Contexte juridique et texte initial
Les conditions commerciales de Meta, applicables à partir du 30 octobre, stipulaient que la société « may use any content » provenant des sites associés à un compte professionnel pour « develop, research » et « train » ses produits. Cette formulation, relevée par les juristes, permettait à Meta de justifier le contournement de directives classiques comme le fichier robots.txt, qui indique aux robots quels contenus ils peuvent ou non explorer.
Modifications apportées et portée réelle
Après une vague de critiques de la part des éditeurs, Meta a retiré le verbe explicite « train » du paragraphe concerné. Le texte révisé conserve toutefois la possibilité d’utiliser le contenu « scraped » pour développer tout « business product ». Les avocats spécialisés, dont Matt Topic, soulignent que le terme « develop » reste indéfini et englobe potentiellement l’entraînement de modèles d’IA, car la création d’un produit commercial d’IA implique nécessairement une phase d’apprentissage sur des données.
Interaction avec robots.txt et contraintes techniques
Meta affirme que les propriétaires de contenu peuvent toujours recourir à robots.txt pour exprimer leurs préférences. En pratique, les moteurs de recherche et les scrapers respectent ce fichier grâce à des conventions d’accès HTTP (code 403 ou 404) et à des règles d’exclusion d’URL. Cependant, aucune contrainte juridique n’oblige Meta à implémenter un filtre automatisé basé sur robots.txt ; la société peut simplement invoquer les nouvelles conditions pour légitimer le contournement. Ainsi, même si le fichier indique « Disallow: / », Meta pourrait argumenter que son droit contractuel prime, créant une tension entre les mécanismes de gouvernance technique et les accords contractuels.
Risques pour les éditeurs et limites de la réponse de Meta
Les éditeurs de presse restent exposés à une extraction massive de leurs articles, qui peut alimenter les jeux de données d’entraînement de grands modèles de langage. Sans identification claire d’une clause d’exemption, les recours légaux se limitent à la violation potentielle du droit d’auteur, mais la jurisprudence actuelle ne contraint pas explicitement les plateformes à respecter robots.txt dans le cadre de l’entraînement d’IA. De plus, l’absence de transparence sur les filtres de sélection de contenu empêche d’évaluer l’impact réel sur les flux de revenus publicitaires des sites. Les experts recommandent donc de renforcer les accords de licence explicites ou d’adopter des solutions techniques de watermarking afin de détecter l’usage non autorisé des articles dans les pipelines d’apprentissage.
