Propriété intellectuelle des outputs

Pourquoi cette question déborde la simple curiosité juridique

Une équipe marketing génère une série de visuels pour une campagne. Un développeur intègre un bloc de code produit par un assistant IAintelligence artificielleIAEnsemble des techniques permettant à un programme d'accomplir une tâche qui demanderait de l'intelligence humaine. Le terme couvre aussi bien les systèmes à règles écrites que ceux qui apprennent de données.Voir dans le glossaire dans un produit commercial. Un cabinet de conseil publie une note rédigée à 80 % par un modèle de langagegrand modèle de langageIAModèle entraîné à prédire le token suivant d'une séquence de texte. Toutes ses capacités apparentes — résumer, traduire, coder — découlent de cette unique tâche.Voir dans le glossaire. Dans les trois cas, une question reste souvent sans réponse au moment de la publication : à qui appartient ce contenu, et l'entreprise a-t-elle le droit de le diffuser sans risque ?

Ce chapitre traite la propriété intellectuelle des outputs générés sous deux angles distincts, qu'il faut se garder de confondre. Le premier est la protection : le contenu que vous générez peut-il être revendiqué comme une œuvre vous appartenant, opposable à un concurrent qui le copierait ? Le second est l'exposition : ce contenu peut-il, à l'inverse, constituer une contrefaçon d'une œuvre tierce, engageant votre responsabilité au moment où vous le publiez ou le commercialisez ? Un même contenu généré peut cumuler les deux problèmes : n'être protégeable par aucun droit d'auteur, tout en exposant son utilisateur à une action en contrefaçon.

« Puis-je protéger ce que l'IA a généré pour moi ? » et « Ai-je le droit de publier ce que l'IA a généré ? » sont deux questions juridiquement indépendantes. Répondre oui à la seconde ne dit rien sur la première, et inversement.

Le contenu généré peut-il être protégé par le droit d'auteur ?

L'exigence d'originalité en droit français et européen

Le droit d'auteur français protège une œuvre à condition qu'elle porte l'empreinte de la personnalité de son auteur — une formule constante de la jurisprudence de la Cour de cassation, reprise dans la plupart des droits continentaux européens. Cette empreinte suppose des choix libres et créatifs, exercés par une personne physique. Un modèle génératif, aussi sophistiqué soit-il, n'est pas un sujet de droit et ne peut donc pas être qualifié d'auteur au sens du Code de la propriété intellectuelle.

La conséquence pratique est directe : un contenu produit par un promptpromptIAConsigne ou contexte fourni à un modèle de langage pour orienter sa réponse. La qualité du prompt conditionne souvent la qualité du résultat.Voir dans le glossaire minimal, sans reformulation ni sélection critique de la part de l'utilisateur, a de fortes chances de ne pas être protégeable. Ni le modèle (qui n'est pas une personne), ni l'utilisateur (qui n'a pas exercé de choix créatif suffisant) ne peuvent alors revendiquer un droit d'auteur opposable.

Ce constat évolue lorsque l'humain intervient de façon substantielle : sélection parmi plusieurs générations, retouche approfondie, assemblage d'éléments générés dans une composition originale, direction artistique précise imposée par un prompt élaboré et itératif. L'intervention humaine transforme alors le statut du contenu final, sans qu'il existe à ce jour de seuil chiffré ou de test légal unique en droit français : l'appréciation reste casuistique, au cas par cas, par les juges. Il n'existe d'ailleurs aucune procédure d'enregistrement du droit d'auteur en France, contrairement au dépôt de marque à l'INPI : la protection naît de la création elle-même, sous réserve d'originalité, et personne ne délivre de certificat garantissant a priori qu'un contenu généré par IA est protégeable — la question ne se règle, en pratique, qu'a posteriori, souvent devant un juge.

La position américaine : une jurisprudence plus explicite

Le U.S. Copyright Office a pris une position plus formalisée que ses homologues européens. Depuis 2023, il refuse d'enregistrer un contenu entièrement généré par une IA sans apport humain créatif identifiable, considérant que l'exigence constitutionnelle d'« auteur » suppose une personne physique. Plusieurs décisions ont confirmé ce principe, notamment dans des affaires où des demandeurs cherchaient à faire reconnaître une IA elle-même comme auteur — refusé systématiquement — ou à protéger une œuvre composite mêlant éléments générés et apport humain, où seule la part humaine identifiable a été jugée protégeable.

Cette position a une conséquence commerciale concrète pour toute entreprise opérant sur le marché américain : un visuel ou un texte généré sans retouche substantielle peut être repris par un concurrent sans recours possible, faute de droit d'auteur à faire valoir.

Un point commun, malgré des cadres différents

Malgré des textes distincts, les approches française, européenne et américaine convergent : l'intervention humaine créative reste la condition de la protection. Aucune juridiction majeure n'a créé de régime de protection autonome pour un contenu généré sans apport humain significatif — un point de vigilance central pour toute organisation qui produit des contenus à valeur commerciale à l'aide d'outilstool callingIACapacité d'un agent ou d'un LLM à invoquer des outils externes (API, calcul, recherche) pendant le raisonnement.Voir dans le glossaire génératifs.

D'où vient la matière première du modèle : le statut des données d'entraînement

L'exception de fouille de textes et de données (TDM)

Un modèle génératif s'entraîne sur des volumes considérables de textes, d'images ou de code, dont une part importante est protégée par le droit d'auteur. En droit européen, cette collecte s'appuie principalement sur l'exception de fouille de textes et de donnéesdonnéesIAEnsemble d'informations structurées ou non utilisées pour entraîner, évaluer ou alimenter un modèle. La qualité, la quantité et la représentativité des données sont les facteurs décisifs pour les performances en apprentissage automatique.Voir dans le glossaire (Text and Data Mining, ou TDM), introduite par la directive 2019/790 sur le droit d'auteur dans le marché unique numérique.

Cette exception autorise, sous conditions, la reproduction d'œuvres protégées à des fins d'analyse automatisée — dont l'entraînement de modèles d'IA relève en pratique. Deux régimes coexistent :

• L'article 3 couvre la fouille à des fins de recherche scientifique, par des organismes de recherche ou institutions patrimoniales : cette exception ne peut pas être écartée par les ayants droit.
• L'article 4 couvre la fouille à toute autre fin, y compris commerciale : les ayants droit peuvent s'y opposer via un mécanisme de réserve de droits (opt-out).

Le second régime est celui qui concerne la quasi-totalité des modèles génératifs commerciaux actuels.

Le mécanisme d'opt-out et ses limites pratiques

Pour s'opposer à l'utilisation de leurs œuvres dans un entraînement, les ayants droit doivent exprimer une réserve, en principe par des moyens lisibles par machine lorsque le contenu est mis à disposition en ligne — par exemple via des standards techniques comme robots.txt ou des métadonnées dédiées. En théorie, ce mécanisme permet à un créateur de retirer ses œuvres du périmètre d'entraînement licite.

En pratique, plusieurs limites structurelles réduisent sa portée :

• L'opt-out doit être appliqué avant la collecte : il ne protège pas les œuvres déjà intégrées à des corpus antérieurs.
• Les standards techniques de réserve ne sont pas uniformément respectés, notamment par les collecteurs opérant hors de l'Union européenne.
• Un ayant droit isolé n'a souvent aucun moyen de vérifier si son opposition a été prise en compte — l'opacité des corpus d'entraînement reste la norme.
• Les œuvres orphelines ou diffusées par des tiers (agrégateurs, republication) échappent souvent au contrôle de l'auteur d'origine.

Même lorsqu'un ayant droit a valablement exercé son opt-out, cela ne garantit pas que le modèle déjà entraîné a été purgé de cette influence. Un modèle existant intègre des paramètres statistiques issus de son corpus d'origine, indépendamment d'une opposition exprimée après coup — sauf ré-entraînement complet, rarement réalisé pour ce seul motif.

Contentieux emblématiques : ce que les tribunaux ont déjà tranché

Le contentieux lié à l'entraînement des modèles génératifs s'est multiplié depuis 2023, sur plusieurs continents. Sans prétendre à l'exhaustivité, quelques affaires structurent la compréhension actuelle du risque.

Getty Images contre Stability AI (Royaume-Uni et États-Unis) — Getty Images a poursuivi l'éditeur du modèle Stable DiffusiondiffusionIAFamille de modèles génératifs qui synthétisent une image (ou autre signal) en dénisant progressivement un bruit.Voir dans le glossaire, alléguant une reproduction non autorisée de plusieurs millions de photographies protégées, dont certaines réapparaissaient avec un filigrane Getty visible dans les images générées — preuve tangible d'une mémorisation du corpus source. L'affaire britannique, tranchée partiellement en 2025, a écarté la contrefaçon de droit d'auteur principale pour des raisons territoriales tout en retenant une atteinte à la marque, illustrant la difficulté à appliquer des règles nationales à un entraînement réalisé ailleurs.

The New York Times contre OpenAI et Microsoft (États-Unis) — Le New York Times reproche au modèle d'avoir mémorisé et pu restituer, quasi mot pour mot, des articles protégés, ce qui dépasse selon le journal le simple apprentissage statistique pour constituer une reproduction. L'affaire, toujours en cours, teste directement la doctrine américaine du fair use appliquée à l'entraînement de modèles commerciaux à grande échelle.

Auteurs et éditeurs contre plusieurs éditeurs de modèles (recours collectifs américains) — Plusieurs romanciers ont engagé des actions collectives, alléguant que leurs livres protégés avaient été intégrés à des corpus d'entraînement issus de bibliothèques numériques non autorisées. Certaines de ces procédures ont abouti à des accords transactionnels chiffrés en centaines de millions de dollars, sans qu'un jugement au fond ne tranche définitivement la légalité de principe de l'entraînement sur des œuvres protégées.

Lorsqu'un modèle restitue un extrait quasi identique à une œuvre source — un article, une image avec son filigrane d'origine — ce n'est pas une preuve de style, c'est une preuve de reproduction. C'est ce type de sortie, produite lors de tests contrôlés, qui a servi de pièce à conviction dans plusieurs de ces contentieux.

Aucune de ces affaires n'a encore produit un principe juridique stabilisé et transposable tel quel en droit français ou européen. Elles montrent néanmoins une constante : le risque ne se limite pas à la question théorique de la légalité de l'entraînement, il se matérialise concrètement lorsque le modèle restitue une œuvre protégée dans ses sorties, sous une forme identifiable.

Ce que cela signifie pour un usage professionnel

Le risque de contrefaçon indirecte

Un contenu généré peut se rapprocher d'une œuvre existante sans que l'utilisateur en ait conscience, et sans intention de sa part. Ce risque est particulièrement élevé pour :

• les images générées dans le style d'un artiste ou d'une maison de création nommément identifiable dans le prompt,
• les logos ou éléments graphiques dont la structure se rapproche fortement d'une marque enregistrée,
• les extraits de code générés à partir de bibliothèques open source sous licence copyleft, dont la réutilisation impose parfois des obligations de publication du code englobant,
• les textes longs sur des sujets de niche, où le modèle peut restituer des tournures ou une structure très proches d'une source unique et peu diffusée.

Le style artistique en tant que tel n'est en principe pas protégé par le droit d'auteur — qui protège une œuvre concrète, non une manière de faire. Mais la frontière entre « s'inspirer d'un style » et « reproduire des éléments identifiables d'une œuvre précise » s'apprécie au cas par cas, et un prompt qui nomme explicitement un artiste vivant pour en imiter le style expose à un risque réputationnel et parfois juridique distinct, notamment via la protection de la personnalité ou du droit moral selon les juridictions.

L'absence de protection : un risque à double sens

Un contenu généré non protégeable présente un risque souvent sous-estimé : votre propre entreprise ne peut pas s'opposer à sa reprise par un concurrent. Un visuel de campagne, un slogan généré, une structure de page produite par un outil d'IA peuvent, en l'absence d'apport créatif humain démontrable, être copiés légalement par un tiers sans recours.

Conservez une trace de l'intervention humaine sur un contenu généré destiné à un usage commercial durable : versions successives, choix éditoriaux justifiés, retouches substantielles. Cette trace, sans garantir la protection, constitue l'élément de preuve qui permettra de la revendiquer si nécessaire.

Les clauses contractuelles des fournisseurs de modèles

Les conditions contractuelles des éditeurs de modèles génératifs varient sensiblement sur deux points déterminants pour un usage professionnel :

1. La cession ou la licence des droits sur l'output — certains fournisseurs cèdent explicitement à l'utilisateur tous les droits qu'ils détiennent sur le contenu généré dans le cadre d'une offre payante, d'autres restent silencieux ou plus restrictifs sur les offres gratuites.
2. La garantie d'indemnisation en cas de mise en cause pour contrefaçon — plusieurs grands fournisseurs proposent une clause de défense ou d'indemnisation (IP indemnity) pour les clients professionnels, sous conditions strictes : usage conforme aux règles d'utilisation, absence de modification volontaire visant la contrefaçon, respect des filtres de sécurité de l'outil.

Une clause d'indemnisation limitée aux offres entreprise, avec exclusion des offres gratuites ou grand public, ne protège pas un usage réalisé via un compte personnel non professionnel. Vérifiez systématiquement le périmètre exact de l'offre utilisée, pas seulement l'existence de la clause dans la documentation commerciale du fournisseur.

Comparatif synthétique des approches

Cette comparaison reste indicative : les deux cadres évoluent rapidement, et une entreprise opérant à l'international doit suivre les deux simultanément dès qu'elle diffuse du contenu généré sur plusieurs marchés.

Checklist avant tout usage commercial d'un contenu généré

• Le contenu a-t-il fait l'objet d'un apport créatif humain documenté (sélection, retouche, assemblage) ?
• Le prompt utilisé fait-il référence à un artiste, une marque ou une œuvre nommément identifiable ?
• Le contrat avec le fournisseur du modèle précise-t-il la cession des droits sur l'output généré ?
• Une clause d'indemnisation en cas de mise en cause pour contrefaçon existe-t-elle, et couvre-t-elle l'offre effectivement utilisée ?
• Le code généré a-t-il été vérifié pour d'éventuelles obligations de licence open source héritées ?
• Une vérification de similarité a-t-elle été effectuée avant diffusionmodèle de diffusionIAGénérateur d'images qui part de bruit pur et le retire progressivement, guidé par une description textuelle, jusqu'à faire apparaître une image cohérente.Voir dans le glossaire à grande échelle (visuel, texte long, identité de marque) ?
• La documentation interne permet-elle de retrouver le prompt d'origine et la version du modèle utilisée pour ce contenu ?

En résumé

La propriété intellectuelle des outputs générés ne se résume pas à une case à cocher au moment de la signature d'un contrat fournisseur. Deux logiques coexistent et s'appliquent indépendamment l'une de l'autre : la possibilité de protéger le contenu que vous produisez, conditionnée à un apport créatif humain réel, et le risque d'exposition à une contrefaçon si ce contenu se rapproche d'une œuvre protégée existante. Les contentieux en cours dans plusieurs juridictions montrent que ce risque n'est pas théorique : il se matérialise concrètement lorsque le modèle restitue, sous une forme identifiable, un fragment de son corpus d'entraînement. Documenter l'intervention humaine, vérifier les clauses contractuelles du fournisseur et contrôler la proximité d'un contenu généré avec des œuvres existantes avant toute diffusion commerciale restent, à ce stade, les seules mesures réellement opérationnelles.