Washington soutient OpenAI face au New York Times

Washington soutient OpenAI face au New York Times

Le procès qui oppose le New York Times à OpenAI et Microsoft ne se joue plus uniquement entre un grand groupe de presse, un éditeur de logiciels et le créateur de ChatGPT. Selon une information de TechCrunch, le gouvernement américain est intervenu en faveur d’OpenAI sur une question qui concentre aujourd’hui une grande part des tensions juridiques autour de l’intelligence artificielle générative : dans quelles conditions des modèles de langage peuvent-ils être entraînés à partir d’œuvres protégées par le droit d’auteur ?

La portée politique de cette intervention dépasse le dossier du quotidien new-yorkais. En défendant une interprétation favorable à l’entraînement des grands modèles de langage sur des contenus accessibles publiquement, l’exécutif fédéral met en avant un argument stratégique : la capacité des entreprises américaines à rester compétitives dans l’IA ne devrait pas être freinée par une lecture du copyright susceptible de limiter l’accès aux corpus de données nécessaires à la recherche et au développement.

Cette position ne tranche pas le litige. La décision appartient toujours au juge saisi de l’affaire. Elle n’efface pas non plus les demandes du New York Times, qui accuse OpenAI et Microsoft d’avoir utilisé ses contenus sans autorisation et soutient que leurs outils peuvent concurrencer certains usages de son journalisme. Mais l’intervention de Washington apporte au débat une dimension inhabituelle : l’État fédéral ne se contente plus d’observer une querelle privée sur l’exploitation de textes protégés. Il y voit un sujet relevant de la politique industrielle, de la compétition technologique mondiale et, implicitement, de la souveraineté numérique des États-Unis.

Pour les éditeurs, auteurs, artistes, photographes et autres ayants droit, le signal est sensible. Depuis la diffusion massive des outils génératifs à partir de 2022, les contentieux se sont multipliés aux États-Unis. Les plaignants demandent aux tribunaux de définir si l’absorption d’immenses quantités de textes, d’images, de codes ou de sons dans les jeux de données d’entraînement constitue une contrefaçon, une utilisation transformante relevant du fair use, ou une pratique qui devrait être soumise à licence et rémunération.

Pour les entreprises d’IA, à l’inverse, la question est existentielle. Les modèles génératifs modernes sont construits sur des volumes considérables de données. Une obligation générale de négocier en amont une autorisation individuelle avec chaque titulaire de droits changerait profondément l’économie du secteur. Elle soulèverait aussi des problèmes pratiques : identifier tous les droits attachés à chaque document, connaître la provenance exacte de données déjà intégrées à des corpus historiques, ou encore distinguer les contenus librement réutilisables de ceux qui ne le sont pas.

Le procès du New York Times devient donc un test politique majeur. Il ne s’agit pas seulement de savoir si les articles d’un média ont été utilisés d’une manière licite. Il s’agit aussi de déterminer si le droit américain du copyright, façonné bien avant l’arrivée des grands modèles de langage, peut protéger les créateurs sans empêcher les entreprises nationales de développer une technologie considérée par Washington comme stratégique.

Un litige emblématique entre le New York Times, OpenAI et Microsoft

Le New York Times a engagé son action contre OpenAI et Microsoft à la fin de l’année 2023. Le journal soutient notamment que les défendeurs ont reproduit et exploité ses œuvres journalistiques sans autorisation afin de développer et commercialiser des produits fondés sur l’intelligence artificielle. Microsoft est visé en raison de son partenariat étroit avec OpenAI et de l’intégration de technologies de cette dernière dans plusieurs de ses services.

La plainte a immédiatement attiré l’attention, à la fois par le poids du plaignant et par la nature des griefs. Le New York Times n’est pas seulement un producteur de contenus : c’est une institution médiatique mondiale, disposant d’archives considérables et d’une activité numérique fondée sur les abonnements. Son intérêt économique est directement lié à la valeur de ses textes, de ses enquêtes, de ses critiques et de son travail éditorial. Son action a ainsi donné un visage concret au conflit entre la presse et les laboratoires qui entraînent des modèles sur le Web.

OpenAI a contesté les accusations portées contre elle. L’entreprise a notamment soutenu que certains exemples avancés par le journal pour montrer la reproduction de ses articles résultaient de sollicitations spécialement conçues pour pousser les modèles à restituer des passages de manière anormale. Le différend porte donc à la fois sur les données d’entraînement et sur les sorties produites par les systèmes : une réponse ressemblant à un article peut-elle démontrer l’existence d’une reproduction illicite, et avec quelle fréquence ou quel niveau de fidélité ?

Cette distinction compte. L’entraînement d’un modèle consiste à ajuster ses paramètres à partir de très grands ensembles de données. Le résultat n’est pas, en principe, une base de données permettant de consulter chaque document source comme dans une archive classique. Les détenteurs de droits répondent toutefois que cette différence technique ne suffit pas à faire disparaître l’utilisation de leurs œuvres, ni les risques économiques si un outil est capable de produire des synthèses, des réponses ou des passages qui remplacent l’accès à l’original.

Le New York Times a également fait valoir que les produits d’IA pouvaient détourner une partie de l’audience et des revenus liés à la consultation de ses contenus. Cette question du substitut est au cœur des débats. Un assistant conversationnel qui répond à une question factuelle en s’appuyant sur de multiples sources n’a pas nécessairement le même effet qu’un système capable de fournir, à la demande, le texte ou le résumé très détaillé d’un article réservé aux abonnés. Entre ces deux situations, les tribunaux doivent apprécier la nature de l’usage, son caractère transformant et son effet potentiel sur le marché de l’œuvre.

L’affaire s’inscrit dans une vague plus large de procédures. Des auteurs ont poursuivi OpenAI et d’autres acteurs technologiques au sujet de l’usage de livres ; des artistes visuels ont engagé des recours contre des entreprises spécialisées dans la génération d’images ; Getty Images a attaqué Stability AI ; Universal Music Group, Sony Music Entertainment et Warner Records ont engagé des actions contre Suno et Udio autour de la génération musicale. Chaque affaire possède ses propres faits, ses propres œuvres et ses propres arguments, mais toutes posent une interrogation commune : le développement d’un système génératif peut-il reposer sur des créations protégées sans contrat préalable avec leurs titulaires ?

Le dossier du New York Times se distingue toutefois par l’importance du journalisme dans la démocratie américaine et par la relation particulière entre information, abonnement et recherche en ligne. Depuis des années, les éditeurs de presse négocient avec les plateformes numériques sur la visibilité, le référencement et la rémunération de leurs contenus. L’émergence des assistants d’IA déplace ce rapport de force. Là où un moteur de recherche renvoie généralement vers une source, un chatbot peut fournir une réponse directement dans son interface. La valeur de la page originale, de la visite et de la relation avec le lecteur devient alors plus difficile à préserver.

OpenAI a, de son côté, conclu des accords de contenu avec plusieurs groupes de presse et médias, parmi lesquels Associated Press, Axel Springer, Le Monde, le Financial Times, News Corp et Condé Nast. Ces partenariats montrent qu’une voie contractuelle existe. Ils ne règlent cependant pas la question juridique générale. Un accord avec certains éditeurs ne signifie pas qu’OpenAI accepte que toute donnée protégée exige une licence. À l’inverse, la conclusion de contrats peut être interprétée par les ayants droit comme la reconnaissance de la valeur économique de leurs catalogues.

C’est dans cet environnement que l’intervention fédérale rapportée par TechCrunch prend tout son relief. Washington ne se prononce pas simplement sur la valeur des contenus de presse. Il défend une vision selon laquelle les règles applicables à l’entraînement doivent tenir compte de l’intérêt public associé au maintien d’un écosystème américain de l’IA puissant et innovant.

Le copyright comme instrument de compétitivité technologique

Aux États-Unis, une grande partie de l’argumentation des entreprises d’IA repose sur le fair use, une exception au droit d’auteur appréciée au cas par cas. Elle ne fonctionne pas comme une permission automatique. Les juridictions examinent traditionnellement plusieurs facteurs, dont la finalité et le caractère de l’utilisation, la nature de l’œuvre protégée, la quantité utilisée et l’effet de l’utilisation sur le marché potentiel de l’œuvre.

La notion de transformation est particulièrement importante. Dans la jurisprudence américaine, un usage peut être considéré comme plus favorable au fair use lorsqu’il ajoute une finalité ou un caractère nouveau plutôt que de se substituer simplement à l’œuvre originale. Les entreprises d’IA soutiennent que l’entraînement transforme les données en capacités statistiques : le modèle apprend des régularités de langage, de style, de syntaxe ou de connaissances, sans constituer une bibliothèque d’œuvres prêtes à être redistribuées.

Les plaignants ne contestent pas nécessairement que les modèles produisent des résultats nouveaux dans de nombreux cas. Leur argument porte plutôt sur le prélèvement initial, la quantité considérable de contenus utilisée et les dommages économiques possibles. Pour un éditeur, la question n’est pas uniquement celle de la copie textuelle à l’identique. Si un système peut répondre aux demandes des internautes à partir de la substance de son travail, il peut réduire l’incitation à consulter ou acheter ce travail. Et si des réponses reproduisent des passages, même de manière exceptionnelle, cela peut aggraver le risque.

Le gouvernement américain, selon TechCrunch, met en avant une préoccupation de compétitivité. L’idée est claire : des règles trop restrictives sur l’accès aux données pourraient désavantager les entreprises américaines face à des concurrents étrangers. Dans la course aux grands modèles, la puissance de calcul est déterminante, mais les données le sont aussi. Les modèles de fondation les plus capables sont généralement entraînés sur des corpus très vastes, composés de textes, de code, d’images, de contenus multimédias et d’autres ressources.

Cette lecture transforme le droit d’auteur en variable de politique industrielle. Historiquement, le copyright américain cherche à encourager la création en garantissant aux auteurs un contrôle limité dans le temps sur l’exploitation de leurs œuvres. La Constitution américaine relie elle-même la protection des auteurs et inventeurs à la promotion du progrès des sciences et des arts utiles. Avec l’IA générative, les deux objectifs peuvent entrer en tension : protéger la capacité des médias et créateurs à financer leur production, tout en évitant de réserver l’accès aux connaissances et aux corpus à quelques acteurs capables de payer des licences globales.

Les défenseurs d’une approche favorable à l’entraînement soulignent également le risque de concentration. Si chaque jeu de données de qualité devait être contractualisé, les entreprises déjà riches et déjà installées pourraient disposer d’un avantage encore plus important. Les jeunes pousses, les laboratoires universitaires et les organisations à but non lucratif seraient moins capables de constituer des corpus comparables. Cet argument n’implique pas que l’usage de contenus protégés soit nécessairement licite, mais il alimente le débat sur les conséquences économiques d’un régime de licences obligatoire.

À l’inverse, les représentants des créateurs estiment qu’un régime sans compensation peut lui aussi renforcer la concentration. Les grands laboratoires disposent des infrastructures de calcul, des équipes de recherche et de l’accès à des données massives. Sans obligation de négociation, ils peuvent absorber la valeur créée par les médias, les écrivains, les photographes ou les musiciens sans partager les revenus générés par leurs produits. La question devient alors celle d’un transfert de valeur entre industries culturelles et plateformes technologiques.

Le gouvernement fédéral ne se présente pas ici comme arbitre neutre de cette redistribution. Son intervention traduit une hiérarchie de priorités dans laquelle le leadership américain en IA occupe une place centrale. Cette orientation s’inscrit dans un contexte international où les États-Unis, la Chine et l’Europe cherchent chacun à peser sur les infrastructures, les modèles, les puces et les normes de l’intelligence artificielle.

Pour OpenAI, dont les outils sont devenus l’un des symboles de l’IA générative grand public, ce soutien politique est significatif. Il ne garantit pas l’issue du procès et ne vaut pas validation générale de toutes les pratiques de collecte ou d’entraînement. Mais il donne du poids à l’argument selon lequel les tribunaux devraient examiner ces pratiques à la lumière de leurs effets sur l’innovation, la recherche et la position internationale des États-Unis.

Une bataille judiciaire qui recompose les rapports entre IA et médias

L’intervention de Washington intervient alors que les relations entre laboratoires d’IA et éditeurs oscillent entre contentieux et négociation. D’un côté, les poursuites cherchent à faire reconnaître des violations du copyright et à obtenir des réparations, voire des restrictions sur l’utilisation de certaines œuvres. De l’autre, les accords commerciaux tentent d’organiser l’accès à des contenus sélectionnés, parfois avec des mécanismes d’attribution, de citation ou de distribution au sein de produits d’IA.

Cette coexistence de stratégies est révélatrice. Les éditeurs ne forment pas un bloc homogène. Certains privilégient les partenariats, estimant qu’ils peuvent créer de nouvelles recettes dans un environnement où l’IA devient une porte d’entrée vers l’information. D’autres craignent que les contrats ne compensent qu’une petite partie de la valeur extraite, ou que les outils conversationnels fragilisent le lien direct avec le public. Un même groupe de presse peut d’ailleurs chercher à négocier sur certains usages tout en restant vigilant sur les risques de reproduction et de substitution.

Le précédent des moteurs de recherche est souvent évoqué, mais il a ses limites. Les moteurs ont profondément modifié l’économie de la presse en captant une partie de l’attention et de la publicité, tout en envoyant du trafic vers les éditeurs. Les systèmes conversationnels peuvent maintenir des liens et afficher des sources, mais ils peuvent également réduire le besoin de cliquer. Le degré de transparence sur l’origine des réponses, la place donnée aux citations et la capacité des utilisateurs à remonter à l’article constituent donc des éléments importants pour les médias.

Les réponses produites par les modèles soulèvent aussi un enjeu de fiabilité. Le journalisme ne se limite pas à une accumulation de faits. Il repose sur une hiérarchisation de l’information, une méthode de vérification, un contexte éditorial et une responsabilité juridique. Lorsqu’un assistant synthétise un sujet d’actualité, il peut omettre des nuances, mélanger des périodes ou produire des erreurs. Pour les éditeurs, la diffusion de réponses sans visite de leur site peut ainsi poser un problème économique, mais aussi un problème de réputation lorsque leurs informations sont déformées ou attribuées de façon imprécise.

Les laboratoires ont intérêt à réduire ces frictions. L’accès à des contenus de qualité, récents et vérifiés est précieux pour les produits qui ambitionnent de répondre à des requêtes d’information. Les accords conclus par OpenAI avec des organisations de presse vont dans ce sens. Ils peuvent permettre d’alimenter certaines expériences de recherche ou de fournir des sources plus directement identifiables. Toutefois, ces contrats ne suffisent pas à résoudre le débat sur les ensembles de données historiques ayant contribué à l’entraînement des modèles déjà existants.

Le cas du New York Times porte également sur une question procédurale et probatoire complexe. Les grands modèles sont des systèmes opaques, composés d’un nombre très élevé de paramètres. Établir qu’un texte précis a été inclus dans l’entraînement, puis démontrer un lien entre cette inclusion et une sortie déterminée, n’est pas trivial. Les entreprises peuvent invoquer le secret des affaires ; les plaignants demandent des éléments sur les corpus, les méthodes de filtrage et les mesures prises pour limiter la mémorisation ou la reproduction d’œuvres.

La décision finale, quelle qu’elle soit, pourrait donc reposer sur des faits très techniques autant que sur des principes juridiques. Les tribunaux devront apprécier les caractéristiques des modèles concernés, les comportements observables des produits, les mesures de protection mises en œuvre et la possibilité de dommages sur les marchés des œuvres. Une victoire nette de l’une ou l’autre partie ne peut pas être présumée à partir de la seule intervention du gouvernement.

Il existe néanmoins un effet immédiat : la position fédérale rend plus difficile l’idée selon laquelle la question serait un simple conflit commercial entre entreprises privées. En évoquant la compétitivité de l’industrie américaine, Washington affirme qu’une jurisprudence défavorable aux modèles génératifs pourrait avoir des conséquences qui dépassent les revenus d’un éditeur particulier. Les détenteurs de droits peuvent rétorquer que l’affaiblissement de la protection des contenus aurait, lui aussi, des conséquences collectives sur la production d’information, de culture et de savoir.

Cette opposition ne se résume pas à un choix entre innovation et création. L’innovation en IA dépend elle-même de contenus créés par des humains, souvent par des secteurs déjà soumis à une forte pression économique. La création, de son côté, peut bénéficier de nouveaux outils de recherche, de traduction, d’assistance ou de diffusion. Le véritable enjeu consiste à définir des conditions juridiques et économiques dans lesquelles ces deux activités peuvent coexister sans que l’une ne déstabilise durablement l’autre.

Pour la France et l’Europe, un dossier américain aux conséquences directes

Le procès se déroule aux États-Unis et relève du droit américain, mais ses répercussions sont observées de près en Europe. Les grands modèles de langage commercialisés à l’échelle mondiale sont souvent développés par des entreprises américaines. Les décisions des tribunaux américains peuvent influencer leurs pratiques de données, leurs stratégies de partenariat, leurs mécanismes de retrait de contenus et leur position dans les négociations avec les éditeurs européens.

Le cadre européen diffère toutefois sensiblement de l’approche américaine. L’Union européenne a introduit, dans la directive sur le droit d’auteur dans le marché unique numérique, des exceptions relatives à la fouille de textes et de données. L’une concerne la recherche scientifique ; une autre permet la fouille de textes et de données sous certaines conditions, notamment lorsque les titulaires de droits n’ont pas expressément réservé cet usage. Ce mécanisme d’opt-out est souvent au centre des discussions entre acteurs de l’IA et ayants droit.

La France a transposé cette directive dans son droit national. Pour les éditeurs, producteurs et créateurs français, l’enjeu pratique est de savoir comment exprimer efficacement une réserve de droits dans un environnement numérique où les contenus circulent, sont copiés, indexés et parfois intégrés à des corpus par des intermédiaires multiples. Une réserve théorique est moins utile si elle n’est pas techniquement lisible, juridiquement claire et effectivement respectée par les collecteurs de données.

L’Union européenne dispose également de son règlement sur l’intelligence artificielle, l’AI Act. Ce texte prévoit notamment des obligations de transparence pour les fournisseurs de modèles d’IA à usage général, dont la mise à disposition d’un résumé suffisamment détaillé des contenus utilisés pour l’entraînement, selon les modalités définies par le cadre européen. Il ne crée pas une licence générale au bénéfice des ayants droit et ne résout pas tous les litiges sur les données. Mais il cherche à rendre l’écosystème moins opaque que ne l’a été, historiquement, la constitution de nombreux corpus d’entraînement.

La comparaison avec les États-Unis révèle deux philosophies juridiques. Le fair use américain est une doctrine flexible, appréciée par les juges et fortement dépendante du contexte. Le droit européen repose davantage sur des exceptions définies par les textes, dont la fouille de textes et de données, ainsi que sur la possibilité de réserver certains usages. Dans les deux cas, le résultat reste incertain pour les acteurs économiques : l’IA évolue rapidement, tandis que les décisions judiciaires et les règles d’application avancent à un rythme plus lent.

Pour les médias français, la question est d’autant plus importante que le marché de l’information en ligne dépend déjà fortement des plateformes, des moteurs de recherche et des réseaux sociaux. L’arrivée des interfaces conversationnelles ajoute un intermédiaire potentiel entre le journal et son lecteur. Si ces interfaces répondent sans renvoyer vers les sources, les éditeurs risquent de perdre une partie du trafic et des revenus associés. Si elles citent clairement les sources et établissent des accords de distribution, elles peuvent aussi devenir un canal complémentaire, à condition que la répartition de la valeur soit jugée acceptable.

Les groupes de presse francophones ont par ailleurs un intérêt particulier à la qualité linguistique des modèles. Les modèles dominants ont longtemps été fortement structurés par les données en anglais. Les contenus en français, en langues régionales ou dans d’autres langues européennes peuvent être sous-représentés dans certains corpus, alors même qu’ils sont indispensables pour développer des assistants performants pour les publics locaux. Une politique de licences trop coûteuse pourrait limiter l’accès des plus petits laboratoires à ces ressources ; une absence totale de rémunération pourrait fragiliser les producteurs de contenus dont dépend cette qualité linguistique.

La perspective de souveraineté technologique européenne complique encore l’équation. Des entreprises européennes, dont plusieurs développent des modèles de langage, doivent naviguer entre le respect du droit européen, la concurrence d’acteurs disposant de ressources considérables et les attentes des ayants droit. Pour elles, la clarté juridique sur la fouille de textes et de données est un enjeu de compétitivité. Mais cette clarté doit aussi permettre aux créateurs européens de comprendre quand, comment et à quelles conditions leurs œuvres sont exploitées.

Dans ce contexte, l’intervention américaine en faveur d’OpenAI ne doit pas être lue comme une règle applicable en France. Elle constitue plutôt un indicateur politique. Elle montre que les États-Unis sont prêts à considérer l’accès aux données comme un élément de leur puissance dans l’IA. L’Europe devra déterminer jusqu’où elle veut privilégier la compétitivité de ses propres acteurs, sans abandonner les mécanismes de protection et de rémunération sur lesquels reposent ses industries culturelles.

Le procès comme laboratoire d’une future économie des données culturelles

La prise de position de Washington peut influencer les arguments présentés dans d’autres procédures, mais elle ne supprimera pas la nécessité d’examiner chaque dossier selon ses faits. Les litiges relatifs aux livres, aux images, à la musique, au code informatique ou à la presse ne soulèvent pas exactement les mêmes questions. Le comportement d’un générateur d’images, d’un assistant de programmation et d’un chatbot d’actualité ne peut pas être évalué selon un unique critère.

Le marché pourrait évoluer vers une combinaison de mécanismes. Les accords volontaires entre laboratoires et détenteurs de droits peuvent se multiplier pour les contenus à forte valeur commerciale, particulièrement les archives, les données récentes, les catalogues spécialisés et l’information vérifiée. Parallèlement, les entreprises continueront de défendre l’idée qu’une partie de l’entraînement relève d’usages autorisés par les exceptions existantes ou par le fair use. Les tribunaux détermineront les frontières de ces deux espaces.

Une clarification judiciaire favorable à OpenAI renforcerait la position des laboratoires américains dans les négociations. Ils pourraient soutenir qu’une licence n’est pas systématiquement requise pour l’entraînement, même si elle demeure souhaitable pour accéder à des contenus premium ou à jour. Une clarification favorable au New York Times, au contraire, pourrait accroître la pression en faveur de contrats, de mécanismes de compensation et de solutions techniques de traçabilité. Dans les deux cas, les effets ne seraient pas identiques selon la taille des acteurs : un grand groupe technologique et une jeune entreprise ne disposent pas de la même capacité à absorber des coûts juridiques ou à conclure des accords mondiaux.

La question de la transparence restera centrale. Sans informations suffisamment précises sur les pratiques de collecte, il est difficile pour les ayants droit d’évaluer l’usage de leurs œuvres. Sans règles prévisibles, il est difficile pour les développeurs de savoir quels corpus ils peuvent mobiliser. Les débats européens autour des résumés de données d’entraînement et les actions judiciaires américaines montrent que l’opacité héritée des premières années des grands modèles devient de moins en moins tenable à mesure que ces systèmes s’intègrent à des produits commerciaux de masse.

Il faut aussi distinguer l’entraînement des modèles de leur déploiement. Un modèle peut avoir été développé à partir d’un corpus contesté tout en étant équipé de garde-fous destinés à réduire la reproduction de contenus protégés. À l’inverse, un modèle entraîné avec des données sous licence peut produire des réponses problématiques si son interface favorise la restitution de textes trop proches des originaux. Les régulateurs, juges et entreprises devront probablement considérer toute la chaîne : acquisition des données, entraînement, ajustement, fonctionnement du produit, attribution des sources et traitement des plaintes.

Pour la presse, le défi de long terme est moins de défendre un principe abstrait que de préserver les conditions matérielles de la production d’information. Les contenus journalistiques coûtent cher à produire, surtout lorsqu’ils reposent sur l’enquête, l’expertise locale ou la couverture de sujets spécialisés. Si les outils d’IA captent l’essentiel de la valeur de l’information sans participer au financement de sa production, le risque concerne la diversité des sources disponibles. Si les règles deviennent trop lourdes ou trop fragmentées, elles peuvent aussi limiter l’émergence de services innovants utiles aux citoyens et aux rédactions.

Le soutien fédéral à OpenAI révèle ainsi une réalité plus large : le copyright est désormais discuté comme une infrastructure de l’IA. Il ne s’agit plus seulement de protéger une œuvre après sa publication, mais d’arbitrer l’accès à la matière première informationnelle qui nourrit les systèmes génératifs. Les États-Unis semblent vouloir éviter qu’une interprétation restrictive ne réduise leur avance industrielle. L’Europe, elle, cherche à articuler innovation, transparence et droits des créateurs dans un cadre plus codifié.

Le jugement à venir dans le dossier du New York Times ne fixera sans doute pas, à lui seul, toutes les règles de l’économie générative. Mais il contribuera à définir le rapport de force entre plateformes, laboratoires, éditeurs et titulaires de droits. Pour les acteurs francophones, l’enjeu sera de ne pas subir une norme façonnée uniquement par les tribunaux américains et les contrats conclus par les plus grands groupes. La prochaine étape ne sera pas seulement juridique : elle portera sur la capacité des médias, des créateurs et des entreprises européennes à négocier des conditions d’accès aux données compatibles avec une IA performante, traçable et durablement financée.