Introduction

Dans le domaine de l’intelligence artificielle (IA), les modèles entraînés représentent une avancée technologique majeure, issus de vastes bases de données d’apprentissage. Contrairement aux données brutes qui composent ces bases initiales, le modèle d’IA capture les relations et patterns appris au cours de l’entraînement. Une fois entraîné, il devient un actif immatériel autonome, matérialisant un savoir technique extrait des données d’origine.

La protection de ce modèle constitue de fait, un enjeu juridique croissant. Si la question de la protection des créations générées par l’IA, de la titularité des droits d’auteur ou encore de la responsabilité en cas de contrefaçon a déjà fait l’objet d’une analyse dans ce domaine, la qualification juridique et le régime de protection applicables au modèle entraîné lui-même soulèvent des difficultés spécifiques qui appellent une analyse distincte.

Le droit sui generis des bases de données : une protection inadaptée au modèle d’IA

L’entraînement d’un système d’intelligence artificielle repose sur une base de données servant de « réservoir » d’informations. Toutefois, le modèle qui en résulte ne se confond pas avec cette base de données initiale. Contrairement à une simple agrégation de données structurées, le modèle d’IA incorpore des relations, des pondérations et des patterns appris au cours du processus d’entraînement. Il constitue ainsi une représentation abstraite permettant la prédiction, la classification ou l’analyse de nouvelles données.

Cette spécificité soulève une difficulté de qualification juridique. Le droit sui generis des bases de données, issu de la directive 96/9/CE et transposé à l’article L.341-1 du Code de la propriété intellectuelle, protège l’investissement substantiel consenti dans l’obtention, la vérification ou la présentation de données organisées de manière systématique. Or, un modèle d’IA ne consiste pas en un ensemble structuré de données accessibles individuellement, mais en une configuration dynamique issue d’un apprentissage algorithmique. Il ne reproduit pas la base d’origine et ne permet pas l’extraction des données initiales en tant que telles.

Dès lors, bien qu’il repose sur une base d’entraînement éventuellement protégée, le modèle d’IA échappe en principe au champ d’application du droit sui generis. Sa nature algorithmique et relationnelle le distingue fondamentalement de la logique statique et organisationnelle propre aux bases de données.

Le droit d’auteur : une protection partielle centrée sur l’expression du code

La protection par le droit d’auteur pourrait, en théorie, s’appliquer à certains éléments d’un modèle d’IA s’ils traduisent des choix libres et créatifs constitutifs d’un apport intellectuel propre, au sens de la jurisprudence Pachot (Cass, Ass. Plén., 7 mars 1986, 83-10.477). En pratique, cette protection concerne principalement le code source ou l’architecture logicielle implémentant le modèle, dès lors qu’ils relèvent du régime des logiciels (art. L.112-2, 13° CPI). À ce jour, aucune décision n’a toutefois reconnu la protection autonome d’un modèle d’IA entraîné en tant que tel.

L’arrêt SAS Institute (CJUE, 2 mai 2012, C-406/10) rappelle que si le programme d’ordinateur est protégé, ses fonctionnalités ainsi que les idées et principes qui le sous-tendent ne le sont pas. Transposé aux modèles d’IA, ce raisonnement conduit à distinguer le code implémentant le modèle, susceptible de protection, des fonctionnalités (génération de texte, classification, prédiction) et des principes statistiques ou architecturaux sous-jacents, qui relèvent d’idées non protégeables.

La difficulté principale concerne les poids et paramètres d’un réseau neuronal entraîné : peuvent-ils être qualifiés d’« expression » au sens du droit d’auteur ? L’approche restrictive issue de l’arrêt SAS conduit à exclure de la protection les idées, principes et méthodes mathématiques sous-jacents. La qualification des poids et paramètres, qui matérialisent le résultat d’un apprentissage algorithmique, demeure toutefois incertaine, faute de jurisprudence spécifique.

protection da logiciel

Le brevet : la nécessité d’un effet technique supplémentaire

Le brevet ne permet pas de protéger un modèle d’IA en tant que construction mathématique abstraite. En effet, les algorithmes, méthodes mathématiques et programmes d’ordinateur sont exclus de la brevetabilité « en tant que tels » conformément à l’article L.611-10 du Code de la propriété intellectuelle.

En revanche, une invention mettant en œuvre un modèle d’IA peut être brevetable dès lors qu’elle apporte une solution technique à un problème technique et produit un effet technique supplémentaire comme précisé par la Chambre de recours technique de l’OEB (T 1173/97- Produit programme d’ordinateur- 01-07-1998 ). Autrement dit, ce n’est pas le modèle en lui-même qui peut faire l’objet d’un monopole, mais son intégration dans une application technique concrète : amélioration du fonctionnement d’un système informatique, optimisation d’un procédé industriel, traitement technique de signaux ou d’images, gestion d’un dispositif matériel, etc.

La brevetabilité suppose ainsi que le modèle contribue effectivement au caractère technique de l’invention, au-delà de la simple exécution d’un calcul ou d’un apprentissage statistique. En pratique, la protection directe d’un modèle d’IA isolé semble peu probable; seule son inscription dans une architecture ou un procédé produisant un effet technique identifiable peut ouvrir la voie à la protection par brevet.

Le secret des affaires : une protection pragmatique des paramètres entraînés

Le secret des affaires constitue, en pratique, le mécanisme le plus pertinent pour protéger les modèles d’IA entraînés. En vertu des articles L.151-1 et suivants du Code de commerce, est protégée toute information qui n’est pas généralement connue ou aisément accessible, qui présente une valeur commerciale du fait de son caractère secret et qui fait l’objet de mesures raisonnables de protection.

Les poids, paramètres et configurations internes d’un modèle d’IA remplissent fréquemment ces conditions : non publics, issus d’investissements substantiels en données et en calcul, ils confèrent un avantage concurrentiel déterminant. La protection suppose toutefois une politique effective de sécurisation, incluant notamment le contrôle d’accès technique, la limitation contractuelle de la diffusion et des mesures organisationnelles adaptées. Dans cette perspective, le secret des affaires apparaît comme l’outil juridique le plus cohérent pour préserver la valeur économique des modèles d’IA propriétaires.

Conclusion

Le modèle d’IA entraîné ne s’inscrit pleinement dans aucun régime classique de propriété intellectuelle. Il ne constitue ni une base de données au sens du droit sui generis, ni une œuvre protégée en tant que telle par le droit d’auteur, ni une invention brevetable isolément en l’absence d’effet technique supplémentaire.

Sa protection repose donc sur une approche combinée : le droit d’auteur pour le code, le brevet pour certaines applications techniques et, surtout, le secret des affaires pour préserver la valeur des poids et paramètres entraînés. Plus qu’un droit unique, c’est une stratégie juridique cohérente et anticipée qui permet d’assurer la sécurisation effective de cet actif immatériel stratégique.

Le cabinet Dreyfus et Associés accompagne ses clients dans la gestion de dossiers de propriété intellectuelle complexes, en proposant des conseils personnalisés et un soutien opérationnel complet pour la protection intégrale de la propriété intellectuelle.

Le cabinet Dreyfus et Associés est en partenariat avec un réseau mondial d’avocats spécialisés en Propriété Intellectuelle.

Nathalie Dreyfus avec l’aide de toute l’équipe du cabinet Dreyfus

FAQ

1. Les modèles dérivés d’un modèle open source sont-ils juridiquement indépendants ?
Cela dépend des termes de la licence. Certaines licences imposent des obligations de partage des modifications.

2. Les clauses de non-concurrence sont-elles pertinentes pour protéger un modèle ?
Elles peuvent compléter la stratégie contractuelle, notamment pour éviter la réutilisation d’un savoir-faire équivalent par des collaborateurs ou partenaires.

3. L’entraînement d’un modèle sur des données protégées peut-il contaminer juridiquement le modèle ?
En principe non, le modèle ne reproduisant pas les données. Toutefois, si des données protégées sont identifiables ou restituables, un risque de contrefaçon peut exister.

4. La protection des modèles d’IA appelle-t-elle une réforme législative ?
Le débat doctrinal existe. Certains plaident pour une protection sui generis des systèmes d’IA, mais aucune réforme spécifique n’est actuellement prévue en ce sens.

5. Le modèle peut-il constituer un actif stratégique en matière de valorisation ou d’investissement ?
Oui. Il peut faire l’objet d’une due diligence spécifique lors d’opérations de M&A ou de levées de fonds.

Cette publication a pour objet de fournir des orientations générales au public et de mettre en lumière certaines problématiques. Elle n’a pas vocation à s’appliquer à des situations particulières ni à constituer un conseil juridique.