Contexte juridique
Le 29 août 2026, Sony Music Publishing, Warner Chappell et plusieurs éditeurs de musique ont déposé une plainte contre Anthropic, Dario Amodei et Benjamin Mann devant le U.S. District Court for the Northern District of California. La plainte accuse le laboratoire d’IA d’une « campagne audacieuse de piratage, de scraping et de téléchargement illégal » de contenus protégés, notamment des millions de livres contenant des paroles et des partitions.
Cette action s’inscrit dans la continuité du litige Bartz v. Anthropic, jugé en janvier 2026, où un tribunal a infligé à Anthropic une amende de 1,5 milliard $. Le juge y avait distingué la légalité de l’utilisation de textes sous droit d’auteur de l’illégalité de leur acquisition par des moyens piratés.
Mécanismes d’acquisition de données
Les plaignants décrivent une méthode de collecte reposant sur le téléchargement massif via des réseaux de torrents, suivi d’un scraping automatisé de sites publics. Cette approche permettrait d’obtenir des copies numériques de livres, de paroles et de partitions sans passer par les canaux de licence habituels.
Le modèle Claude, produit phare d’Anthropic, repose sur l’entraînement de réseaux de neurones de grande taille. De tels modèles nécessitent des jeux de données de plusieurs téraoctets, ce qui incite les développeurs à automatiser la récupération de contenus afin de réduire les coûts d’acquisition. Le recours à des scripts de téléchargement en masse augmente la vitesse de collecte mais introduit un risque juridique direct lorsqu’il s’appuie sur des sources non autorisées.
Analyse des risques de propriété intellectuelle
Le principal risque identifié réside dans la violation du droit d’auteur lors de la phase d’alimentation du modèle. Même si la génération de texte par Claude ne reproduit pas textuellement les œuvres sources, la jurisprudence récente considère que l’utilisation de données obtenues illégalement constitue une infraction. Le jugement Bartz a établi que la provenance des données est un critère déterminant, indépendamment du résultat final du modèle.
Un second risque concerne la traçabilité des données. Sans métadonnées indiquant la source et le statut de licence, il devient impossible de vérifier la conformité du corpus. Cette opacité complique la défense juridique d’Anthropic, qui affirme contester les allégations et préparer une réponse robuste.
Implications pour le développement d’IA
Le cas actuel incite les laboratoires d’IA à réévaluer leurs pipelines de collecte. Des solutions techniques telles que le filtrage préalable des URL, l’intégration de bases de données sous licence ou le recours à des API officielles pourraient réduire l’exposition aux poursuites. Cependant, ces mesures augmentent les coûts d’infrastructure et ralentissent le rythme d’entraînement.
Sur le plan réglementaire, la décision de la cour pourrait pousser les législateurs à préciser les exigences de provenance des données d’entraînement, créant ainsi un cadre plus strict pour les modèles de grande taille. Les acteurs du secteur devront équilibrer la nécessité d’énormes volumes de texte avec le respect des droits d’auteur, sous peine de sanctions financières majeures.
