Décryptage Société

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

Un avocat général de la Cour de justice de l'Union européenne propose que réserver tes droits oblige une IA à obtenir ta licence pour s'entraîner sur ton site. Ce que ça change pour ton site, tes contrats et ce que tu tapes.

23 septembre 2026 40 sources citées Par Mis à jour le 11 novembre 2026
Nous suivre sur Google (s'ouvre dans un nouvel onglet)
Livre fermé en céramique blanche, scellé par un cachet de cire ambré, métaphore des contenus soustraits à l'entraînement de l'IA

Le robots.txt de shiftia.fr, le fichier qui dit aux robots ce qu'ils peuvent lire sur un site, laisse entrer tous les robots, ceux des IA compris. Si tu publies un site, ce même fichier te permet aussi de refuser qu'une IA s'entraîne sur tes contenus. L'avocat général de la Cour de justice de l'Union européenne, le magistrat qui propose une solution aux juges avant leur arrêt, le cite parmi les moyens largement utilisés. Le nôtre reste ouvert au 11 novembre 2026 parce que nous voulons être cités dans les réponses des IA. Ton entreprise a le même choix à faire.

En bref

L'entraînement d'une IA désigne l'utilisation de textes, d'images ou de données pour ajuster les paramètres d'un modèle. Selon l'avocat général de la Cour de justice de l'Union européenne (3 novembre 2026), il est en règle générale permis, sauf si le titulaire des droits a réservé les siens.

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 de ta messagerie professionnelle peuvent suivre un chemin voisin sans que tu l'aies décidé. Depuis 2025, des procès donnent des repères à une question restée floue : qui a le droit d'utiliser quoi pour entraîner un modèle. Le 3 novembre 2026, un avocat général de la Cour de justice de l'Union européenne a rendu un premier avis sur le sujet, qui ne lie pas la Cour. Il fait de la réservation de tes droits le levier principal.

Que révèlent les procès sur les données d'entraînement ?

Le dossier le plus lourd est l'accord entre Anthropic et un collectif d'auteurs américains. Un tribunal fédéral californien a validé un accord 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 l'accord le plus élevé connu dans ce type d'affaire.

En France, des éditeurs et des auteurs ont attaqué Meta devant le tribunal judiciaire de Paris. Selon l'AFP, la procédure ciblerait en particulier Books3, une base de livres piratés qui compte environ 183 000 titres selon The Atlantic. Aucune décision n'a été rendue. Côté musique, des éditeurs réclament à Anthropic 150 000 dollars par titre pour 21 231 œuvres, soit plus de 3 milliards. Ce montant correspond au plafond légal américain et n'a pas été accordé.

Dans le procès du New York Times contre OpenAI, le ministère de la Justice a pris position le 1er septembre pour l'usage loyal, la doctrine américaine qui permet sous conditions d'utiliser une œuvre sans autorisation. Cet avis n'engage pas le juge. Aucune décision n'est connue au 11 novembre.

L'Europe est concernée aussi. Selon une enquête de Mediapart, Mistral Large 3, le modèle du champion français de l'IA, a restitué 58 % du Petit Prince et 25 % du Hobbit quand on le sollicite paragraphe par paragraphe. Pour plus d'une centaine de chansons, Mediapart a aussi obtenu des extraits de plus de 15 mots consécutifs reproduits à l'identique, le seuil retenu par le tribunal de Munich. Mistral invoque un principe de réalité : ces contenus, très reproduits en ligne, ont pu être collectés au passage.

Deux jugements de 2025 se contredisent. Londres a rejeté l'essentiel des demandes de Getty Images contre Stability AI, au motif que le modèle ne contenait aucune copie d'œuvre. Munich a donné raison à la GEMA, la société allemande des droits musicaux, contre OpenAI : mémoriser des paroles de chansons dans un modèle, c'est les reproduire. OpenAI a fait appel. Getty peut contester en appel le rejet de sa thèse selon laquelle le modèle est lui-même une copie contrefaisante. Notre comparatif Europe contre États-Unis sur la régulation de l'IA détaille ces dossiers.

Le 3 novembre, l'avocat général a rendu ses conclusions dans la première affaire d'IA générative portée devant cette Cour. Dans cette affaire, Like Company, un opérateur hongrois de portails Internet, invoque les droits que le droit de l'Union reconnaît aux éditeurs de presse. Il reproche à Google d'avoir utilisé ses articles pour entraîner Gemini, puis de les avoir reproduits dans les réponses du chatbot. Le juge hongrois a posé quatre questions à la Cour, dont deux sur l'entraînement.

Sur ces deux questions, l'avocat général propose que la Cour ne réponde pas, faute de preuve que les articles de Like Company aient servi à entraîner Gemini. Il ajoute que l'utilisation de contenus protégés pour entraîner un modèle est, « en règle générale, librement autorisée » par l'exception de fouille de textes et de données. Cette exception permet à un logiciel de copier et d'analyser des contenus accessibles légalement en ligne. Elle ne joue plus si le titulaire des droits a restreint l'accès ou réservé ses droits.

Sur le modèle, l'avocat général n'est pas convaincu, à ce stade, qu'un modèle qui a mémorisé un texte en soit lui-même une reproduction. Une réponse identique ou quasi identique à une œuvre protégée peut en revanche, selon lui, constituer une reproduction. Nous lisons cette position comme une voie médiane entre Londres et Munich.

Ce problème de preuve est précisément celui que vise la proposition de loi française. Adoptée à l'unanimité par le Sénat le 8 avril, elle inverse la charge de la preuve : dès qu'un indice rend l'usage vraisemblable, l'œuvre est présumée utilisée par le fournisseur d'IA. Selon ActuaLitté, l'Assemblée nationale doit l'examiner le 19 novembre.

2023 → 2026

Les affaires qui dessinent le droit de l'entraînement

Clique sur une date pour voir ce qui a été décidé et ce qui reste ouvert.

Statuts au 11 novembre 2026.

Ce que ça change pour toi

Ce que tu peux exiger sur ce que tu publies

Selon l'avocat général, c'est à toi de dire non. Sans réservation de tes droits, un fournisseur d'IA peut en règle générale s'entraîner sur ce que tu publies en accès libre. Réserver tes droits, c'est déclarer sous une forme que les machines lisent que tu refuses cet usage : le fournisseur doit alors obtenir ta licence, donc ton accord, ce qui t'ouvre la négociation d'une rémunération.

Une réservation est valable si les robots les plus récents peuvent la comprendre avec une fiabilité suffisante au moment où ils visitent ton site. L'avocat général cite d'abord le robots.txt, largement utilisé : Google-Extended, la méthode de refus proposée par Google, repose dessus. Les métadonnées, c'est-à-dire les informations inscrites dans un fichier comme son auteur ou ses droits, peuvent aussi servir. L'avocat général n'exclut pas non plus des conditions générales rédigées en langage naturel, si une machine peut les comprendre.

Le robots.txt repose sur la bonne foi des robots, dont certains l'ignorent. Une réservation fixe donc ton droit sans rien bloquer. Elle compte au moment du passage du robot : un contenu déjà entré dans un jeu de données n'en sort pas pour autant.

Pour bloquer vraiment, certains éditeurs agissent au niveau du serveur. Cloudflare est le prestataire par lequel passent de nombreux sites pour être protégés et accélérés. Depuis le 15 septembre, il bloque par défaut les robots d'entraînement et les agents, des programmes d'IA qui agissent à la place d'un utilisateur, sur les pages qui affichent de la publicité. La recherche reste autorisée. La règle ne couvre que les nouveaux domaines, les nouveaux clients et les comptes gratuits existants.

Les plateformes 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. » Sur une plateforme, le silence vaut accord tant que tu n'as pas coché le retrait.

Se réserver peut aussi coûter de la visibilité. Le robots.txt distingue mal trois usages : l'entraînement d'un modèle, l'indexation par un moteur de recherche et les réponses qu'une IA compose en allant chercher ta page en temps réel (la technique dite RAG). Google-Extended bloque à la fois l'entraînement de Gemini et l'usage de ton contenu dans ses réponses. Google affirme que ce blocage n'affecte pas son moteur de recherche, ce que l'avocat général juge à vérifier.

Le règlement européen sur l'IA, dit AI Act, oblige depuis le 2 août 2025 les fournisseurs de modèles à usage général, ceux qui accomplissent des tâches très variées, à publier un résumé des contenus d'entraînement. L'avocat général y voit un « complément crucial » de l'exception de fouille, pour vérifier qu'une réservation est respectée. Tu peux le consulter : il décrit des catégories et des sources, sans lister les œuvres. Depuis le 2 août 2026, l'AI Office, le bureau européen chargé de faire appliquer le texte, peut infliger jusqu'à 15 millions d'euros d'amende ou 3 % du chiffre d'affaires mondial.

Le même avis traite d'un autre cas, propre à l'affaire Like Company : le chatbot qui va chercher un article en temps réel pour composer sa réponse. Cela ne vaut que pour les éditeurs de presse, titulaires d'un droit voisin, proche du droit d'auteur. Leur droit peut être atteint si l'accès à l'article est illicite, par exemple en contournant un mur payant, ou si la réponse reprend la forme d'expression de l'article au point de dispenser de le lire. Les simples faits ne sont pas protégés. Pour un site qui n'est pas un éditeur de presse, l'avis ne traite pas ce cas.

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 remporté l'enchère d'un lot de données internes pour 10 millions de dollars, face à une offre à 7,5 millions. Le lot compte des centaines de millions d'e-mails et de messages internes, des documents RH et financiers.

Les syndicats, dont celui des hôtesses de l'air et stewards, ont retiré leurs objections les 9 et 10 novembre après l'exclusion de plusieurs catégories de dossiers d'anciens salariés, dont les dossiers médicaux et la paie. La vente doit encore être approuvée par le juge des faillites, qui l'examine le 17 novembre.

Chez Spirit, ce sont les données de l'entreprise elle-même qui sont vendues dans sa faillite. Nous en déduisons que si c'est ton fournisseur qui fait faillite ou qui est cédé, les données que tu lui as confiées peuvent entrer dans le lot, sauf si ton contrat l'interdit explicitement. Ces clauses se négocient 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 tes données chez ton fournisseur et à les transférer à un autre. Il n'interdit pas à ton fournisseur de les utiliser pour entraîner un modèle. Cette interdiction relève de ton contrat, auquel s'ajoute le RGPD, le règlement européen sur les données personnelles, quand il y en a.

Ce que tu tapes dans un outil d'IA

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 un problème de mathématiques ouvert depuis longtemps, qui porte sur l'écoulement des fluides. Buckmaster y reconnaît la voie qu'il explorait avec son collaborateur, une lecture qu'il présente lui-même comme son interprétation. OpenAI lui a dit que le modèle n'avait pas consulté de données d'utilisateurs, mais à sa question sur l'entraînement, écrit-il, « je n'ai pas eu de réponse ». 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.

Les politiques varient selon le fournisseur. Les comptes grand public d'OpenAI et de Mistral servent à l'entraînement par défaut, alors qu'Anthropic demande un choix explicite depuis le 28 août 2025. Le tableau ci-dessous détaille chaque cas selon l'offre.

Tes réglages

Choisis ton outil et ton offre.

Fournisseur
Offre

Politiques publiées par les éditeurs, vérifiées le 23 septembre 2026. Elles changent souvent : revérifie avant de t'y fier.

Version texte du sélecteur
Ton outil entraîne-t-il l'IA par défaut ? Les six cas
Fournisseur et offre Entraîné par défaut ? Comment refuser À savoir
OpenAI, Compte personnel (ChatGPT Free, Plus, Pro, Codex) Oui Dans les paramètres de ChatGPT, rubrique Contrôles des données, désactive l'option d'amélioration du modèle. Le réglage vaut pour tes conversations futures.
OpenAI, Offre pro ou API (Business, Enterprise, Edu, API) Non Aucune démarche : ces offres sont exclues de l'entraînement par défaut. L'organisation doit donner un accord explicite pour que ses données servent à améliorer les modèles.
Anthropic, Compte personnel (Claude Free, Pro, Max, y compris Claude Code) Selon ton choix Refuse le partage dans les paramètres de confidentialité de Claude. Ce choix est modifiable à tout moment. Si tu acceptes, tes conversations sont conservées 5 ans, contre 30 jours sinon. Une conversation supprimée ne sert pas à l'entraînement.
Anthropic, Offre pro ou API (Team, Enterprise, Gov, Edu, API) Non Rien à désactiver de ton côté : ces offres sont exclues de l'entraînement. L'exclusion couvre aussi l'API utilisée via Amazon Bedrock ou Google Cloud Vertex AI.
Mistral, Compte personnel (Vibe, ex-Le Chat) Oui Dans les réglages de Vibe, rubrique Confidentialité, désactive l'utilisation de tes interactions pour l'entraînement. Sur mobile : Paramètres, puis contrôles des données et du compte. Les documents que tu déposes dans Vibe comptent comme des données d'entrée : ils suivent le même réglage.
Mistral, Offre pro ou API (Enterprise, Team, API) Selon l'offre Vibe Enterprise est exclu par défaut. En Team, l'administrateur peut désactiver l'entraînement pour toute l'organisation. Le réglage de l'API est séparé de celui de Vibe : refuser l'un ne refuse pas l'autre.

La sous-traitance des données personnelles et les transferts hors Union européenne sont traités dans notre décryptage sur l'IA et les données comptables.

L'oeil de Shift IA : réserver ou laisser ouvert, dans les deux cas écris-le

L'avocat général juge qu'un fournisseur d'IA a besoin de ta licence quand tu as réservé tes droits de façon qu'un robot comprenne. Il estime aussi que le législateur peut exiger du titulaire une certaine diligence. Nous en déduisons que la charge de dire non pèse sur toi : tant que ton site ne dit rien, une IA qui le lit peut, en règle générale, s'entraîner sans licence. Rien n'est acquis pour autant. Les députés doivent examiner la présomption d'utilisation le 19 novembre ; l'arrêt de la Cour n'a pas de date.

À notre avis, refuser l'entraînement ne se décide pas à la légère, parce que le même fichier peut te retirer des réponses des IA. Une entreprise qui vend ses analyses ou ses formations en ligne n'a pas le même intérêt qu'un blog qui cherche à être cité. Nous avons laissé le nôtre ouvert pour cette raison. Nous recommandons donc, si tu vends tes contenus, de réserver tes droits. Si tu veux être cité par les IA, laisse ton site ouvert, en connaissance de cause. Dans les deux cas, écris ton choix dans le robots.txt et dans tes conditions générales.

Le contrat reste le terrain le moins protégé. À Spirit, ce sont des syndicats qui ont obtenu l'exclusion de dossiers sensibles d'anciens salariés. Nous en déduisons que si ton fournisseur fait faillite ou est cédé, tes e-mails ne seront à l'abri que si ton contrat le prévoit. Ajoute les trois clauses à ton prochain contrat avec un fournisseur d'IA. Vérifie enfin, pour chaque abonnement, si tes saisies entrent par défaut dans l'entraînement.

Notre fichier reste ouvert au 11 novembre 2026 : ce choix nous permet d'être cités dans les réponses des IA, au prix de n'avoir réservé aucun droit contre l'entraînement.

Les points clés

Réserver tes droits change la règle, selon l'avocat général. Sans réservation, l'entraînement est en règle générale permis ; avec elle, le fournisseur doit obtenir ta licence. Ces conclusions du 3 novembre 2026 ne lient pas la Cour, dont l'arrêt viendra à une date ultérieure.

Le robots.txt réserve tes droits sans rien bloquer. Il repose sur la bonne foi des robots et distingue mal l'entraînement, les réponses en temps réel et l'indexation. Google-Extended bloque à la fois l'entraînement de Gemini et l'usage du contenu dans ses réponses.

Le volet sur les réponses en temps réel vise les éditeurs de presse. Il protège leur droit voisin contre un chatbot qui accède illicitement à l'article ou en reprend la forme d'expression. Les simples faits ne sont pas protégés.

La faillite de Spirit Airlines a montré que les données d'une entreprise peuvent être vendues comme un actif. Google a remporté l'enchère de ce lot à 10 millions de dollars. Les syndicats ont retiré leurs objections après l'exclusion de dossiers sensibles. Le juge examine la vente le 17 novembre.

Les politiques par défaut sur ce que tu tapes dans un outil d'IA varient fortement d'un fournisseur à l'autre. Les comptes grand public d'OpenAI et de Mistral entrent par défaut dans l'entraînement, alors qu'Anthropic exige un choix explicite depuis le 28 août 2025.

Ce décryptage ne traite pas les données RH et salariales ni la protection juridique des contenus générés par une IA, sujets distincts. Il décrit des conclusions, des textes et des décisions publiés et ne remplace pas l'avis d'un juriste.

Texte relu, corrigé et amendé avec l'aide de Claude Code

Le chiffre choc
1,5 milliard $
montant de l'accord homologué entre Anthropic et des auteurs américains Tribunal fédéral N.D. Cal., juillet 2026
10 millions $ prix de l'offre retenue de Google pour des données internes de Spirit Airlines (des centaines de millions d'e-mails et de messages), vente soumise à l'approbation du juge CNN Business, août 2026
2 questions sur 4 questions sur l'entraînement que l'avocat général propose de ne pas trancher, faute de preuve que les articles de Like Company aient servi à entraîner Gemini Cour de justice de l'Union européenne, communiqué n° 155/26, 3 novembre 2026
183 000 livres taille du jeu de données Books3 issu d'ouvrages piratés selon The Atlantic, que l'assignation contre Meta en France ciblerait selon l'AFP The Atlantic, 2023 ; AFP
15 M€ ou 3 % sanction maximale que le bureau européen de l'IA peut infliger depuis le 2 août 2026 pour non-respect du résumé public des contenus d'entraînement AI Act, art. 53, Commission européenne

Ce qu'il faut retenir

Réservation de droits Selon l'avocat général de la Cour de justice de l'Union européenne, un fournisseur d'IA qui veut s'entraîner sur un contenu dont le titulaire a réservé les droits doit obtenir une licence. Sans réservation, l'entraînement est en règle générale permis.
Robots.txt et IA Le robots.txt est largement utilisé pour réserver ses droits, mais il distingue mal l'entraînement, les réponses en temps réel et l'indexation. Google-Extended bloque à la fois l'entraînement de Gemini et l'usage du contenu dans ses réponses.
Réponses en temps réel Pour les éditeurs de presse, une réponse de chatbot peut porter atteinte à leur droit voisin si elle accède illicitement à l'article, par exemple en contournant un mur payant, ou en reprend la forme d'expression au point de dispenser de le lire. Les simples faits ne sont pas protégés.
Données vendues en faillite Les données internes d'une entreprise peuvent être vendues comme un actif en cas de faillite. À Spirit Airlines, des syndicats ont obtenu l'exclusion de dossiers sensibles d'anciens salariés du lot proposé à Google.

Sources

Vocabulaire utile

Réservation TDM (opt-out)
Mécanisme prévu par l'article 4 de la directive européenne 2019/790 qui permet à un titulaire de droits de s'opposer à l'utilisation de ses contenus pour la fouille de textes et de données, par un procédé lisible par une machine comme le protocole TDMRep.
Résumé des contenus d'entraînement
Document public que l'AI Act oblige un fournisseur de modèle à usage général à publier, décrivant les catégories de contenus utilisées pour l'entraînement de son modèle.
Clause de non-entraînement
Clause contractuelle qui interdit explicitement à un fournisseur d'utiliser les données d'un client pour entraîner ou améliorer un modèle d'IA, sauf accord écrit préalable.
Opt-out entraînement
Option de confidentialité qui permet de refuser que ses conversations avec une IA soient utilisées pour améliorer les modèles futurs. Sur ChatGPT, cette option est désactivée par défaut et doit être activée manuellement dans les paramètres.

Questions fréquentes

01 Comment refuser que mes contenus publiés servent à entraîner une IA ?

Il faut réserver tes droits sous une forme que les machines lisent, par exemple dans le robots.txt. Le fournisseur doit alors obtenir ta licence, selon l'avocat général de la Cour de justice de l'Union européenne. Ces conclusions du 3 novembre 2026 ne lient pas la Cour.

02 Bloquer l'entraînement me fait-il disparaître des réponses des IA ?

Cela peut arriver. Le robots.txt distingue mal l'entraînement, les réponses en temps réel et l'indexation par un moteur de recherche. Google-Extended bloque l'entraînement de Gemini et l'usage de ton contenu dans ses réponses. Google affirme que cela n'affecte pas sa recherche, ce que l'avocat général juge à vérifier.

03 Comment savoir si mes contenus publiés en ligne ont servi à entraîner une IA ?

Aucun outil ne te donne cette certitude aujourd'hui. Depuis le 2 août 2025, l'AI Act oblige les fournisseurs de nouveaux modèles à usage général à publier un résumé de leurs contenus d'entraînement (au 2 août 2027 pour les modèles plus anciens). Ce résumé décrit des catégories et des sources sans lister les œuvres.

04 Le Data Act m'autorise-t-il à interdire l'entraînement d'une IA sur mes données ?

Non. Le règlement européen sur les données (Data Act, applicable depuis le 12 septembre 2025) organise la récupération et la portabilité de tes données chez un fournisseur. Il ne permet pas d'interdire leur usage pour entraîner un modèle. Cette interdiction doit être écrite dans ton contrat. Elle s'appuie aussi sur le RGPD dès que des données personnelles sont concernées.

05 Que dois-je exiger dans un contrat avec un fournisseur d'IA pour protéger mes données internes ?

Trois clauses protègent tes données. La première interdit tout entraînement sans ton accord écrit. La deuxième impose la restitution puis la suppression à la résiliation, avec attestation. La troisième exclut tes données des actifs cessibles en cas de faillite ou de changement de contrôle du fournisseur.

06 Ce que je tape dans ChatGPT ou Claude sert-il à entraîner le modèle ?

Cela dépend de l'offre. Chez OpenAI, les comptes grand public alimentent l'entraînement sauf désactivation manuelle, tandis que Business, Enterprise, Edu et l'API, l'accès destiné aux développeurs, en sont exclus par défaut. Chez Anthropic, Free, Pro et Max demandent un choix explicite depuis août 2025, tandis que Team, Enterprise et l'API restent exclus par défaut.