Au moment où nous écrivons ces lignes, la Wikimedia Foundation, l’organisation qui fait tourner Wikipédia, demande à la justice américaine de ne pas retenir une lecture trop radicale du droit d’auteur dans les grands procès autour des modèles de langage. Dans un mémoire remis à un tribunal fédéral, la fondation soutient que l’usage d’œuvres protégées pour entraîner ces systèmes peut, dans certains cas, relever du fair use. En revanche, les réponses qui recrachent du contenu protégé ne devraient pas être couvertes de la même façon.
C’est la ligne qu’elle défend dans la vaste procédure qui rassemble plusieurs plaintes pour violation du droit d’auteur, parmi lesquelles celle du New York Times contre Microsoft et OpenAI, le créateur de ChatGPT.
La position est nuancée, ce qui devient presque rare dans un débat aussi polarisé. Du point de vue de la Wikimedia Foundation, le risque va dans les deux sens. Si les éditeurs obtiennent une victoire trop large, des usages réellement transformateurs pourraient se retrouver bloqués. Si, à l’inverse, les entreprises technologiques l’emportent trop largement, cela pourrait banaliser le non-respect des licences et affaiblir la circulation des connaissances sur le web ouvert.
Son idée de fond tient en peu de mots: il faut séparer l’entraînement d’un modèle de langage de ce qu’il produit ensuite. Apprendre à partir d’un corpus, ce n’est pas la même chose que ressortir plus tard un texte protégé mot pour mot, ou dans une forme presque identique.
Wikimedia appuie particulièrement sur ce point quand il s’agit de ses propres contenus, souvent publiés sous licence Creative Commons. Lorsqu’un service reprend du texte de Wikipédia sans en respecter les conditions, on ne parle plus seulement d’un sujet technique. C’est aussi, très clairement, une question juridique.
La Wikimedia Foundation se retrouve d’ailleurs dans une situation assez paradoxale. Ses sites sont devenus une source majeure de données d’entraînement pour de nombreux systèmes. Mais, en même temps, ces mêmes systèmes détournent une partie des internautes qui, auparavant, cliquaient vers Wikipédia pour aller voir la source d’origine.
Et la fondation dit déjà en voir les effets. Le trafic des internautes vers ses sites aurait baissé de 8 %, tandis que la bande passante liée au téléchargement de contenus multimédias a grimpé de 50 % depuis janvier 2024. En cause, selon elle, des robots qui aspirent les données à grande échelle.
Pour autant, Wikimedia ne rejette pas ces outils en bloc. La fondation explique qu’ils peuvent aider les bénévoles à repérer le vandalisme, les violations de droits d’auteur, le doxxing, ou encore les articles qui ont besoin d’être améliorés.
En revanche, la communauté de Wikipédia en anglais a choisi d’en encadrer l’usage quand il s’agit de générer ou de réécrire des articles, sauf exceptions prévues à l’avance. Cette prudence va de pair avec une forme d’adaptation économique: Wikimedia Enterprise a généré 8,3 millions sur l’exercice 2024-2025, soit une hausse de 148 % sur un an, avec parmi ses clients Google, Amazon et Microsoft, d’après la Wikimedia Foundation.
Cela reste toutefois une part modeste de l’ensemble. Cette activité ne pèse encore qu’environ 4 % des revenus de la Wikimedia Foundation, qui dépend toujours très largement des dons, selon la fondation.
À ce stade, Microsoft et OpenAI, le créateur de ChatGPT, continuent de défendre la même idée: l’entraînement des modèles constituerait un usage transformateur relevant du fair use, et les reproductions verbatim resteraient rares. C’est précisément ce que plusieurs procès en cours doivent venir vérifier, alors que les premiers signaux envoyés par les tribunaux sont, pour l’instant, plutôt partagés.
Mieux vaut donc éviter les conclusions trop rapides. Si la justice tranche beaucoup trop largement dans un sens ou dans l’autre, elle pourrait redessiner pour longtemps la façon dont le savoir circule en ligne, avec au passage le risque de fragiliser encore un peu plus l’équilibre déjà précaire du web ouvert. Nous continuerons à suivre le dossier.
