Tes contenus entraînent-ils l'IA ? Ce que ton entreprise peut exiger

Un livre éventré pour nourrir une IA : et si c'était tes contenus ?

Un livre rare, équipé d'un traceur, part dans un colis vers un centre logistique Amazon près de Las Vegas. Sur place, sa reliure est tranchée pour que les pages défilent plus vite sous un scanner. 404 Media a suivi ce trajet à la trace et résume la scène en une phrase : « Le livre imprimé est détruit dans le processus. » L'objet physique disparaît, son contenu rejoint un jeu de données d'entraînement.

Ce livre n'a rien signé. Ton entreprise non plus, la plupart du temps. Tes articles de blog, tes fiches produit, les messages internes de ta messagerie professionnelle, tout cela peut prendre le même chemin sans que tu l'aies décidé. Depuis le début de l'année 2026, une série de procès et de décisions donne enfin des repères à une question restée floue trop longtemps : qui a le droit d'utiliser quoi pour entraîner un modèle. Qu'est-ce que tu peux exiger en retour ?

Ce décryptage traite trois terrains distincts, dans cet ordre de poids. D'abord ce que tu publies en ligne, le terrain le mieux couvert par le droit européen. Ensuite tes contrats avec les fournisseurs qui touchent tes données internes, l'angle le moins documenté et pourtant le plus risqué pour une PME. Enfin une question plus courte sur ce que tu tapes toi-même dans un outil d'IA au quotidien.

Que révèlent les procès en cours sur les données d'entraînement ?

Le dossier le plus lourd reste l'accord entre Anthropic et un collectif d'auteurs américains. Un tribunal fédéral californien a validé un règlement de 1,5 milliard de dollars, soit environ 3 000 dollars par livre piraté. Le tribunal justifie ce montant sans détour : « quatre fois le minimum légal prévu pour une contrefaçon ordinaire ». C'est le règlement le plus élevé connu dans ce type d'affaire.

En France, les éditeurs et les auteurs ont attaqué Meta sur le même fondement. Selon l'AFP, la procédure ciblerait en particulier Books3, une base de livres piratés qui réunit environ 183 000 titres. Aucune décision n'a été rendue : la procédure est en cours.

Côté musique, les éditeurs ont attaqué Anthropic pour 21 231 œuvres, en réclamant 150 000 dollars par titre, soit plus de 3 milliards. Ce montant correspond au plafond légal américain, pas à une somme déjà accordée : c'est une demande, pas un jugement.

Le dossier le plus politique oppose le New York Times à OpenAI. Le ministère de la Justice américain a pris position en faveur de la doctrine de l'usage loyal, au nom de la sécurité nationale, en estimant que ces considérations « l'emportent largement sur tout dommage concurrentiel ». Cet avis n'engage pas le tribunal : le procès n'est pas tranché.

Face à cette vague, un contre-argument mérite d'être posé : le problème n'est pas seulement américain. Une enquête de Mediapart montre que Mistral, le champion français de l'IA, restitue 58 % du texte du Petit Prince et le quart du Hobbit. L'entreprise a répondu en invoquant un « principe de réalité » : ces textes circulent partout sur Internet. Écrire ce décryptage comme si un camp défendait les créateurs et l'autre les pillait donnerait une image fausse du rapport de force.

Ce que ça change pour toi

Ce que tu peux exiger sur ce que tu publies

Le droit européen te permet de réserver tes œuvres à l'entraînement, par un procédé lisible par une machine. Un site peut inscrire cette réservation dans son code. Attention à ne pas s'y fier aveuglément : TDMRep est une spécification de groupe communautaire du W3C, sans statut normatif. Elle exprime une intention ; aucun mécanisme technique ne l'impose à un opérateur de robot d'exploration. La réservation ne bloque donc rien mécaniquement : elle crée ton droit de t'opposer à la fouille de ce contenu, que le fournisseur doit ensuite respecter. Elle vaut pour la suite et ne fait pas sortir un contenu d'un jeu de données déjà constitué.

Les plateformes, elles, appliquent souvent la logique inverse. Twitch, propriété d'Amazon, a révélé que les flux de ses streamers servent par défaut à entraîner l'IA d'Amazon, en ajoutant le même jour une option de retrait dans les réglages de la chaîne. Son directeur produit l'assume : « Si l'accord devait être explicite, personne ne le donnerait. C'est honnêtement la réponse. » Sans réservation de tes droits, le silence vaut accord.

Le robots.txt, ce fichier placé à la racine d'un site qui demande aux robots de ne pas explorer certaines pages, ne suffit plus. De plus en plus d'éditeurs bloquent les aspirateurs d'entraînement directement au niveau du serveur. Cloudflare a durci le ton : depuis la mi-septembre, les robots d'entraînement et les agents sont bloqués par défaut sur les pages qui affichent de la publicité, la recherche restant autorisée. La règle ne couvre pas tous les sites qui passent par Cloudflare, seulement les nouveaux domaines, les nouveaux clients et les comptes gratuits existants. Le service de rémunération change aussi de logique : l'éditeur n'est plus payé à chaque passage de robot, mais quand son contenu est réellement utilisé.

Le règlement européen sur l'IA oblige les fournisseurs de modèles à usage général à publier un résumé des contenus qui ont servi à l'entraînement. Concrètement, tu peux aller le consulter pour vérifier ce qu'un fournisseur déclare avoir utilisé. L'obligation s'applique aux modèles récents depuis août 2025 et s'étendra aux plus anciens en 2027. En cas de manquement, l'amende peut atteindre 15 millions d'euros ou 3 % du chiffre d'affaires mondial.

Le Sénat a adopté à l'unanimité un texte qui inverse la charge de la preuve : dès qu'un indice rend l'usage vraisemblable, l'œuvre est présumée utilisée par le fournisseur d'IA. Il attend maintenant l'Assemblée nationale.

Deux jugements européens disent l'inverse l'un de l'autre. La justice britannique a rejeté l'essentiel des demandes de Getty Images contre Stability AI, au motif que les modèles ne contenaient aucune copie d'œuvre. Le tribunal de Munich a au contraire donné raison à la GEMA contre OpenAI : mémoriser des paroles de chansons dans un modèle, c'est une reproduction. OpenAI a fait appel. Les deux dossiers sont déjà traités dans notre comparatif Europe contre États-Unis sur la régulation de l'IA, nous ne les reprenons pas ici.

Ce que tu peux exiger dans tes contrats

La faillite de Spirit Airlines a exposé un cas que peu de dirigeants imaginent. Quand ses actifs ont été mis en vente, Google a raflé le lot de données internes pour 10 millions de dollars, face à une offre à 7,5 millions. Le lot comprend 100 millions d'e-mails, 500 millions de messages internes, des documents RH et financiers. Google promet de retirer les données personnelles par un prestataire tiers.

Le syndicat des hôtesses de l'air s'y oppose : maintenir la cohérence de l'ensemble permettrait, selon lui, de réidentifier des personnes malgré l'anonymisation annoncée. Une start-up a depuis annoncé son intention de surenchérir à 12,5 millions de dollars. À ce jour, aucune décision n'est intervenue.

Ce dossier montre ce qu'une faillite, une cession ou un simple changement de fournisseur peut faire de tes propres données si ton contrat ne l'interdit pas explicitement. Trois clauses méritent d'être négociées, sans jargon d'avocat :

• interdiction d'entraînement sans accord écrit : ton fournisseur ne peut pas utiliser tes données pour entraîner ou améliorer un modèle sans une acceptation explicite de ta part, jamais une case cochée par défaut ;
• restitution puis suppression à la résiliation : à la fin du contrat, tu récupères tes données, puis le fournisseur les supprime avec une attestation écrite, y compris les copies dérivées ou les versions transformées ;
• données non cessibles sans ton accord : en cas de faillite, de cession ou de changement de contrôle du fournisseur, tes données ne font pas partie des actifs vendables sans ton autorisation préalable.

Le règlement européen sur les données t'aide à récupérer et transférer tes données chez un autre fournisseur. Il n'interdit pas à ton fournisseur de les utiliser pour entraîner un modèle : cette interdiction relève du contrat que tu signes et du RGPD dès qu'il y a des données personnelles. Cette section n'est pas un conseil juridique : fais relire tes clauses par ton avocat avant signature.

Ce que tu tapes dans un outil d'IA

Une seule question mérite d'être posée ici : le texte que tu écris dans un outil d'IA sert-il à entraîner le modèle ? Le mathématicien Tristan Buckmaster a versé tous les brouillons de son projet dans Codex, l'outil de programmation d'OpenAI. Début septembre, OpenAI lui annonce qu'un de ses modèles internes a démontré un résultat sur les équations de Navier-Stokes. Buckmaster y reconnaît la voie même qu'il explorait avec son collaborateur, une lecture qu'il présente lui-même comme son interprétation. On lui assure que le modèle n'a pas consulté de données d'utilisateurs. Sur l'entraînement, sa déclaration est sans ambiguïté : « J'ai redemandé, mais je n'ai pas eu de réponse. » Il ajoute toutefois : « Je ne sais pas si nos données ont été utilisées, je n'accuse personne de rien. » Il pose une question, il ne formule pas d'accusation.

OpenAI a répondu sans trancher : « Bien que ce soit peu probable, nous ne pouvons pas exclure que des données dé-identifiées issues de leur usage de nos produits aient contribué à améliorer nos modèles. » Un autre chercheur a soulevé la même question pour ses propres conversations. Vingt-cinq lauréats de la médaille Fields, dont Terence Tao et Cédric Villani, ont signé une déclaration sur les questions d'attribution et de plagiat, sans accuser personne sur l'entraînement.

Les trois fournisseurs ne traitent pas de la même façon une conversation personnelle et une conversation professionnelle. Le tableau ci-dessous détaille chaque cas.

Le reste des questions contractuelles, notamment la sous-traitance des données personnelles et les transferts hors Union européenne, est déjà traité dans notre décryptage sur l'IA et les données comptables. Nous ne le reprenons pas ici pour ne pas refaire le même travail deux fois.

L'oeil de Shift IA : le procès se joue au tribunal, le contrat se joue dans l'ombre

Nous allons être directs : la bataille judiciaire américaine sur le droit d'auteur occupe toute la place médiatique, mais elle ne couvre qu'une partie du problème.

L'accord validé entre Anthropic et le collectif d'auteurs règle une seule affaire sur des dizaines en cours devant les tribunaux américains. L'audience sur la vente des données de Spirit Airlines n'a débouché sur aucune décision publique. La Cour de justice de l'Union européenne doit encore trancher sa toute première affaire d'IA générative, dont l'avis attendu de l'avocat général n'a pas été publié : l'affaire ne figure pas parmi les conclusions lues par la Cour.

Nous en tirons une conclusion tranchée. Le rapport de force ne se joue pas uniquement devant les tribunaux, il se joue aussi, discrètement, dans les clauses de tes propres contrats fournisseurs. Le terrain de la publication est déjà balisé : le droit européen te donne la réservation de tes droits et, désormais, le blocage côté serveur pratiqué par Cloudflare. Le terrain contractuel, lui, reste largement laissé à la bonne volonté du fournisseur tant qu'aucune clause explicite ne l'encadre. La faillite de Spirit Airlines l'a montré crûment : sans clause qui interdit leur cession, des millions d'e-mails et de messages internes peuvent changer de propriétaire au même titre qu'un serveur ou un stock.

Notre recommandation est simple à mettre en œuvre. Une PME qui relit ses conditions générales avant de signer et qui négocie les trois clauses détaillées plus haut change concrètement son exposition. Elle n'a besoin ni d'attendre l'arrêt de la Cour de justice européenne ni l'issue des procès américains pour agir : ces leviers contractuels dépendent d'elle seule, aujourd'hui.