Un mémoire de jugement sommaire déclassifié le 17 septembre 2026 dans l'affaire de droit d'auteur que des organes de presse ont intentée contre OpenAI et Microsoft cite des documents internes dans lesquels un cadre de Microsoft a décrit le scraping de contenus de presse pour l'entraînement de l'IA comme "un vol stupéfiant aux proportions inédites", et dans lesquels le responsable de ChatGPT chez OpenAI a déclaré que les éditeurs font face à une "menace existentielle".
Le document est le mémoire combiné de jugement sommaire des plaignants médias dans In re OpenAI, Inc., Copyright Infringement Litigation, MDL No. 1:25-md-3143 (SHS) (OTW), déposé auprès du tribunal de district des États-Unis pour le district sud de New York le 17 septembre et comptant 92 pages. Les plaignants incluent The New York Times, les titres du New York Daily News, le Center for Investigative Reporting et Ziff Davis. Ils demandent au tribunal de statuer avant le procès que les deux entreprises ont enfreint leurs droits d'auteur à trois stades : l'acquisition des articles, l'entraînement des modèles sur ceux-ci et, pour Microsoft, l'utilisation de copies récupérées pour étayer les réponses du chatbot.
Ce que le mémoire met au dossier
Le directeur des sciences appliquées de Microsoft, le Dr Brent Hecht, a écrit dans une note de janvier 2023 que le scraping de contenus de presse pour l'entraînement était "un vol stupéfiant aux proportions inédites" et peut-être "le plus grand vol de travail de l'histoire de l'humanité", selon le dépôt. Il a également déclaré, soutiennent les plaignants, que cette pratique "tournerait complètement en dérision l'idée d'usage équitable" — la doctrine sur laquelle les deux entreprises fondent leur défense de l'entraînement sans licence.
Le responsable de ChatGPT chez OpenAI, Nick Turley, est cité écrivant que les éditeurs font face à une "menace existentielle" de la part de produits qui sont "largement substitutifs, point final" et qui "deviendront de plus en plus substitutifs à mesure qu'ils s'améliorent". Un document interne de Microsoft est allé plus loin, décrivant une "boucle de malheur" : "Il est très inhabituel qu'un produit final menace les fondations économiques de ses fournisseurs essentiels, mais c'est la situation que nous avons créée pour notre activité de LLM en ce qui concerne sa chaîne d'approvisionnement en contenus."
Le mémoire cite également le cofondateur et président d'OpenAI, Greg Brockman, qui a écrit que les modèles étaient "excellents en matière d'actualités" et a répondu "ah nice" lorsqu'un chercheur, Nick Ryder, lui a parlé de ce qu'il a appelé un contournement du paywall du Times. Le directeur général de Microsoft, Satya Nadella, a déclaré lors d'une déposition que "tout ce qui est derrière un paywall devrait être sous licence" pour l'ancrage ou l'entraînement, et a convenu que les chatbots se sont substitués aux utilisateurs qui se rendaient à la source sous-jacente.
La base de référence du trafic et les décomptes de jeux de données
Les chiffres de clics proviennent des propres données de Microsoft, comparant son "moteur de réponses" Copilot à la recherche Bing traditionnelle : une baisse de 87 à 93 pour cent pour le Times, de 83 à 91 pour cent pour les titres du Daily News et de 51 à 94 pour cent pour ZD.
En matière d'échelle, le dépôt indique que les jeux de données de mi-entraînement d'OpenAI contiennent plus de 91,692 copies des œuvres des plaignants ; qu'un jeu de données assemblé dans le cadre d'un programme Microsoft-OpenAI nommé Project Mango contient des copies d'au moins 160,903 œuvres uniques ; et qu'un New York Times Annotated Corpus obtenu auprès d'un tiers contenait plus de 1.8 million d'articles publiés entre janvier 1987 et juin 2007, sous une licence limitée à la recherche non commerciale. Un ensemble Common Crawl post-filtré utilisé pour l'entraînement contenait 2,064,805 éléments provenant de nytimes.com, selon le mémoire.
Pourquoi cela compte
L'usage équitable dépend en partie de la question de savoir si la copie se substitue à l'œuvre originale. Les plaignants soutiennent que les citations et les données de trafic démontrent cette substitution, et que les marchés de licence que les entreprises auraient pu utiliser ont été supplantés ; ils réclament des dommages-intérêts légaux pour chaque article contrefait. Si le tribunal constate la responsabilité, la question de ce que les développeurs d'IA doivent payer pour les contenus de presse passe de la négociation au risque juridique pour chaque modèle entraîné sur des données d'éditeurs.
Ce que le dépôt n'établit pas
Deux limites méritent d'être gardées à l'esprit. Premièrement, les descriptions ci-dessus proviennent du mémoire des plaignants, qui cite les documents internes sous forme d'extraits et non dans leur intégralité, et les deux entreprises contestent la manière dont ils doivent être lus. Deuxièmement, aucune décision n'a été rendue, et la requête est délibérément étroite : les plaignants ne demandent un jugement que sur les œuvres dont les résultats montrent un important chevauchement textuel, laissant leurs autres demandes au procès.
Microsoft a riposté, affirmant que les documents rédigés par Hecht "reflètent le point de vue individuel d'un employé, ne constituent pas une analyse juridique et ne représentent pas les opinions de l'entreprise", et que ses produits constituent un usage équitable transformateur qui ne se substitue pas aux sites d'actualités. OpenAI n'a pas répondu immédiatement à la demande de commentaire d'Ars Technica. Steven Lieberman, avocat du New York Daily News et de sept journaux sœurs, a déclaré que les éléments nouvellement visibles montrent que "OpenAI et Microsoft savaient que ce qu'ils faisaient était mal".
Sources
