Maciej Szpunar, avocat général, estime que la récupération et la réutilisation en temps réel d’articles de presse par des chatbots reposant sur des LLM, comme Google Gemini, peuvent, selon les circonstances, porter atteinte aux droits voisins des éditeurs. Il conclut que l’entraînement des modèles relève en principe de l’exception pour la fouille de textes et de données, faute de preuve contraire, mais qu’une réponse générée peut violer les droits si le chatbot a accédé illicitement au contenu ou si la forme d’expression de l’article est reconnaissable au point de rendre inutile la consultation de la source. Le fournisseur est responsable si ces usages sont inhérents à son modèle économique ou s’il n’a pas pris de mesures adéquates. Plusieurs questions juridiques restent ouvertes.
Avocat général Szpunar : la Cour devrait constater que la récupération et la réutilisation, en temps réel, de publications de presse en ligne par des agents conversationnels (chatbots) basés sur l’intelligence artificielle (IA) afin de générer des réponses aux requêtes des utilisateurs peuvent, dans certaines circonstances, porter atteinte aux droits des éditeurs de presse
Dans la première affaire relative à l’IA générative portée devant la Cour de justice, l’avocat général précise dans quelles circonstances un tel processus constitue une atteinte aux droits des éditeurs de presse
Google Gemini et le droit voisin des éditeurs de presse
Le groupe Alphabet, dont Google Ireland Ltd. (ci-après « Google ») fait partie, propose un service appelé Google Gemini. Google Gemini est un agent conversationnel fondé sur l’intelligence artificielle générative conçu pour dialoguer avec les utilisateurs par écrit ou oralement. Il tire cette capacité des grands modèles de langage (Large Language Models, ci-après les « LLM »). Il s’agit de réseaux neuronaux complexes capables de « comprendre » et de générer un langage naturel, qui ont été « entraînés » à cette fin grâce au traitement automatisé de très grands ensembles de textes. Les LLM Gemini utilisent une technologie appelée « Retrieval-Augmented Generation (génération augmentée par récupération) » (RAG ou « grounding »), qui leur permet de collecter des informations en temps réel sur l’Internet afin d’améliorer la précision et la fiabilité des réponses de l’agent conversationnel. Grâce à cette technologie, un tel agent conversationnel peut être utilisé pour obtenir des informations sur l’actualité. Pour fournir des réponses à ce sujet, l’agent conversationnel récupère (ou « moissonne ») souvent des articles de presse disponibles en ligne.
Like Company, un opérateur hongrois de divers portails Internet, a engagé une procédure contre Google devant la cour de Budapest-agglomération (Hongrie). Like Company revendique une protection sur les articles publiés sur ces portails en vertu du droit d’auteur conféré par le droit de l’Union aux « éditeurs de presse » sur l’« utilisation en ligne » de leurs « publications de presse ». Elle fait valoir que Google a utilisé ces articles pour « entraîner » les LLM Gemini et les a reproduits et mis à la disposition du public à plusieurs reprises par l’intermédiaire de l’agent conversationnel Gemini entre le 13 juin 2023 et le 31 mai 2024.
La juridiction hongroise a décidé de surseoir à statuer et de poser à la Cour quatre questions préjudicielles. Deux questions portent sur le point de savoir si l’utilisation de publications de presse pour entraîner un LLM relève du droit exclusif de reproduction accordé à l’éditeur ou si cette utilisation est librement autorisée en vertu de l’exception pour la fouille de textes et de données prévue par le droit de l’Union. Les deux autres concernent la question de savoir si les réponses fournies par l’agent conversationnel à ses utilisateurs peuvent relever du droit de reproduction et/ou du droit de mise à la disposition du public accordé à l’éditeur.
L’entraînement des modèles d’IA relève a priori de l’exception pour la fouille de textes et de données
Dans ses conclusions rendues ce jour, l’avocat général Maciej Szpunar recommande à la Cour de déclarer irrecevables les deux questions relatives à l’entraînement des LLM. Selon lui, étant donné qu’il n’existe aucune preuve que les articles de Like Company aient été utilisés pour entraîner les LLM Gemini, et que l’entraînement d’un LLM ne constitue pas une forme d’« utilisation en ligne » de publications de presse, ces questions sont hypothétiques.
Toutefois, dans un souci d’exhaustivité, il suggère à la Cour que l’utilisation d’œuvres et d’autres objets protégés par le droit d’auteur et le droit voisin d’entraîner un LLM est, en règle générale, librement autorisée en vertu de l’exception pour la fouille de textes et de données.
La reprise par l’IA des articles des journaux pour fournir sa réponse est susceptible de violer les droits des éditeurs
L’avocat général Szpunar recommande à la Cour de se concentrer sur les questions relatives aux réponses fournies par l’agent conversationnel, car celles-ci sont pertinentes dans l’affaire au principal.
À cet égard, il estime que, lorsqu’un agent conversationnel basé sur un LLM récupère une publication du site Internet d’un éditeur de presse, réutilise cette publication pour générer une réponse et fournit cette réponse à l’utilisateur, le droit de l’éditeur de presse peut être violé dans certaines circonstances.
Premier critère : comment l’IA l’accède-t-elle au contenu ?
Pour l’avocat général, la question de savoir si une telle utilisation de publications de presse par un agent conversationnel basé sur un LLM relève du droit de reproduction de l’éditeur dépend, premièrement, de la question de savoir si cet agent conversationnel a accédé de manière illicite à la publication de presse en cause, notamment en contournant des mesures techniques efficaces (telles qu’un mur payant) destinées à restreindre l’accès à cette publication ou à empêcher son moissonnage sur l’Internet.
187. In that connection, recital 33 of the InfoSoc Directive specifies that the end use enabled by technical reproductions should be regarded as lawful where it is either ‘authorised by the rightholder’ or ‘not restricted by law’. Here, assuming that the press publisher concerned has not authorised the provision, by a given LLM-powered online chatbot, of answers grounded in its press publications, (190) whether or not such an end use is ‘restricted by law’ (specifically, Article 15(1) of the CDSM Directive, read in conjunction with Article 2 and Article 3(2) of the InfoSoc Directive) depends, in my view, on two cumulative factors, namely (i) the manner in which the LLM accessed and retrieved the original press publication and (ii) the form of the answer ultimately provided to the user.
188. As to the first factor, it seems clear to me that such an end use can only be regarded as not restricted by law if the chatbot has accessed the press publication in question lawfully. It follows in particular that, where the press publisher concerned has put in place effective technical measures (within the meaning of Article 6(3) of the InfoSoc Directive) to restrict access to that publication (be it by way of a paywall or a measure designed specifically to prevent access and/or scraping by internet bots), the chatbot should not have circumvented those measures.
Second critère : l’absence de reprise reconnaissable de la forme d’expression
Sur ce point, l’avocat général souligne que le droit de l’éditeur de presse ne protège pas les simples faits rapportés dans les publications de presse, mais uniquement la forme d’expression spécifique de ces publications. En effet, son objectif est de protéger l’investissement nécessaire à la réalisation d’une telle publication, et non de conférer aux éditeurs un monopole sur l’information elle-même.
Par conséquent, selon lui, la question de savoir si une telle utilisation de publications de presse par un agent conversationnel basé sur un LLM relève du droit de reproduction de l’éditeur dépend, deuxièmement, de la question de savoir si la réponse fournie à l’utilisateur ne fait que rapporter des faits contenus dans la publication originale ou, au contraire, réutilise la forme d’expression de cette publication d’une manière reconnaissable, à tel point que l’utilisateur, en lisant cette réponse, est entièrement dispensé d’accéder à la publication originale. Le droit de mise à disposition du public dont dispose l’éditeur de presse est, en règle générale, violé lorsque la forme d’expression de la publication de presse en cause est systématiquement reconnaissable, dans la mesure décrite ci-dessus, dans les réponses fournies par l’agent conversationnel aux requêtes des utilisateurs à ce sujet.
205. Nevertheless, contrary to what Google and the Commission submit, that is not decisive in itself. As I have already stated above, the broad interpretation of the concept of reproduction generally followed by the Court is not limited to verbatim copying. That should also be the case with regard to press publications. Otherwise, the press publishers’ right would be too easy to circumvent, in an age where LLMs may easily paraphrase rather than replicate, as Like Company and the French, Italian, Danish, Spanish, Polish, Hungarian and Greek Governments argue. Again, the crucial factor should instead be whether, despite any rephrasing, the form of expression in an article forming part of a press publication reused through RAG remains recognisable in the answer provided by the chatbot. (209)
207. On the one hand, where the answer provided to the user by the chatbot not only reports the same facts but also reflects a distinctive arrangement, structure and general phrasing of an article which forms part of a press publication, the latter could be recognisable in that answer despite some degree of rephrasing. If the similarity is so substantial that a user, by reading that answer, can dispense with accessing the original article entirely, such an answer constitutes a direct substitute for the latter, thereby undermining the publisher’s investment. (214)
208. On the other hand, where the answer provided to the user by the chatbot reports the same facts as the article forming part of a press publication which has been reused through the RAG process, but the arrangement, structure and phrasing of that article is not recognisable therein (because, for instance, that form is entirely undistinguishable in the first place, the answer consists in a short summary of the factual content presented differently, or that answer consists in a general outline of information relating to the news, collected not only from various sources but also restructured by the LLM), this precludes a finding that that publication has been reproduced in that answer. (215) In such a scenario, the chatbot only extracted facts from the original article and, again, the press publishers’ right does not subsist in mere facts. While that answer may, because it reports the same facts as that article, compete to some extent with the latter and divert some users away from it, the press publishers’ right was never meant to protect those publishers against competition per se. Extending the scope of that right to such a chatbot answer would, essentially, be tantamount to granting press publishers a monopoly over the facts reported in their publications, contrary to the intention expressed in recital 57 of the CDSM Directive and the freedom to impart and receive information.
La responsabilité du fournisseur de l’agent conversationnel
Enfin, le fournisseur de l’agent conversationnel en ligne est responsable de ces actes potentiels d’utilisation de publications de presse lorsqu’ils sont inhérents au modèle économique de ce fournisseur ou lorsque ce dernier n’a pas mis en place les mesures appropriées pour contrer ces actes de manière crédible et efficace.
228. Here, it is far from clear that the providers of LLM-powered online chatbots ‘actually and individual informed’ press publishers that they intended to use their press publications to ground those chatbots. While many publishers discovered that use on their own, some publishers may still not be informed of that use at all, and the precise nature of the use – how a publication is selected, and so on – is still not entirely clear. In addition, the measures that publishers can put in place to restrict access to their publications are not that simple. First, the putting in place of a paywall is a significant commercial choice. Publishers may well choose not to put in place such a measure because they prefer collecting advertising revenue from traffic more broadly, not because they implicitly consent to their publications being reused by third parties. Secondly, the putting in place of measures designed to prevent web scraping by bots, such as that carried out in the context of RAG, is not as easy as it sounds. Indeed, as argued before the Court, it appears that those measures do not always adequately distinguish between the purposes for which a website is accessed by bots. Indeed, it appears that the bots which scrape websites for the purposes of grounding the answers provided by LLM-powered online chatbots are not fundamentally different to those accessing those websites for the purposes of indexing in search engines. In the case of Google, it seems that the same bots serve both functions. (235) Accordingly, as Like Company explained at the hearing, using a protocol such as ‘Robots.txt’ or other measures designed to block those bots may affect the display of the website concerned in search engines. (236) Thus, while a publisher may not adopt such measures in order to retain visibility in those search engines (and possibly implicitly consent to the use of its publications for that purpose), it cannot reasonably follow that he or she implicitly consents to the use of those publications to ground chatbots. (237)
239. In the main proceedings, it will be for the referring court to ascertain whether the conditions set out in point 228 above are met. Subject to that court’s findings, it would appear that that is not the case. First, it is apparent that Like Company did not put in place effective technological measures designed to restrict access to, or the scraping of, the articles published on its web portals. Secondly, in the example produced by Like Company before the referring court, it is not apparent that the form of expression in all or part of the article concerned is recognisable in the answer provided to the user by the chatbot. Thirdly, any potential acts of reproduction or making available of such an article by way of the Gemini chatbot does not appear to be inherent in Google’s business model. Fourthly, Google seems to have put in place appropriate measures to mitigate the risk of such acts occurring.
Plusieurs questions juridiques restent ouvertes
Les conclusions de l’avocat général soulèvent plusieurs questions qui devront être précisées par la Cour.
La protection de l’investissement et la notion d’originalité. L’avocat général souligne que le droit voisin des éditeurs de presse vise à protéger leur investissement, ce que l’on ne peut pas confondre avec l’originalité de la création qui constitue le fondement du droit d’auteur. Pourtant, lorsqu’il examine la reprise d’un article par une IA, il attache une importance déterminante au caractère reconnaissable de sa forme d’expression, de sa structure et de sa formulation. Comment articuler ces deux logiques ?
Le caractère cumulatif ou alternatif des deux conditions. Au point 187, l’avocat général présente expressément l’accès licite à la publication et la forme de la réponse générée comme deux facteurs cumulatifs pour apprécier la licéité de l’utilisation. En revanche, au point 229, il envisage une atteinte au droit de reproduction lorsque l’accès est illicite ou lorsque la forme d’expression est reconnaissable dans la réponse. Comment articuler ces deux formulations ?
L’absence de mesures techniques et le consentement de l’éditeur. L’avocat général accorde une importance particulière aux mesures techniques permettant de restreindre l’accès ou le moissonnage des publications. Il précise pourtant que leur absence ne saurait, en principe, être assimilée à un consentement implicite. Quelle portée faut-il alors reconnaître à la décision d’un éditeur de laisser ses articles librement accessibles, notamment lorsqu’un blocage des robots risque de compromettre leur référencement ? Et comment distinguer, dans ce contexte, la licéité de l’accès de celle de la réutilisation ?
La responsabilité propre du fournisseur d’IA. Enfin, l’avocat général envisage la responsabilité du fournisseur lorsque les actes litigieux sont inhérents à son modèle économique ou lorsqu’il n’a pas adopté les mesures appropriées pour les prévenir. Quels critères permettront de déterminer si une reproduction est inhérente au modèle économique du service ? Quelles mesures de prévention peuvent raisonnablement être exigées du fournisseur ? Et comment distinguer sa responsabilité de celle de l’utilisateur à l’origine de la requête ?
Annexes
conclusions avocat général
file_download Télécharger l'annexe
Vous avez besoin d'un avis personnalisé
ou d'une aide juridique ?
