Le dernier front dans la bataille sur la façon dont les grands modèles de langage sont construits n’est pas un roman, une archive de presse ou un tas de code source. C’est le répertoire américain. Le 28 août, Sony Music Publishing et Warner Chappell sont entrés dans un tribunal fédéral de Californie du Nord et ont poursuivi Anthropic, le laboratoire derrière la famille de modèles Claude, ainsi que le PDG Dario Amodei et le cofondateur Benjamin Mann. La plainte des éditeurs ne mâche pas ses mots. Elle qualifie l’entraînement de Claude de « l’un des vols de propriété intellectuelle en cours les plus vastes et les plus flagrants de l’histoire ».

Cette phrase est conçue pour voyager. Elle est aussi conçue pour cadrer une théorie des dommages-intérêts qui, si un jury l’acceptait un jour au sommet de la fourchette prévue par la loi, serait assez vaste pour réorganiser l’économie d’un laboratoire de pointe. Le dépôt réclame jusqu’à 150 000 dollars par œuvre plus 25 000 dollars par étiquette de gestion des droits d’auteur retirée sur « des dizaines de milliers » de compositions — potentiellement plusieurs milliards de dollars. Anthropic n’a pas immédiatement commenté.

L’affaire se situe à un carrefour autour duquel l’industrie tourne depuis plus de deux ans : savoir si ingérer du texte protégé à l’échelle industrielle, puis répondre à des utilisateurs qui demandent un refrain ou un couplet, relève de la recherche, du produit ou du vol. Les éditeurs de musique ont décidé qu’ils connaissaient déjà la réponse. Ils demandent à un tribunal, dans le plus important forum technologique du pays, d’être d’accord.

Le catalogue de la plainte

Cinq chansons, et une théorie du préjudice

Les œuvres nommées dans les pièces ne sont pas des raretés obscures. Ce sont des chansons qui ont vécu dans les radios, les mariages, les stades et les playlists de streaming pendant des décennies. La plainte cite « Ain’t No Mountain High Enough », le standard Holland-Dozier-Holland / Ashford & Simpson que Marvin Gaye et Tammi Terrell ont transformé en monument Motown. Elle cite « Livin’ on a Prayer » de Bon Jovi, une power ballad de classe ouvrière qui explose encore lorsqu’un groupe de bar enchaîne le changement de tonalité. Elle cite « September » d’Earth, Wind & Fire, un refrain à date de calendrier qui a survécu à la décennie qui l’a produit. Elle cite « Hallelujah », l’hymne de doute et de désir de Leonard Cohen, repris si souvent que beaucoup d’auditeurs ne savent plus quelle version ils ont aimée en premier. Et elle cite « Paper Rings » de Taylor Swift, une entrée plus récente du catalogue qui rappelle au tribunal que ce n’est pas seulement un combat sur les années 1960 et 1980.

Ces titres font un travail qu’un tableur de dommages-intérêts ne peut pas faire. Ils disent à un juge, et plus tard peut-être à un jury, que le prélèvement allégué n’est pas abstrait. C’est ce que les gens fredonnent. Les éditeurs ont appris, dans de précédents combats technologiques, que la spécificité convainc. Napster n’a pas été vaincu par une théorie du pair-à-pair. Il a été vaincu par Metallica et une liste de morceaux. Le même instinct est à l’œuvre ici.

Sony Music Publishing et Warner Chappell sont deux des trois majors mondiales qui contrôlent une part énorme des compositions sous-jacentes à la musique enregistrée. La troisième, Universal, est déjà dans le combat. Le choix de chansons célèbres dans la plainte est une façon de dire : si Claude a été entraîné sur la culture, il a été entraîné sur nous.

Comment les éditeurs disent que les données ont été collectées

Torrents, un miroir pirate et des sites de paroles licenciés

Les allégations factuelles les plus explosives du dépôt ne portent pas sur la sortie. Elles portent sur l’entrée. La plainte affirme que Mann a téléchargé par torrent plus de cinq millions de livres piratés. Elle affirme que le personnel en a récupéré au moins deux millions de plus depuis Pirate Library Mirror. Et elle affirme que le laboratoire a aspiré des paroles depuis des sites licenciés tels que MusixMatch et LyricFind.

Ces trois pipelines allégués importent pour des raisons juridiques différentes.

Télécharger par torrent une bibliothèque pirate de livres est, s’il est prouvé, une histoire de droit d’auteur directe : reproduction en gros d’œuvres que le laboratoire n’a pas achetées, provenant d’une source qui n’avait pas le droit de les céder. Pirate Library Mirror est le genre d’archive parallèle qui a circulé dans les milieux de l’apprentissage automatique comme un substitut commode, bien que radioactif, au texte licencié. Aspirer MusixMatch et LyricFind est un autre type d’allégation. Ces services existent parce que les paroles sont licenciées. Ils reposent sur des arrangements commerciaux avec les éditeurs. Les aspirer, implique la plainte, ce n’est pas errer sur le web public. C’est prendre le seul endroit où l’industrie a déjà construit un marché légal et le traiter comme un jeu d’entraînement gratuit.

Rien de tout cela n’a été testé au procès. Anthropic n’a pas répondu à la plainte en public. Un procès est un ensemble d’accusations, pas un verdict. Mais les éditeurs ont placé l’hygiène des données du laboratoire — qui a collecté quoi, d’où, et avec la bénédiction de qui — au centre de l’affaire. C’est un terrain plus dangereux pour un défendeur qu’un débat sur le point de savoir si la paraphrase d’une parole par un chatbot est transformative. L’entrée est plus facile à compter. L’entrée laisse des journaux.

L’arithmétique des dommages-intérêts légaux

Dollars par œuvre et étiquettes retirées

Le droit d’auteur américain n’exige pas d’un plaignant qu’il prouve la valeur exacte en dollars de chaque licence perdue. Pour les œuvres enregistrées, la loi autorise une fourchette de dommages-intérêts légaux. Les éditeurs demandent le sommet de cette fourchette : jusqu’à 150 000 dollars par œuvre. Ils ajoutent un second chiffre, moins familier : 25 000 dollars par étiquette de gestion des droits d’auteur retirée.

Les informations de gestion des droits d’auteur sont les métadonnées qui voyagent avec une œuvre — crédits, identifiants, la machinerie silencieuse qui dit à un licencié qui possède ceci et comment payer. La loi fédérale traite le retrait de ces informations comme un tort propre, distinct de la copie de la chanson. Si un pipeline d’entraînement retire des étiquettes de sorte qu’un modèle ne sache plus, ou ne révèle plus, qu’une parole appartient à un éditeur, la plainte traite chaque étiquette retirée comme un événement facturable.

Multipliez ces chiffres par « des dizaines de milliers » de compositions et les éditeurs arrivent à un titre qu’ils sont heureux de répéter : potentiellement plusieurs milliards de dollars. Ce n’est pas une prédiction de ce qu’un juge accordera. C’est un plafond, et un jeton de négociation. Dans le contentieux du droit d’auteur, le plafond est l’enjeu. Il change le calcul du règlement. Il change la façon dont les conseils d’administration parlent de provisions. Il change le point de savoir si une entreprise traite la musique comme une erreur d’arrondi ou comme un dossier existentiel.

Le même calcul explique pourquoi les éditeurs ont poursuivi Amodei et Mann nommément, et pas seulement l’entité corporate. Les défendeurs individuels concentrent l’esprit. Ils mettent aussi, dans une affaire de collecte de données alléguée, un visage humain sur des décisions que le laboratoire pourrait autrement décrire comme une pratique de recherche.

Un règlement de 1,5 milliard de dollars sur les livres, et un rôle d’audience encombré

Ce n’est pas le premier argument coûteux d’Anthropic sur les données d’entraînement. Le laboratoire a déjà conclu un règlement de 1,5 milliard de dollars dans une affaire d’éditeurs de livres. Ce chiffre fait désormais partie du dossier public des guerres du droit d’auteur de l’IA. Il dit deux choses à chaque plaignant ultérieur : Anthropic paiera lorsque les faits et le forum paraîtront suffisamment mauvais, et le marché du règlement de ces affaires n’est plus théorique.

Le rôle d’audience musical se remplissait déjà avant que Sony et Warner Chappell ne déposent. Anthropic fait face à des poursuites de Universal, Concord, ABKCO, BMG et Round Hill. Avec la plainte de vendredi, les trois grands éditeurs sont désormais tous en justice contre le créateur de Claude. C’est un fait structurel, pas un ornement. Les majors ne bougent pas toujours d’un même pas. Quand elles le font, les défendeurs perdent l’espoir qu’une maison rompe les rangs et concède une licence autour des autres.

Les éditeurs indépendants et de taille intermédiaire — Concord, ABKCO, BMG, Round Hill — ajoutent de la profondeur de catalogue et une texture politique différente. Les holdings d’ABKCO comprennent des morceaux des histoires des Rolling Stones et de Sam Cooke. BMG a passé des années à se présenter comme une alternative plus amicale aux auteurs que les anciennes majors. Le catalogue de Concord est un musée de la pop américaine. Ensemble, ils rendent plus difficile pour Anthropic d’arguer qu’elle est visée par une paire de conglomérats. L’industrie, dans ce récit, est arrivée en bloc.

Pourquoi les paroles sont une arme plus tranchante que les livres

Les livres et les articles de presse ont été la première vague des procès de droit d’auteur sur l’IA générative parce qu’ils sont longs, faciles à citer et faciles à montrer dans une capture d’écran. Les paroles sont plus courtes, plus collantes, et à certains égards plus dangereuses pour un fabricant de modèles.

Un grand modèle de langage qui a vu un roman peut souvent discuter de ses thèmes sans réimprimer un chapitre. Un modèle qui a vu une parole n’est qu’à une invite de réimprimer l’œuvre entière. Les chansons pop sont brèves. Leur valeur vit dans la séquence exacte — le crochet, le pont, le dernier refrain. Les utilisateurs demandent aux chatbots des paroles comme ils les demandaient autrefois aux moteurs de recherche. Si Claude récite un couplet, l’éditeur n’a pas besoin d’une théorie sophistiquée de la similarité substantielle. La sortie est l’œuvre.

Il existe aussi un marché de licences qui existe déjà. Les sites de paroles paient. Les services de streaming paient. La radio paie, par l’intermédiaire des organismes de droits d’exécution. La synchronisation dans le cinéma et la publicité paie. La théorie des éditeurs est qu’Anthropic a sauté la file. Elle n’a pas licencié MusixMatch ni LyricFind. Elle ne s’est pas assise avec Sony ou Warner. Elle a d’abord entraîné et, dans le récit des éditeurs, espéré que le droit traiterait le résultat comme un usage équitable.

L’usage équitable (fair use) est la doctrine sur laquelle chaque laboratoire d’IA compte. Elle demande si un usage est transformateur, quelle part de l’œuvre a été prise, et ce que l’usage fait au marché de l’original. Entraîner un modèle sur du texte afin de lui enseigner le langage est, arguent les laboratoires, une copie intermédiaire transformative, davantage comme la lecture que comme la réimpression. Les ayants droit argumentent l’inverse : qu’un chatbot commercial qui peut émettre l’œuvre est le marché, ou un substitut à un marché. Les tribunaux n’ont pas tranché ce combat. Ils ont produit une dispersion de décisions précoces, certaines plus amicales à l’entraînement, d’autres non, et une pile croissante de règlements qui ressemblent à des polices d’assurance.

Les éditeurs de musique ont une raison particulière de rejeter la métaphore de la lecture. Ils licencient déjà l’acte d’afficher une parole. Le marché n’est pas hypothétique. Il a des grilles de tarifs.

La Californie du Nord comme terrain choisi

Déposer en Californie du Nord n’est pas un accident de géographie. Anthropic est une entreprise de San Francisco. Le district du Nord est l’endroit où les affaires technologiques les plus surveillées du pays vont être interprétées par des juges qui ont vu une décennie de combats de plateformes. C’est aussi un vivier de jurés qui vivent parmi les gens qui construisent ces systèmes. Cela peut couper dans les deux sens. Cela peut produire du scepticisme envers des plaignants de la vieille industrie. Cela peut aussi produire de l’impatience envers des laboratoires qui parlent de sécurité en public et, si la plainte a raison, téléchargent par torrent des bibliothèques pirates en privé.

La décision de nommer Dario Amodei et Benjamin Mann empêche l’affaire de devenir une pièce de morale purement corporate. Amodei est le visage public de la marque de sécurité d’Anthropic — l’ancien chercheur d’OpenAI qui est parti construire une entreprise qui, selon son propre récit, traiterait les modèles puissants avec plus de prudence que ses rivaux. Mann est un fondateur technique dont le nom, dans cette plainte, est attaché à un torrent allégué de plus de cinq millions de livres piratés. Le contraste est l’enjeu. Un laboratoire de sécurité, suggèrent les éditeurs, n’a pas le droit d’être précieux sur les clients militaires et désinvolte sur les catalogues.

Ce que « en cours » est censé faire

L’adjectif le plus important de la plainte est peut-être en cours (ongoing). Les éditeurs n’ont pas décrit un péché historique, une course d’entraînement qui s’est achevée en 2023 et que l’on peut faire reculer avec un règlement et un jeu de données plus propre. Ils ont décrit une pratique. Si Claude est encore entraîné, encore rafraîchi, encore en train de répondre à des invites de paroles à partir de poids qui ont absorbé MusixMatch et LyricFind, alors chaque jour est un nouveau décompte.

Ce cadrage importe pour les injonctions autant que pour les dommages-intérêts. Un tribunal qui croit que le prélèvement est terminé peut se contenter de parler d’argent. Un tribunal qui croit que cela se produit encore peut être prié d’arrêter quelque chose — un pipeline, une fonctionnalité, la capacité d’un modèle à émettre des paroles. Les équipes produit craignent les injonctions plus qu’elles ne craignent les chèques. Les chèques peuvent être provisionnés. Les fonctionnalités qui disparaissent un vendredi après-midi sont la façon dont les utilisateurs partent.

La guerre plus large que cette poursuite rejoint

L’industrie de la musique est déjà passée par là, ou croit l’être. L’enregistrement à domicile. Le sampling. Napster. La première décennie de YouTube. Les accords de bandes-son de TikTok. Chaque fois, l’argument est qu’une nouvelle machine a rendu la copie trop facile et le paiement trop optionnel. Chaque fois, l’industrie arrive en retard, poursuit bruyamment, et finit par licencier. La question ouverte est de savoir si l’IA générative est un autre cycle de licences ou une rupture dans le schéma — une technologie qui n’a pas besoin de la chanson comme produit, seulement comme nutrition.

Si c’est le premier cas, cette affaire se terminera comme les affaires de droit d’auteur coûteuses se terminent souvent : par un accord confidentiel, un corpus de paroles licencié, un filigrane, un partage de revenus, et un communiqué de presse sur un partenariat. Si c’est le second, les éditeurs tentent de rendre le prix de la nutrition si élevé que les laboratoires devront venir à la table ou affamer le modèle de musique.

Le règlement de 1,5 milliard de dollars sur les livres suggère qu’Anthropic sait déjà à quoi ressemble le premier chemin. La présence de Universal, Concord, ABKCO, BMG et Round Hill sur le même terrain suggère que le second chemin est celui que l’industrie se prépare à emprunter si les pourparlers échouent.

Ce que le laboratoire n’a pas dit

Anthropic n’a pas immédiatement commenté. Ce silence est ordinaire le jour où une plainte atterrit. C’est aussi un vide que le langage des éditeurs remplira. « L’un des vols de propriété intellectuelle en cours les plus vastes et les plus flagrants de l’histoire » n’est pas une phrase écrite pour une conférence en chambre. C’est une phrase écrite pour la semaine entre le dépôt et la réponse, lorsque l’histoire publique se durcit.

Lorsque le laboratoire parlera, il aura un menu familier. Il peut nier le torrent. Il peut dire que toute parole dans le mélange d’entraînement était incidente, filtrée, ou utilisée d’une façon que le droit autorise. Il peut pointer vers des filtres de sortie qui refusent de réimprimer une chanson entière. Il peut arguer que poursuivre un directeur général et un cofondateur est du théâtre. Il peut noter que des dizaines de milliers d’œuvres, à 150 000 dollars chacune, plus les dommages liés aux étiquettes, est un chiffre construit pour effrayer, non pour mesurer le préjudice.

Ce qu’il ne peut pas facilement faire, c’est prétendre que l’industrie de la musique est fragmentée. Les trois grands éditeurs sont désormais tous en justice contre le créateur de Claude. Le catalogue de la plainte — « Ain’t No Mountain High Enough », « Livin’ on a Prayer », « September », « Hallelujah », « Paper Rings » — est un rappel que les œuvres en cause ne sont pas une niche. Elles sont l’eau dans laquelle la culture nage.

Les prochains mouvements sont procéduraux et lents : signification, une requête en irrecevabilité, un combat sur ce que la discovery atteindra à l’intérieur du pipeline de données d’Anthropic. Quelque part dans ce pipeline, si les éditeurs ont raison, se trouvent un torrent, un miroir et une aspiration de sites qui paient déjà pour les mots. Quelque part dans la théorie des dommages-intérêts se trouve un chiffre par œuvre assez grand pour faire fléchir un laboratoire de pointe. Les chansons, de leur côté, continueront de jouer. La question que le district du Nord a été prié de trancher est de savoir qui, le cas échéant, est payé lorsqu’une machine apprend à les chanter en retour.