OpenAI a été sommée de remettre 20 millions de journaux désidentifiés de conversations ChatGPT à une coalition d’éditeurs de presse, dont The New York Times, dans une bataille très suivie concernant les droits d’auteur et l’IA générative.
Une juge magistrate américaine de Manhattan a rejeté la demande d’OpenAI visant à exclure les journaux de la procédure de discovery, estimant que ces données anonymisées étaient pertinentes pour l’affaire et protégées par plusieurs dispositifs de protection de la vie privée. Cette décision accroît les enjeux pour OpenAI comme pour les éditeurs, qui soutiennent que ChatGPT a utilisé et reproduit illégalement leurs œuvres.
Une juge rejette les arguments d’OpenAI sur la vie privée
La juge magistrate américaine Ona Wang, du district sud de New York, a rejeté la demande d’OpenAI visant à réexaminer une ordonnance antérieure enjoignant à l’entreprise de produire un échantillon de 20 millions de journaux de sorties ChatGPT grand public pour la phase de discovery dans le cadre de la procédure consolidée en matière de droits d’auteur impliquant le Times et d’autres éditeurs.
Les éditeurs ont fait valoir que ces journaux étaient essentiels pour déterminer si ChatGPT avait reproduit leurs articles protégés par le droit d’auteur et pour mettre à l’épreuve les moyens de défense d’OpenAI, notamment le fair use et l’existence d’usages substantiels non contrefaisants.
OpenAI s’est opposée à cette demande, affirmant que la remise des journaux risquait d’exposer des informations confidentielles sur les utilisateurs et que « 99,99 % » des transcriptions étaient sans rapport avec les demandes des plaignants. La juge Wang a rejeté cette caractérisation, soulignant que les 20 millions de journaux ne représentaient qu’une petite fraction des « dizaines de milliards » de journaux ChatGPT grand public conservés par OpenAI et que l’échantillon était pertinent pour des questions telles que les reproductions alléguées, les dommages-intérêts et le fair use.
Le tribunal a insisté sur l’existence de « plusieurs niveaux de protection » de la vie privée des utilisateurs, notamment la désidentification des journaux par OpenAI, une ordonnance de protection déjà en vigueur et une classification des données réservée aux « seuls avocats ».
Comment les journaux ChatGPT sont devenus un point de friction juridique
Les éditeurs cherchent depuis plus d’un an à obtenir les données des journaux de sorties afin de comprendre comment ChatGPT interagit avec leurs contenus. Les premières demandes de communication couvraient les journaux grand public, professionnels et liés à l’API, mais les parties ont finalement limité leur demande à un échantillon de journaux grand public destiné à la phase de discovery sur le fond de l’affaire.
À la mi-2025, les plaignants ont demandé un échantillon de 120 millions de journaux couvrant une période de deux ans. OpenAI a proposé en retour un échantillon de 20 millions de journaux, affirmant qu’un échantillon plus réduit serait plus facile à désidentifier tout en restant utile pour l’analyse statistique. Les plaignants ont accepté de procéder sur cette base.
Après avoir terminé, ou presque terminé, la désidentification des journaux, OpenAI a informé les éditeurs qu’elle ne produirait pas l’échantillon complet et a proposé à la place d’utiliser des recherches par mots-clés pour en réduire l’ensemble. Les éditeurs ont demandé au tribunal d’ordonner cette communication, et Wang a fait droit à leur demande. OpenAI a ensuite sollicité un réexamen et fait également appel de l’ordonnance auprès du juge fédéral chargé de l’affaire.
Wang a écrit que de telles demandes constituaient un « recours extraordinaire » et a estimé qu’OpenAI n’avait invoqué aucune règle de droit contraignante ni aucun fait que le tribunal aurait précédemment négligé.
Les éditeurs de presse ont décrit le différend en des termes très durs. Frank Pine, rédacteur en chef de MediaNews Group, a déclaré que la direction d’OpenAI « délirait en pensant pouvoir s’en tirer en dissimulant des éléments de preuve sur la manière dont son modèle économique repose sur le vol du travail de journalistes qui se donnent du mal », selon un article de Reuters.
OpenAI s’appuie sur la rhétorique de la vie privée et de la sécurité
OpenAI a tenté de présenter sa position comme motivée par des préoccupations de respect de la vie privée et de sécurité. Un porte-parole de l’entreprise a renvoyé à un billet de blog de son directeur de la sécurité des systèmes d’information, Dane Stuckey, affirmant que la demande du Times concernant les journaux de conversations « fait fi des protections de la vie privée établies de longue date » et « rompt avec les pratiques de sécurité dictées par le bon sens ».
Devant le tribunal, OpenAI a soutenu que la remise des journaux compromettrait la confidentialité des utilisateurs malgré la désidentification et l’ordonnance de protection. La juge Wang ne s’est pas laissée convaincre, estimant que les protections existantes de la vie privée étaient suffisantes.
La décision a également soulevé des questions sur la stratégie judiciaire d’OpenAI. Wang a fait observer que si OpenAI n’avait jamais eu l’intention de produire les 20 millions de journaux, il était difficile de comprendre pourquoi l’entreprise avait consacré du temps et de l’argent à désidentifier l’intégralité de l’échantillon. Elle a suggéré soit qu’OpenAI avait changé d’avis après avoir initialement prévu de produire les données, soit qu’elle avait désidentifié l’ensemble par stratégie ou pour une autre raison qu’elle n’avait pas communiquée.
En toile de fond : droits d’auteur, IA et pouvoir de négociation des éditeurs
The Times a porté plainte pour la première fois en 2023, accusant OpenAI et, dans des affaires connexes, d’autres entreprises technologiques d’avoir utilisé des contenus protégés par le droit d’auteur pour entraîner des modèles d’IA sans autorisation. Ces plaintes ont depuis été regroupées, et l’affaire s’impose comme un test de l’application des principes existants du droit d’auteur à l’entraînement de l’IA et à ses résultats.
Pour les éditeurs, la communication ordonnée de ces journaux pourrait offrir un aperçu rare de la manière dont les LLMs traitent réellement les contenus d’actualité : les reproduisent-ils, les paraphrasent-ils ou les évitent-ils ? Pour les concepteurs d’IA, la décision souligne que les tribunaux pourraient ne pas accepter des arguments généraux liés à la vie privée et à la charge de travail lorsqu’ils sont confrontés à un jeu de données limité et désidentifié, au cœur des demandes et des moyens de défense en cause.
Les équipes informatiques et juridiques des entreprises suivront l’affaire autant pour les normes applicables à la discovery que pour son issue. La manière dont ce tribunal équilibre vie privée, proportionnalité et transparence pourrait influencer ce que les autorités de régulation, les plaignants et les partenaires peuvent exiger des systèmes d’IA qui restent largement opaques à l’examen extérieur.
Dans une étude distincte, OpenAI teste si les modèles peuvent être entraînés à avouer leurs propres raccourcis et erreurs.