Introduction

Les systèmes d’intelligence artificielle générative sont entraînés à partir de volumes considérables de textes, d’images, de musiques et de contenus audiovisuels. Pour les auteurs, artistes, éditeurs, producteurs et organismes de gestion collective, une difficulté demeure cependant centrale : comment prouver qu’une œuvre protégée a effectivement été utilisée pour développer ou déployer un modèle d’IA lorsque les données d’entraînement restent largement opaques ?

Une proposition de loi du 12 décembre 2025, portée par la sénatrice Laure Darcos, entend répondre à cette asymétrie en instaurant une présomption d’utilisation des contenus culturels par les fournisseurs d’intelligence artificielle. Adopté par le Sénat le 8 avril 2026, le texte a ensuite été transmis à l’Assemblée nationale. Il ne crée pas un nouveau droit de propriété intellectuelle : il modifie les règles de preuve afin de permettre aux titulaires de droits d’agir plus efficacement.

Pourquoi la preuve de l’utilisation des œuvres par l’IA est-elle si difficile ?

L’entraînement des modèles repose sur des données rarement accessibles

Pour établir une atteinte au droit d’auteur, le titulaire doit en principe identifier l’œuvre concernée, démontrer ses droits et caractériser les actes de reproduction ou d’exploitation reprochés. Cette démonstration devient particulièrement complexe lorsque les contenus ont été absorbés dans des jeux de données massifs, assemblés par plusieurs prestataires et utilisés pour entraîner un modèle dont le fonctionnement interne n’est pas public.

Pour en savoir plus sur les enjeux liés à l’utilisation d’œuvres protégées dans l’entraînement des systèmes d’IA, nous vous invitons à consulter notre article précédemment publié.

Les titulaires de droits peuvent parfois relever des similitudes dans un résultat généré, provoquer la restitution d’un élément proche de leur œuvre ou identifier une référence à un contenu dans une documentation technique. Ces éléments ne permettent toutefois pas toujours d’établir avec certitude l’origine des données d’entraînement.

L’opt-out ne résout pas à lui seul la difficulté probatoire

La fouille de textes et de données (« text and data mining ») consiste à analyser automatiquement de grandes quantités de contenus numériques afin d’en extraire des informations, des tendances ou des corrélations. L’article 4 de la directive (UE) 2019/790 autorise, sous certaines conditions, les reproductions et extractions nécessaires à cette analyse lorsqu’elles portent sur des contenus auxquels il a été accédé licitement. Pour les fouilles réalisées à toutes fins, cette exception ne s’applique toutefois que si les titulaires n’ont pas expressément réservé leurs droits. Cette faculté de s’opposer à la fouille de textes et de données est couramment désignée par le terme « opt-out » : le titulaire manifeste explicitement, notamment au moyen de procédés lisibles par machine, qu’il refuse que ses contenus soient utilisés à cette fin

En droit français, ces règles sont prévues à l’article L. 122-5-3 du Code de la propriété intellectuelle.

En pratique, la réservation de droits ne suffit pas toujours à protéger le titulaire. Celui-ci peut s’opposer à l’utilisation de son œuvre, sans pour autant savoir si elle a été intégrée à un jeu de données d’entraînement ni si son opposition a été respectée. Faute d’accès aux informations techniques détenues par le fournisseur, il peut donc rester difficile de démontrer une utilisation non autorisée.

Comment fonctionnerait la présomption d’utilisation des contenus culturels ?

Le titulaire devrait présenter un indice rendant l’utilisation vraisemblable

Le texte prévoit qu’un objet protégé par un droit d’auteur ou un droit voisin serait présumé avoir été utilisé par un fournisseur d’IA lorsqu’un indice relatif au développement ou au déploiement du système, ou au résultat qu’il génère, rend cette utilisation vraisemblable.

Il ne s’agirait donc pas d’une présomption automatique applicable à toute œuvre disponible en ligne. Le demandeur devrait produire un commencement de démonstration suffisamment circonstancié. Une simple affirmation abstraite selon laquelle un modèle a nécessairement été entraîné sur des contenus culturels ne devrait pas suffire.

  1. Le titulaire présente un ou plusieurs indices crédibles.
  2. Le fournisseur, qui détient les informations techniques, peut apporter la preuve contraire.

Le mécanisme rapproche ainsi la charge de la preuve de la partie qui dispose concrètement des éléments permettant de déterminer l’origine et les conditions d’utilisation des données.

La présomption resterait réfragable

Le fournisseur d’IA pourrait renverser la présomption en démontrant, par exemple, que l’œuvre n’a pas été intégrée au corpus, qu’elle a été utilisée dans le cadre d’une licence, qu’elle provenait d’une source couverte par une autorisation ou que l’utilisation relevait valablement d’une exception.

La proposition ne signifie donc pas que tout fournisseur serait automatiquement considéré comme contrefacteur. Elle créerait un outil probatoire, non une responsabilité de plein droit.

Le Conseil d’État, dans un avis favorable rendu le 19 mars 2026, a estimé que le dispositif pouvait être articulé avec le droit de l’Union, sous réserve notamment de retenir le terme plus neutre d’« utilisation », de préserver le secret des affaires et de limiter le mécanisme à la matière civile.

La présomption favoriserait le recours aux licences

La présomption porterait uniquement sur le fait qu’un contenu a été utilisé ; elle ne permettrait pas, à elle seule, de conclure à une utilisation illicite. Un fournisseur pourrait donc démontrer que l’œuvre concernée était couverte par une licence ou une autre autorisation. Ce mécanisme l’inciterait ainsi à documenter ses sources et à conclure des accords avec les ayants droit afin de sécuriser l’entraînement de ses modèles. La présomption constituerait donc un levier de responsabilisation et de négociation, susceptible de favoriser le développement de licences individuelles ou collectives.

Quels indices pourraient déclencher la présomption ?

Le texte ne fixe pas une liste exhaustive. L’appréciation devrait donc être conduite au cas par cas par le juge.

Les indices tirés des résultats générés

  • la génération répétée d’éléments substantiellement proches d’une œuvre ;
  • la restitution d’un passage, d’une image, d’une composition ou de détails peu susceptibles de résulter d’une simple coïncidence ;
  • l’apparition de signatures, filigranes, mentions de copyright ou métadonnées associées au contenu d’origine ;
  • la capacité du système à reproduire un univers créatif très précisément identifié.

Une ressemblance isolée ne constituerait pas nécessairement une preuve suffisante. L’analyse devrait notamment distinguer la reprise d’éléments protégeables de la reproduction d’un style, d’une idée, d’un genre ou de caractéristiques banales.

Les indices relatifs au développement du modèle

  • la documentation publiée par le fournisseur ;
  • la description des jeux de données utilisés ;
  • les rapports de transparence ;
  • les déclarations de prestataires ou de chercheurs ;
  • les licences acquises pour certaines catégories de contenus ;
  • les données révélées au cours d’une expertise ou d’une mesure d’instruction.

Comment la présomption s’articule-t-elle avec le droit européen ?

Elle ne supprime pas l’exception de fouille de textes et de données

La présomption ne modifierait pas directement les conditions de l’exception de text and data mining. Elle interviendrait en amont de l’analyse juridique, afin de déterminer si le contenu a été utilisé. Une fois cette utilisation établie ou présumée, il resterait à rechercher si elle était :

  • autorisée par une licence ;
  • couverte par l’exception de fouille de textes et de données ;
  • réalisée malgré une réservation de droits valable ;
  • ou constitutive d’une atteinte au droit d’auteur
  • ou aux droits voisins.

La proposition de loi ne garantit donc pas automatiquement une indemnisation. Elle permettrait surtout d’éviter qu’une action échoue avant tout examen au fond faute d’accès aux éléments de preuve.

Elle complète les obligations de transparence de l’AI Act

L’AI Act impose aux fournisseurs de modèles d’IA à usage général de mettre en place une politique destinée à respecter le droit d’auteur de l’Union, notamment les réservations de droits, et de publier un résumé suffisamment détaillé des contenus utilisés pour l’entraînement. Ces exigences de transparence ne donnent toutefois pas nécessairement accès à une liste exhaustive, œuvre par œuvre, de toutes les données intégrées.

La présomption française poursuivrait ainsi une fonction distincte : faciliter la résolution d’un litige civil lorsque les informations disponibles rendent l’utilisation plausible, mais ne permettent pas encore de la prouver directement.

Conclusion

La présomption d’utilisation des contenus culturels par les fournisseurs d’intelligence artificielle ne réglerait pas l’ensemble des conflits entre création et IA. Elle apporterait néanmoins une réponse ciblée à l’un des principaux obstacles rencontrés par les titulaires : l’impossibilité de prouver des faits techniques placés sous le contrôle exclusif de leur adversaire.

Son efficacité dépendra de la définition des indices suffisants, du respect du secret des affaires, de l’articulation avec le droit européen et des pouvoirs du juge pour obtenir des informations fiables. Les entreprises culturelles ont, dès à présent, intérêt à formaliser leurs réservations de droits et à structurer la collecte des preuves.

Le cabinet Dreyfus 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.

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

FAQ

Une IA peut-elle utiliser librement toutes les œuvres disponibles sur Internet ?

La disponibilité en ligne d’un contenu ne signifie pas qu’il appartient au domaine public. Son utilisation peut être couverte par une licence, par une exception légale ou nécessiter l’autorisation du titulaire.

Une ressemblance entre une image générée et une œuvre suffit-elle ?

Pas nécessairement. La ressemblance doit être analysée au regard des éléments originaux repris, des circonstances de génération et des autres indices disponibles.

Le secret des affaires peut-il empêcher toute communication des données d’entraînement ?

Le secret des affaires doit être protégé, mais il n’interdit pas nécessairement toute mesure probatoire. Des mécanismes de confidentialité peuvent permettre au juge ou à un expert d’accéder à certaines informations sans les rendre publiques.

Pourquoi les fournisseurs d’IA doivent-ils renforcer la traçabilité de leurs données ?

Pour renverser la présomption, ils devraient pouvoir documenter la provenance des données, les licences, les opérations de filtrage, la prise en compte des opt-out et le rôle de leurs sous-traitants. Une gouvernance rigoureuse des données d’entraînement faciliterait ainsi la démonstration d’une utilisation licite ou de l’absence d’utilisation de l’œuvre concernée.

Que doit faire une entreprise dont les contenus semblent avoir été utilisés ?

Elle doit d’abord préserver des éléments reproductibles : captures des résultats, prompts, paramètres, date, version du modèle et, si nécessaire, constat technique. Elle doit ensuite identifier les œuvres et les droits concernés, vérifier les licences et réservations de droits, puis apprécier avec un conseil spécialisé les mesures probatoires et les voies d’action adaptées.