IA, fair use et droit d’auteur : enjeux juridiques et pistes technologiques à partir de l’affaire Bartz contre Anthropic

Sarra Medini, doctorant et assistant de recherche au sein de la chaire de recherche les contrats intelligents, la chaîne de blocs et autres technologies émergentes entourant la pratique du droit (Chaire 2.0) - Chambre des notaires du Québec, Faculté de droit, Université Laval.

07 Avril 2026

Introduction

En septembre 2025, le Tribunal du district nord de la Californie a annoncé un règlement à l’amiable dans l’affaire Bartz v. Anthropic[1] qui met fin à une action collective accusant la société Anthropic d’avoir utilisé des livres piratés pour entraîner ses modèles d’intelligence artificielle (ci-après IA). Il prévoit un montant de 1,5 milliard USD, soit le plus grand dédommagement jamais versé en matière de droit d’auteur. Ce règlement redéfinit le paradigme juridique : la question centrale n’est plus la transformation (fair use), mais la provenance des données (data provenance). Anthropic paie une somme colossale pour éviter un jugement défavorable qui aurait créé un précédent, tout en préservant la reconnaissance du fair use pour les données acquises légalement. La décision du juge Wiliam Alsup déplace le débat vers la légalité de la source :

This distinction establishes a fundamental dialectic with the precedent that, for over a decade, served as the main pillar of support for mass data copying by technology companies: Authors Guild v. Google, Inc. (2015)… Alsup's decision, therefore, establishes that the premise of a transformative use, central to Google Books, can only be legitimately invoked if the previous step—the acquisition of the material—is lawful. Illegality at the source acts as an insurmountable barrier, an incurable defect that prevents moving on to the analysis of the purpose of the use.[1]

A contrario donc, l’objectif transformateur peut demeurer valide si la provenance des données est licite. Ainsi, et malgré ce règlement à l’amiable, la question de l’entraînement des modèles de l’IA avec les œuvres protégées reste d’actualité surtout que le 23 juin 2025 fut une date marquante quant à la situation du droit d’auteur aux États-Unis : à l’occasion de la même affaire, Bartz c. Anthopic, le juge de la Cour a estimé que l’entraînement des modèles d’IA n’est pas en contradiction avec les principes du droit d’auteur et est couvert par la notion du fair use ou l’utilisation équitable. En effet, en août 2024, les écrivains Andrea Bartz, Charles Graeber et Kirk Wallace Johnson ont intenté une action en justice contre Anthropic, l’un des principaux acteurs de l’IA, l’accusant d’avoir exploité leurs ouvrages pour entraîner son modèle de langage Claude. Cette affaire n’est pas la première en son genre aux États-Unis, mais s’inscrit dans une vague de procès similaires contre diverses entreprises du secteur, comme Meta, OpenAI et Perplexity. Au cœur de ces litiges se trouve la même revendication : les modèles d’IA formés à partir d’œuvres protégées par le droit d’auteur, sans l’accord préalable de leurs créateurs, portent atteinte à leurs droits exclusifs. Cependant, elle fut la première qui tranche en faveur des sociétés de l’IA. En effet, les juges étaient réticents quant à l’accord du bénéfice du fair use pour l’entraînement des systèmes d’IA. Par exemple, dans l’arrêt Thomson Reuters c. Ross Intelligence[1] (février 2025), l’entreprise Ross avait copié la base de données Westlaw pour entraîner un outil d’analyse juridique. Le tribunal a jugé que cet usage n’était pas équitable, car, d’une part, son but commercial concurrençait directement Westlaw, d’autre part, le marché potentiel du “licensing” pour l’entraînement de l’IA est réel et important et enfin, l’usage n’était pas transformateur, mais substitutif. Kevin Madigan le résume parfaitement en écrivant :

In the first AI training decision to assess the fair use defense on the merits—Thomson Reuters v. Ross—the district court granted summary judgment in favor of the plaintiff, finding that the defendant AI company’s unauthorized use of its copyrighted works for training purposes was not fair…The court recognized that the technology at issue differs somewhat from the AI models at the center of dozens of other lawsuits because it is not ‘AI that writes new content itself’ and instead merely ‘spits back relevant judicial opinions that have already been written.[1]

Au-delà de la résolution d’un débat largement alimenté par la doctrine et les médias concernant l’entraînement des modèles d’IA à partir d’œuvres protégées, cette décision s’apparente à un infléchissement préoccupant du régime de protection des créateurs et de leurs œuvres littéraires et artistiques. En tant que décision « pionnière » dans le champ de l’IA générative, elle est susceptible d’ouvrir la voie à la généralisation de pratiques consistant à utiliser de telles œuvres sans solliciter le consentement préalable de leurs auteurs ni leur accorder une compensation financière ou une rétribution équitable.

Plusieurs points méritent d’être commentés face à ce verdict :

Quel lien a fait la Cour entre la notion du fair use et l’entraînement des modèles d’IA ?
Le modèle du droit d’auteur américain a-t-il influencé cette décision et quelles répercussions sur le droit d’auteur canadien ?
Et les créateurs dans tout ça ? La chaîne de blocs peut-elle être une solution ?

Fair use et entraînement des modèles d’IA, un lien possible ?

Selon la section 107 du Copyright Act américain, une des limitations des droits exclusifs des auteurs est celle de l’utilisation équitable des œuvres. Pour déterminer si l'utilisation faite d'une œuvre dans un cas particulier est une utilisation équitable, les facteurs à prendre en considération comprennent l'objet et le caractère de l'utilisation, la nature de l'œuvre protégée par le droit d'auteur, le montant et l'importance de la part utilisée par rapport à l'œuvre protégée par le droit d'auteur dans son ensemble et l'effet de l'utilisation sur le marché potentiel ou la valeur de l'œuvre protégée par le droit d'auteur :

17 USCS § 107 Notwithstanding the provisions of sections 106 and 106A [17 USCS §§ 106 and 106A], the fair use of a copyrighted work, including such use by reproduction in copies or phonorecords or by any other means specified by that section, for purposes such as criticism, comment, news reporting, teaching (including multiple copies for classroom use), scholarship, or research, is not an infringement of copyright. In determining whether the use made of a work in any particular case is a fair use the factors to be considered shall include—

(1) the purpose and character of the use, including whether such use is of a commercial nature or is for nonprofit educational purposes;

(2) the nature of the copyrighted work;

(3) the amount and substantiality of the portion used in relation to the copyrighted work as a whole; and

(4) the effect of the use upon the potential market for or value of the copyrighted work.

The fact that a work is unpublished shall not itself bar a finding of fair use if such finding is made upon consideration of all the above factors.

Pour déterminer si les allégations de violation du droit d’auteur portées à l’encontre d’Anthropic étaient solides, le juge a examiné les actes de la société en fonction des quatre critères de la section 107.

Pour l’objet de l’utilisation, la Cour a estimé qu’en utilisant des copies d'œuvres protégées par le droit d'auteur pour avoir une version finale d’un Grand Modèle de Langage (Large Language Models ci-après LLM) qui peut recevoir de nouvelles entrées de texte et renvoyer de nouvelles sorties de texte comme s'il s'agissait d'un humain lisant des messages et écrivant des réponses était comparable à une utilisation humaine à des fins d’apprentissage et de formation laquelle ne vise pas à reproduire ni l’œuvre ni le style, bien que non protégeable, des auteurs.

En d’autres termes, les LLM Claude n’ont fait qu’une action similaire à celle d’un lecteur aspirant à devenir écrivain, une action couverte par le principe de l’utilisation équitable :

Authors argue that using works to train Claude's underlying LLMs was like using works to train any person to read and write, so Authors should be able to exclude Anthropic from this use (Opp. 16). But Authors cannot rightly exclude anyone from using their works for training or learning as such. Everyone reads texts, too, then writes new texts. They may need to pay for getting their hands on a text in the first instance. But to make anyone pay specifically for the use of a book each time they read it, each time they recall it from memory, each time they later draw upon it when writing new things in new ways would be unthinkable. For centuries, we have read and re-read books. We have admired, memorized, and internalized their sweeping themes, their substantive points, and their stylistic solutions to recurring writing problems.[1]

[…]

Yes, Claude has outputted grammar, composition, and style that the underlying LLM distilled from thousands of works. But if someone were to read all the modern-day classics because of their exceptional expression, memorize them, and then emulate a blend of their best writing, would that violate the Copyright Act? Of course not.[2]

[…]

In short, the purpose and character of using copyrighted works to train LLMs to generate new text was quintessentially transformative. Like any reader aspiring to be a writer, Anthropic's LLMs trained upon works not to race ahead and replicate or supplant them — but to turn a hard corner and create something different. If this training process reasonably required making copies within the LLM or otherwise, those copies were engaged in a transformative use. The first factor favors [*26] fair use for the training copies.[3]

Le deuxième critère, relatif à la nature de l’œuvre, n’a occupé qu’une place marginale dans le raisonnement de la Cour. Le juge s’est contenté de constater que les livres en question constituaient, de toute évidence, des œuvres protégées par le droit d’auteur, en précisant que ce critère ne joue qu’un rôle auxiliaire. Il vise principalement à éclairer l’évaluation des autres facteurs, notamment en mettant en évidence les différences entre la nature des œuvres concernées et celle de leur utilisation secondaire, ainsi qu’en identifiant les liens éventuels entre la quantité et l’importance de l’extrait utilisé et l’usage qui en est fait.

Quant au montant et à l'importance de la part utilisée par rapport à l'œuvre protégée par le droit d'auteur dans son ensemble, la Cour a conclu que les copies sélectionnées pour être incluses dans les ensembles d'apprentissages l'ont été parce qu'elles étaient complètes et contenaient une expression riche et protégeable. Pour la Cour, ces copies étaient raisonnablement nécessaires à l'utilisation transformative, car ce qui importe n'est pas tant la quantité et l'importance de la partie utilisée pour faire une copie, mais plutôt la quantité et l'importance de ce qui est ainsi rendu accessible à un public pour lequel il peut servir de substitut concurrent :

Copies selected for inclusion in training sets were selected because they were complete and because they contained rich protectible expression, or so this order accepts the record shows for Authors. Was all this copying reasonably necessary to the transformative use?

Yes.

"What matters [ ] is not so much 'the amount and substantiality of the portion used' in making a copy, but rather the amount and substantiality of what is thereby made accessible to a public [in the purported secondary use] for which it may serve as a competing substitute [for the primary use]." Google, 804 F.3d at 222. Here, once again, there is no allegation of any traceable connection between the Claude service's outputs and Authors' works. The copying used to train the LLMs underlying Claude was thus especially reasonable.[4]”

Enfin, concernant l’effet sur le marché ou la valeur des œuvres, le juge a estimé que l’usage des copies pour entraîner des LLM ne remplace pas la demande pour les œuvres des auteurs. Les auteurs invoquaient plutôt l’émergence d’un marché d’œuvres concurrentes, mais la Cour rappelle que la Loi sur le droit d’auteur protège contre la contrefaçon, non contre la concurrence ou la création d’œuvres nouvelles :

The copies used to train specific LLMs did not and will not displace demand for copies of Authors' works, or not in the way that counts under the Copyright Act.

[…]

Authors contend generically that training LLMs will result in an explosion of works competing with their works […] This is not the kind of competitive or creative displacement that concerns the Copyright Act. The Act seeks to advance original works of authorship, not to protect authors against competition. [5]

En substance, la Cour a considéré que l’examen des critères du fair use militait en faveur de l’assimilation de l’entraînement des modèles d’IA à ce régime. Selon elle, les copies d’œuvres utilisées pour former des modèles de langage spécifiques étaient justifiées au titre de l’utilisation équitable. À l’exception du critère relatif à la nature de l’œuvre protégée, l’ensemble des facteurs examinés conduisaient à cette conclusion. La juridiction a par ailleurs qualifié la technologie en cause de l’une des plus transformatrices que notre époque ait connue : « The copies used to train specific LLMs were justified as a fair use. Every factor but the nature of the copyrighted work favors this result. The technology at issue was among the most transformative many of us will see in our lifetimes[6] ».

L’influence du modèle américain du droit d’auteur sur la décision Bartz v. Anthropicet ses implications pour le régime canadien :

La décision rendue dans Bartz c. Anthropic s’inscrit pleinement dans le cadre juridique propre au droit d’auteur américain, marqué par la primauté de la protection de l’œuvre sur celle de l’auteur, la souplesse et l’ouverture de la doctrine du fair use. Cette dernière, consacrée à la section 107 du Copyright Act, confère aux tribunaux un large pouvoir d’appréciation, leur permettant de déterminer, au cas par cas, si une utilisation d’une œuvre protégée peut être considérée comme équitable.

C’est dans ce cadre que la Cour a pu estimer que l’entraînement d’un modèle d’IA sur des œuvres protégées pouvait constituer un usage équitable, et donc licite, même en l’absence d’autorisation préalable des auteurs. Cette appréciation, rendue possible par la flexibilité du fair use, illustre la capacité du droit américain à intégrer rapidement de nouvelles pratiques technologiques dans ses analyses, en les confrontant aux critères traditionnels du droit d’auteur. Et pourtant, on peut tout de même adresser des critiques à la qualification opérée par la Cour, en particulier en ce qui concerne son appréciation du premier et du quatrième facteur du fair use. En effet, la manière dont elle interprète la finalité transformatrice de l’entraînement des modèles LLM, ainsi que son évaluation de l’impact économique potentiel sur les titulaires de droits, paraît résolument orientée en faveur des pratiques des développeurs d’IA. D’une part, comparer l’entraînement des modèles technologiques à une utilisation humaine à des fins d’apprentissage contredit la perception technique et économique de ces modèles qui « repose sur l’appropriation massive de textes écrits par des humains, et il n’y en a tout simplement pas assez dans le domaine public. Ces textes proviennent en grande partie de bases de données constituées par des « crawls », qui parcourent internet à la recherche de textes provenant de sites d’information, de forums et d’autres sources »[7]. C’est plutôt un « écumage de données (scraping) à grande échelle »[8]. D’autre part, on ne peut que se demander pourquoi le juge n’a pas choisi de s’appuyer sur l’arrêt Thomson Reuters c. Ross pour orienter son analyse de ce quatrième facteur, celui-ci étant pertinent dans la plupart des affaires portant sur l’IA générative, et surtout que :

The opinion acknowledges that the fourth factor—the effect of the unauthorized use on the market for the original works—has historically been treated as the most important in the fair use analysis. It then explains that courts must consider not only existing markets, but also potential markets. Confirming a critical point that could have a significant impact on all AI litigation, the opinion states that there is an ‘obvious’ potential market for using copyrighted material for AI training.[9]

Une telle lecture, bien que cohérente avec une vision technophile du progrès, laisse ouverte d’importantes zones d’ombre quant à la protection effective des œuvres et à l’équilibre même que le fair use est censé maintenir ; surtout que plusieurs auteurs soutiennent l’idée que la qualification d’utilisation équitable dépend de la phase du cycle de l’IA. En effet, lors du pré-entraînement des modèles, l’usage est en général non expressif et transformationnel : il sert à extraire des régularités, non à concurrencer une œuvre spécifique. Durant la phase d’adaptation, le modèle devient plus spécifique : il peut être affiné à partir de contenus protégés pour des tâches créatives précises, ce qui accroît le risque de contrefaçon. Enfin, lors du déploiement commercial, le danger est maximal : si les résultats générés reproduisent ou remplacent des œuvres existantes, l’usage ne peut plus être considéré comme équitable : « 1) Pre-training a foundation model on its own is typically considered fair use and any potential infringement is likely to be excused. 2) The act of developing a generative model, whether adapted from a pre-trained foundation model or not, diminishes the chances of a fair use defense and elevates the risk of copyright infringement. 3) Deploying a generative model, especially if itis derived from a foundation model and results in a market-encroaching effect, would likely exclude the possibility of a fair use defense. »[10].

En revanche, le droit canadien repose sur un régime sensiblement différent, celui du fair dealing, prévu à l’article 29 de la Loi sur le droit d’auteur : « L’utilisation équitable d’une œuvre ou de tout autre objet du droit d’auteur aux fins d’étude privée, de recherche, d’éducation, de parodie ou de satire ne constitue pas une violation du droit d’auteur ».

Bien que la version française du texte fédéral utilise le même terme d’utilisation équitable, ce régime est beaucoup plus restrictif que celui des États-Unis. En effet, il ne s’applique que pour un nombre limité de fins expressément énumérées par la loi, telles que la recherche, l’étude privée, la critique, le compte rendu, l’éducation, la satire ou la parodie. L’entraînement d’un modèle d’IA ne figure pas parmi ces fins, et ne pourrait être admis qu’au prix d’une interprétation jurisprudentielle audacieuse, voire d’une réforme législative. D’ailleurs, « Taken together, and in light of the technical features of TDM and the emerging legal and policy consensus, we can hypothesize that TDM may be permissible in Canada where the uses of it are fair and socially productive… Where TDM is used for other purposes, for example, to train a GenAI model that serves a non-educational, commercial purpose, the use of protected works in TDM may be rejected. »[11].

En effet, la LDA ne définit pas la notion d’utilisation équitable. Il s’agit d’une question de degré et de fait et qui nécessite une perspective de balance d’intérêts, intérêts des créateurs et intérêts des utilisateurs. C’est ce qui a été confirmé à l’occasion de l’affaire CCH : « La Loi sur le droit d’auteur ne précise pas ce qu’il faut entendre par « équitable »; il s’agit d’une question de fait qui doit être tranchée à partir des circonstances de l’espèce. »[12]D’ailleurs, à l’occasion de cette affaire, la Cour suprême a énuméré une liste de facteur non exhaustive dont l’examen permet de déterminer si l’utilisation était équitable :

1) le but de l’utilisation

2) la nature de l’utilisation

3) l’ampleur de l’utilisation

4) les solutions de rechange à l’utilisation

5) la nature de l’œuvre

6) l’effet négatif de l’utilisation sur l’œuvre.

Bien que ces critères rappellent ceux énoncés à la section 107 du Copyright Act américain, la jurisprudence canadienne a tendance à les analyser de manière rigoureuse et nuancée, afin de rendre des décisions qui reflètent véritablement l’objectif fondamental de la LDA, soit assurer un juste équilibre entre les intérêts individuels et l’intérêt collectif. Par exemple, lors de l’examen du premier critère, le but de l’utilisation, les tribunaux ont l’obligation de vérifier la véracité de la fin évoquée par la partie défenderesse. Autrement dit, il faut s’assurer que l’utilisateur n’utilise pas une des fins autorisées par la LDA pour accomplir un acte réprimé par la loi. Ainsi, dans la décision United Airlines, la Cour a considéré que la parodie a été utilisée non pas pour faire de l’humour, mais plutôt pour diffamer le titulaire de l’œuvre appropriée : « [L]e défendeur n’a pas convaincu la Cour quant au fait qu’il visait à faire de l’humour. Le défendeur voulait plutôt gêner et punir United pour ses actes répréhensibles apparents. Comme cela a été abordé ci-dessus, une parodie doit inclure certains éléments d’humour ou de raillerie. Si les limites sont dépassées, ce qui pouvait être destiné à être une parodie pour plaisanter pourrait simplement devenir diffamatoire. »[13]

Ainsi, alors que le modèle américain permet de considérer rapidement l’entraînement d’IA comme un usage légitime, le modèle canadien, dans son état actuel, rend une telle conclusion peu probable. Cette divergence crée un risque de fragmentation juridique : les entreprises d’IA pourraient privilégier les juridictions fair use pour y effectuer leurs entraînements, tandis que les auteurs canadiens verraient leurs œuvres potentiellement exploitées à l’étranger sans bénéficier d’une protection équivalente à leur propre pays. Les voies de recours, impliquant des actions transfrontalières complexes, seraient alors difficiles et coûteuses.

En somme, cette divergence renforce la vulnérabilité des auteurs établis au Canada, dont les œuvres peuvent être utilisées légalement aux États-Unis pour l’entraînement de modèles d’IA sans consentement ni rémunération, tout en bénéficiant d’une protection nationale moins adaptée à ces usages transfrontaliers.

Il apparaît dès lors urgent que le législateur canadien se saisisse de la question afin d’encadrer l’entraînement des modèles d’IA à partir d’œuvres protégées, en érigeant explicitement en infraction ce type d’exploitation lorsqu’elle est effectuée sans autorisation, surtout que la doctrine technophile[14] prolifère en soutenant que l’entraînement des modèles d’IA sur des œuvres protégées par le droit d’auteur relève du fair use, car il transforme les œuvres originales en motifs statistiques non expressifs servant des finalités totalement différentes, tout en générant des bénéfices économiques considérables et en favorisant l’innovation mondiale. À première lecture, les arguments avancés en faveur de la qualification de l’entraînement des modèles d’IA au titre du fair use paraissent à la fois cohérents et séduisants. Toutefois, une lecture plus critique révèle qu’ils reposent sur une approche économique technocentrée, qui tend à occulter les intérêts légitimes des auteurs et plus largement la finalité protectrice du droit d’auteur. Cette conception, imprégnée d’une philosophie ultralibérale du progrès, érige l’innovation et la performance économique en valeurs absolues, sans égard suffisant pour la dimension humaine et sociale de la création intellectuelle. Or, le droit, et en particulier le droit de la propriété littéraire et artistique, ne poursuit pas exclusivement un objectif d’efficacité économique. Il vise également à préserver l’équilibre entre l’encouragement à l’innovation et la protection des créateurs. En ce sens, la fonction normative du droit n’est pas simplement d’accompagner la croissance ou de faciliter la compétitivité, mais de réguler ces dynamiques afin d’assurer une justice distributive et un développement humain durable. Une expansion technologique et économique dépourvue de contrepoids juridiques et éthiques ne saurait dès lors être assimilée à un véritable progrès social ni à un épanouissement collectif conforme à l’esprit du droit.

De plus, cette intervention est urgente vu les recours importants en la matière. En effet, cette année a vu se multiplier, au Québec comme au Canada, les recours contre les entreprises phares de l’IA pour avoir entraîné leurs modèles de LLM à partir d’œuvres protégées utilisées sans autorisation, ce qui aurait causé un préjudice important aux auteurs. Ces derniers se trouvent contraints de démontrer que l’opération d’entraînement a impliqué la reproduction de leurs œuvres, c’est-à-dire que le système d’IA en a absorbé, stocké ou réutilisé l’expression originale de façon identifiable. Tel est le cas par exemple pour Anne Robillard qui a intenté une action en justice contre les plateformes Meta devant la Cour supérieure du Québec le 21 mars 2025 pour reproduction sans autorisation d'œuvres littéraires et dramatiques protégées par le droit d'auteur dans le cadre du développement ou de la formation des grands modèles de langage[15]. Il en est de même pour Chloé Sabourin qui intente une action collective contre la société OpenAI devant la Cour supérieure du Québec le 8 Octobre 2025 pour utilisation non autorisée d’œuvres pour développer, entraîner et/ou commercialiser leurs modèles d’IA depuis le 19 octobre 2023, en demandant des dommages-intérêts à OpenAI et une injonction permanente l’interdisant d’utiliser ces œuvres.[16]

Ces dossiers sont toujours devant les tribunaux, et nul ne sait encore comment les juges interpréteront la loi ni comment ils qualifieront les pratiques des géants de l’IA. En l’absence de règles claires encadrant l’usage d’œuvres protégées pour l’entraînement des systèmes d’IA, l’incertitude persiste pour les créateurs.

Il est néanmoins pertinent de noter que le Canada est en train d’étudier un projet de loi sur l'IA et les données (LIAD), proposé dans le cadre du projet de loi C-27 intitulé Loi de 2022 sur la mise en œuvre de la Charte du numérique : Ce projet est encore en cours d’élaboration et de consultation. Néanmoins, quelques documents sont disponibles et peuvent nous éclairer sur les choix législatifs futurs en ce qui concerne l’entraînement des systèmes d’IA. En effet, dans le sommaire du projet de loi C-27[17] on peut lire qu’il propose de nouvelles règles visant à renforcer la confiance des canadiens à l'égard du développement et de la mise en œuvre des systèmes d'IA. Il prévoit ce qui suit : « Exposer clairement les interdictions pénales et les sanctions connexes lorsque des données obtenues illégalement sont utilisées en vue du développement de l’IA, lorsque le déploiement imprudent de l'IA cause un préjudice grave ou lorsque le déploiement est effectué en vue de commettre une fraude qui causerait d’importantes pertes financières. » La lecture du texte dans son ensemble montre qu’il s’agit principalement de données à caractère personnel. Cependant, dans le document sur la Charte numérique, on trouve que parmi les programmes et initiatives qui permettront au Canada d’avoir une économie numérique axée sur les données et concurrentielle, il y a la mise en place d’une stratégie en matière de propriété intellectuelle. La définition des données pourrait donc être élargie pour englober les données relatives à la propriété intellectuelle.

Créateurs, intelligence artificielle et protection des œuvres : la chaîne de blocs comme outil de traçabilité et de gestion des droits

La décision rendue dans Bartz c. Anthropic met en évidence une tension croissante entre les intérêts des créateurs et l’essor des technologies d’IA. En reconnaissant, dans le contexte américain, la légalité de l’entraînement des modèles d’IA sur des œuvres protégées sans autorisation préalable, elle réduit la maîtrise des auteurs sur l’utilisation et la diffusion de leurs créations. Ils demeurent impuissants face aux géants de l’informatique. Cette situation est particulièrement préoccupante dans un environnement numérique globalisé, où les œuvres peuvent être copiées, transformées et réutilisées au-delà des frontières juridiques, souvent à l’insu des titulaires de droits.

Devant ce constat d’impuissance, la chaîne de blocs (blockchain) apparaît comme une piste technologique prometteuse. Par sa nature décentralisée et immuable, elle pourrait offrir plusieurs fonctions utiles :

Traçabilité et transparence : en enregistrant chaque utilisation ou transfert d’une œuvre dans un registre public horodaté, la chaîne de blocs permettrait de suivre son exploitation, y compris à l’échelle internationale.
Automatisation contractuelle : grâce aux contrats intelligents, l’octroi de licences et le paiement des redevances pourraient être automatisés. L’accès à une œuvre pourrait ainsi être conditionné au respect préalable des termes fixés par le créateur.
Preuve de titularité : un enregistrement sur chaîne de blocs, horodaté et vérifiable, pourrait constituer un élément probatoire fort en cas de litige relatif à la paternité ou à la date de création.

Par exemple, l’utilisation des registres distribués pour suivre la provenance des données d’entrée de l’IA peut constituer une solution concrète pour dépasser les limites du fair use en suivant l’origine des données :

« This proposal consists of a combination of a graph-based provenance model, with a smart contract protocol anchored on a blockchain. This synergy ensures secure tracing of data without the necessity of a centralized authority or trusted intermediary. More crucially, it facilitates the tracking of data throughout the AI supply chain. Given the multifaceted nature of GAI —where multiple entities partake in data collection, training, and deployment —such a solution becomes immensely valuable. »[18]

Toutefois, cette technologie présente aussi des limites structurelles. Si un cadre juridique, comme celui du fair useaméricain, autorise explicitement certains usages sans consentement, l’enregistrement sur les chaînes de blocs ne pourra pas empêcher ces utilisations. En d’autres termes, cette technologie est un outil technique de contrôle et de monétisation efficace lorsque le droit exige le consentement de l’auteur, mais elle demeure impuissante face à des exceptions légales étendues. Une action du législateur s’impose pour assurer une répartition plus équitable des bénéfices générés par l’IA au profit des créateurs, en complément des solutions technologiques. L’option la plus pertinente pourrait consister à instaurer un régime légal de licence obligatoire, qui contraindrait les développeurs à documenter les œuvres utilisées pour entraîner leurs modèles et à verser une rémunération aux ayants droit selon un mécanisme prévu par la loi.

En définitive, la chaîne de blocs ne constitue pas une solution autonome à la problématique posée par l’entraînement des IA sur des œuvres protégées. Elle peut toutefois s’intégrer dans une stratégie globale de protection, combinant innovations technologiques et réformes juridiques, afin de rétablir un équilibre entre l’exploitation technologique et les droits des créateurs. Ceci constitue une responsabilité démocratique collective, si l’on veut garantir que les gains économiques de l’IA soient réellement partagés. Il faut donc débattre dès maintenant d’un nouveau cadre de propriété intellectuelle plutôt que d’attendre que tout le pouvoir se concentre entre les mains des géants de la technologie, car, « en tant que sujets démocratiques, nous avons à la fois le pouvoir et la responsabilité de gérer les retombées économiques de la technologie d’une manière que nous jugeons juste. »[19]

Sources

[1] Victor Habib Lantyer, «The Bartz v. Anthropic Settlement: From Fair Use to Piracy in AI Training Data» (08 septembre 2025) à la p 4, en ligne : <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5455514>.

[1] Bartz v Anthropic, N° 3:24-cv-05417-WHA (ND Cal), 23 juin 2025.

[1] Bartz v Anthropic, Supra note 1, à la p 12.

[1] Kevin Madigan, «Generative AI and Copyright Infringement: Lessons from Past Fair Use Cases» (juin 2025), en ligne : <https://s3.us-east-1.amazonaws.com/media.hudson.org/Generative+AI+and+Copyright+Infringement_+Lessons+from+Past+Fair+Use+Cases.pdf>.

[1] Thomson Reuters v Ross Intelligence Inc, No 1:20-cv-613-SB (D Del), 11 février 2025. En ligne : < https://www.ded.uscourts.gov/sites/ded/files/opinions/20-613_5.pdf>.

[2] Ibid

[3] Bartz v Anthropic, Supra note 1, à la 13.

[4] Bartz v Anthropic, Supra note 1, à la 25.

[5] Bartz v Anthropic, Supra note 1, à la 28.

[6] Bartz v Anthropic, Supra note 1, à la 30.

[7] Alexander Hartley, Yvan Feutry et Yves Citton, «Propriété intellectuelle : Regarder vers l’aval plutôt que l’amont» (2025) 3 :100 Multitudes 159-163, à la p 159. En ligne : <https://shs-cairn-info.acces.bibl.ulaval.ca/revue-multitudes-2025-3-page-159?lang=fr>

[8] Ibid.

[9] Madigan, Supra note 4 à la p 4.

[10] Daniel Rodríguez Maffioli, «Copyright in Generative AI training Balancing Fair Use through Standardization and Transparency» (18 octobre 2023), à la p 26, en ligne : <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4579322>.

[11] Alissa Centivany, «A Window into Generative Artificial Intelligence Under Copyright Law & Policy in Canada», Actes Du congrès Annuel De l’ACSI, Mai 2025, à la p7, en ligne :< https://journals.library.ualberta.ca/ojs.cais-acsi.ca/index.php/cais-asci/article/view/1951>. (Ici l’auteure parle des activités d’exploration des textes et de données, text and data mining (TDM), qui sont parmi les activités d’entrainement des modèles de l’IA).

[12] CCH Canadienne Ltée c. Barreau du Haut-Canada, 2004 CSC 13, par 52.

[13] United Airlines, Inc. c. Cooperstock, 2017 CF 616, par 124.

[14] Voir par ex: Preet Deep Singh, «Why AI Training on Copyrighted Material Constitutes Fair Use» (20 juin 2025), en ligne: <https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5287544>.

[15] Robillard c. Meta Platforms inc., 2025 QCCS 1968 (CanLII), en ligne : <https://canlii.ca/t/kcpv5>. Voir aussi : <https://www.registredesactionscollectives.quebec/fr/Consulter/ApercuDemande?NoDossier=500-06-001369-251> ; Voir Aussi : Cédric Bélanger, « Piratage de nos auteurs par Facebook/Meta: l’écrivaine Anne Robillard dépose une demande de recours collectif », Le journal de Québec (21 mars 2025) en ligne : <https://www.journaldequebec.com/2025/03/21/piratage-de-nos-auteurs-par-meta--lecrivaine-anne-robillard-depose-une-demande-de-recours-collectif>

[16] Chloé Sabourin c. OpenAI inc., et Al., 2025 QCCS N° 500-06-001426-259, en ligne : <https://www.registredesactionscollectives.quebec/fr/Consulter/ApercuDemande?NoDossier=500-06-001426-259>.

[17] PL C-27, Loi de 2022 sur la mise en œuvre de la Charte du numérique, Communiqué de l’ISDE : Innovation, Sciences et Développement économique Canada, en ligne : <https://ised-isde.canada.ca/site/innover-meilleur-canada/fr/charte-canadienne-numerique/sommaire-projet-loi-loi-2020-mise-oeuvre-charte-numerique>.

[18] Maffioli, Supra note 14, à la p 45.

[19] Hartley, et al., Supra note 11, à la p 163.