Seattle Times et Newsday attaquent OpenAI et Microsoft

Deux nouveaux éditeurs dans une bataille déjà structurante pour l’IA générative

Le Seattle Times et Newsday ont à leur tour engagé une action en justice contre OpenAI et Microsoft, rapporte TechCrunch. Les deux publications reprochent aux groupes technologiques d’avoir utilisé leurs contenus journalistiques pour entraîner des systèmes d’intelligence artificielle. Cette procédure s’inscrit dans une séquence judiciaire désormais centrale pour l’industrie de la presse comme pour celle de l’IA générative : qui peut exploiter les textes produits par les rédactions, à quelles conditions et contre quelle rémunération ?

L’annonce ne constitue pas un simple épisode supplémentaire dans une série de plaintes semblables. Elle confirme surtout un déplacement progressif du rapport de force entre plateformes et médias. Pendant des années, une part considérable du web a été traitée comme une immense ressource disponible pour l’indexation, l’archivage, l’analyse ou la recommandation algorithmique. L’essor des grands modèles de langage a rendu ce modèle beaucoup plus contestable aux yeux des éditeurs : leurs archives ne servent plus seulement à orienter un lecteur vers un article, elles peuvent contribuer à produire directement une réponse rédigée, parfois sans renvoi vers la source originale.

Dans le cas évoqué par TechCrunch, Seattle Times et Newsday visent OpenAI, créateur de ChatGPT, et Microsoft, partenaire stratégique d’OpenAI et acteur majeur de la commercialisation de services d’IA générative. Les deux entreprises sont déjà confrontées à plusieurs actions de titulaires de droits, parmi lesquels figurent des auteurs, des artistes, des développeurs, des journaux et d’autres producteurs de contenus. Les procédures diffèrent par leurs arguments et leurs juridictions, mais elles reposent sur une question commune : l’entraînement d’un modèle sur des œuvres protégées constitue-t-il un usage qui requiert une autorisation ?

Les éditeurs de presse se trouvent dans une position particulière. Ils ne revendiquent pas uniquement des droits sur des textes isolés : ils produisent quotidiennement des corpus structurés, vérifiés, datés, hiérarchisés, associés à des titres, à des photographies, à des métadonnées et à une réputation éditoriale. Ces corpus ont une valeur économique propre, notamment parce qu’ils sont régulièrement mis à jour et parce qu’ils couvrent des événements locaux, nationaux et internationaux. Pour une IA conversationnelle, ce matériau peut être particulièrement utile, à la fois dans les données historiques et dans les contenus d’actualité.

La plainte de Seattle Times et Newsday intervient ainsi dans un moment où l’accès au contenu journalistique ne peut plus être considéré par les éditeurs comme une simple conséquence technique de la présence sur le web. Le débat dépasse le téléchargement ou la copie d’articles. Il porte également sur les effets de marché de produits capables de synthétiser l’information, de répondre à des demandes formulées en langage naturel et, potentiellement, de retenir l’utilisateur dans une interface plutôt que de le diriger vers le site qui a financé le travail journalistique.

La qualification juridique de ces pratiques reste toutefois ouverte. Les actions engagées ne signifient pas que les juridictions ont déjà tranché en faveur des éditeurs. Elles révèlent, en revanche, que les détenteurs de catalogues éditoriaux ne veulent plus laisser cette question être décidée uniquement par les choix techniques des fournisseurs de modèles. Pour les entreprises d’IA, l’enjeu est tout aussi considérable : une obligation généralisée de négocier l’accès aux contenus, ou une limitation judiciaire de certaines pratiques d’entraînement, pourrait modifier les coûts, les délais et les stratégies de développement de leurs systèmes.

De l’indexation du web à l’entraînement des modèles : ce qui a changé

Le conflit actuel s’inscrit dans une longue histoire de relations parfois ambivalentes entre presse et plateformes numériques. Les moteurs de recherche ont, pendant des années, envoyé du trafic aux sites d’information tout en organisant l’accès à leurs contenus au moyen de résultats, d’extraits et de liens. Les réseaux sociaux ont ensuite pris une place déterminante dans la distribution de l’information, avec des effets majeurs sur les audiences, les abonnements et la publicité. L’IA générative ajoute un changement de nature : au lieu de classer ou de relayer l’information, elle peut la reformuler et la présenter sous la forme d’un résultat autonome.

Cette distinction est essentielle dans l’argumentaire des éditeurs. Un lien renvoie en principe vers une page qui conserve son contexte, sa publicité, son abonnement éventuel et son identité éditoriale. Une réponse générée dans une interface d’IA peut, elle, satisfaire une demande sans produire de visite. Elle peut aussi reprendre des éléments, des formulations ou des résumés issus de publications sans que l’utilisateur distingue toujours clairement le travail originel, sa date, son auteur ou les limites de l’information disponible.

Les modèles de langage ne fonctionnent pas comme des bases de données classiques : ils apprennent des régularités dans de très grands ensembles de textes. Mais cette différence technique ne clôt pas le débat sur le droit d’auteur. Les opposants à ces pratiques font valoir que les modèles reposent sur des copies réalisées pendant la phase d’entraînement et qu’ils peuvent, dans certaines circonstances, restituer des contenus protégés ou en produire des versions très proches. Les entreprises d’IA, de leur côté, ont soutenu dans plusieurs dossiers que l’entraînement relevait d’un usage transformateur et qu’il ne devait pas être assimilé à une simple exploitation éditoriale de chaque œuvre intégrée aux données.

Les tribunaux américains devront examiner ces arguments selon les faits propres à chaque affaire. C’est l’une des raisons pour lesquelles les plaintes de presse sont suivies avec attention. Elles se situent à l’intersection de plusieurs domaines : droit d’auteur, concurrence, fonctionnement des modèles, accès aux contenus en ligne et effets économiques de nouveaux produits numériques. Une décision portant sur la copie lors de l’entraînement, sur la mémorisation éventuelle de passages ou sur la capacité d’un chatbot à remplacer la consultation d’un article pourrait avoir des conséquences allant bien au-delà des deux titres cités par TechCrunch.

Le cas du New York Times a contribué à rendre ce conflit particulièrement visible. En décembre 2023, le quotidien a poursuivi OpenAI et Microsoft, en alléguant notamment une atteinte à ses droits sur ses contenus. Cette plainte a donné une portée symbolique forte à la contestation des médias : elle venait d’une organisation disposant d’importantes archives, d’une forte marque et d’une stratégie numérique installée. Depuis, les actions engagées par d’autres producteurs d’information ont renforcé l’idée qu’il ne s’agit pas d’un différend isolé entre une entreprise technologique et un grand quotidien américain.

Le Center for Investigative Reporting, qui publie notamment Mother Jones, a également engagé une procédure contre OpenAI en 2024. D’autres titres et groupes de presse ont choisi la voie contentieuse, tandis que certains ont privilégié des accords commerciaux. Cette coexistence de stratégies est importante : elle montre que les éditeurs ne forment pas un bloc homogène. Les grands groupes disposant de vastes archives, de capacités de négociation et de marques internationales ne se trouvent pas dans la même situation que les journaux régionaux, les médias d’investigation, les rédactions locales ou les publications indépendantes.

Seattle Times et Newsday donnent précisément une dimension supplémentaire à cette discussion. La presse locale et régionale dépend fortement de sa capacité à monétiser des informations qui n’existent souvent nulle part ailleurs : vie municipale, établissements scolaires, transports, justice locale, sport, économie de proximité, immobilier ou élections locales. Lorsque ces données sont reprises, synthétisées ou absorbées par des intermédiaires technologiques, la question ne concerne pas seulement le droit abstrait d’exploiter un texte. Elle concerne le financement même d’une couverture journalistique coûteuse et difficile à remplacer.

Il faut aussi distinguer l’entraînement des modèles de leur accès à l’information récente. Une entreprise peut entraîner un modèle sur un corpus historique, connecter un outil à des sources actualisées ou intégrer des résultats de recherche dans une réponse. Ces mécanismes ne sont pas identiques, et les droits susceptibles d’être invoqués peuvent varier selon les usages. Pour les éditeurs, cette granularité ne supprime pas l’enjeu principal : chaque étape de la chaîne, de la collecte au résultat final, peut contribuer à créer de la valeur à partir d’un travail éditorial.

Une industrie qui oscille entre procès et licences commerciales

Le paysage ne se réduit pas aux plaintes. OpenAI a conclu plusieurs accords avec des groupes de presse et de médias, illustrant une autre voie possible : la négociation de licences. L’Associated Press a annoncé en 2023 un accord avec OpenAI permettant au groupe d’IA d’accéder à une partie de ses archives. Axel Springer a ensuite annoncé un partenariat avec OpenAI, autour de l’utilisation de contenus de ses publications dans les produits de l’entreprise américaine. Ces accords ont démontré que les contenus d’information pouvaient devenir un objet commercial explicite dans l’économie des modèles.

En 2024, OpenAI a aussi annoncé des partenariats avec le Financial Times, le groupe Prisa Media, qui édite notamment El País, et Le Monde. Ces annonces ont été scrutées bien au-delà des pays concernés. Elles suggèrent qu’une partie du secteur cherche à convertir un rapport historiquement fondé sur l’accès ouvert au web en contrats couvrant l’usage des archives, l’affichage de contenus ou la présence de citations et d’attributions dans les services d’IA.

Les termes financiers de ces accords ne sont généralement pas rendus publics. Cette opacité limite les comparaisons et alimente une préoccupation récurrente chez les petits éditeurs : si les licences deviennent le mécanisme principal de rémunération, qui pourra négocier dans des conditions équitables ? Un grand groupe international peut proposer des milliers de publications, de larges fonds documentaires, des équipes juridiques et une audience établie. Un média local peut posséder une information rare et très utile, mais manquer de moyens pour négocier, surveiller les usages et faire respecter ses droits.

Les contentieux tels que celui de Seattle Times et Newsday renforcent donc indirectement la valeur de négociation de l’ensemble de la presse. Une plainte ne crée pas automatiquement une licence, et un accord commercial ne vaut pas reconnaissance d’une obligation juridique générale. Toutefois, la multiplication des procédures augmente le risque réglementaire et judiciaire pour les entreprises d’IA. Elle les incite aussi à clarifier leurs sources de données et à démontrer qu’elles disposent d’un accès durable à des contenus de qualité.

Pour OpenAI, ces dossiers se déroulent alors que ses produits sont devenus une référence publique de l’IA générative. ChatGPT a fait entrer les interfaces conversationnelles dans les usages grand public et professionnels, tandis que Microsoft a intégré des fonctions d’IA dans plusieurs de ses produits et services. Cette visibilité rend les deux groupes particulièrement exposés aux critiques sur les données d’entraînement. Elle explique aussi pourquoi les procédures visant ces entreprises sont observées comme des tests pour l’ensemble du secteur, y compris pour les acteurs qui développent des modèles concurrents.

Microsoft occupe une place spécifique dans ce dossier. Son partenariat avec OpenAI, ses infrastructures cloud et ses produits intégrant de l’IA l’insèrent à plusieurs niveaux de la chaîne de valeur. Pour les éditeurs, la responsabilité ne se limite donc pas nécessairement au concepteur d’un modèle. Elle peut concerner les entreprises qui financent, hébergent, distribuent ou incorporent ces technologies dans des outils utilisés à grande échelle. La question de savoir où s’arrête la responsabilité de chaque intervenant sera l’un des points juridiques et économiques à suivre.

Cette situation contraste avec l’ancien modèle de l’agrégation d’actualités. La presse avait déjà obtenu des évolutions législatives et des accords dans plusieurs pays pour tenter de rééquilibrer ses relations avec les grandes plateformes. L’IA générative ne remplace pas ces débats, mais les prolonge. Elle introduit une interrogation plus profonde : la valeur est-elle créée au moment où un contenu est publié, lorsqu’il est distribué vers un lecteur, lorsqu’il est utilisé pour améliorer un modèle, ou lorsqu’il contribue à une réponse générée des années plus tard ?

Les licences peuvent apporter une réponse pragmatique, mais elles ne règlent pas toutes les difficultés. Elles doivent définir les contenus concernés, la durée d’accès, les usages permis, l’attribution, les modalités de retrait, la conservation des copies et la question des données déjà ingérées. Elles peuvent également poser la question de la mise à jour : une archive de presse peut être corrigée, complétée ou retirée pour des raisons éditoriales ou juridiques. Dans un environnement de modèles entraînés à grande échelle, la capacité à respecter ces changements devient un enjeu technique autant que contractuel.

Le droit d’auteur face aux modèles : une incertitude qui dépasse les États-Unis

Les procédures américaines sont particulièrement visibles parce qu’OpenAI et Microsoft y sont implantés et parce que le droit américain du fair use occupe une place majeure dans les débats. Mais la question est mondiale. Les données utilisées par les modèles sont souvent collectées sur des sites accessibles depuis de nombreux pays, les utilisateurs interrogent les outils dans plusieurs langues, et les réponses peuvent être distribuées dans des juridictions aux règles différentes. Pour les éditeurs européens et francophones, les affaires américaines constituent donc des indicateurs importants, sans déterminer à elles seules la réponse juridique applicable sur leur territoire.

Dans l’Union européenne, la directive sur le droit d’auteur dans le marché unique numérique a introduit un cadre relatif à la fouille de textes et de données. Son régime distingue notamment la fouille menée à des fins de recherche scientifique par certaines organisations et institutions, d’autres usages de fouille de textes et de données. Pour ces derniers, les titulaires de droits peuvent réserver leurs droits dans certaines conditions. Dans le cas de contenus mis à disposition en ligne, cette réserve doit notamment pouvoir être exprimée de manière adaptée, y compris par des moyens lisibles par machine.

Ce cadre européen est souvent présenté comme un outil possible pour les éditeurs qui souhaitent refuser certains usages automatisés de leurs contenus. Mais sa mise en œuvre pratique est loin d’être simple. Une réserve exprimée sur un site, dans des conditions d’utilisation ou via des instructions techniques ne répond pas automatiquement à toutes les interrogations : comment prouver qu’elle a été prise en compte ? À partir de quelle date produit-elle effet ? Quel traitement réserver aux copies déjà collectées ? Et comment contrôler des systèmes dont les jeux de données ne sont pas toujours publiés avec un niveau de détail permettant une vérification indépendante ?

En France, ces sujets rencontrent un secteur de presse déjà familier des négociations avec les plateformes. La création d’un droit voisin pour les éditeurs et agences de presse, dans le prolongement de la directive européenne, a placé la rémunération de la reprise des contenus d’information au cœur des rapports entre médias et acteurs numériques. Le droit voisin ne se confond pas avec le débat sur l’entraînement des modèles. Il témoigne néanmoins d’un principe économique devenu déterminant : produire une information professionnelle ne signifie pas que cette information peut être exploitée sans contrepartie par tout acteur disposant d’une infrastructure de distribution ou de calcul.

Pour les éditeurs français, le précédent américain peut avoir un effet de marché même sans portée judiciaire directe. Si les entreprises d’IA se mettent à multiplier les licences auprès de groupes américains, britanniques ou européens, les titres francophones pourront plus facilement soutenir que leurs corpus doivent eux aussi être intégrés à une logique contractuelle. À l’inverse, si les tribunaux reconnaissent une large liberté d’entraînement sur des œuvres accessibles publiquement, les possibilités de négociation pourraient être plus étroites, surtout pour les éditeurs ne disposant pas d’une marque internationale.

La langue est un facteur important. Les contenus francophones ne sont pas un simple sous-ensemble interchangeable du web anglophone. Ils apportent des connaissances liées aux institutions françaises, belges, suisses, québécoises, africaines et européennes, ainsi qu’à des contextes politiques, juridiques et culturels propres. Pour un assistant destiné à répondre correctement à des utilisateurs francophones, l’accès à des sources de qualité en français peut améliorer la précision, le vocabulaire, la contextualisation et l’actualité des réponses. Cette valeur spécifique renforce l’argument des éditeurs qui refusent de voir leurs archives considérées comme une matière première gratuite.

Elle soulève aussi une difficulté : les rédactions francophones n’ont pas toutes la capacité de vérifier comment leurs contenus circulent dans des ensembles de données mondiaux. Les dispositifs techniques de blocage, tels que les fichiers robots ou les métadonnées, peuvent signaler une préférence ou une réserve, mais ils reposent largement sur le respect volontaire par les collecteurs. L’action judiciaire demeure alors un instrument de dernier recours, coûteux et long, que tous les médias ne peuvent pas mobiliser avec la même intensité.

Le débat intéresse par conséquent les pouvoirs publics, les autorités de concurrence, les organismes de gestion collective, les syndicats d’éditeurs et les chercheurs en droit du numérique. Il ne s’agit pas uniquement de protéger des revenus existants. Il s’agit aussi de déterminer si le développement de l’IA peut s’appuyer durablement sur une production éditoriale dont le coût est assumé par des abonnements, des recettes publicitaires, des aides publiques ou des investisseurs, tandis qu’une autre industrie tire de cette production une valeur technologique et commerciale.

Le risque économique : une réponse d’IA peut-elle remplacer la visite d’un lecteur ?

L’un des points les plus sensibles pour les médias réside dans l’effet de substitution. Lorsqu’un utilisateur demande à un assistant de résumer une actualité, d’expliquer une décision politique, de retrouver un fait local ou de comparer plusieurs événements, il peut obtenir une réponse sans ouvrir le site de l’éditeur. Cette expérience est utile pour l’utilisateur, mais elle peut réduire les occasions de consultation directe. Or la visite reste souvent liée à la publicité, à la conversion vers un abonnement, à la découverte d’autres articles et à l’exposition de la marque.

Les conséquences ne sont pas identiques pour tous les contenus. Une requête générale sur un sujet ancien ne remplace pas nécessairement la lecture d’une enquête, d’un reportage ou d’une analyse approfondie. Mais l’accumulation de demandes pratiques ou factuelles peut détourner une part d’audience qui, auparavant, passait par un moteur de recherche. Le problème devient plus aigu si l’outil conversationnel est perçu comme une destination finale plutôt que comme une porte d’entrée vers des sources identifiées.

Les éditeurs ne contestent pas nécessairement l’idée qu’un outil technologique puisse orienter, résumer ou aider à découvrir l’actualité. Les accords de licence montrent même qu’une coopération est possible. Le point de friction tient au contrôle. Une rédaction doit pouvoir choisir si ses contenus sont utilisés, connaître les modalités de cet usage et obtenir une rétribution lorsque cet usage alimente un produit commercial. Dans cette perspective, le litige impliquant Seattle Times et Newsday porte aussi sur un principe de gouvernance des données : le producteur d’information doit-il disposer d’un droit réel de négocier la place de son travail dans les systèmes d’IA ?

La qualité de l’information constitue un autre enjeu économique. Les modèles génératifs sont capables de produire des réponses fluides, mais ils peuvent aussi se tromper, manquer de contexte ou présenter des informations obsolètes. Pour les médias, l’usage de leur travail par ces systèmes soulève donc une tension particulière : leur contenu peut contribuer à améliorer la crédibilité apparente d’une réponse, tout en étant dissocié des mécanismes éditoriaux qui garantissent normalement sa vérification et sa mise à jour.

L’attribution apparaît comme une réponse partielle. Lorsque l’outil cite une publication et renvoie vers son article, il rend plus visible l’origine de l’information et peut générer du trafic. Mais une attribution ne règle pas automatiquement la question des copies utilisées pour l’entraînement, ni celle de la rémunération. Elle ne garantit pas non plus que le lecteur suivra le lien. Les éditeurs devront donc arbitrer entre plusieurs objectifs parfois contradictoires : visibilité, contrôle, revenus directs et conservation de la relation avec leur public.

Le contentieux a également une portée pour les entreprises clientes des fournisseurs d’IA. De nombreuses organisations utilisent déjà des outils génératifs pour la veille, la synthèse documentaire, le service client, la rédaction ou l’analyse. Si les règles d’accès aux contenus se durcissent, ces utilisateurs devront être plus attentifs à la provenance des données, aux garanties contractuelles et aux risques associés à l’emploi de résultats produits par des modèles. La question ne concerne plus seulement les laboratoires qui entraînent les systèmes, mais l’ensemble des acteurs qui les déploient dans leurs processus.

Pour les médias, le défi est enfin stratégique. Refuser tout accès peut réduire leur présence dans de nouvelles interfaces d’information. Accepter un accès sans conditions peut fragiliser leur modèle économique et leur maîtrise des archives. Entre ces deux positions, les licences, les APIs, les partenariats d’affichage, les systèmes de citation et les mécanismes d’opt-out dessinent une gamme de solutions possibles. La plainte du Seattle Times et de Newsday rappelle toutefois que ces solutions ne progresseront pas toutes par consensus : le droit est aussi utilisé pour imposer une négociation là où les rapports de force commerciaux sont déséquilibrés.

Vers un marché plus fermé des données éditoriales

La perspective la plus importante est celle d’une transformation durable du marché des données. Les grands modèles ont longtemps été associés à l’idée d’une collecte massive du web. Les plaintes déposées par les éditeurs, dont celle rapportée par TechCrunch concernant Seattle Times et Newsday, poussent au contraire vers un environnement où l’origine, la licence et la traçabilité des contenus deviennent des critères commerciaux et juridiques beaucoup plus visibles.

Un tel mouvement pourrait favoriser les fournisseurs de données disposant d’archives structurées, d’une expertise de métadonnées et de droits clairement identifiés. Les agences de presse, les grands groupes d’édition, les bases spécialisées et les médias possédant des collections historiques pourraient négocier une place plus importante dans la chaîne de valeur de l’IA. Mais il existe un risque symétrique : un marché fondé sur de grandes licences pourrait concentrer les revenus chez les acteurs les plus puissants, tandis que les petites rédactions auraient plus de mal à faire reconnaître la valeur de leurs publications.

Pour le marché francophone, l’enjeu sera de ne pas laisser la qualité linguistique et éditoriale devenir une externalité gratuite du développement technologique. Les rédactions françaises et européennes disposent de contenus qui sont nécessaires à une IA capable de comprendre les débats publics, les réglementations, les institutions et les réalités locales. Le défi consistera à organiser cette valeur sans verrouiller l’innovation, ni priver les citoyens de nouveaux outils d’accès à l’information.

Les décisions judiciaires américaines ne détermineront pas seules cette évolution. Les législateurs européens, les régulateurs, les contrats de licence, les choix techniques des entreprises et les pratiques des utilisateurs compteront également. Mais l’accumulation des plaintes modifie déjà le cadre du débat. Elle oblige les acteurs de l’IA à considérer que les contenus journalistiques ne sont pas seulement des données disponibles : ce sont des œuvres protégées, des actifs économiques et le résultat d’une activité éditoriale dont la pérennité conditionne aussi la qualité de l’information dont les futurs modèles chercheront à s’alimenter.