Juridiction	Base Juridique Principale	Applicabilité à l’Entraînement Commercial de l’IA	Conditions et Limites Clés
Union Européenne	Exception TDM (Art. 4, Directive DSM)	Oui, par défaut	Le titulaire des droits peut s’y opposer (« opt-out »), y compris par des moyens lisibles par machine.
États-Unis	Doctrine du « Fair Use » (17 U.S.C. § 107)	Incertaine	Dépend de l’analyse au cas par cas des quatre facteurs ; actuellement au cœur de litiges majeurs.
Canada	« Fair Dealing » (Art. 29, Loi sur le droit d’auteur)	Très incertaine	L’usage doit correspondre à une finalité permise (ex: « recherche »). Portée plus restreinte que le « fair use ».
Australie	Fair Dealing » (Ss 40-42, Copyright Act 1968)	Peu probable	Finalités très restrictives et le caractère commercial est un facteur négatif important.
Singapour	Exception pour « Analyse de données par ordinateur »	Oui	L’accès à l’œuvre doit être licite. Cadre très permissif.
Chine	Exceptions limitées	Non	Les exceptions existantes sont limitées à l’usage personnel et non commercial.

Le Droit d’Auteur à l’Épreuve de l’IA Générative

La révolution de l’intelligence artificielle (IA) générative a provoqué un véritable séisme au sein des industries créatives. Des plateformes comme Suno et Udio, capables de générer des chansons complètes à partir de simples commandes textuelles, bouleversent les modèles économiques traditionnels. L’entraînement de ces modèles d’IA nécessite des quantités massives de données, qui sont très souvent des œuvres protégées par le droit d’auteur, qu’il s’agisse de musique, de textes ou d’images. Cette pratique, souvent menée sans autorisation, a déclenché des conflits juridiques majeurs, cristallisant la tension entre innovation technologique et protection de la propriété intellectuelle. Les litiges récents intentés par la Recording Industry Association of America (RIAA) contre Suno et Udio, accusées d’avoir entraîné leurs modèles sur des millions de titres sans licence, sont emblématiques de cette confrontation. L’objectif de ce document est de fournir une analyse comparative rigoureuse des cadres juridiques régissant cette pratique dans plusieurs juridictions clés.

L’argument central de cette analyse est que l’absence d’un consensus juridique mondial crée un paysage réglementaire fragmenté. Cette fragmentation présente des risques et des opportunités distincts pour les développeurs d’IA, qui cherchent un environnement stable pour l’innovation, et pour les titulaires de droits, qui s’efforcent de protéger leurs œuvres et leurs revenus. Les divergences entre l’approche statutaire de l’Union européenne, l’incertitude jurisprudentielle américaine, et les régimes plus restrictifs ou permissifs d’autres nations obligent les acteurs de l’écosystème à naviguer dans un environnement juridique complexe et en pleine mutation.

Cette analyse examinera successivement les différents modèles réglementaires, en commençant par l’approche structurée de l’Union européenne, qui a été la première à légiférer spécifiquement sur cette question.

Le Modèle Européen : L’Exception TDM et le Droit d’Opposition (« Opt-Out »)

L’approche de l’Union européenne revêt une importance stratégique, car elle a été la première grande juridiction à légiférer spécifiquement sur la fouille de textes et de données (TDM, ou Text and Data Mining) à grande échelle. La Directive sur le droit d’auteur dans le marché unique numérique (Directive (UE) 2019/790, dite « DSM ») a établi un cadre qui cherche à équilibrer les intérêts de l’innovation et ceux des créateurs, offrant une voie légale pour l’entraînement des modèles d’IA tout en préservant le contrôle des titulaires de droits.

L’Exception TDM et son Fonctionnement

Au cœur du dispositif européen se trouve l’Article 4 de la Directive DSM, qui instaure une exception au droit d’auteur pour la fouille de textes et de données. Cette disposition autorise la reproduction et l’extraction de données à partir d’œuvres auxquelles on a légalement accès, et ce, à n’importe quelle fin, y compris commerciale. Cependant, cette permission n’est pas absolue et est soumise à une condition principale : les titulaires de droits ne doivent pas avoir expressément réservé leurs droits. C’est le mécanisme clé de l’« opt-out » (ou droit d’opposition).

Cette opposition doit être exprimée de manière appropriée. Pour les contenus disponibles en ligne, la directive précise que cela doit se faire par des moyens lisibles par machine (machine-readable means), comme des métadonnées ou des protocoles spécifiques. Le protocole TDMRep, développé par le W3C et EDRLab, est un exemple de standard technique permettant de signaler cette opposition aux robots d’exploration des entreprises d’IA. En pratique, la responsabilité de la protection est transférée aux titulaires de droits, qui doivent activement s’opposer à l’utilisation de leurs œuvres pour l’entraînement des IA s’ils souhaitent l’interdire.

Transpositions Nationales et Impact

Les États membres ont transposé cette directive dans leur droit national, créant une base juridique harmonisée mais avec des spécificités locales.

• En France, l’Article L.122-5-3 du Code de la propriété intellectuelle intègre ce régime. La SACEM (Société des Auteurs, Compositeurs et Éditeurs de Musique) a illustré l’application concrète de ce droit en exerçant sa faculté d’opposition en octobre 2023 pour l’ensemble de son répertoire. Désormais, toute fouille de données sur ces œuvres à des fins d’entraînement d’IA nécessite une autorisation préalable.
• En Allemagne, les Sections 44b et 60d de la loi sur le droit d’auteur transposent également l’exception TDM et la réserve de droits. Une jurisprudence récente du Tribunal régional de Hambourg (Landgericht Hamburg, 27 septembre 2024) a confirmé la légalité du TDM sur des données d’images pour l’entraînement de modèles d’IA à des fins de recherche scientifique. Cette décision est notable car elle s’appuie sur la Section 60d, qui, contrairement à l’exception commerciale, ne peut être bloquée par un opt-out des titulaires de droits, offrant ainsi une protection robuste à la recherche scientifique.

Le Rôle Complémentaire de l’EU AI Act

Le cadre est complété par le Règlement sur l’intelligence artificielle (Règlement (UE) 2024/1689), ou EU AI Act. L’Article 53 de ce règlement impose des obligations de transparence strictes aux fournisseurs de modèles d’IA à usage général (GPAI). Ils sont tenus de publier un résumé suffisamment détaillé du contenu utilisé pour l’entraînement de leurs modèles. Cette mesure vise à permettre aux créateurs de vérifier si leurs œuvres ont été utilisées et si leur éventuelle opposition (opt-out) a été respectée, renforçant ainsi l’effectivité du cadre de la directive DSM.

Ce cadre « permissif par défaut » positionne l’UE comme une région compétitive pour le développement de l’IA, à condition que les développeurs mettent en œuvre des systèmes de conformité robustes pour respecter les opt-outs, plaçant ainsi une prime sur la diligence technique. Cette approche structurée contraste fortement avec le modèle américain, où la légalité de l’entraînement des IA demeure un champ de bataille judiciaire.

La Doctrine Américaine : Le « Fair Use » comme Champ de Bataille Judiciaire

Contrairement au modèle européen qui offre une voie légale statutaire via l’exception TDM, le cadre américain plonge les développeurs dans l’incertitude d’une doctrine jurisprudentielle. En l’absence d’une exception spécifique pour la fouille de textes et de données, les entreprises d’IA s’appuient sur le « fair use » (usage équitable), une défense affirmative prévue à la section 107 de la loi américaine sur le droit d’auteur (17 U.S.C. § 107). Sa nature flexible, dépendante de l’interprétation des tribunaux au cas par cas, génère une incertitude juridique considérable.

Les Quatre Facteurs du « Fair Use » Appliqués à l’IA

L’analyse du « fair use » repose sur quatre facteurs non exclusifs que les juges doivent soupeser.

1. Le but et le caractère de l’usage : La doctrine du « fair use » est invoquée par les développeurs d’IA sous l’angle de l’usage « transformatif », un argument juridique qui postule que la création d’un modèle d’IA est une finalité fondamentalement différente de celle des œuvres originales.
2. La nature de l’œuvre protégée : Ce facteur examine si l’œuvre est plus factuelle ou créative. L’utilisation d’œuvres hautement créatives, comme la musique ou la littérature, tend à peser contre une conclusion de « fair use ».
3. La quantité et la substantialité de la portion utilisée : L’entraînement des IA implique la copie intégrale de millions d’œuvres. Les partisans de l’IA avancent que cet usage est « intermédiaire » : les copies ne sont pas rendues publiques mais servent uniquement à l’entraînement. Cet argument est au cœur des litiges en cours.
4. L’effet de l’usage sur le marché potentiel de l’œuvre originale : Les titulaires de droits soutiennent que les IA génèrent des œuvres qui concurrencent directement le marché des créations originales. Cet argument constitue le défi le plus substantiel à une défense fondée sur le « fair use », car il touche directement au préjudice économique, facteur souvent prépondérant dans l’analyse judiciaire.

L’Impact de la Jurisprudence Récente

La décision de la Cour suprême dans l’affaire Andy Warhol Foundation for the Visual Arts, Inc. v. Goldsmith (2023) a potentiellement affaibli l’argument de l’usage transformatif en soulignant que le caractère commercial d’un usage pèse lourdement contre le « fair use », même si cet usage présente des aspects transformatifs.

Le Rôle Central des Litiges en Cours

L’incertitude actuelle est parfaitement illustrée par les plaintes déposées en juin 2024 par la RIAA contre les startups Suno et Udio. Les majors du disque accusent ces entreprises d’avoir entraîné leurs modèles sur des millions de chansons sans autorisation et réclament jusqu’à 150 000 dollars par œuvre violée. Le directeur juridique de la RIAA a qualifié ces cas de « simples violations du droit d’auteur », rejetant d’emblée la pertinence de la défense par le « fair use ».

Parallèlement, le U.S. Copyright Office (USCO) n’est pas passif. Il mène une étude approfondie et publie un rapport en plusieurs parties sur l’IA. La Partie 1 a recommandé une nouvelle loi fédérale pour les répliques numériques, tandis que la Partie 2 a réaffirmé que la protection par le droit d’auteur exige une paternité humaine. Cette approche sur deux fronts – détermination judiciaire pour les données d’entraînement et potentielle action législative pour les contenus générés – place les litiges actuels au centre de la définition future des règles du jeu.

Cette incertitude judiciaire crée un environnement à haut risque où les frais juridiques et les dommages potentiels sont des variables commerciales importantes, obligeant certains développeurs à rechercher des havres de sécurité législatifs ou à mener leurs activités d’entraînement dans des juridictions plus permissives.

Les Juridictions de « Fair Dealing » : Une Protection Plus Restreinte

Plusieurs pays du Commonwealth, comme le Canada et l’Australie, n’utilisent pas la doctrine du « fair use » mais celle du « fair dealing » (utilisation équitable). Bien que les noms soient similaires, le « fair dealing » est conceptuellement différent et beaucoup plus restrictif. Contrairement au « fair use » américain, qui est une défense ouverte, le « fair dealing » ne peut être invoqué que si l’usage correspond à l’une des finalités spécifiquement énumérées par la loi.

Le Cas du Canada

Au Canada, la Loi sur le droit d’auteur (R.S.C., 1985, c. C-42) ne prévoit pas d’exception pour le TDM. Les développeurs pourraient tenter de se prévaloir de deux exceptions générales : le « fair dealing » pour des finalités permises (art. 29) comme la « recherche » ou l' »éducation », ou l’exception de reproduction temporaire pour un procédé technique (art. 30.71). Bien que la Cour suprême du Canada ait donné une interprétation libérale au terme « recherche », aucun tribunal n’a encore statué sur son application à l’entraînement d’un modèle d’IA commercial. Un litige initié en novembre 2024 par plusieurs entreprises de médias canadiennes contre OpenAI servira de test important pour ce cadre juridique.

Le Cas de l’Australie

En Australie, le Copyright Act 1968 (Cth) énumère des finalités très restrictives pour le « fair dealing » (recherche ou étude, critique, etc.). Le cadre australien est structurellement hostile à l’entraînement commercial non autorisé. La jurisprudence accorde en effet un poids négatif important aux objectifs commerciaux, rendant difficile la justification d’une utilisation massive d’œuvres protégées à des fins lucratives dans ce contexte.

En conclusion, les cadres de « fair dealing » offrent une voie beaucoup plus étroite et incertaine pour la légalisation de l’entraînement des modèles d’IA que le « fair use » américain. L’exigence de correspondre à une finalité légale prédéfinie rend ces juridictions moins hospitalières pour les développeurs.

Approches Nationales Uniques : Entre Permission Explicite et Restriction Sévère

La diversité des approches réglementaires mondiales est illustrée par des cas extrêmes qui se situent aux antipodes l’un de l’autre : d’une part Singapour, avec un cadre explicitement permissif, et d’autre part la Chine, avec un régime très restrictif pour les usages commerciaux.

Singapour : L’Exception la Plus Favorable à l’IA

Singapour s’est positionné comme un leader en matière de législation pro-innovation avec son Copyright Act 2021. Ce texte introduit une exception statutaire spécifique pour l’« analyse de données par ordinateur » (computational data analysis), définie dans ses sections 243 et 244. L’Office de la Propriété Intellectuelle de Singapour (IPOS) a officiellement clarifié que cette notion inclut la fouille de textes et de données (TDM) ainsi que l’entraînement de modèles d’apprentissage machine. L’exception s’applique à condition que l’utilisateur ait un accès licite à l’œuvre et n’utilise pas les copies à d’autres fins. De manière cruciale, et à l’inverse du compromis européen, le régime de Singapour ne prévoit aucun mécanisme d’opt-out pour les titulaires de droits, offrant une certitude quasi-absolue aux développeurs.

Chine : Une Interdiction de Fait pour les Usages Commerciaux

À l’opposé du spectre, le droit d’auteur de la République Populaire de Chine ne contient aucune exception de type TDM. Les exceptions existantes sont très limitées et ne s’appliquent qu’à un usage non commercial pour l’étude personnelle ou la recherche. Ces dispositions ne peuvent en aucun cas justifier un usage commercial à grande échelle pour l’entraînement d’une IA, faisant du cadre chinois l’un des plus restrictifs pour cette activité.

Le contraste saisissant entre la permission quasi-inconditionnelle de Singapour et la restriction sévère de la Chine illustre l’absence totale d’harmonisation internationale sur ce sujet.

Synthèse Comparative et Divergences Stratégiques

Cette analyse a mis en lumière des approches juridiques profondément divergentes. La synthèse qui suit met en évidence les fractures fondamentales entre ces régimes et leurs implications stratégiques pour les acteurs de l’écosystème numérique.

Le tableau ci-dessous résume les cadres juridiques des juridictions étudiées :

Applicabilité à l’Entraînement Commercial de l’IA Conditions et Limites Clés
Union Européenne Exception TDM (Art. 4, Directive DSM) Oui, par défaut Le titulaire des droits peut s’y opposer (« opt-out »), y compris par des moyens lisibles par machine.
États-Unis Doctrine du « Fair Use » (17 U.S.C. § 107) Incertaine Dépend de l’analyse au cas par cas des quatre facteurs ; actuellement au cœur de litiges majeurs.
Canada « Fair Dealing » (Art. 29, Loi sur le droit d’auteur) Très incertaine L’usage doit correspondre à une finalité permise (ex: « recherche »). Portée plus restreinte que le « fair use ».
Australie « Fair Dealing » (Ss 40-42, Copyright Act 1968) Peu probable Finalités très restrictives et le caractère commercial est un facteur négatif important.
Singapour Exception pour « Analyse de données par ordinateur » Oui L’accès à l’œuvre doit être licite. Cadre très permissif.
Chine Exceptions limitées Non Les exceptions existantes sont limitées à l’usage personnel et non commercial.

Analyse des Lignes de Fracture

L’analyse de ces régimes révèle deux lignes de fracture principales :

• Certitude Statutaire vs. Incertitude Judiciaire : Cette divergence a un impact direct sur la stratégie d’investissement et d’innovation. La certitude statutaire dans l’UE et à Singapour abaisse la barrière à l’entrée et le risque juridique pour les startups. À l’inverse, le coût élevé et l’imprévisibilité des litiges aux États-Unis, au Canada et en Australie favorisent les grands acteurs bien capitalisés, mieux à même d’absorber les chocs juridiques.
• Régimes Permissifs vs. Régimes Restrictifs : Cette fracture crée des incitations claires à l’arbitrage réglementaire. Les entreprises d’IA peuvent choisir de concentrer leurs activités de R&D et d’entraînement de données dans des « havres de sécurité » permissifs comme Singapour, tout en adoptant des approches plus prudentes, basées sur des contenus sous licence, pour les produits déployés sur des marchés restrictifs comme la Chine.

Ces divergences profondes créent un environnement complexe pour les entreprises d’IA qui déploient leurs services à l’échelle mondiale, les obligeant à adopter des stratégies de conformité différenciées.

Conclusion : Naviguer dans un Paysage Juridique en Pleine Évolution

Cette analyse comparative a démontré que le cadre juridique mondial encadrant l’entraînement des modèles d’intelligence artificielle sur des données protégées est profondément fragmenté et en pleine mutation. D’un régime statutaire clair mais exigeant une action des titulaires de droits en Europe, à une incertitude jurisprudentielle à haut risque aux États-Unis, il n’existe aujourd’hui aucune norme internationale unifiée.

Les développements futurs seront décisifs. Les batailles juridiques majeures en cours aux États-Unis façonneront l’interprétation de la doctrine du « fair use » pour les décennies à venir. Parallèlement, la mise en œuvre de l’AI Act en Europe testera l’efficacité de son modèle de transparence et de son mécanisme d’opt-out.

Pour les professionnels du droit, de la technologie et des politiques publiques, la compréhension de ces nuances juridictionnelles n’est pas un simple exercice académique ; c’est une nécessité stratégique fondamentale pour conseiller les acteurs de l’écosystème, qu’il s’agisse de protéger la propriété intellectuelle ou de développer de nouvelles technologies.

Finalement, pour une entreprise d’IA mondiale, cette mosaïque juridique n’est pas un défaut mais une caractéristique du paysage géopolitique actuel. Une stratégie de propriété intellectuelle globale et robuste doit donc être décentralisée, en incorporant des protocoles de conformité spécifiques à chaque juridiction pour l’ingestion de données, en établissant des liens juridiques dans des régimes favorables comme Singapour pour les activités d’entraînement principales, et en se préparant à des litiges comme un coût opérationnel standard sur des marchés comme les États-Unis. Naviguer dans cette complexité est le nouveau critère de l’avantage concurrentiel dans le secteur de l’IA générative.