Position de Wikimedia sur le droit d’auteur et l’IA : protéger l’entraînement sans excuser les réponses copiées
La Wikimedia Foundation demande à une cour fédérale de protéger l’entraînement de l’IA tout en rejetant une protection générale pour les chatbots qui reproduisent des contenus protégés par le droit d’auteur. Sa position sur le droit d’auteur et l’IA place l’opérateur de Wikipedia entre les entreprises technologiques qui souhaitent disposer d’une marge de manœuvre pour développer des modèles et les éditeurs qui cherchent à garder le contrôle sur leurs œuvres. La fondation soutient que chacun de ces extrêmes menace les sources d’information dont Wikipedia a besoin.
Dans une annonce du 30 octobre, Wikimedia a décrit son intervention dans un contentieux consolidé relatif au droit d’auteur impliquant OpenAI et Microsoft à New York. Elle souhaite que les tribunaux distinguent l’entraînement d’un grand modèle de langage, un système entraîné à générer du langage, de la récupération et de la reproduction de contenus pour les utilisateurs. Cette distinction remet en cause l’idée qu’une seule réponse devrait régir tout ce qu’un service d’IA fait avec des textes protégés par le droit d’auteur.
Le conflit dépasse OpenAI et The New York Times. Wikipedia a besoin de technologies utiles, mais ses rédacteurs ont également besoin de reportages fiables et d’autres sources produites de manière indépendante. La position de la fondation considère ces besoins comme liés. Protéger le développement des modèles tout en affaiblissant les personnes qui produisent le savoir reviendrait à défendre les outils au détriment de leur matière première.
Les arguments de Wikimedia sur le droit d’auteur et l’IA distinguent l’entraînement de la récupération
Wikimedia demande à la cour d’évaluer séparément les différents usages de contenus protégés par le droit d’auteur.
L’annonce de son dépôt sur le droit d’auteur décrit un mémoire d’amicus curiae, une soumission présentant le point de vue d’une partie extérieure. Le litige est examiné par le tribunal fédéral du district sud de New York et regroupe des affaires contre OpenAI, dont le différend impliquant The New York Times.
Wikimedia soutient que l’entraînement mérite la protection de l’usage équitable lorsqu’il produit un modèle ayant un objectif différent des œuvres originales. L’usage équitable permet certains usages de contenus protégés sans autorisation. La fondation tire une conclusion différente concernant les systèmes qui récupèrent des contenus protégés et les reproduisent dans leurs réponses, estimant que ces usages devraient respecter les licences applicables.
Il s’agit d’un argument présenté à une cour, et non d’une décision judiciaire. Wikimedia n’a pas établi de nouvelle exception pour l’entraînement ni de nouvelle règle régissant les réponses des chatbots. Son intervention demande au juge de préserver une distinction que la fondation considère comme essentielle au savoir ouvert.
Cette distinction est importante parce qu’un service d’IA peut utiliser des écrits à différents moments. Le contenu utilisé pendant le développement d’un modèle remplit une fonction immédiate différente de celle d’un article récupéré pour répondre à une question actuelle. Un utilisateur ne voit qu’une interface unique, mais cette interface peut dissimuler plusieurs usages distincts du travail d’autrui.
Prenons une demande illustrative concernant une affaire judiciaire en évolution. Un modèle pourrait générer une explication à partir de schémas appris lors de son entraînement. Un service connecté pourrait à l’inverse récupérer un reportage récent et en utiliser des passages pour construire une réponse. Les réponses obtenues peuvent sembler similaires tout en soulevant des questions différentes de copie, d’autorisation et de substitution.
L’approche de Wikimedia place ces actions sous-jacentes au centre de l’analyse. Qualifier l’ensemble du processus d’« IA » ne permet guère d’établir ce qui est arrivé à un article donné. Les questions pertinentes portent sur le contenu entré dans le système, la raison de son entrée et ce que le service a finalement livré.
Cela limite également l’ampleur avec laquelle les lecteurs devraient interpréter cette actualité. Le soutien à certains usages d’entraînement n’établit pas une autorisation pour chaque jeu de données ou chaque méthode de collecte. L’opposition à la récupération substitutive n’établit pas non plus que toute réponse contenant des informations récupérées enfreint le droit d’auteur.
L’importance du dépôt réside dans le choix qu’il présente. Les tribunaux peuvent examiner les actes réalisés au sein d’un système d’IA plutôt que d’accorder ou de refuser une protection au système dans son ensemble. Pour l’opérateur de Wikipedia, cela offre une manière de soutenir un développement utile sans abandonner les conditions qui permettent aux sources de rester disponibles.
Wikipedia dépend à la fois d’une IA utile et de sources qui perdurent
L’intérêt de Wikipedia s’étend à la production continue de savoir, et pas seulement à l’accès aux textes existants.
Une encyclopédie peut diffuser librement l’information tout en dépendant d’organisations qui fonctionnent selon des modèles économiques différents. Ses rédacteurs ont besoin de reportages, de travaux universitaires et d’autres publications fiables pour établir ce qui doit figurer dans un article. Le libre accès à l’encyclopédie n’élimine pas les efforts nécessaires à la production de ces sources sous-jacentes.
Cela crée une tension pratique pour Wikimedia. Une règle restrictive sur l’entraînement pourrait compliquer le développement d’outils qui aident les contributeurs. Une règle excessivement permissive concernant la reproduction de contenus sources pourrait affaiblir les publications que ces contributeurs consultent. Aucun de ces résultats ne fait automatiquement progresser la mission de l’encyclopédie.
La précédente stratégie d’IA centrée sur les humains de Wikimedia aide à comprendre pourquoi elle défend une marge de manœuvre pour le développement de l’IA. Annoncée en avril 2025, cette stratégie privilégie l’accompagnement des bénévoles plutôt que le remplacement de leur jugement. Ses domaines déclarés incluent les flux de travail de modération, la découverte d’informations, la traduction et l’intégration des nouveaux arrivants.
Il s’agit de besoins éditoriaux concrets plutôt que d’une promesse d’automatiser une encyclopédie. Un contributeur confronté à des tâches de maintenance répétitives n’a pas les mêmes exigences qu’un service qui vend des réponses finalisées. Une assistance qui libère de l’attention pour l’évaluation des sources sert un objectif différent d’un produit qui supprime la nécessité de consulter une source.
La stratégie ne prouve toutefois pas qu’une pratique commerciale d’entraînement particulière soit nécessaire pour obtenir ces bénéfices. Les outils privilégiés par Wikimedia et la conduite contestée d’OpenAI sont des sujets distincts. La préoccupation plus large de la fondation est qu’une règle juridique globale pourrait affecter des développements socialement utiles aux côtés des produits des défendeurs.
L’entraînement IA de Wikipedia est donc lié à un problème de dépendance plus vaste. Les outils peuvent aider les personnes à traiter le savoir, mais ils ne peuvent garantir que de nouveaux contenus fiables continueront d’apparaître. Une interface efficace devient moins utile si les reportages qui sous-tendent ses réponses deviennent plus difficiles à trouver ou cessent d’être produits.
Imaginons un rédacteur mettant à jour une entrée après qu’une entreprise a modifié une politique. L’explication assurée d’un chatbot n’est pas interchangeable avec une annonce traçable ou un récit rapporté de manière indépendante. Le rédacteur a besoin de preuves pouvant être vérifiées, interprétées et citées par d’autres contributeurs.
La même préoccupation s’applique aux travailleurs du savoir qui construisent une base de connaissances personnelle. Des résumés pratiques facilitent la découverte, mais les documents sous-jacents restent essentiels lorsqu’une affirmation doit être vérifiée. L’accès à une réponse et l’accès à ses preuves servent des objectifs différents.
L’avertissement de Wikimedia se comprend mieux comme une préoccupation concernant cette relation. Il ne suffit pas qu’un système d’IA fournisse aujourd’hui des informations plausibles. Le web environnant doit continuer à soutenir les personnes et les institutions capables de produire demain des informations fiables.
La question de savoir si certaines fonctionnalités de chatbot menacent cette relation exige des preuves. Le dépôt relève les enjeux de l’examen sans en trancher l’issue. Il demande à la cour de considérer ce qui se passe au-delà de la transaction immédiate entre un développeur de modèle et un titulaire de droits d’auteur.
Les licences ouvertes rendent la réutilisation possible sans supprimer les conditions
Un contenu librement disponible peut être assorti de conditions de réutilisation opposables.
Le texte de Wikipedia illustre pourquoi « ouvert » ne peut pas simplement signifier « disponible à n’importe quelle fin, sans condition ». La licence concernée autorise la réutilisation du contenu tout en préservant les obligations attachées à cette autorisation. Ces obligations font partie de l’accord qui rend possible un partage à grande échelle.
La licence Attribution-ShareAlike autorise le partage et l’adaptation, y compris la réutilisation commerciale, sous réserve de ses conditions. L’attribution requiert un crédit approprié et des informations associées. ShareAlike exige que les adaptations admissibles utilisent la même licence ou une licence compatible lorsqu’elles sont partagées.
Ces conditions ne signifient pas que tout produit d’IA utilisant Wikipedia doit publier l’ensemble de son système logiciel sous la licence de l’encyclopédie. Les obligations dépendent du contenu et de l’usage. De même, toute affirmation factuelle tirée d’un article ne devient pas nécessairement une adaptation de sa formulation.
La licence reconnaît également que des exceptions et limitations peuvent s’appliquer indépendamment. Si un usage relève d’une exception légale, l’utilisateur n’a pas besoin de l’autorisation de la licence pour cet usage. C’est pourquoi le litige sur l’usage équitable est important même lorsque le contenu porte déjà une licence ouverte.
Wikimedia souhaite que les tribunaux distinguent les usages qui sont indépendamment admissibles de ceux qui devraient respecter les conditions de licence. Sa position laisse une place à l’entraînement tout en s’opposant à l’hypothèse selon laquelle une interface de chatbot annule les obligations attachées aux contenus récupérés. Il s’agit d’un argument plus limité qu’une demande d’autorisation pour chaque interaction avec le savoir.
L’attribution remplit aussi une fonction pratique qui dépasse la reconnaissance de la paternité. Elle permet à un lecteur d’examiner le contexte, d’évaluer les preuves et de découvrir les corrections. Supprimer ce chemin peut rendre une réponse plus difficile à évaluer, même lorsque sa formulation immédiate paraît exacte.
Un lien seul, toutefois, ne résout pas toutes les questions de licence ou de droit d’auteur. Le crédit, les informations de licence, les avis de modification et les obligations ShareAlike peuvent soulever des questions distinctes. Le fait qu’une interface inclue des citations n’établit pas que chaque usage qui se cache derrière elle respecte les exigences applicables.
À l’inverse, une citation imparfaite n’établit pas automatiquement une plainte complète pour atteinte au droit d’auteur. Le contenu protégé, la nature de la copie et toute défense applicable demeurent importants. La conception d’une interface apporte des éléments sur le fonctionnement d’un service, mais elle ne peut se substituer à l’analyse juridique.
Pour les lecteurs qui cherchent une explication de l’usage équitable selon Wikimedia, voici la distinction essentielle : l’autorisation au titre d’une licence et l’autorisation au titre d’une exception légale sont deux voies différentes. La proposition de Wikimedia demande aux tribunaux d’identifier quelle voie s’applique à chaque usage contesté, plutôt que de traiter l’accès comme une autorisation universelle.
L’implication plus large est que l’édition ouverte dépend de règles de participation durables. Les contributeurs peuvent accueillir favorablement la réutilisation tout en attendant des autres qu’ils respectent les conditions qui la rendent possible. Si l’ouverture signifie systématiquement la perte de ces conditions, les éditeurs ont moins de raisons de rendre leur travail librement réutilisable.
Les éditeurs contestent l’exemption d’entraînement elle-même
La position médiane de Wikimedia laisse sans réponse un désaccord majeur : l’entraînement lui-même exploite-t-il injustement des œuvres protégées ?
L’Association of American Publishers et d’autres organisations du secteur de l’édition ont annoncé un mémoire amicus de publishers le 29 octobre. Elles soutiennent les auteurs, éditeurs et éditeurs de presse plaignants dans le contentieux consolidé. Leur intervention montre que le différend ne se limite pas au comportement des chatbots finalisés.
Pour les titulaires de droits d’auteur, une règle protégeant l’entraînement peut supprimer leur contrôle au moment où des contenus de valeur entrent dans un processus de développement commercial. De meilleures citations dans les réponses ultérieures ne répondraient pas nécessairement à cette objection. Un éditeur peut reconnaître l’importance de l’attribution tout en contestant la légalité de la copie antérieure.
C’est le principal point de tension de la proposition de Wikimedia. La séparation des étapes pose une question plus claire, mais cette clarté ne dicte pas quelle partie devrait l’emporter. Le tribunal doit toujours évaluer les faits et arguments pertinents à chaque étape.
Une perspective opposée vient de Public Knowledge. Sa déclaration du 30 octobre décrit un mémoire soutenant la position d’OpenAI sur le fair use et appelant à traiter séparément l’entraînement, l’acquisition de données et les résultats. L’argument de l’organisation en faveur du fair use pour l’entraînement rejoint l’insistance de Wikimedia sur l’examen d’activités distinctes.
Ce recoupement ne doit pas effacer la différence entre leurs interventions. Public Knowledge a annoncé son soutien à la requête d’OpenAI sur le fondement du fair use. Wikimedia a présenté sa position autour de la protection du savoir ouvert et du respect des licences dans les usages de récupération. Un accord sur la séparation analytique ne démontre pas un accord sur chaque pratique contestée.
Cela offre une cartographie plus utile qu’une simple opposition entre technologie et édition. Certains défenseurs souhaitent que les tribunaux distinguent les étapes tout en tirant des conclusions différentes à leur sujet. D’autres s’opposent à une large exemption pour l’entraînement, estimant que la copie et ses conséquences économiques méritent un examen plus attentif.
OpenAI et Microsoft subissent des pressions pour justifier des usages précis plutôt que de s’appuyer uniquement sur l’utilité de leurs produits. Les éditeurs subissent des pressions pour expliquer les préjudices et les droits concernés par des pratiques particulières. Wikimedia fait face à un défi différent : démontrer que la limite qu’elle propose protège à la fois les outils utiles et les sources qui les alimentent.
La comparaison révèle également le problème consistant à traiter toutes les applications d’IA comme équivalentes. Un outil qui aide un éditeur à vérifier un contenu et un service qui offre une expérience de lecture de substitution peuvent entretenir des relations différentes avec une source. Une même architecture générale de modèle ne rend pas ces relations identiques.
Pourtant, une application socialement utile ne peut établir la légalité de toutes les pratiques en amont. De même, une application concurrente sur le plan commercial ne démontre pas que chaque acte d’entraînement produit le même effet. Chaque partie renforce sa rhétorique en choisissant des exemples favorables, ce qui rend des éléments de preuve précis particulièrement importants.
Le désaccord central subsiste donc après l’intervention de Wikimedia. Sa proposition offre au tribunal un cadre pour éviter une réponse tout ou rien. Elle ne supprime pas la nécessité de décider si des usages particuliers d’entraînement et de récupération satisfont aux exigences de la loi.
La limite sera plus difficile à appliquer qu’à décrire
L’entraînement et la récupération sont des catégories utiles, mais aucune ne détermine à elle seule la légalité.
Les facteurs du fair use de l’U.S. Copyright Office couvrent l’objectif, la nature de l’œuvre, la quantité utilisée et les effets sur le marché. Les tribunaux évaluent ces considérations selon le contexte. Il n’existe aucun nombre universel de mots ni pourcentage de copie garantissant une protection.
Ce cadre impose une limite immédiate aux interprétations radicales de la position de Wikimedia. Un système n’établit pas le fair use en qualifiant simplement une opération d’« entraînement ». Un titulaire de droits ne réfute pas le fair use en qualifiant simplement une opération de « récupération ». La description doit être liée à ce qui s’est réellement produit.
La génération augmentée par récupération, ou RAG, fournit au modèle des contenus récupérés pendant qu’il prépare une réponse. Ce processus peut servir des produits très différents. Une mise en œuvre peut orienter les lecteurs vers des documents sources. Une autre peut reproduire suffisamment d’expression protégée pour satisfaire la demande à laquelle répondent ces documents.
Ces exemples illustrent des différences entre produits, plutôt que des conclusions concernant un quelconque défendeur. Leur intérêt est de montrer qu’une étiquette technologique ne peut trancher le différend. Les tribunaux et les développeurs ont besoin d’éléments de preuve sur les contenus sources, leur traitement et le service qui en résulte.
L’entraînement pose son propre problème de délimitation. La mémorisation signifie qu’un modèle peut reproduire des contenus d’entraînement particuliers, plutôt que de générer seulement un langage globalement similaire. Cette possibilité complique toute affirmation selon laquelle la suppression de la récupération en direct élimine nécessairement le risque de production de contenu copié.
Une défense fondée sur l’entraînement et une défense fondée sur les résultats répondent donc à des questions différentes. Même une décision favorable concernant le développement ne réglerait pas automatiquement chaque plainte relative à une réponse. À l’inverse, une réponse problématique n’expliquerait pas à elle seule le statut juridique de chaque œuvre utilisée lors du développement.
La substitution est également difficile à évaluer. Une réponse peut évoquer les mêmes faits qu’un article de presse sans copier son expression protégée. Une réponse peut aussi raccourcir une œuvre tout en conservant des éléments essentiels à sa valeur. La longueur seule ne peut saisir cette différence.
Pour les travailleurs du savoir, cette incertitude apparaît sous la forme d’un problème familier de vérification. Une réponse concise peut omettre des réserves, des méthodes de reportage ou des corrections ultérieures. Même lorsque la question du droit d’auteur reste non résolue, ces omissions peuvent rendre la réponse moins utile pour des décisions importantes.
Pour les développeurs, l’implication analytique est que les éléments de preuve devraient suivre le véritable flux de travail. Une présentation claire de la sélection des sources, des passages récupérés, de la génération de réponses et de l’attribution faciliterait l’examen de la distinction proposée. Une assurance générale selon laquelle un produit « utilise l’IA de manière responsable » en révélerait bien moins.
Les arguments de Wikimedia sur le droit d’auteur et l’IA comportent aussi le risque de simplifier excessivement le remède. Le respect des licences peut encadrer certains usages, mais différentes œuvres sont soumises à différentes autorisations. Le modèle de licence de Wikipedia ne peut pas être simplement transposé au journalisme propriétaire, aux livres ou à chaque document récupéré sur le web.
La distinction établie par la fondation est donc un cadre de départ, et non une formule universelle de conformité. Sa contribution la plus forte consiste à résister aux conclusions catégoriques. Sa tâche la plus difficile est de montrer comment cette limite devrait fonctionner lorsque le comportement du modèle, l’accès aux sources et les réponses destinées aux utilisateurs se chevauchent.
Surveillez le raisonnement du tribunal, les preuves liées aux produits et la réponse des sources
Les prochains signaux utiles porteront sur le fonctionnement de la limite, plutôt que sur la partie qui revendique une victoire générale.
Premièrement, surveillez si le raisonnement du tribunal distingue le développement du modèle de la récupération et des résultats. La question pertinente est plus précise que de savoir si « l’entraînement de l’IA l’emporte ». Une décision peut résoudre une question particulière tout en laissant ouvertes d’autres conduites, contestations factuelles ou théories juridiques.
Une analyse propre à chaque usage renforcerait le cadre proposé par Wikimedia, même si le tribunal rejetait certains aspects de l’issue qu’elle privilégie. Une conclusion générale nécessiterait une lecture attentive afin d’en établir la portée réelle. Les titres annonçant une autorisation globale ou une interdiction globale devraient être confrontés à la décision elle-même.
Aucune date de décision vérifiée ne permet d’établir que ces questions seront résolues au cours des prochains mois. Le signal immédiat réside dans la manière dont le tribunal traite les arguments et les éléments de preuve. Une évolution procédurale ne doit pas être confondue avec une réponse définitive sur la légalité de chaque service d’IA.
Deuxièmement, surveillez les preuves liées aux produits montrant comment un contenu récupéré devient une réponse. Les détails pertinents incluent ce que le service obtient, ce qu’il reproduit et la manière dont il présente la source. Ces faits aideraient à distinguer la découverte de sources d’une expérience de lecture de substitution.
Les changements apportés aux citations ou aux pratiques de licence compteraient également, mais leur importance dépendrait de leur mise en œuvre. Un lien visible vers la source peut améliorer la vérification sans résoudre chaque question de copie. Un accord de licence peut autoriser les usages couverts sans établir de règle pour les contenus extérieurs à cet accord.
C’est là que le débat devient concret pour les utilisateurs d’IA. Un service qui aide quelqu’un à examiner un document crée une expérience différente de celle d’un service qui rend cet examen difficile. Cette distinction compte pour la confiance avant même qu’un tribunal ne décide de la manière dont le droit d’auteur s’applique.
Troisièmement, surveillez la réaction des éditeurs et des organisations de savoir ouvert. Des conditions de réutilisation plus claires, des accords d’accès autorisé ou des restrictions sur la collecte automatisée révéleraient comment les fournisseurs de sources perçoivent les choix disponibles. Ces réponses ne prouveraient pas indépendamment une contrefaçon, mais elles façonneraient l’accès aux contenus futurs.
Pour l’entraînement de l’IA sur Wikipedia, le résultat utile préserverait une marge de manœuvre pour les outils bénéfiques tout en maintenant des sources fiables à la disposition des éditeurs. C’est une exigence élevée. Elle suppose d’examiner à la fois les capacités technologiques et les conditions dans lesquelles les personnes continuent de produire des connaissances.
Au cours des prochains mois, évaluez les annonces relatives au droit d’auteur à l’aune de ces questions pratiques. Une décision explique-t-elle quel usage elle protège ? Une modification de produit facilite-t-elle l’examen de la source ? Un accord de licence clarifie-t-il les droits en jeu ? Ces signaux apportent davantage d’informations qu’une déclaration selon laquelle un secteur aurait vaincu un autre.
Avant de vous fier à la prochaine explication d’un chatbot, remontez de ses preuves jusqu’aux contenus sous-jacents. Vérifiez si la réponse préserve les nuances de la source et si un récit plus récent modifie la situation. Lisez les prochaines évolutions concernant Wikimedia, l’IA et le droit d’auteur avec la même rigueur. Demandez-vous quel acte le tribunal a examiné, quels droits étaient en cause et ce qui restait indécis. La fondation a proposé une limite entre permettre des modèles utiles et excuser une copie de substitution. La capacité de cette limite à protéger le web ouvert dépendra du raisonnement adopté par les tribunaux et des comportements rendus possibles par les produits. Le service peut-il vous aider à comprendre la source tout en maintenant l’intérêt de produire cette source ?
