reproduction limitée à des fins telles que la critique, le commentaire, le reportage d'actualité, l'enseignement et la recherche. L'entreprise soutient que l'entraînement de modèles d'IA est un usage transformateur qui ne remplace pas les œuvres originales, et que les modèles apprennent des motifs et des faits plutôt que de mémoriser des textes spécifiques. OpenAI souligne également son mécanisme de « désinscription », qui permet aux propriétaires de sites Web de bloquer son robot d'exploration, et ses partenariats en cours avec d'autres éditeurs, tels que l'Associated Press et Axel Springer, comme preuve de ses efforts de bonne foi pour respecter la propriété intellectuelle.
Microsoft a fait écho à ces arguments, soulignant que les modèles sont des outils pour générer du nouveau contenu, et non pour reproduire des articles existants. Les défendeurs notent également que le Times lui-même a utilisé des outils d'IA à diverses fins et que la plainte du journal est une tentative d'étouffer la concurrence. Les juristes sont divisés sur la force de ces défenses, certains arguant que l'ampleur de la copie et la nature commerciale de l'usage pèsent contre l'usage loyal, tandis que d'autres soulignent la nature transformatrice de l'apprentissage automatique comme justification convaincante.
Réactions de l'industrie et procès parallèles
Le procès du Times fait partie d'une vague de litiges contre les entreprises d'IA. En 2023, des auteurs comme Sarah Silverman, Christopher Golden et Richard Kadrey ont déposé des recours collectifs contre OpenAI et Meta, tandis que l'affaire de la comédienne Sarah Silverman a ensuite été consolidée avec d'autres. Getty Images a poursuivi Stability AI au Royaume-Uni et aux États-Unis pour l'utilisation de ses photographies dans l'entraînement de générateurs d'images. En 2024, l'Authors Guild a déposé un recours collectif contre OpenAI, et plusieurs journaux, dont le Chicago Tribune et le New York Daily News, ont rejoint une action séparée contre OpenAI et Microsoft.
Ces affaires ont suscité une gamme de réponses de la part de l'industrie. Certaines entreprises, comme Anthropic et Google DeepMind, ont commencé à concéder des licences de contenu auprès d'éditeurs, tandis que d'autres ont plaidé pour un système de licence légale similaire à celui utilisé pour le streaming musical. Le Bureau du droit d'auteur des États-Unis a lancé une enquête publique sur l'IA et le droit d'auteur en 2023, et l'Union européenne a adopté la loi sur l'IA en 2024, qui inclut des exigences de transparence pour les données d'entraînement. L'issue de l'affaire du Times pourrait établir un précédent qui influencera tous ces efforts.
Questions juridiques clés et précédents
La question juridique centrale est de savoir si l'entraînement de modèles d'IA sur du texte protégé par le droit d'auteur constitue un usage loyal. Les tribunaux ont historiquement appliqué un test à quatre facteurs : le but et la nature de l'usage, la nature de l'œuvre protégée, la quantité et la substantialité de la portion utilisée, et l'effet sur le marché potentiel. Dans l'affaire Authors Guild v. Google de 2015, la Cour d'appel du deuxième circuit a jugé que la numérisation de livres par Google pour la recherche était un usage loyal, mais cette affaire impliquait des extraits limités et un but non commercial. Le Times soutient que ses articles sont hautement créatifs et expressifs, que les défendeurs ont copié des œuvres entières, et que la capacité de ChatGPT à produire des résumés et des extraits nuit directement aux revenus de licence et à l'activité d'abonnement du Times.
Une autre question clé est le problème de la « mémorisation ». OpenAI a reconnu que les grands modèles de langage peuvent parfois reproduire des données d'entraînement verbatim, surtout lorsqu'ils sont sollicités de certaines manières. La plainte du Times inclut des exemples de telles sorties, que l'entreprise considère comme non transformatrices mais plutôt comme une forme de copie en gros. Les défendeurs rétorquent que ces cas sont rares et que les modèles sont conçus pour généraliser, et non pour mémoriser. Des témoins experts devraient témoigner des deux côtés sur les détails techniques de l'entraînement des modèles et la probabilité de reproduction.
Historique procédural et statut actuel
Après le dépôt de la plainte, le tribunal a assigné l'affaire au juge Sidney H. Stein. Au début de 2024, OpenAI et Microsoft ont déposé des requêtes en rejet, arguant que le Times n'avait pas suffisamment allégué une violation directe car il n'avait pas identifié de sorties contrefaisantes spécifiques. Le Times a modifié sa plainte en mars 2024, ajoutant plus d'exemples et clarifiant ses revendications. En juillet 2024, le juge Stein a rejeté les requêtes en rejet, permettant à l'affaire de passer à la phase de découverte. Cette décision a été perçue comme une victoire significative pour le Times, car elle a rejeté l'argument des défendeurs selon lequel l'affaire était trop spéculative.
La découverte devrait être conflictuelle, le Times cherchant à accéder aux données d'entraînement d'OpenAI et aux communications internes sur l'approvisionnement en données. OpenAI a résisté à certaines demandes, invoquant des secrets commerciaux et la charge de produire des ensembles de données massifs. Le tribunal a également ordonné aux parties de discuter d'un éventuel règlement, mais aucun accord n'a été conclu au début de 2025. Une date de procès n'a pas été fixée, mais les observateurs juridiques estiment qu'il pourrait commencer fin 2025 ou en 2026.
Implications plus larges pour le développement de l'IA
L'affaire a des implications au-delà des deux parties. Si le Times gagne, 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 l'innovation. Certaines startups pourraient se tourner vers l'utilisation exclusive de données du domaine public ou synthétiques, tandis que les grandes entreprises pourraient investir dans des ensembles de données propriétaires ou des partenariats avec des éditeurs. L'affaire pourrait également affecter le développement de modèles open source, qui dépendent fortement de données scrapées et pourraient ne pas avoir les ressources pour se conformer aux exigences de licence.
À l'inverse, si OpenAI prévaut, cela pourrait légitimer la pratique de l'entraînement sur du matériel protégé sans autorisation, conduisant potentiellement à un scraping plus agressif et à moins de compensation pour les créateurs. Cette issue pourrait accélérer la tendance vers le contenu généré par l'IA, exerçant une pression supplémentaire sur les médias traditionnels. L'affaire est donc étroitement surveillée par les technologues, les avocats et les journalistes, car elle aidera à définir les limites de la propriété intellectuelle à l'ère de l'apprentissage automatique.
Conclusion
NYT v. OpenAI (2023) est une bataille juridique déterminante pour l'ère de l'IA générative. Elle soulève des questions fondamentales sur la paternité, la propriété et la valeur de la créativité humaine dans un monde où les machines peuvent produire du texte à grande échelle. La résolution de l'affaire, que ce soit par décision judiciaire ou règlement, façonnera probablement l'avenir de la recherche en IA, de l'économie des médias et du droit d'auteur pour des décennies. Alors que le litige se déroule, il rappelle que l'avancement rapide des réseaux de neurones et du apprentissage automatique n'est pas seulement une histoire technique, mais une histoire profondément humaine sur qui bénéficie et qui supporte les coûts du progrès technologique.