Anthropic paie 1,5 milliard pour des livres piratés

Une juge fédérale américaine a validé un règlement de 1,5 milliard de dollars qui oblige Anthropic à indemniser des milliers d’auteurs et d’éditeurs, après avoir entraîné son chatbot Claude sur des copies piratées de leurs livres. Environ 3 000 dollars seront versés par ouvrage, ce qui en fait la plus grosse indemnisation connue de l’histoire du droit d’auteur.

Pour résumer

• Un règlement de 1,5 milliard de dollars a été approuvé, soit près de 3 000 dollars par livre, pour un corpus de plus de 482 000 ouvrages piratés.
• Environ 91 % des livres concernés ont déjà été réclamés par leurs auteurs ou éditeurs, désormais en droit d’être payés.
• Anthropic devra détruire les fichiers téléchargés depuis les bases clandestines dans les 30 jours suivant le jugement final.

Un règlement à 3 000 dollars par livre

La décision met fin à l’une des plaintes collectives les plus surveillées du secteur. Une juge fédérale a approuvé un accord qui engage Anthropic, l’entreprise qui développe Claude, à verser 1,5 milliard de dollars à des milliers d’auteurs et d’éditeurs. Le calcul retenu tourne autour de 3 000 dollars par ouvrage, appliqué à un corpus dont l’ampleur dépasse tout ce que nous avions vu jusqu’ici dans ce type de contentieux. Le montant est vertigineux, et il a été présenté comme la plus grosse indemnisation connue pour violation de droits d’auteur.

Le règlement couvre plus de 482 000 livres. Ce chiffre à lui seul donne la mesure du problème. Il ne s’agit pas de quelques titres isolés récupérés au passage, mais d’une bibliothèque entière aspirée pour nourrir un modèle de langage. Environ 91 % de ces ouvrages ont déjà été réclamés par leurs ayants droit, qui peuvent maintenant prétendre à une compensation. Les avocats des plaignants ont mis en avant ce taux de réclamation pour souligner que la mobilisation des auteurs avait été forte et rapide.

Pour Anthropic, ce n’est pas le premier dossier sensible de l’année. Le laboratoire a déjà fait l’objet d’une attention soutenue sur la manière dont il gère son produit, comme lors de ses ajustements récents sur les limites de Fable 5. Cette fois, l’enjeu ne porte plus sur le produit fini mais sur la matière première qui a servi à le construire. Et cette matière première, ici, provenait de fichiers obtenus sans aucune autorisation.

L’accord prévoit aussi un volet destruction. Anthropic est tenue d’effacer les fichiers originaux téléchargés depuis les bases piratées, dans un délai de 30 jours après le jugement final. Autrement dit, le laboratoire ne pourra pas conserver le corpus litigieux une fois l’affaire close. C’est une contrainte concrète qui va au-delà du chèque, car elle touche à ce que l’entreprise garde réellement dans ses serveurs.

Library Genesis et Pirate Library Mirror au cœur du dossier

Les jeux de données visés portent des noms bien connus de qui suit le sujet du piratage. Il s’agit de Library Genesis et de Pirate Library Mirror, deux bibliothèques clandestines qui hébergent des millions d’ouvrages sans l’accord des auteurs. Anthropic y a puisé des copies pour constituer une partie des données d’entraînement de ses modèles. La provenance des textes est donc au centre du reproche, bien plus que leur simple présence dans le pipeline.

Le recours à ces sources pose une question de fond sur la façon dont les modèles d’Anthropic ont été nourris. Entraîner un système sur des textes protégés récupérés illégalement expose directement l’entreprise, car la source du fichier compte autant que l’usage qui en est fait. Un même contenu obtenu sous licence ou acheté n’aurait pas déclenché la même sanction. C’est le canal d’acquisition qui a coûté cher.

La distinction juridique est ici centrale. Une grande partie du débat sur l’IA porte sur la légalité de l’entraînement sur des œuvres protégées en général, un terrain encore incertain. Mais ce dossier ne tranche pas cette question large. Il sanctionne un point plus précis, l’utilisation de copies obtenues via des bibliothèques pirates. Le mode d’acquisition des données devient un facteur de risque à part entière, indépendamment du fait de savoir si l’entraînement lui-même relève ou non de l’usage loyal.

Le montant retenu envoie un signal. En fixant une indemnisation autour de 3 000 dollars par titre sur un corpus aussi vaste, l’accord établit un ordre de grandeur que d’autres plaignants pourront invoquer. La barre est désormais posée, et elle est haute. Pour un secteur habitué à traiter les données comme une ressource abondante et gratuite, voir un jeu de données se transformer en facture de 1,5 milliard change la nature du calcul.

D’autres articles sur Horizon

• Cols blancs : l’ONU alerte sur les agents IA
• GPT-5.6 déjoue son confinement et pirate Hugging Face
• La modération IA de Meta frôle 90 %, ses employés freinent

Ce que le précédent change pour les autres laboratoires

Pour les auteurs et les éditeurs, la portée est immédiate. Ceux qui ont réclamé leurs ouvrages vont toucher une compensation, et le taux de 91 % de réclamations montre que la démarche a été suivie de près. Au-delà de l’argent, la décision reconnaît quelque chose de plus large. Le contenu qui alimente un modèle a une valeur et un propriétaire, et ce propriétaire peut faire valoir ses droits même quand son texte disparaît dans un corpus de centaines de milliers de titres.

Pour les laboratoires qui entraînent des modèles, le message est plus dur. Chaque entreprise qui a constitué ses jeux de données dans le flou doit maintenant recalculer son exposition. Anthropic, déjà scrutée sous l’angle réglementaire, illustre ce que coûte un raccourci sur la provenance des données. Ce n’est plus une question théorique réservée aux juristes, c’est une ligne budgétaire potentielle qui peut atteindre le milliard.

Pour les développeurs et les entreprises qui construisent sur ces modèles, l’effet est plus indirect mais réel. Un litige de cette taille peut peser sur les coûts, sur la disponibilité de certains jeux de données et sur la prudence des fournisseurs. À terme, cela pousse tout l’écosystème vers des corpus dont l’origine est traçable, ce qui rassure côté conformité mais peut ralentir ou renchérir la préparation des données.

Côté concurrence, le calcul se déplace. Les autres laboratoires qui ont utilisé des sources comparables regardent ce règlement comme un avertissement chiffré. Ceux qui ont investi tôt dans des licences propres ou des données sous contrat disposent soudain d’un avantage. Leur exposition au risque copyright est plus faible, et cela devient un argument face aux clients et aux investisseurs. La provenance des données s’installe comme un critère de compétitivité, au même titre que la performance brute du modèle.

Affaire à suivre sur Horizon.