Contexte historique et juridique
Dans les années 1980, les détenteurs de droits ont fait pression sur le Congrès en affirmant que les magnétoscopes vidéo (VTR) menaçaient le modèle économique du cinéma. La Cour suprême a rejeté cette interprétation en soulignant que le VTR pouvait être utilisé pour le « time‑shifting », une pratique non incriminante. Cette décision illustre la tendance à résister aux réformes législatives motivées par la peur d’une technologie émergente.
Le texte actuel du droit d’auteur repose sur des principes établis il y a plus de trois siècles. Les requérants de plusieurs litiges récents demandent d’abroger ces principes afin de donner aux titulaires le contrôle sur les œuvres non incriminantes générées par l’IA, invoquant une hypothétique « dilution du marché ».
Théorie du « market dilution » et risques juridiques
Les plaignants avancent que les modèles génératifs pourraient saturer le marché, réduisant ainsi les revenus des créateurs. Cette hypothèse repose sur l’idée que chaque sortie d’un modèle constitue une concurrence directe avec les œuvres protégées. L’EFF a présenté des mémoires amicus dans Concord Music Group, Inc. v. Anthropic PBC et In re Mosaic LLM Litigation, argumentant que la théorie ignore le rôle du fair use et les limites historiques du droit d’auteur.
Si les tribunaux acceptaient la « dilution du marché », ils annuleraient le fair use et les doctrines qui empêchent les titulaires de revendiquer un veto absolu sur des thèmes, styles ou genres. Une telle extension créerait un précédent juridique où chaque outil technologique serait soumis à une réévaluation législative immédiate.
Analyse technique des modèles génératifs
Des études montrent que l’augmentation du volume de données d’entraînement diminue la probabilité qu’une sortie reproduise textuellement un exemple protégé. Plus un modèle est exposé à des millions de documents, plus chaque contribution individuelle devient statistiquement négligeable dans le résultat final. Cette propriété mathématique contredit l’idée que chaque génération constitue une copie directe.
En outre, les architectures de grands modèles de langage (LLM) sont conçues pour produire des séquences nouvelles à partir de distributions probabilistes, non pour mémoriser et restituer des passages exacts. Les mécanismes de décodage, tels que le nucleus sampling, renforcent la variabilité des sorties, rendant la reproduction littérale d’une œuvre protégée improbable sans intention explicite.
Exemples d’usage créatif de l’IA
Des artistes comme Nettrice Gaskins (Boston) utilisent l’IA pour créer des portraits afro‑futuristes, dont une œuvre représentant Octavia Butler a été exposée à l’aéroport de San Francisco. En Inde, Prateek Arora et Varun Gupta réinventent la science‑fiction occidentale à l’aide de générateurs d’images. Alex Smith (Philadelphie) explore l’Afrofuturisme avec des super‑héros noirs queer et corpulents, démontrant la capacité de l’IA à élargir les représentations culturelles.
Dans le domaine académique, Ana Miljački (MIT) a produit un film documentaire non linéaire sur les monuments de la Seconde Guerre mondiale en Yougoslavie, tandis qu’un projet de recherche‑création a employé l’IA pour amplifier les voix du mouvement Iran Woman Life Freedom. Enfin, la société Bronze collabore avec des musiciens comme Disclosure et Jai Paul pour générer des compositions où chaque lecture diffère, illustrant la potentialité de l’IA à enrichir la pratique musicale.
