Les réponses fournies par Gemini, le chatbot IA de Google, pourraient constituer des violations du droit d’auteur dont bénéficient les publications journalistiques. C’est ce qu’affirme l’avocat général de la Cour de justice de l’UE, Maciej Szpunar, à l’occasion de la première action en justice intentée par un éditeur contre Google sur ce sujet.
Commençons par le début. Gemini parvient à converser avec les utilisateurs grâce à l’IA générative, qui est entraînée à l’aide d’un système LLM (Large Language Model). Concrètement, il collecte des textes sur le web, via une technologie appelée « Retrieval-Augmented Generation », afin d’en saisir la structure syntaxique et le sens, ce qui lui permet, lorsqu’on lui pose une question, de fournir des réponses cohérentes. Parfois, les textes utilisés pour l’entraînement et pour fournir une réponse à l’utilisateur sont des articles de presse en ligne.
David contre Goliath
Et c’est là qu’intervient le procès. Goliath, c’est Alphabet, la société mère de Google, tandis que David s’appelle Like Company, un éditeur hongrois qui gère plusieurs sites en ligne. Like Company s’était adressée au tribunal de Budapest pour revendiquer la protection des articles publiés sur ces portails en vertu du droit d’auteur reconnu également par la réglementation européenne aux éditeurs de journaux en ce qui concerne l’« utilisation en ligne » de leurs « publications journalistiques ».
Le litige a été porté devant la Cour de justice de l’Union européenne et, aujourd’hui, l’avocat général Maciej Szpunar a rendu son avis, qui n’est pas formellement contraignant pour la décision de la Cour mais qui est particulièrement pris en considération en raison de son autorité et qui est de nature à tracer une orientation solide pour l’issue de l’arrêt.
Dans son avis, l’avocat général Szpunar recommande à la Cour, d’une part, de déclarer irrecevables les deux questions relatives à l’entraînement des LLM. Selon lui, étant donné qu’il n’existe aucune preuve que les articles de Like Company aient été utilisés pour entraîner les LLM Gemini et que l’entraînement d’un LLM ne constitue pas une forme d’utilisation en ligne de publications journalistiques, ces questions sont hypothétiques. C’est le premier point : distinguer l’entraînement de la génération de la réponse. Dans le premier cas, l’utilisation des articles ne constitue pas une violation du droit d’auteur, car Gemini ne divulgue pas le contenu utilisé pour l’entraînement.
Ce qui est protégé par le droit d’auteur
D’autre part, l’avocat général recommande à la Cour de se concentrer sur les questions relatives aux réponses fournies par le chatbot, car celles-ci sont pertinentes dans l’affaire au principal. À cet égard, il suggère que, lorsqu’un chatbot basé sur des modèles de langage (LLM) extrait une publication du site web d’un éditeur de presse, réutilise cette publication pour générer une réponse et fournit cette réponse à l’utilisateur, le droit de l’éditeur de presse puisse être violé dans certaines circonstances.
Qu’est-ce qui est protégé par le droit d’auteur ? L’avocat général établit une distinction importante : le droit de l’éditeur ne protège pas les faits rapportés dans les publications journalistiques, ceux-ci étant libres et utilisables. Ce qui est couvert, c’est la forme spécifique d’expression de ces publications. En effet, son objectif est de protéger l’investissement nécessaire à la réalisation de cette publication, et non de conférer aux éditeurs un monopole sur l’information.
Par conséquent, selon lui, le fait que cette utilisation de publications journalistiques par un chatbot basé sur un LLM relève du droit de reproduction de l’éditeur dépend de deux facteurs : premièrement, si ce chatbot a eu accès à la publication journalistique en question de manière illicite, notamment en contournant des mesures techniques efficaces (telles qu’un paywall) visant à limiter l’accès à cette publication, et, deuxièmement, si la réponse fournie à l’utilisateur se limite à reprendre les faits contenus dans la publication originale ou, au contraire, réutilise la forme d’expression de cette publication de manière reconnaissable, au point que l’utilisateur, en lisant la réponse, obtiendrait le même résultat que s’il avait lu l’article original.
