1°) L’opt-out sous astreinte et le renvoi à la communication d’informations sur l’ampleur des agissements

1-1°) Condamnations prononcées : une mesure d’interdiction assimilée à un out-put sous astreinte retient l’attention

(Ne sont pas reprises ci-dessous les condamnations pour les frais d’avocat et la publication judiciaire, les points 1, 2 et 3 renvoient à la numérotation du jugement).

1-1-1°) Interdiction (Unterlassung) – Point 1

Sous astreinte de 250.000 EUR ou [6 mois d’emprisonnement, nos amis allemands nous expliqueront cette mesure] par violation :

a) Point 1a – Reproduction dans les modèles :

Interdiction de reproduire, totalement ou partiellement, les 9 textes sans consentement de GEMA dans les Large Language Models, “comme cela s’est produit dans les modèles 4 et 4o”. La décision ne concerne pas les versions ultérieures GPT-5 et suivantes.

b) Point 1b – Outputs du chatbot :

Pour les textes (intégraux, partiels ou transformés) via les outputs d’un chatbot génératif interdiction de :

• • Rendre accessibles au public
  • Reproduire
  • Permettre à des tiers de le faire

Portée temporelle précise ( une distinction est faite entre les deux sociétés du groupe Open AI) :

• • Société 1 : depuis le 14.12.2023
  • Société 2 : depuis le 30.11.2022

1-1-2°) Information (Auskunft) – Point 2

Obligation de fournir un relevé ordonné détaillant :

a) Nombre et étendue des actes depuis les dates précitées

b) Chiffre d’affaires réalisé depuis ces dates

1-1-3°) Dommages-intérêts (Schadensersatz) – Point 3

Constatation judiciaire :

Les défendeurs sont tenus d’indemniser GEMA pour :

• • Tous dommages déjà subis
  • Tous dommages futurs

Résultant des actes décrits au point 1.

Modalité : Calcul ultérieur sur base des informations du point 2.

1-1-4°) Exécution provisoire

Cautions pour suspendre l’exécution provisoire (Nous y mettons cette fois la publication judiciaire et les frais d’avocat) :

Total des cautions potentielles : 460.000 EUR (+ 110% pour parties financières)

1-2°) L’impossibilité technique de l’opt-out rejetée par avance

1-2-1°) Argument d’OpenAI

Unlearning impossible :

“La génération de données d’entraînement comme output ne peut être totalement empêchée, car le processus d’entraînement accompli, dont est issu le modèle (entraîné), ne peut plus être annulé ; un ‘unlearning’ d’un contenu déterminé n’est pas possible selon l’état actuel de la recherche.”

1-2-2°) Réponse du tribunal – Refus catégorique

a) Refus d’un délai de grâce (Aufbrauchfrist) :

“Un délai de grâce ne doit pas être prononcé, car les défendeurs connaissent les violations du droit d’auteur au moins depuis la mise en demeure de la demanderesse du 06.11.2024, et donc depuis plus d’un an. Durant ce délai, ils auraient déjà pu entraîner un nouveau modèle, ce qui selon leurs propres indications nécessiterait six mois.”

b) Alternatives disponibles :

“Les défendeurs peuvent également, pour éviter la prétention à cessation, prendre une licence.”

c) Principe de rigueur :

L’interdiction signifie toujours des contraintes rigueurs pour le débiteur, qui sont en principe à supporter.

1-2-3°) Conséquences pratiques concrètes

Pour se conformer, OpenAI doit :

Option 1 – Arrêt du service :

• • Désactivation des modèles 4 et 4o pour l’Allemagne (ou UE)
  • Immédiat, sans délai de grâce

Option 2 – Réentraînement :

• • Nouveau modèle sans les oeuvres litigieuses
  • Ou avec licence GEMA préalable
  • Délai technique : ~6 mois selon OpenAI ( attention à l’impacte de l’astreinte)

Option 3 – Licence :

• • Négociation avec GEMA
  • Paiement rétroactif des dommages
  • Licence prospective

2°) Implications stratégiques pour les acteurs auteurs, sociétés de gestion de droits, et industriels de l’IA

2-1°) Pour les développeurs de LLM

Cette décision ouvre très largement la responsabilité des entreprises de l’IA, à elles d’exercer des contrôles et vérifications à chacune des phases d’élaboration.

Risques juridiques majeurs :

• • Violation massive du droit d’auteur si mémorisation;
  • Responsabilité directe qui ne peut pas être déléguée ( attention toutefois, la décision n’a pas eu à se prononcer sur d’éventuelles dispositions contractuelles sur cette problématique);
  • Interdiction immédiate sans transition, la durée de la procédure ne joue plus en faveur de la partie en défense;
  • Dommages-intérêts rétroactifs, mais la détermination de ceux-ci n’est pas traitée à cette décision.

Mesures préventives nécessaires :

a)En amont (training) :

• • Sélection rigoureuse des données d’entraînement
  • Privilégier contenus domaine public ou libres ( difficile en pratique avec les chansons) 
  • Obtenir licences préalables (sociétés de gestion collective)
  • Documentation complète des source

 b) Pendant l’entraînement :

• • Techniques anti-mémorisation
  • Tests de régurgitation systématiques
  • Filtrage des contenus problématiques

c)En aval (production) :

• • Filtres sur outputs, attention sur ce point particulier, cette décision soulève des problématiques spécifiques au robot.txt, ce qui invite les opérateurs à rechercher d’autres solutions comme …la licence ou l’autorisation.
  • Détection de contenus protégés
  • Blocage des reproductions substantielles
  • Mécanismes de notification aux ayants droit

d)Organisationnel :

Développer une entreprise et acquérir rapidement une position de monopole, à aller vite, à ignorer les règles, et à régler ultérieurement les questions juridiques n’est plus possible avec l’IA et le droit d’auteur.

• • Évaluation juridique préalable
  • Budgets pour licences
  • Veille jurisprudentielle
  • Procédures internes de compliance

2-2°) Pour les titulaires de droits et les sociétés de gestion de droits

De multiples opportunités d’action se dessinent mais toutes sont à reconsidérer au cas par cas selon la technologie utilisée.

2-2-1°) Actions judiciaires :

• • Modèle GEMA transposable
  • Preuve simplifiée (prompts simples)
  • Perspectives de succès élevées
  • Dommages-intérêts significatifs
  • Coordination entre sociétés nationales de gestion de droits

2-2-2°) Négociations de licences :

• • Position de force renforcée
  • Licences collectives via sociétés de gestion
  • Contrats spécifiques IA et développement de grilles tarifaires IA
  • Rémunération pour training + outputs
  • Clauses de transparence sur utilisation
  • Harmonisation des pratiques en fonction des droits en cause

2-2-3°) Stratégies défensives :

• • Réserves d’utilisation explicites, le robot.txt n’est pas suffisant
  • Monitoring des LLM (tests réguliers) avec une veille technologique
  • Actions collectives coordonnées
  • Éviter les culs-de-sac technologiques

3°) De sérieux tempéraments à cet enthousiasme des titulaires de droits d’auteur : au premier chef la destruction créatrice

Rappelons que cette décision du 11 novembre est susceptible d’appel.

3-1°) La création destructrice

Rien n’est moins solide qu’une décision fondée sur une solution technologique que son promoteur a déjà remplacée.

Les techniques anti-mémorisation dans GPT-5 sont-elles suffisantes ?

3-2°) La granulométrie de la similarité requise

À cette décision, le seuil le plus bas constaté : 15 mots

• • Avec éléments créatifs identifiables
  • Mais quelle limite inférieure réelle ?
  • Quid de fragments encore plus courts ?
  • Ou bien cette décision est-elle strictement liée à la nature des oeuvres en cause ?

3-3°) Types d’oeuvres concernées

Au jugement : paroles de chansons, a priori :

• • Forte originalité 
  • Complexité linguistique
  • Longueur substantielle

Transposable à :

• • Probablement : poèmes, romans, articles
  • Incertain : codes informatiques, bases de données
  • Quelle solution pour des simples faits ou la reprise d’un style général.

4°) Quelle responsabilité pour les utilisateurs ?

Cette décision n’exclut pas un cumul de responsabilité entre l’industriel de l’IA et les utilisateurs.

Les informations dont la communication est demandée, devraient-elles distinguer entre les emplois par les utilisateurs et partant distinguer a minima des usages strictement individuels d’emplois commerciaux ?

Enfin, quel degré requis de complexité pour exclure la responsabilité de l’industriel de l’IA et la transférer sur l’utilisateur ? 

L’article Le jugement du 11 novembre 2025 de Munich ( Gema vs Open AI) ordonne un opt-out : les conséquences juridiques. est apparu en premier sur Philippe Schmitt Avocats.

Cette décision est d’autant plus intéressante que ne sont en cause que 9 chansons donc des textes relativement courts, et que le passage le plus court violé est composé de 15 mots avec néanmoins la reprise d’éléments créatifs tels que : rythme, structure grammaticale.

1°) Les Parties

À l’initiative de cette décision : la société de gestion collective allemande GEMA (Gesellschaft für musikalische Aufführungs- und mechanische Vervielfältigungsrechte) qui représente les auteurs de 9 chansons.

En défense : deux sociétés du groupe OpenAI, exploitantes des modèles de langage GPT-4 et GPT-4o et fournisseurs du chatbot ChatGPT

Encore que cela soit essentiel pour comprendre cette décision, de nombreuses dispositions de droit allemand et de références aux textes européens sont citées, insistons comme avec la décision du 4 novembre du Juge britannique, sur les importants développements techniques des modèles de langage qui ici retiennent l’attention.

2°) Les modèles de langage en cause confrontés à la mémorisation (Memorisierung)

2-1°) La description par le Tribunal de l’architecture et du fonctionnement des LLM en cause

Le tribunal développe une analyse technique remarquablement détaillée du fonctionnement des modèles GPT :

2-1-1. Structure des Transformers

• • Architecture de réseaux neuronaux multicouches
  • Mécanisme d’attention permettant le deep learning
  • Transformation des données en tokens numériques

2-1-2. Processus d’entraînement (Training)

Phase 1 – Préparation du corpus :

• • Collecte et numérisation des données
  • Tokenisation et vectorisation
  • Création d’index numériques

Phase 2 – Entraînement proprement dit :

• • Calcul de vecteurs Query, Key, Value
  • Ajustement des paramètres (poids) du modèle
  • Mémorisation potentielle de contenus

2-1-3. Génération d’outputs (Inférence)

• • Conversion du prompt en tokens
  • Production token par token
  • Distribution de probabilités (Softmax)
  • Paramètre “temperature” modulant la créativité
  • Stratégies de sampling (greedy, top-k, etc.)

2-2 La “Mémorisation” (Memorisierung) des données d’entraînement

Une mémorisation existe lorsque les paramètres, pendant l’entraînement, ne se contentent pas d’extraire des informations du jeu de données, mais permettent une reprise complète des données d’entraînement dans les paramètres spécifiés après l’entraînement.

• • La mémorisation peut être prouvée en comparant les données d’entraînement avec les sorties générées par le modèle via des prompts simples ;
  • Les paroles des chansons en question ont été mémorisées dans les modèles, ce qui a permis leur reproduction dans les sorties ;
  • La mémorisation est décrite comme une reproduction dans le modèle, où les données sont fixées de manière reproductible et peuvent être rendues perceptibles par des outils techniques ;
  • Les défendeurs reconnaissent que la mémorisation est un phénomène connu, mais la qualifient de “bug rare” ;
  • Des études scientifiques ont démontré la mémorisation dans les modèles d’IA, notamment dans les modèles des défendeurs.

3°) L’atteinte au droit d’auteur : la mémorisation comme reproduction.

3-1°) En particulier, les dispositions de la directive 2001/29 et son article 2 ouvrent cette interprétation extensive du droit de reproduction :

« Les États membres prévoient le droit exclusif d’autoriser ou d’interdire la reproduction directe ou indirecte, provisoire ou permanente, par quelque moyen et sous quelque forme que ce soit… ».

Cette décision poserait le principe que la mémorisation dans les paramètres d’un modèle neuronal équivaut à la reproduction au sens du droit d’auteur.

Conséquences :

• • Aucune distinction selon le format de stockage
  • Perceptibilité indirecte suffisante (avec moyens techniques)
  • Inapplicabilité de l’argument “pas de copie littérale”

3-2°) Rejet catégorique de l’exception Text and Data Mining

3-2-1. Distinction des deux phases

Le tribunal opère une distinction fondamentale :

Phase 1 – Couverte par l’exception TDM :

• • Collecte et préparation du corpus
  • Reproductions temporaires nécessaires
  • Conversions de format
  • Stockage en mémoire de travail

Phase 2 – NON couverte par l’exception :

• • Mémorisation dans les paramètres du modèle
  • Reproduction durable et récupérable
  • Atteinte aux intérêts d’exploitation des auteurs

3-2-2. Arguments du rejet

3-2-2-1) Interprétation littérale stricte :

Les reproductions dans le modèle ne constituent pas du Text and Data Mining.

La mémorisation des textes de chansons litigieux excède une telle évaluation et n’est donc pas un simple Text and Data Mining. Les textes comme données d’entraînement n’ont pas seulement été évalués, mais ont été intégralement repris dans les paramètres du modèle, ce qui porte atteinte aux intérêts d’exploitation des auteurs.

3-2-2-2) Prémisse de l’exception TDM non respectée :

La prémisse du Text and Data Mining et des exceptions correspondantes, selon laquelle l’évaluation automatisée de simples informations ne touche pas aux intérêts d’exploitation, ne s’applique pas à cette configuration technique .

Au contraire, les reproductions dans le modèle portent atteinte au droit d’exploitation des titulaires de droits.

3-2-2-3) Refus de l’application analogique :

Le tribunal examine expressément une éventuelle analogie et la rejette pour trois raisons cumulatives :

1. 1. Wortlaut (texte clair) : “Eine mutmaßlich technik- und innovationsfreundliche Auslegung, die ebenfalls Vervielfältigungen im Modell von der Schranke als gedeckt ansehen wollte, verbietet sich angesichts des klaren Wortlauts.” (Une interprétation prétendument favorable à la technologie et à l’innovation, qui considérerait également les reproductions dans le modèle comme couvertes par la limitation, est hors de question compte tenu de la formulation claire).
   2. Pas de lacune involontaire (planwidrige Regelungslücke) : Si le législateur n’a pas prévu les LLM, cela ne crée pas automatiquement une lacune.
   3. Absence d’intérêts comparables :

La disposition d’exception régule la licéité d’actes préparatoires de reproduction lors du Text and Data Mining, situation où les intérêts d’exploitation des auteurs ne sont pas menacés car seules des informations sont extraites et l’œuvre comme telle n’est justement pas reproduite.

En cas de reproductions dans le modèle, l’exploitation de l’œuvre est durablement atteinte et les intérêts légitimes des titulaires de droits sont ainsi violés.

Conséquence décisive :

Si la mémorisation des données d’entraînement ne peut être évitée selon l’état de la technique, l’entraînement de modèles avec des données protégées par le droit d’auteur n’est pas couvert par l’exception Text and Data Mining.

CONSEQUENCE DE CE RAISONNEMENT

Ce rejet du Text and Data Mining constitue un événement majeur :

• Interprétation restrictive des exceptions TDM
• Impossibilité technique ≠ justification juridique
• Responsabilité du développeur pour la mémorisation
• Nécessité d’obtenir des licences préalables

3-3°) Nouvelle mise à disposition du public

Même en supposant la licéité de la mise à disposition sur un site web, il existe un nouveau public lorsque les contenus sont placés sans l’accord du titulaire de droits sur un autre site web. Cela vaut d’autant plus pour l’utilisation non seulement sur un autre site web, mais par un modèle.

Position claire du tribunal :

• L’accès via chatbot = accès public, non individualisé
• Absence de restrictions techniques réelles
• Service “à la demande” (on-demand)
• Disponibilité en tout lieu et à tout moment
• Le fait qu’un prompt individuel soit nécessaire ne transforme pas l’accès public en accès privé.

Ces solutions techniques sont riches d’enseignements pour les professionnels de la PI (Prochain article)

L’article Premiers regards sur les éléments techniques à la décision du 11 novembre 2025 du Tribunal de Munich : Gema vs Open AI est apparu en premier sur Philippe Schmitt Avocats.