Voici un bref panorama web synthétique des arguments pour et contre l’application de l’utilisation équitable (ou doctrines similaires comme fair use / fair dealing) à l’entraînement des modèles d’IA :
IA et utilisation équitable : arguments POUR
1) Entraînement vu comme usage transformateur
Plusieurs juristes soutiennent que l’entraînement d’un modèle d’IA n’exploite pas les œuvres pour leur contenu expressif, mais pour en extraire des relations statistiques, ce qui constituerait un usage transformateur et non substitutif. (Source : Authors Guild v. Google – résumé et analyse : https://www.eff.org/cases/authors-guild-v-google)
2) Soutien à l’innovation et à la recherche
Imposer des licences pour chaque œuvre rendrait la recherche en IA impraticable et freinerait l’innovation scientifique, éducative et culturelle. (Source : Stanford HAI – Fair Use and AI Training : https://hai.stanford.edu/news/reexamining-fair-use-age-ai)
3) Cadres légaux existants en Europe (TDM)
En Europe, les exceptions de fouille de textes et de données (Text and Data Mining) permettent l’analyse d’œuvres protégées à des fins de recherche, sauf opposition explicite. (Source : Directive (UE) 2019/790, art. 3 et 4 : https://eur-lex.europa.eu/eli/dir/2019/790/oj)
IA et utilisation équitable : arguments CONTRE
1) Atteinte économique aux artistes
Les œuvres servent à entraîner des systèmes qui peuvent ensuite produire des contenus concurrents, sans rémunération ni reconnaissance des créateurs. (Source : Getty Images v. Stability AI – Reuters : https://www.reuters.com/sustainability/boards-policy-regulation/getty-images-largely-loses-landmark-uk-lawsuit-over-ai-image-generator-2025-11-04/)
2) Exceptions non conçues pour l’IA générative
Des spécialistes estiment que le fair dealing/fair use n’a jamais été pensé pour des systèmes capables de générer massivement des œuvres dérivées. (Source : Pamela Samuelson, Berkeley Law :https://www.law.berkeley.edu/article/is-ai-training-fair-use/)
3) Problème de consentement et de transparence
Les créateurs ne savent pas si leurs œuvres ont été utilisées, ni comment s’y opposer efficacement. (Source : Hamburg Court – opt-out machine-readable : https://www.insidetechlaw.com/blog/2025/12/machine-readable-opt-outs-and-ai-training-hamburg-court-clarifies-copyright-exceptions)