Poursuites judiciaires liées aux données d’entraînement de l’IA : quelles conséquences pour les « web scrapers » ?

En septembre 2025, un juge fédéral a donné son accord préliminaire à un accord à l'amiable d'un montant de 1,5 milliard de dollars, ce qui représente le plus important versement lié au droit d'auteur de l'histoire de l'IA. Les faits à l'origine de cette affaire : Anthropic a entraîné ses modèles à partir d'environ 500 000 livres piratés (Copyright Alliance, « Participation à l'accord Bartz c. Anthropic », consulté le 17 septembre 2026). Ce chiffre à lui seul devrait retenir l’attention de toute personne dont le métier consiste à collecter des données.

Au cours des dix-huit derniers mois, les tribunaux de deux continents ont commencé à définir des limites concrètes concernant la manière dont les entreprises spécialisées dans l’IA et les « scrapers » peuvent acquérir des données d’entraînement, et ces limites ne correspondent pas toujours à ce que le secteur avait supposé. Cet article passe en revue les principales décisions judiciaires, ce qu’elles ont effectivement établi, ainsi que les changements que les équipes chargées des données et les fournisseurs d’infrastructures de scraping devraient apporter à leurs modes de fonctionnement. Pour en savoir plus sur les mécanismes en jeu, consultez Comment fonctionne le web scraping ?.

Points clés à retenir

• L'accord à l'amiable de 1,5 milliard de dollars conclu par Anthropic montre que c'est le piratage, et non la formation, qui est à l'origine de la responsabilité (Copyright Alliance, 2026).
• Ross Intelligence a perdu son argument de « fair use » car son outil d'IA était en concurrence directe avec le marché de Westlaw ; Anthropic et Meta n'ont jamais eu à répondre à cette question.
• Seuls 14 % des domaines de premier niveau ont défini une directive « robots.txt » relative aux bots d'IA (Cloudflare Radar, 2025).
• La fraude vous vaut d'être inscrit sur une liste noire. Aucune action en justice n'est nécessaire.

Que décident réellement les tribunaux concernant les données d'entraînement de l'IA ?

Les tribunaux estiment que la manière dont vous obtenez les données d’entraînement peut engager votre responsabilité, indépendamment de la manière dont vous les utilisez. Le règlement de l’affaire Bartz c. Anthropic s’est élevé à environ 3 000 dollars par œuvre pour quelque 500 000 livres piratés, un chiffre directement lié à la méthode d’acquisition et non à la manière dont ces livres ont ensuite été utilisés à des fins d’entraînement (Copyright Alliance, « Participer à l’accord à l’amiable Bartz c. Anthropic », consulté le 17 septembre 2026).

La décision de fond rendue par le juge William Alsup dans l’affaire Bartz c. Anthropic a établi une distinction très nette à laquelle le secteur ne s’attendait pas tout à fait. L'entraînement sur les ouvrages qu'Anthropic avait achetés et numérisés relevait de l'usage loyal, qualifié par le juge de « spectaculairement transformatif » (Norton Rose Fulbright, Inside Tech Law, « Bartz c. Anthropic : accord conclu après un jugement sommaire historique », consulté le 17 septembre 2026). Le téléchargement de copies piratées en vue de constituer une bibliothèque de recherche permanente constituait un acte distinct et ne relevait pas de l’usage loyal, quelle que soit l’utilisation ultérieure de ces données.

Cette distinction importe davantage que le montant de l'accord lui-même. L'acquisition et l'utilisation constituent désormais deux questions juridiques distinctes, et une entreprise peut l'emporter sur l'une tout en essuyant un revers cuisant sur l'autre. Anthropic a conclu son accord de règlement en août 2025, et le juge Alsup a donné son accord préliminaire le mois suivant (CNBC, « Un juge donne son accord préliminaire à un règlement de 1,5 milliard de dollars avec les auteurs », 25 septembre 2025, consulté le 17 septembre 2026).

Un laboratoire d’IA disposant de moyens financiers importants court-il vraiment moins de risques juridiques qu’un petit « scraper » utilisant la même source piratée ? Pas nécessairement. Cet accord montre que la taille d’une entreprise ne met personne à l’abri d’une plainte relative à la méthode d’acquisition, dès lors que celle-ci est considérée comme distincte de la question de l’usage loyal. Voir Qu'est-ce qui est considéré comme des données d'entraînement pour l'IA ? en ce qui concerne les mécanismes sous-jacents sur lesquels portent ces décisions.

Pourquoi Thomson Reuters a-t-il pris le dessus sur Ross Intelligence alors qu'Anthropic avait obtenu gain de cause dans l'affaire relative à l'usage loyal ?

Thomson Reuters a obtenu gain de cause car Ross Intelligence avait développé un produit en concurrence directe à partir de contenus sous licence qu’elle n’était pas autorisée à utiliser à des fins d’entraînement. En février 2025, le juge Stephanos Bibas (D. Del.) a rendu un jugement sommaire partiel en faveur de Thomson Reuters, ce qui constitue le premier jugement sommaire défavorable à une entreprise spécialisée dans l’IA invoquant la défense du « fair use » concernant des données d’entraînement (Goodwin Procter, « La Cour rejette la défense fondée sur l’usage loyal dans une affaire de droit d’auteur liée à l’IA », consulté le 17 septembre 2026).

Ross avait utilisé les résumés jurisprudentiels de Westlaw, ainsi que le contenu éditorial que Thomson Reuters avait mis des décennies à constituer, pour former un outil de recherche juridique qui entrait en concurrence directe avec Westlaw lui-même. Le juge Bibas a estimé que cette utilisation n'était pas transformative et portait atteinte, sur le plan commercial, au marché de l'œuvre originale (Jenner & Block, note d'information aux clients, consultée le 17 septembre 2026).

Comparez cela à l'affaire Kadrey c. Meta. En juin 2025, le juge Vince Chhabria (N.D. Cal.) a accordé à Meta un jugement sommaire partiel concernant l’usage loyal, bien que certains ouvrages de formation proviennent de bibliothèques parallèles, car les plaignants n’ont pas pu démontrer que l’utilisation par Meta avait entraîné une dilution du marché de leurs œuvres (Goodwin Procter, consulté le 17 septembre 2026). Il a pris soin de souligner qu’un futur plaignant capable de prouver une dilution du marché pourrait obtenir gain de cause là où ces plaignants avaient échoué (Copyright Alliance, « Décision Kadrey c. Meta », consulté le 17 septembre 2026).

Alors, qu'est-ce qui distingue réellement une défense fondée sur l'usage loyal qui aboutit d'une autre qui échoue ? Il s'avère que c'est la concurrence sur le marché, et non les modalités techniques de la copie elle-même.

Considérées dans leur ensemble, ces décisions suggèrent que la méthode d’acquisition et l’utilisation concurrentielle constituent deux voies de responsabilité distinctes. Anthropic a été déboutée sur le fondement de l’acquisition (piratage) bien qu’elle ait obtenu gain de cause sur celui de l’utilisation transformatrice. Ross a été déboutée sur le fondement de l’utilisation concurrentielle bien qu’elle ait puisé dans un contenu provenant d’une source sous licence. Aucun de ces deux facteurs ne garantit à lui seul une protection.

Les affaires qui sont toujours en cours d'examen devant les tribunaux

Plusieurs des plus importantes affaires relatives au droit d’auteur et à l’IA sont toujours en suspens, et leurs issues pourraient redéfinir davantage la doctrine de l’usage loyal. Les actions en justice regroupées du New York Times et de l’Authors Guild contre OpenAI font désormais l’objet de l’affaire « In re OpenAI Copyright Litigation », devant le juge Sidney Stein. En septembre 2026, l’affaire en est au stade de la communication des pièces, aucune date de procès n’ayant encore été fixée (Washington Post, « Le ministère américain de la Justice exhorte le juge à statuer en faveur d’OpenAI et de Microsoft dans le procès intenté par le New York Times », 2 septembre 2026, consulté le 17 septembre 2026).

En avril 2025, le juge Stein a en grande partie rejeté la requête en irrecevabilité déposée par OpenAI et Microsoft, autorisant la poursuite de la plupart des actions en justice et refusant explicitement de qualifier l’entraînement de l’IA de « intrinsèquement transformateur ». Une ordonnance rendue le 27 octobre 2025 est allée plus loin : Le juge Stein a estimé que les résumés d’intrigues des romans des plaignants générés par ChatGPT pouvaient constituer en eux-mêmes une contrefaçon, une théorie des « résultats » distincte de la question de l’entraînement (IPWatchdog, « OpenAI échoue dans sa tentative de rejet d’un recours collectif multi-districts concernant les résultats de ChatGPT », 28 octobre 2025, consulté le 17 septembre 2026).

Cette affaire a également attiré l'attention de l'extérieur. Le 2 septembre 2026, le ministère de la Justice a déposé un mémoire exhortant le tribunal à se prononcer en faveur d'OpenAI et de Microsoft (Washington Post, consulté le 17 septembre 2026 ; Axios, « NYT, OpenAI, Microsoft : procès en matière de droit d'auteur », 8 septembre 2026, consulté le 17 septembre 2026).

L'affaire Getty Images c. Stability AI s'est jouée de part et d'autre de l'océan. Le 4 novembre 2025, la Haute Cour du Royaume-Uni a jugé que la plainte de Getty relative au droit d’auteur était irrecevable, car l’entraînement de Stability avait eu lieu en dehors du Royaume-Uni, mais a conclu à une contrefaçon de marque, les premiers résultats générés par Stable Diffusion portant le filigrane de Getty (Ropes & Gray, consulté le 17 septembre 2026). L'autre action intentée par Getty aux États-Unis, réintroduite devant le tribunal fédéral du district nord de Californie, a résisté à une requête en irrecevabilité concernant les allégations de contrefaçon de marque et de dilution en avril 2026 ; le procès est prévu pour janvier-février 2028 (registre CourtListener, consulté le 17 septembre 2026).

Cette même théorie, selon laquelle les productions générées par l'IA portant le filigrane d'une marque ou contenant du contenu dérivé identifiable constituent une contrefaçon, est désormais invoquée simultanément devant les tribunaux britanniques et américains. Les actions en contrefaçon de droit d'auteur sont de plus en plus restreintes pour des motifs liés à la compétence juridictionnelle et à l'usage transformatif, mais les actions fondées sur le droit des marques et sur les productions générées comblent le vide laissé par ces décisions plus restrictives.

Ce phénomène ne se limite pas au texte. Disney, Universal et Warner Bros. ont intenté une action en justice contre Midjourney entre juin et septembre 2025 au sujet de la génération d’images, et les affaires regroupées font toujours l’objet d’un litige relatif à la communication des pièces à la mi-2026 (Variety, consulté le 17 septembre 2026 ; IPWatchdog, « La plainte de Warner Bros. allègue que la violation du droit d’auteur par Midjourney est “systématique” et “intentionnelle” », consulté le 17 septembre 2026). Dans le domaine de la musique, Universal Music Group a conclu un accord à l’amiable avec Udio en octobre 2025, associant une indemnisation à un accord de licence pour une nouvelle plateforme musicale basée sur l’IA, et Warner Music a conclu un accord à l’amiable avec Udio et Suno en novembre 2025 (Music Business Worldwide, consulté le 17 septembre 2026). Sony est toujours en litige avec ces deux plateformes. La pression ne se limite d’ailleurs pas aux salles d’audience : voir Pourquoi l'accès aux données du Web devient-il de plus en plus difficile ? en ce qui concerne le volet « infrastructures » de cette même contrainte.

Ces considérations s'appliquent-elles également à l'extraction de données publiques, et pas seulement à l'entraînement des IA ?

Le « scraping » de pages Web accessibles au public ne constitue pas, en soi, un délit fédéral, mais cela ne signifie pas pour autant qu’il soit sans risque. L'affaire hiQ Labs c. LinkedIn a tranché cette question devant la Cour d'appel du neuvième circuit : l'extraction de données sur des pages publiques ne constitue pas une violation de la disposition de la CFAA relative à l'« accès sans autorisation », bien que les actions pour rupture de contrat, violation du droit d'auteur et atteinte à la propriété restent pleinement recevables (White & Case, « Web scraping, website terms and the CFAA », consulté le 17 septembre 2026).

Cette décision a été rendue en renvoi après que l'arrêt Van Buren de la Cour suprême eut restreint le champ d'application de la CFAA. La même procédure a également conclu que hiQ avait tout de même enfreint les Conditions d’utilisation de LinkedIn, une action contractuelle distincte qui n’était pas concernée par la décision relative à la CFAA (Fenwick & West, « hiQ Labs Scrapes By Again », consulté le 17 septembre 2026). Dans la pratique, la véritable question en matière de risque est passée de « s'agit-il d'un piratage ? » à « avais-je l'autorisation ou une licence ? ».

Si le « scraping » de pages publiques n'est pas du piratage, pourquoi les entreprises continuent-elles d'être bloquées et poursuivies en justice pour cette raison ? Parce que l'immunité prévue par la CFAA n'a jamais couvert les litiges relatifs aux contrats, au droit d'auteur ou à l'intrusion, et c'est précisément là que se situent aujourd'hui la plupart des litiges.

Un autre incident survenu en août 2025 a montré à quelle vitesse les mesures informelles de mise en application peuvent être mises en œuvre. Cloudflare a signalé que Perplexity utilisait des user-agents et des ASN non déclarés et changeants pour continuer à explorer des domaines de test qui avaient explicitement interdit l’accès à tous les robots d’exploration via le fichier robots.txt (Search Engine Journal, « Cloudflare retire Perplexity de sa liste et l'empêche d'explorer les sites web », consulté le 17 septembre 2026). Cloudflare a retiré à Perplexity son statut de robot vérifié et a bloqué son robot d'exploration à l'échelle du réseau, sans qu'aucune procédure judiciaire ne soit nécessaire.

Perplexity a publiquement contesté la version des faits donnée par Cloudflare (Search Engine Journal, consulté le 17 septembre 2026). Quelle que soit l’issue de ce différend, la leçon à en tirer reste la même : se faire prendre en train de contourner un blocage déclaré peut mettre fin du jour au lendemain à l’accès d’un robot d’indexation à une grande partie du Web. Pour mieux cerner les limites juridiques, consultez pratiques éthiques en matière de web scraping.

Comment les fournisseurs d'infrastructures réagissent-ils ?

Les fournisseurs d’infrastructures ont cessé d’attendre les décisions des tribunaux et ont commencé à modifier eux-mêmes leurs paramètres par défaut. À compter du 1er juillet 2025, Cloudflare a fait du blocage des robots d’indexation IA non autorisés le paramètre par défaut pour chaque nouveau domaine, passant ainsi du modèle antérieur de « blocage par consentement explicite » à celui de « accès par refus explicite » (Cloudflare, communiqué de presse, « Cloudflare vient de changer la façon dont les robots d’indexation basés sur l’IA explorent Internet dans son ensemble », consulté le 17 septembre 2026).

Cloudflare a associé cette évolution au système « Pay Per Crawl », un mécanisme permettant aux propriétaires de sites de facturer l'accès aux robots d'indexation ; selon l'entreprise, ce système évoluera vers un modèle « Pay Per Use » à compter du 15 septembre 2026, bloquant par défaut les robots d'indexation à double usage sur les pages financées par la publicité (Blog Cloudflare, consulté le 17 septembre 2026). Au cours d’une période d’analyse du trafic s’étendant du 19 au 26 juin 2025, Cloudflare Radar a constaté que Claude, développé par Anthropic, effectuait environ 71 000 requêtes de pages HTML pour chaque renvoi qu’il effectuait vers les sites qu’il explorait (Blog Cloudflare/Radar, « Rapport entre l'exploration par l'IA et les renvois sur Radar », consulté le 17 septembre 2026).

La plupart des propriétaires de sites n'ont toujours défini aucune indication. GPTBot était le robot d'exploration le plus bloqué de ce même ensemble de données, refusé par 312 des 3 816 domaines disposant d'un fichier robots.txt, contre seulement 61 qui l'autorisaient explicitement (Blog Cloudflare/Radar, consulté le 17 septembre 2026).

Les autorités de régulation commencent à considérer que seuls les signaux lisibles par machine ont valeur. Le 10 décembre 2025, la Cour d’appel hanséatique de Hambourg a statué, dans l’affaire Kneschke c. LAION (OLG Hambourg, 5 U 104/24), qu’une opposition à l’exploration de textes et de données n’est juridiquement valable que si elle est lisible par machine. Les fichiers « robots.txt », les en-têtes « X-Robots-Tag » ou le protocole TDM Reservation Protocol sont tous pris en compte. En revanche, une clause dissimulée dans les conditions d’utilisation d’un site web rédigées en langage naturel n’est pas valable (Norton Rose Fulbright, Inside Tech Law, « Machine-Readable Opt-Outs and AI Training: Hamburg Court Clarifies Copyright Exceptions », consulté le 17 septembre 2026).

Cette approche s'inscrit dans la lignée du Code de bonnes pratiques GPAI de l'UE, publié en juillet 2025 et signé par 23 développeurs d'IA d'ici juillet 2026, parmi lesquels OpenAI, Google, Anthropic et Microsoft, qui se sont tous engagés à effectuer l'exploration du Web à l'aide de robots respectant le fichier robots.txt et à respecter les restrictions lisibles par machine.

Les fournisseurs d’infrastructures et les autorités de régulation prennent en effet une longueur d’avance sur les tribunaux dans ce domaine. Cloudflare a modifié sa politique par défaut relative aux robots d’indexation en juillet 2025, et la norme relative aux « signaux lisibles par machine » établie par le tribunal de Hambourg a été adoptée bien avant que la jurisprudence américaine ne tranche des questions comparables concernant le scraping et les licences. Les équipes qui attendent l’issue d’un litige avant d’adapter leur politique risquent de constater que les paramètres par défaut ont déjà changé sans qu’elles s’en soient rendues compte.

Ce que les spécialistes du scraping et les équipes chargées des données devraient faire dès maintenant

Les équipes chargées des données qui ne s'intéressent à la provenance qu'après coup sont celles qui sont les plus exposées aux risques engendrés par ces décisions judiciaires. À lui seul, le règlement de l’affaire Bartz a coûté environ 3 000 dollars par œuvre piratée, sur un total d’environ 500 000 livres (Copyright Alliance, consulté le 17 septembre 2026), un chiffre que toute équipe juridique peut multiplier par le nombre d’archives non autorisées dont elle dispose.

1. Assurer la traçabilité de la provenance des données de bout en bout. Sachez exactement d'où provient chaque donnée utilisée pour l'entraînement ou la collecte, et si celle-ci a fait l'objet d'une licence, a été achetée ou extraite. L'affaire Anthropic montre que les autorités de régulation et les tribunaux distinguent la méthode d'acquisition de l'utilisation en aval lorsqu'ils attribuent la responsabilité.

2. Respectez les signaux de désinscription lisibles par machine. Les fichiers « robots.txt » et « ai.txt », ainsi que le protocole de réservation TDM, constituent désormais les normes reconnues par les autorités de régulation, même lorsque la juridiction concernée n'a pas encore imposé leur application.

3. Privilégiez les licences plutôt que les solutions de contournement proches du piratage. Les relations entre les données achetées ou faisant l'objet d'une licence tiennent la route devant les tribunaux, contrairement aux archives piratées, car la victoire d'Anthropic invoquant le « fair use » concernant les livres achetés n'a en rien atténué sa responsabilité vis-à-vis des copies piratées qui figuraient à côté d'eux dans le même cycle d'entraînement.

4. Évitez les tactiques visant à dissimuler votre identité. Le fait d'alterner les user-agents pour contourner un blocage déclaré entraîne votre inscription sur une liste noire. Aucune procédure judiciaire n'est nécessaire. Contexte : En quoi consiste réellement le « scraping » par l'IA ? constitue un point de départ utile pour réaliser un audit de votre propre pipeline.

Conclusion

Cette année, le cadre juridique régissant les données d'entraînement de l'IA s'est scindé en deux volets distincts : la manière dont vous acquérez les données et celle dont vous les utilisez ; les tribunaux sont désormais disposés à sanctionner les manquements à l'une ou l'autre de ces règles de manière indépendante.

• Le mode d'acquisition constitue désormais un critère de responsabilité à part entière, distinct de l'usage loyal.
• L'utilisation concurrentielle met fin à un argument de « fair use » plus rapidement que le piratage : Ross Intelligence a perdu d'emblée parce que son outil était en concurrence directe avec Westlaw, un défi qu'Anthropic et Meta n'ont jamais eu à relever.
• Les infrastructures évoluent plus rapidement que les instances judiciaires. Cloudflare a modifié le paramètre par défaut de son robot d'indexation en juillet 2025 ; les autorités de régulation de l'UE ont emboîté le pas quelques mois plus tard.

Attendez-vous à voir se multiplier jusqu'en 2027 les accords combinant règlement et octroi de licence, à l'image de ceux conclus par UMG et Warner Music, car le modèle consistant à « intenter un procès puis accorder une licence » continue de se généraliser dans les domaines du texte, de l'image et de la musique. Pour ce qui est des aspects pratiques d'un approvisionnement juridiquement solide, consultez Mise en place d'un pipeline de données à partir de données Web en temps réel.

Sources

1. Copyright Alliance, « Participation à l'accord à l'amiable dans l'affaire Bartz c. Anthropic », consulté le 17 septembre 2026
2. CNBC, « Un juge donne son accord préliminaire à un accord à l'amiable de 1,5 milliard de dollars avec les auteurs », consulté le 17 septembre 2026
3. Norton Rose Fulbright / Inside Tech Law, « Bartz c. Anthropic : accord à l'amiable conclu à la suite d'un jugement sommaire historique et de la certification d'une action collective », consulté le 17 septembre 2026
4. Goodwin Procter, « Un tribunal rejette l'argument de l'usage loyal dans une affaire de droit d'auteur liée à l'IA », consulté le 17 septembre 2026
5. Jenner & Block, note d'information à l'intention des clients concernant l'affaire Thomson Reuters c. Ross Intelligence, consultée le 17 septembre 2026
6. Goodwin Procter, « Décision d'un juge du district nord de la Californie » (Kadrey c. Meta), consulté le 17 septembre 2026
7. Copyright Alliance, « Décision Kadrey c. Meta », consulté le 17 septembre 2026
8. Washington Post, « Le ministère de la Justice demande au juge de se prononcer en faveur d'OpenAI et de Microsoft dans le cadre du procès intenté par le New York Times », consulté le 17 septembre 2026
9. Axios, « Poursuite en justice pour violation du droit d'auteur opposant le NYT, OpenAI et Microsoft », consulté le 17 septembre 2026
10. IPWatchdog, « OpenAI voit rejetée sa demande de rejet d'un recours collectif multi-districts concernant les résultats générés par ChatGPT », consulté le 17 septembre 2026
11. Ropes & Gray, « Getty Images perd son action en contrefaçon de droits d'auteur contre Stability AI dans la première affaire de ce type au Royaume-Uni... », consulté le 17 septembre 2026
12. Cleary Gottlieb, « La Haute Cour britannique rend un arrêt historique dans l'affaire Getty Images c. Stability AI », consulté le 17 septembre 2026
13. CourtListener, dossier de l'affaire Getty Images (US) Inc. c. Stability AI Ltd., consulté le 17 septembre 2026
14. Music Business Worldwide, « Universal Music règle le litige avec Udio et conclut un accord pour une plateforme musicale basée sur l'IA sous licence », consulté le 17 septembre 2026
15. Hollywood Reporter, « Universal Music Group annonce un accord avec Udio », consulté le 17 septembre 2026
16. Variety, à propos du litige concernant la découverte des studios Midjourney, consulté le 17 septembre 2026
17. IPWatchdog, « La plainte de Warner Bros. allègue que la violation du droit d'auteur par Midjourney est "systématique" et "intentionnelle" », consulté le 17 septembre 2026
18. White & Case, « Web scraping, conditions d'utilisation des sites web et CFAA : l'injonction provisoire en faveur de hiQ à nouveau confirmée », consulté le 17 septembre 2026
19. Fenwick & West, « hiQ Labs s'en sort une nouvelle fois : la Cour d'appel du neuvième circuit réaffirme que l'extraction de données ne constitue pas une violation de la CFAA », consulté le 17 septembre 2026
20. Blog Cloudflare/Radar, « Rapport entre l'exploration par l'IA et les références sur Radar », consulté le 17 septembre 2026
21. Cloudflare, communiqué de presse, « Cloudflare vient de révolutionner la manière dont les robots d'indexation basés sur l'IA explorent Internet en général », consulté le 17 septembre 2026
22. Search Engine Journal, « Cloudflare retire Perplexity de son index et l'empêche d'explorer les sites web », consulté le 17 septembre 2026
23. Norton Rose Fulbright, Inside Tech Law, « Options de désinscription lisibles par machine et apprentissage de l'IA : un tribunal de Hambourg apporte des précisions sur les exceptions au droit d'auteur », consulté le 17 septembre 2026