Données d’entraînement

Les données d’entraînement désignent l’ensemble des textes, images, sons, codes ou mesures à partir desquels un modèle d’intelligence artificielle ajuste ses paramètres. Leur collecte et leur exploitation mettent en jeu plusieurs droits de propriété intellectuelle à la fois : le droit d’auteur sur les contenus reproduits, le droit sui generis du producteur de bases de données, le secret des affaires et, le cas échéant, les droits voisins. Le cadre principal résulte de l’exception de fouille de textes et de données prévue par l’article L. 122-5-3 du code de la propriété intellectuelle, issu de la directive (UE) 2019/790, et des obligations de transparence imposées aux fournisseurs de modèles par le règlement (UE) 2024/1689.

La reproduction des contenus protégés

La constitution d’un corpus d’entraînement suppose la copie des contenus, ce qui relève du droit de reproduction de l’auteur ou du titulaire de droits voisins. Cette copie n’est licite que si elle entre dans le champ de la fouille de textes et de données, qui permet la reproduction de contenus licitement accessibles à des fins d’analyse automatisée. L’exception à finalité de recherche scientifique est impérative, tandis que l’exception générale cède devant l’opposition exprimée par le titulaire, notamment par des procédés lisibles par machine pour les contenus mis en ligne.

Les bases de données et le secret

Lorsque les données sont extraites d’une base structurée, l’opération peut constituer une extraction substantielle au sens du droit du producteur de bases de données, qui s’ajoute au droit d’auteur et obéit à ses propres exceptions. Les jeux de données constitués par une entreprise, leur sélection, leur annotation et leur nettoyage peuvent eux-mêmes être protégés comme bases de données ou comme secret des affaires, à condition que des mesures de protection raisonnables aient été prises.

La transparence imposée aux fournisseurs de modèles

Le règlement sur l’intelligence artificielle impose aux fournisseurs de modèles à usage général de mettre en place une politique de respect du droit d’auteur, incluant l’identification et le respect des réserves exprimées par les titulaires, et de publier un résumé suffisamment détaillé des contenus utilisés pour l’entraînement. Ces obligations ne créent pas de droit nouveau au profit des auteurs, mais elles facilitent la preuve de l’utilisation d’une œuvre et ouvrent la voie à des actions en contrefaçon de droit d’auteur ou à des négociations de licence.

L’essentiel

L’entraînement d’un modèle repose sur des reproductions massives qui ne sont licites que dans le cadre de l’exception de fouille de textes et de données ou d’une licence. Les titulaires qui souhaitent s’opposer à l’usage de leurs contenus doivent exprimer leur réserve de manière lisible par machine et la documenter. Les développeurs doivent tracer l’origine de chaque jeu de données, vérifier les réserves, conserver la preuve de l’accès licite et anticiper les obligations de transparence qui leur permettront de justifier leur politique en cas de réclamation.

---

Cette entrée du lexique a une portée générale et ne vaut pas consultation.

Dhenne Avocats est un cabinet de contentieux des brevets. Les matières qui n’en relèvent pas, marques, dessins et modèles, droit d’auteur, contrats informatiques, sont conduites par des praticiens avec lesquels le cabinet travaille régulièrement, et par le cabinet lui-même lorsqu’elles se greffent sur un litige de brevet.

Avocat en propriété intellectuelle · Nous exposer la situation