Quels sont les robots des acteurs de l’intelligence artificielle qui convoitent les contenus des éditeurs ?

Selon une étude menée par la société TollBit fin 2024, la part du scraping par des bots IA dans le trafic total des sites reste modeste, puisqu’il comptait pour environ 2,2 % des visites chez ses clients en décembre 2024. Mais le rythme est en forte augmentation, puisqu’il dépassait à peine 1 % au mois de juillet précédent.

Les éditeurs peuvent-ils mettre leurs contenus hors de portée des acteurs de l’IA pour éventuellement en faire payer l’accès ? C’est justement la promesse d’une société comme TollBit. Ils sont nombreux à signaler leur refus au sein des pages de conditions générales de vente et d’utilisation. C’est notamment le cas du Monde, qui y précise qu’il est “strictement interdit, sans l’accord préalable et écrit du Monde, de crawler le Site et/ou les Applications et/ou d’en collecter de manière massive le contenu, par quelque moyen et dans quelque but que ce soit, et en particulier afin de développer ou d’entraîner tout programme logiciel, y compris, sans s’y limiter, les programmes basés sur l’intelligence artificielle”.

Fair use, exceptions et opt-out

Mais dans la procédure l’opposant au New York Times, OpenAI invoque l’usage équitable (fair use), une exception au droit d’auteur présente dans le droit américain, qui permet, dans certaines circonstances, d’utiliser une œuvre protégée sans avoir à obtenir l’autorisation du titulaire des droits. Ce qui renseigne sur les limites de sa bonne volonté vis-à-vis des consignes laissées par les éditeurs. 

Côté européen, en 2019, la directive sur le droit d’auteur et les droits voisins a également introduit une nouvelle exception au droit d’auteur, autorisant la “fouille de textes et de données” (”text and data mining”) aux fins de recherche scientifique et “quelle que soit la finalité de la fouille”. Cette pratique est définie comme “la mise en œuvre d’une technique d’analyse automatisée de textes et données sous forme numérique afin d’en dégager des informations, notamment des constantes, des tendances et des corrélations”. Pour protéger des “contenus mis à la disposition du public en ligne” contre cette exception, les éditeurs doivent exercer leur droit de retrait (ou opt-out) en recourant à “des procédés lisibles par machine”. Le règlement sur l’IA qui entrera en vigueur en août 2025 contient d’ailleurs une disposition indiquant que les fournisseurs d’IA peuvent aspirer les contenus protégés par le droit d’auteur, sauf si les ayants droit exercent leur droit de réserve prévu par la directive de 2019.

Qu’est-ce que le Robots Exclusion Protocol ?

La loi est toutefois muette sur la manière dont l’opt-out doit être signalé techniquement. En complément de leurs conditions générales, nombre d’éditeurs ont donc choisi de s’appuyer également sur le protocole robots.txt (“Robots Exclusion Protocol”) afin de signaler aux sociétés de l’intelligence artificielle générative si ils les autorisent, ou non, à collecter des contenus sur tout ou partie de leurs sites.