De nouveaux documents rendus publics dans le procès en matière de droits d’auteur intenté il y a trois ans par New York Times contre OpenAI et Microsoft révèlent les évaluations internes des entreprises concernant leurs méthodes de collecte de contenus pour l’entraînement de l’IA et leurs effets sur les éditeurs. Une grande partie des documents repose sur la plainte déposée par The Times, tandis que les pièces justificatives restent confidentielles.
Selon la plainte, Brent Hecht, directeur des sciences appliquées de Microsoft, a qualifié en janvier 2023 les pratiques de collecte de données pour l’IA de « vol du travail d’une ampleur stupéfiante, sans précédent » et de « plus grand vol du travail de l’histoire de l’humanité ». Nick Turley, le responsable de ChatGPT chez OpenAI, a pour sa part écrit que les produits tels que les chatbots constituaient une « menace existentielle » pour les éditeurs, qu’ils étaient largement substitutifs et qu’ils le deviendraient encore davantage à mesure qu’ils progresseraient.
Les données de Microsoft montrent que la fonctionnalité « answer engine » de Copilot a fait chuter jusqu’à 93 % les taux de clics dirigés vers le domaine de The New York Times, par rapport aux recherches classiques sur Bing. Dans une présentation datée de janvier 2024, Hecht a décrit cette situation comme une « doom loop » susceptible de nuire simultanément aux performances des modèles et à Internet. Dans sa déposition de cette année, Satya Nadella a également déclaré que les contenus protégés par un paywall devaient faire l’objet d’une licence s’ils étaient utilisés pour l’entraînement ou le grounding.
Les documents indiquent que les ensembles de données intermédiaires utilisés pour l’entraînement d’OpenAI contiennent plus de 91,692 copies d’œuvres publiées par NYT, Daily News et Center for Investigative Reporting. Un ensemble de données provenant de Common Crawl comprenait plus de 2 millions de documents issus uniquement de nytimes.com. Il a été allégué que l’ensemble de données créé dans le cadre de Project Mango contenait des copies d’au moins 160,903 œuvres uniques appartenant à des éditeurs de presse.
Le dossier judiciaire soutient que les entreprises collectaient des contenus via Bing Index, que des employés d’OpenAI avaient élaboré des plans pour contourner les paywalls sans être détectés et que les avis de droits d’auteur étaient retirés des données d’entraînement afin qu’ils n’apparaissent pas dans les sorties des modèles. OpenAI et Microsoft n’ont pas répondu aux demandes de commentaires.
Pourquoi c’est important
Les documents montrent que le litige ne se limite pas à la question de savoir si des contenus protégés par le droit d’auteur ont été utilisés sans autorisation ; l’impact des produits d’IA sur le trafic des lecteurs et le modèle de revenus des éditeurs est également au cœur du différend. En particulier, les évaluations internes selon lesquelles les systèmes fournissant directement des réponses plutôt que des résultats de recherche pourraient réduire la nécessité de rediriger les utilisateurs vers les sites d’information pourraient renforcer le fondement économique des demandes de licence formulées par les éditeurs. Toutefois, nombre des allégations figurant dans le dossier sont rapportées dans la plainte du New York Times, et le caractère confidentiel des pièces justificatives limite pour l’instant l’examen indépendant de l’ampleur des données et des méthodes de collecte. Le fait que les entreprises ne fassent aucun commentaire signifie également qu’à ce stade, le récit repose largement sur des documents présentés par l’une des parties au litige.
Contexte
Microsoft n’est pas un nouveau nom dans les archives de FikirPilot : nous avons publié 15 articles mentionnant ce nom au cours des 90 derniers jours ; le plus récent date du 19 septembre 2026.