ChatGPT s'est nourri de vos œuvres. Vous n'avez jamais signé.

Vos mots ont formé des milliards de paramètres. Personne ne vous a demandé la permission.

Un romancier publie son premier roman après cinq ans de travail. Une illustratrice construit son style en dix ans de pratique quotidienne. Un poète affine chaque vers pendant des mois. Et pendant ce temps, à des milliers de kilomètres, des serveurs ingèrent silencieusement leurs œuvres pour entraîner des systèmes d'intelligence artificielle valant des milliards de dollars. Le tout, sans contrat, sans compensation, et souvent sans que ces créateurs le sachent.

Ce n'est pas une hypothèse dystopique. C'est le fonctionnement documenté des grands modèles de langage et des IA génératives qui dominent aujourd'hui le marché mondial.

Comment fonctionne vraiment l'entraînement des IA

Pour comprendre l'enjeu, il faut saisir un mécanisme fondamental : les modèles comme ChatGPT (OpenAI), Claude (Anthropic) ou Gemini (Google) n'inventent pas. Ils apprennent. Et ils apprennent en absorbant des quantités massives de textes, d'images, de codes et de données créatives issues du web.

Ces données proviennent de :

• Livres numérisés et bibliothèques en ligne
• Articles de blog, forums, sites personnels
• Plateformes d'art comme DeviantArt ou ArtStation
• Réseaux sociaux et leurs contenus publics
• Bases de données comme Common Crawl, qui aspire l'ensemble du web accessible

La logique des entreprises technologiques est simple : si c'est public, c'est disponible. Mais accessible ne signifie pas autorisé. Et c'est là que le conflit juridique et éthique commence.

Des procès qui révèlent l'ampleur du pillage

Les exemples concrets se multiplient à une vitesse alarmante. En 2023, trois auteurs américains — dont la romancière Sarah Silverman — ont poursuivi OpenAI et Meta, affirmant que leurs œuvres avaient été intégrées sans consentement dans les données d'entraînement de leurs modèles. La même année, un groupe d'artistes visuels a attaqué Stability AI, éditeur de Stable Diffusion, pour utilisation non autorisée de millions d'images.

En Europe, la situation prend une dimension encore plus tendue. Le Règlement européen sur l'IA (AI Act), entré en vigueur en 2024, impose désormais aux fournisseurs de modèles une transparence accrue sur les données utilisées. Mais l'application concrète reste floue, et les créateurs individuels disposent encore de très peu de recours.

Du côté des artistes visuels, le sentiment de trahison est palpable. Des œuvres labellisées "style Greg Rutkowski" ou "dans le style de Moebius" circulent sur Midjourney et DALL-E, mimant des artistes vivants qui n'ont jamais consenti à devenir des référentiels stylistiques pour des machines.

L'argument du "fair use" : un bouclier juridique fragile

Les entreprises d'IA se défendent principalement sur le terrain du fair use — un principe juridique américain permettant l'utilisation d'œuvres protégées à des fins transformatives. L'argument : un modèle n'reproduit pas une œuvre, il en apprend les patterns. Il serait donc comparable à un humain qui lit un livre pour s'inspirer.

Ce raisonnement est contesté sur plusieurs points. Premièrement, un humain qui lit ne génère pas ensuite un produit commercial concurrent. Deuxièmement, l'échelle est sans précédent : on ne parle pas de quelques œuvres consultées, mais de plusieurs centaines de milliards de tokens aspirés systématiquement. Troisièmement, les œuvres peuvent parfois être reproduites presque à l'identique par certains modèles, ce qui fragilise l'argument transformatif.

Ce que peuvent faire les créateurs aujourd'hui

Face à ce déséquilibre structurel, des solutions émergent — imparfaites, mais réelles :

• Nightshade et Glaze : des outils développés par l'Université de Chicago qui permettent aux artistes visuels d'empoisonner leurs images avant publication, rendant leur intégration dans un entraînement d'IA inefficace ou corrompue.
• Les clauses d'opt-out : certaines plateformes comme Adobe Stock ou Shutterstock proposent désormais des options d'exclusion des bases d'entraînement — mais elles restent souvent opt-in par défaut pour les entreprises.
• La pression collective : des organisations comme la Authors Guild aux États-Unis ou la SCAM en Belgique militent activement pour une rémunération équitable et un droit de regard sur l'utilisation des œuvres.
• Le watermarking numérique : des normes techniques comme C2PA cherchent à tracer la provenance des contenus créatifs, rendant leur traçabilité possible dans les flux de données.

Une question qui dépasse les créateurs

Ce débat ne concerne pas seulement les écrivains et les artistes. Il touche la question fondamentale de qui possède la valeur créée par l'intelligence humaine — et qui en bénéficie à l'ère numérique.

Si les modèles d'IA sont aussi puissants aujourd'hui, c'est précisément parce qu'ils ont été nourris de générations entières de création humaine : littérature, journalisme, code, art, musique. Cette valeur n'a pas été créée par les ingénieurs de Silicon Valley. Elle a été construite, mot après mot, trait après trait, par des millions de personnes qui n'ont reçu aucune part du gâteau.

La vraie question n'est pas technologique. Elle est politique et économique : allons-nous laisser l'IA générative devenir la plus grande appropriation culturelle de l'histoire, ou déciderons-nous collectivement de ses règles du jeu ?

Les procès, les régulations et les outils de protection sont des premières réponses. Mais tant que le consentement des créateurs ne sera pas une condition préalable et non une option négociée après coup, le déséquilibre persistera. Et chaque nouveau modèle entraîné sera, en partie, construit sur du travail non rémunéré.

— Reservoir Live