Concord Music Group, Universal Music Group et plusieurs éditeurs partenaires ont déposé plainte contre Anthropic, accusant la société d’avoir téléchargé illégalement plus de 20 000 œuvres protégées, incluant partitions et paroles, pour entraîner ses modèles. Selon une déclaration publiée mercredi et citée par TechCrunch, le montant des dommages réclamés dépasserait 3 milliards de dollars, ce qui en ferait l’une des plus grosses actions individuelles en matière de droit d’auteur aux États-Unis.
Cette offensive judiciaire intervient dans un climat déjà tendu autour des usages de données sous copyright par les modèles d’IA. Anthropic a récemment été visée par une action portée par un groupe d’auteurs de fiction. Dans ce dossier, le tribunal a jugé licite l’entraînement de modèles sur des œuvres protégées, tout en rappelant que l’obtention illicite des contenus (via des sources piratées) demeure illégale. L’affaire s’était soldée par une amende de 1,5 milliard de dollars, avec un versement moyen d’environ 3 000 dollars par ouvrage aux écrivains concernés.
La nouvelle plainte des éditeurs musicaux repose sur un grief similaire, mais avec une portée potentiellement plus lourde pour l’écosystème IA: la musique et ses métadonnées (partitions, paroles) constituent une matière d’entraînement à haute valeur, traçable et défendue par des ayants droit très organisés. Si la justice retenait l’argument d’un sourcing illicite à grande échelle, le risque financier pour Anthropic dépasserait le seul champ indemnitaire et pourrait contraindre à revoir les chaînes d’approvisionnement en données, les filtres d’ingestion et les accords de licence en amont.
Au-delà de l’enjeu juridique, la procédure pourrait établir un précédent opérationnel: une mise au pas des pipelines de données d’entraînement, avec une bascule vers des catalogues licenciés et mesurables, renchérissant le coût des modèles mais sécurisant leur déploiement commercial. Pour les majors, c’est aussi un levier de négociation visant à monétiser l’accès aux œuvres textuelles et musicales dans les LLM et systèmes génératifs, avec des métriques d’usage à clarifier.
Source : ITHome
