Aller au contenu
Propriété intellectuelle

Données d’entraînement de l’IA et risque en matière de droit d’auteur

Les données d’entraînement de l’IA soulèvent des questions de droit d’auteur non résolues au Canada. Copier des œuvres pour entraîner des modèles constitue une violation à moins qu’une exception ne s’applique, le Canada n’a pas d’exception pour la fouille de textes et de données, et l’utilisation équitable n’a pas été mise à l’épreuve pour l’entraînement commercial. Les licences et la gouvernance des jeux de données sont les protections pratiques.

Baies de serveurs et flux de données illustrant le risque en matière de droit d’auteur lié aux données d’entraînement de l’IA pour les entreprises canadiennes

L’essentiel

  • Reproduire une partie importante d’une œuvre aux fins d’entraînement viole le droit d’auteur à moins qu’une exception ne s’applique.
  • La Loi sur le droit d’auteur du Canada ne contient aucune exception propre à la fouille de textes et de données.
  • L’utilisation équitable aux fins de recherche est large, mais n’a pas été mise à l’épreuve pour l’entraînement commercial de modèles.
  • L’exception relative aux reproductions temporaires ne vise vraisemblablement pas les jeux de données conservés.
  • Les registres de jeux de données, les licences et les indemnités des fournisseurs sont des contrôles de risque essentiels.

Données d’entraînement de l’IA et droit d’auteur : la réponse courte

Les données d’entraînement de l’IA constituent aujourd’hui la question de droit d’auteur la plus contestée en technologie, et le droit canadien n’y a pas encore répondu. L’entraînement d’un modèle d’apprentissage automatique suppose habituellement la copie d’œuvres, comme des textes, des images, du code ou de la musique, dans des jeux de données, puis leur traitement. Aux termes du paragraphe 27(1) de la Loi sur le droit d’auteur, reproduire une partie importante d’une œuvre sans consentement viole le droit d’auteur à moins qu’une exception ne s’applique. Le Canada n’a pas d’exception propre à la fouille de textes et de données.

Les développeurs s’appuient donc sur des moyens de défense généraux, principalement l’utilisation équitable aux fins de recherche ou d’étude privée prévue à l’article 29 et l’exception visant les reproductions temporaires dans le cadre de processus technologiques prévue à l’article 30.71, qui n’ont ni l’une ni l’autre été mises à l’épreuve pour l’entraînement commercial à grande échelle. Les licences, la gouvernance des jeux de données et les protections contractuelles sont les réponses pratiques pendant que le droit évolue.

Baies de serveurs et flux de données illustrant le risque en matière de droit d’auteur lié aux données d’entraînement de l’IA pour les entreprises canadiennes
La copie d’œuvres dans des jeux de données d’entraînement soulève des questions de droit d’auteur que les tribunaux canadiens n’ont pas encore tranchées.

Pour les développeurs d’IA, les entreprises qui affinent des modèles et celles qui achètent des outils d’IA, le risque est réel : réclamations pour violation, injonctions, dommages-intérêts préétablis pour les œuvres enregistrées ou non, et réclamations contractuelles des fournisseurs de données. Selon la codification de la Loi sur le droit d’auteur à jour au 19 octobre 2026, aucune modification propre à l’IA n’avait été apportée. Cet article explique comment le droit d’auteur s’applique aux données d’entraînement de l’IA, les moyens de défense qui pourraient être invoqués, le contexte des litiges et des politiques, et les stratégies de licence.

Où la copie se produit dans la chaîne d’entraînement

Le risque lié au droit d’auteur peut survenir à plusieurs étapes, et chacune exige une analyse distincte :

  • Collecte : le moissonnage ou le téléchargement d’œuvres pour constituer un jeu de données crée des copies. Le contournement de murs payants ou d’autres mesures techniques de protection entraîne une responsabilité distincte en vertu des dispositions de la Loi interdisant le contournement.
  • Stockage et prétraitement : le nettoyage, la segmentation et le stockage des jeux de données comportent d’autres reproductions, parfois pendant de longues périodes.
  • Entraînement : l’entraînement du modèle traite des copies ; la question de savoir si le modèle entraîné contient lui-même la reproduction d’une partie importante d’une œuvre est débattue et pourrait dépendre de la capacité du modèle à régurgiter le contenu d’entraînement.
  • Extrants : les extrants qui reproduisent une partie importante d’une œuvre d’entraînement peuvent constituer une violation distincte ; voir notre analyse sur les œuvres générées par l’IA.
  • Distribution : la distribution de jeux de données ou de modèles à des tiers peut soulever des questions de violation à une étape ultérieure en vertu du paragraphe 27(2) lorsque le distributeur sait ou devrait savoir qu’ils contiennent des copies contrefaites.

Comme le droit d’auteur canadien est territorial, l’endroit où se déroule chaque étape importe. Un entraînement effectué entièrement à l’extérieur du Canada pourrait ne pas violer le droit d’auteur canadien, mais rendre disponibles au Canada des jeux de données ou des modèles contrefaisants, ou reproduire des œuvres sur des serveurs canadiens, peut faire intervenir le droit canadien.

L’utilisation équitable et les données d’entraînement de l’IA

L’article 29 prévoit que l’utilisation équitable aux fins de recherche, d’étude privée, d’éducation, de parodie ou de satire ne constitue pas une violation du droit d’auteur. La Cour suprême du Canada a déclaré que l’utilisation équitable est un droit des utilisateurs qui doit recevoir une interprétation large et libérale.

Dans l’arrêt CCH Canadienne Ltée c. Barreau du Haut-Canada, 2004 CSC 13 (dossier 29320 de la CSC), elle a établi un critère en deux étapes : l’utilisation doit viser une fin permise et être équitable, ce qui s’apprécie au moyen de facteurs comprenant le but, la nature et l’ampleur de l’utilisation, les solutions de rechange à l’utilisation, la nature de l’œuvre et l’effet de l’utilisation sur l’œuvre.

Dans l’arrêt Société canadienne des auteurs, compositeurs et éditeurs de musique c. Bell Canada, 2012 CSC 36, la Cour a statué que la « recherche » ne se limite pas à la recherche créative ou scientifique et peut comprendre l’écoute préalable de musique par les consommateurs avant l’achat.

Facteur d’équitéArguments des développeursArguments des titulaires de droits
ButRecherche sur la langue, les images et les régularités ; utilisation transformatriceDéveloppement de produits commerciaux ; services concurrents
NatureCopies utilisées à l’interne et non redistribuéesCopie massive et systématique et conservation à long terme
AmpleurNécessaire pour apprendre des régularités statistiquesŒuvres entières copiées, souvent des catalogues complets
Solutions de rechangeAucune solution pratique pour les modèles à usage généralIl existe des jeux de données sous licence ou du domaine public
Nature de l’œuvreContenu accessible au publicŒuvres derrière un mur payant, inédites ou très créatives
Effet sur l’œuvreLe modèle ne se substitue à aucune œuvre en particulierLes extrants font concurrence aux œuvres et les dévalorisent ; le marché des licences est lésé

Aucun tribunal canadien n’a encore appliqué ces facteurs à l’entraînement de modèles. L’issue dépendra vraisemblablement beaucoup des faits : la source des données, la légalité de l’accès, la nature commerciale du modèle, la reproduction ou non des œuvres d’entraînement dans les extrants et l’existence d’un marché des licences. Les développeurs ne devraient pas tenir pour acquis que l’utilisation équitable couvrira l’entraînement commercial à grande échelle.

Les reproductions temporaires et les autres exceptions

L’article 30.71 prévoit que ne constitue pas une violation la reproduction qui est un élément essentiel d’un processus technologique, qui a pour seul but de faciliter une utilisation qui ne constitue pas une violation et qui n’existe que pour la durée du processus.

L’exception peut viser les copies passagères faites pendant le calcul, mais elle ne vise vraisemblablement pas les jeux de données conservés, et sa deuxième condition dépend de la légalité de l’utilisation sous-jacente. Les autres exceptions, comme celles qui visent le contenu non commercial généré par l’utilisateur ou les établissements d’enseignement, sont trop étroites pour appuyer l’entraînement commercial, bien qu’elles puissent être pertinentes pour des projets de recherche universitaire menés dans leurs limites.

Les litiges et les politiques au Canada et à l’étranger

Des litiges portant sur les données d’entraînement de l’IA sont en cours dans plusieurs pays, notamment une instance intentée en Ontario par des éditeurs de presse canadiens contre un développeur d’IA. Au moment de notre examen, aucun tribunal canadien ne s’était prononcé sur le fond d’une réclamation pour violation liée aux données d’entraînement, et les décisions étrangères, qui appliquent des lois différentes et des règles d’utilisation équitable (fair use) ou de fouille de textes et de données, n’ont qu’une autorité directe limitée ici.

Le gouvernement fédéral a mené une consultation sur le droit d’auteur à l’ère de l’IA générative (consultation d’ISDE, soumissions closes le 15 janvier 2024), demandant si le Canada devrait adopter une exception pour la fouille de textes et de données, exiger la transparence à l’égard des données d’entraînement ou créer des mécanismes de rémunération. Les entreprises devraient suivre à la fois les litiges et toute proposition législative, et s’attendre à ce qu’une éventuelle nouvelle exception soit assortie de conditions comme l’accès légal au contenu source, le respect des refus (opt-out) ou la transparence quant aux données utilisées.

Point pratique

Tenez un registre des jeux de données qui consigne, pour chaque jeu utilisé à des fins d’entraînement, la source, les conditions de licence, la méthode de collecte, la date et tout signal de refus. Si une réclamation est présentée, ce registre est le point de départ de toute défense, et il permet de repérer les données problématiques et de les retirer des entraînements futurs.

Les recours et le risque liés aux données d’entraînement de l’IA

Le risque financier d’une réclamation relative aux données d’entraînement de l’IA dépend des recours possibles. Le titulaire du droit d’auteur qui obtient gain de cause peut demander une injonction, des dommages-intérêts et une restitution des profits en vertu de l’article 35, ou choisir des dommages-intérêts préétablis en vertu de l’article 38.1.

Pour les violations à des fins commerciales, les dommages-intérêts préétablis vont de 500 $ à 20 000 $ pour l’ensemble des violations de chaque œuvre, ce qui peut rapidement s’accumuler lorsque des milliers d’œuvres sont en cause, bien que les tribunaux aient le pouvoir discrétionnaire de réduire le montant lorsque le total serait nettement disproportionné par rapport à la violation.

Les injonctions sont une préoccupation particulière pour les développeurs de modèles, car une ordonnance restreignant l’utilisation d’un modèle entraîné au moyen de données contrefaites pourrait perturber une gamme de produits. Les développeurs devraient donc se demander s’ils pourraient réentraîner ou remplacer un modèle si un jeu de données devenait inutilisable.

Les recours collectifs constituent une autre source de risque. Les auteurs, artistes et éditeurs peuvent regrouper leurs réclamations, et les lois provinciales sur les recours collectifs permettent d’exercer des recours collectifs. Les indemnités que les fournisseurs d’IA accordent à leurs clients ne réduisent pas le risque propre du fournisseur et peuvent même l’accroître.

Mesures pratiques pour les développeurs

Pour les développeurs qui conçoivent ou affinent des modèles au Canada, une approche défendable à l’égard des données d’entraînement de l’IA comprend habituellement les éléments suivants : privilégier les sources sous licence, du domaine public et sous licence libre ; respecter les signaux techniques de refus et les conditions des sites Web qui interdisent le moissonnage ; éviter de contourner les murs payants et les autres mesures techniques de protection.

Elle comprend aussi les mesures suivantes : dédoublonner et filtrer les jeux de données pour réduire la mémorisation ; tester les modèles quant à la régurgitation d’œuvres d’entraînement et ajouter des filtres d’extrants ; tenir un registre des jeux de données et un calendrier de conservation ; et documenter la fin de recherche et les choix de conception qui appuient un argument d’utilisation équitable. Aucune de ces mesures ne garantit une défense, mais ensemble, elles réduisent à la fois le risque de réclamation et l’ampleur de la réparation possible.

Stratégies de licence pour les données d’entraînement de l’IA

Les licences réduisent l’incertitude et deviennent courantes pour le contenu de grande valeur comme les nouvelles, les livres, les images et le code. Les principales conditions d’une licence de données d’entraînement comprennent :

  1. Portée : les utilisations permises (préentraînement, affinage, génération augmentée par récupération, évaluation), les modèles visés et la possibilité de commercialiser les extrants.
  2. Exclusivité et durée : le caractère exclusif ou non de la licence et le sort des modèles entraînés à la fin de la licence ; les modèles ne peuvent habituellement pas « désapprendre » des données.
  3. Attribution et contrôle des extrants : des engagements visant à empêcher la régurgitation des œuvres sous licence, à fournir une attribution ou des liens et à respecter les refus.
  4. Paiement : sommes forfaitaires, droits par utilisation ou partage des revenus, et droits de vérification.
  5. Garanties et indemnités : le pouvoir du concédant d’accorder les droits, surtout pour le contenu de tiers et le contenu fourni par les utilisateurs, et des indemnités en cas de réclamation.
  6. Vie privée : les jeux de données contenant des renseignements personnels doivent respecter les lois sur la protection des renseignements personnels, qui s’appliquent indépendamment du droit d’auteur.

Les redevances versées à des concédants non résidents peuvent être assujetties à la retenue d’impôt canadienne ; la clause de paiement devrait donc préciser qui la supporte et si les montants sont majorés en conséquence. Voir notre analyse sur les contrats de licence de PI.

La répartition des risques pour les entreprises qui achètent des outils d’IA

La plupart des entreprises sont exposées au risque lié aux données d’entraînement de l’IA à titre de clientes plutôt que de développeuses, et leur pouvoir de négociation est à son maximum avant la signature. Lorsqu’elles acquièrent des outils d’IA, elles devraient examiner les déclarations du fournisseur sur les données d’entraînement, les indemnités offertes contre les réclamations en matière de droit d’auteur découlant des extrants ou de l’entraînement, les conditions rattachées à ces indemnités (comme l’utilisation de filtres intégrés) et l’utilisation par le fournisseur des propres données du client pour entraîner des modèles.

Les données du client utilisées pour affiner un modèle devraient être régies par des limites contractuelles claires et des obligations de confidentialité, y compris des obligations de suppression à la fin du contrat. Voir notre page sur les opérations technologiques.

La gouvernance des données et le chevauchement avec la vie privée

Le droit d’auteur n’est pas la seule contrainte qui s’applique aux données d’entraînement. Les renseignements personnels contenus dans les jeux d’entraînement sont assujettis aux lois fédérales et provinciales sur la protection des renseignements personnels, qui exigent un fondement légitime pour la collecte et l’utilisation et imposent des obligations de transparence et de sécurité.

Les conditions d’utilisation des sites Web peuvent interdire le moissonnage, ce qui crée un risque contractuel. Des obligations relatives aux secrets commerciaux et à la confidentialité peuvent s’appliquer aux données obtenues de partenaires d’affaires. Un processus de gouvernance unique qui examine chaque jeu de données sous l’angle du droit d’auteur, de la vie privée, des contrats et de la sécurité est plus efficace que des examens distincts.

Il devrait aussi viser les données obtenues de sociétés affiliées et de fournisseurs, puisqu’un jeu de données acheté à un tiers soulève les mêmes questions de droit d’auteur qu’un jeu recueilli directement, et l’acheteur devrait obtenir des garanties quant à la façon dont le fournisseur l’a recueilli. Voir nos pages sur l’intelligence artificielle et sur le droit d’auteur et les secrets commerciaux.

Comment TRW & Co vous aide

Nous conseillons les développeurs d’IA, les fournisseurs de données, les éditeurs et les entreprises utilisatrices au sujet des données d’entraînement de l’IA et du risque en matière de droit d’auteur au Canada. Nous évaluons les chaînes d’entraînement et les jeux de données, structurons des ententes de licence, rédigeons et négocions les conditions des fournisseurs et des clients, concevons des processus de gouvernance des jeux de données et de gestion des refus, et aidons nos clients à répondre aux réclamations et aux mises en demeure.

Pour discuter d’un jeu de données, d’un modèle en développement, d’une négociation de licence ou d’une acquisition d’IA, communiquez avec nous. Le présent article constitue de l’information générale et non un avis juridique.

Questions fréquentes

L’entraînement d’un modèle d’IA au moyen d’œuvres protégées est-il légal au Canada ?

La question n’a pas été tranchée. La copie d’œuvres dans des jeux de données est une reproduction qui constitue une violation à moins qu’une exception ne s’applique. Les développeurs peuvent invoquer l’utilisation équitable aux fins de recherche ou l’exception relative aux reproductions temporaires, mais aucun tribunal canadien ne les a appliquées à l’entraînement commercial de modèles, et l’issue dépendra des faits.

Le Canada a-t-il une exception pour la fouille de textes et de données ?

Non. Selon la codification de la Loi sur le droit d’auteur à jour au 19 octobre 2026, il n’existe aucune exception propre à la fouille de textes et de données. Le gouvernement fédéral a mené une consultation sur la question, dont la période de soumission a pris fin le 15 janvier 2024, mais n’en a adopté aucune.

Comment l’utilisation équitable s’applique-t-elle aux données d’entraînement de l’IA ?

L’utilisation doit viser une fin permise, comme la recherche, et être équitable. Les tribunaux tiennent compte du but, de la nature et de l’ampleur de l’utilisation, des solutions de rechange, de la nature de l’œuvre et de l’effet sur celle-ci. La copie commerciale et à grande échelle d’œuvres entières est plus difficile à justifier comme équitable.

Que devrait contenir une licence de données d’entraînement ?

Les utilisations et modèles permis, l’exclusivité, le sort des modèles entraînés après l’expiration, le contrôle des extrants, le paiement et les droits de vérification, les garanties de pouvoir, les indemnités et le respect des lois sur la vie privée. La retenue d’impôt peut s’appliquer aux redevances versées à des concédants non résidents.

Que devraient vérifier les entreprises qui achètent des outils d’IA ?

Les pratiques du fournisseur en matière de données d’entraînement, les indemnités en matière de droit d’auteur et leurs conditions, l’utilisation ou non des données du client pour l’entraînement, les protections de confidentialité et le respect des lois sur la vie privée. Les contrats devraient répartir la responsabilité à l’égard des extrants contrefaisants et de l’utilisation abusive des données.

Sources

  1. Loi sur le droit d’auteur, L.R.C. 1985, ch. C-42
  2. Cour suprême du Canada, dossier 29320 (CCH Canadienne Ltée c. Barreau du Haut-Canada)
  3. ISDE, Consultation sur le droit d’auteur à l’ère de l’intelligence artificielle générative

Information générale seulement, et non un avis juridique. Les renvois aux lois, aux tribunaux et aux autorités décrivent le droit et la pratique publiés à la date indiquée.