Pourquoi la fouille de données concerne tous les sites internet
La fouille de données consiste à analyser automatiquement de grands volumes de textes, d’images ou de données numériques. L’objectif est d’en dégager des informations. Les concepteurs de modèles d’intelligence artificielle y recourent pour entraîner leurs outils, voire pour apporter des réponses à des requêtes ou indexer des résultats.
Pour y parvenir, des robots parcourent le web et copient les contenus. Or toute copie d’une œuvre relève du droit de reproduction de son titulaire. Le législateur a pourtant créé une exception, assortie d’un droit d’opposition.
Le droit à la fouille de textes et de données prévu à l’article L. 122-5-3 du Code de la propriété intellectuelle
L’ordonnance du 24 novembre 2021 a transposé l’article 4 de la directive (UE) 2019/790 du 17 avril 2019. L’article L. 122-5-3-III du Code de la propriété intellectuelle (CPI) s’applique à toute personne et à toute finalité, y compris commerciale. C’est lui qui concerne les développeurs d’intelligence artificielle.
Dans ce cadre, la copie d’une œuvre est permise si trois conditions sont réunies. L’utilisateur doit avoir accédé licitement à l’œuvre. L’auteur ne doit pas s’être opposé à la fouille « de manière appropriée ». Les copies doivent enfin être stockées avec un niveau de sécurité approprié, puis détruites à l’issue de la fouille.
Pour les contenus mis à la disposition du public en ligne, le texte précise que l’opposition peut s’exprimer « notamment par des procédés lisibles par machine ». L’article L. 211-3, 8°, du CPI étend ce mécanisme aux titulaires de droits voisins.
Comment exprimer son opposition à la fouille de données ?
L’article R. 122-28 du CPI complète la loi. L’opposition « n’a pas à être motivée et peut être exprimée par tout moyen ». Pour un contenu en ligne, elle peut notamment passer par des procédés lisibles par machine, y compris des métadonnées. Le titulaire peut aussi recourir aux conditions générales d’utilisation (CGU) du site ou du service.
Le considérant 18 de la directive 2019/790 va dans le même sens. La réservation de droits « ne devrait être jugée appropriée que si elle est effectuée au moyen de procédés lisibles par machine, y compris des métadonnées et les conditions générales d’utilisation d’un site internet ou d’un service ».
Le droit laisse donc un large choix. Chaque outil présente toutefois des atouts et des limites.
Les conditions générales d’utilisation : une base juridique explicite
Le règlement et le CPI autorisent expressément l’opposition à la fouille dans les CGU. Une clause efficace déclare que le titulaire s’oppose à toute fouille de textes et de données. Elle précise que l’opposition couvre l’ensemble du site et de ses contenus. Elle vise l’article L. 122-5-3 du CPI et le cas échéant l’article L. 211-3 8° du CPI.
La clause garantit une assise juridique, mais elle ne bloque rien techniquement.
Le fichier robots.txt : un signal technique ancien et répandu
Le fichier robots.txt se place à la racine d’un site. Il indique aux robots d’exploration les adresses qu’ils peuvent visiter. Il peut expressément exclure certains robots.
Cet outil a des limites. Il a été conçu pour gérer l’exploration, non pour réserver des droits. Il repose sur la bonne foi des robots, et certains l’ignorent.
Le protocole TDM Reservation : une réserve de droits lisible par machine
Le protocole TDM Reservation répond techniquement à l’article 4 de la directive 2019/790. Il ne constitue ni une norme ni un standard officiel. Il offre toutefois un moyen lisible par machine d’exprimer la réserve de droits.
Le protocole repose sur deux mécanismes complémentaires :
- « tdm-reservation » : la valeur 1 indique que les droits sont réservés, la valeur 0 qu’ils ne le sont pas ;
- « tdm-policy » : une adresse web renvoie vers la politique de fouille du titulaire. Elle peut être lisible par un humain (HTML) ou par une machine (fichier JSON).
Le titulaire peut déclarer sa réserve par trois techniques :
| L’en-tête HTTP | Technique la plus recommandée aujourd’hui. Le serveur envoie la réserve avec chaque ressource. |
| Le fichier tdmrep.json | Fichier stocké dans le répertoire « /.well-known », à la racine du serveur. Il permet de fixer une règle pour tout le site, ou pour certains chemins ou types de fichiers. |
| Les métadonnées | Balises insérées dans le code d’une page HTML. Elles s’appliquent aux documents HTML, et aussi aux fichiers EPUB ou PDF, mais pas aux images ou aux vidéos. |
Un opérateur peut-il imposer son propre outil d’opposition ?
Certains opérateurs d’intelligence artificielle proposent leur propre mécanisme de refus. Toutefois, le titulaire de droits reste libre de choisir le procédé de son choix, sans avoir à motiver ce choix. L’opposition est valable dès lors qu’elle est lisible par machine.
Quels enseignements du droit européen récent ?
Le règlement sur l’intelligence artificielle (UE) 2024/1689 renforce cette logique. Son article 53, paragraphe 1, point c, impose aux fournisseurs de modèles à usage général de respecter les réserves de droits exprimées au titre de l’article 4 de la directive.
FAQ
Un site peut-il interdire la fouille de données de ses contenus ?
Oui. L’article L. 122-5-3, III, du CPI permet à l’auteur de s’opposer à la fouille de manière appropriée. Pour un contenu en ligne, l’article R. 122-28 admet notamment les procédés lisibles par machine, les métadonnées et les conditions générales d’utilisation.
Le fichier robots.txt suffit-il pour s’opposer à la fouille de données ?
C’est un signal technique reconnu, mais il n’a pas été conçu pour réserver des droits. Mieux vaut le combiner avec une clause des conditions générales et le protocole TDM Reservation.
Qu’est-ce que le protocole TDM Reservation ?
C’est une réserve de droits lisible par machine, proposée par un groupe du W3C. Elle repose sur les champs « tdm-reservation » et « tdm-policy ». Ce n’est pas une norme officielle.