Le DOJ défend le fair use pour l’entraînement des IA

Dans le litige opposant The New York Times à OpenAI et Microsoft, le Département de la Justice américain soutient que l’entraînement de modèles sur des œuvres protégées peut relever de l’usage équitable. Cette position s’oppose à celle du Bureau des droits d’auteur, qui défend une approche plus restrictive, et place l’analyse au cas par cas au centre du débat.

Le DOJ réfute l’autorité du rapport du Bureau des droits d’auteur

Le Département de la Justice affirme que l’évaluation rédigée par l’ancienne registre Shira Perlmutter n’a aucune force juridique contraignante et qu’elle a ignoré la jurisprudence imposant une appréciation au cas par cas des usages et des préjudices de marché. Dans son dépôt, il insiste sur le fait que l’analyse de l’usage équitable dépend des faits précis de chaque affaire et considère problématique, et juridiquement incorrect, toute responsabilité générale qui rendrait l’entraînement des modèles d’IA interdit sans licence. Le Bureau des droits d’auteur défend au contraire, dans un rapport, que l’IA opère avec des copies parfaites et à une vitesse et une échelle supérieures à la création humaine, et que des applications commerciales entrant en concurrence avec des œuvres existantes excèdent le périmètre du fair use. Shira Perlmutter conteste son licenciement, intervenu peu après la publication de son rapport, selon une note du DOJ. Le démocrate Joe Morelle affirme que ce congédiement faisait suite à son refus de légitimer l’entraînement sur œuvres protégées, une position qu’il attribue à un allié de Donald Trump, Elon Musk.

Usage équitable et entraînement : la ligne défendue par la Justice

Le Département de la Justice expose que la copie réalisée pendant l’entraînement n’équivaut pas à la sortie fournie par le modèle et ne constitue pas, en soi, une violation du droit d’auteur. Il met en garde contre les théories de préjudice qui confondent ces deux étapes et affirme que les textes copiés pour l’apprentissage ne sont pas rendus publics, tandis que les sorties manquent souvent de similarité substantielle avec les originaux. Le ministère fait également valoir la valeur créative et sociale des grands modèles de langage et soutient que faire peser une responsabilité sur l’entraînement étoufferait la créativité protégée par le droit d’auteur. Il indique que des humains produisent des œuvres originales en s’appuyant sur des LLM.

Analogies et jurisprudence invoquées par la Justice

Pour illustrer son raisonnement, la Justice évoque Joan Didion, qui, adolescente, copiait des textes d’Hemingway afin d’en comprendre la mécanique. En prenant appui sur la logique d’un jugement Kadrey, elle soutient que considérer l’apprentissage et la publication ultérieure comme une seule et même utilisation entraînerait des responsabilités qui ne seraient pas justifiées. La Justice mentionne également une décision antérieure qui estime qu’il serait inconcevable d’imposer un paiement au motif qu’un auteur utilise un livre pour créer une œuvre nouvelle de façon inédite.

Le cadre du litige : la plainte du New York Times

The New York Times a assigné OpenAI et Microsoft fin 2023 devant un tribunal fédéral à Manhattan, leur reprochant d’avoir utilisé sans autorisation des millions d’articles pour entraîner des modèles comme GPT-4 et pour développer des produits concurrents au journal en tant que source d’information. Le quotidien réclame des milliards de dollars de dommages et la destruction des modèles entraînés sur ses contenus. Le dossier a évolué depuis et est largement perçu comme un test de la manière dont les juridictions aborderont les rapports entre droit d’auteur et entraînement de l’IA.

L’échelle en débat et l’usage des LLM dans les rédactions

Le Bureau des droits d’auteur a mis en avant l’écart d’échelle entre l’apprentissage réalisé par un auteur isolé et l’exploitation par des entreprises de plusieurs milliards de dollars pour des produits grand public concurrents. Il est également mentionné que des rédacteurs du New York Times utiliseraient des LLM pour rédiger et éditer des articles, bien qu’une source citée soutienne essentiellement la thèse opposée.