Propriété intellectuelle, Secret des affaires et IA : droits, risques et gouvernance B2B

Temps de lecture : 10-12 min

Mis à jour le 12 novembre 2026

L’IA générative et les modèles de fondation ont placé la propriété intellectuelle et la protection des savoir-faire sous une tension inédite. En quelques secondes, un outil peut générer du code, synthétiser des documents juridiques, produire des éléments graphiques ou analyser des jeux de données complexes.

Données d’entraînement : du droit d’auteur à la maîtrise contractuelle B2B

Avant de générer le moindre résultat, un modèle d’IA doit être entraîné sur des volumes massifs de données (textes, code, visuels, voix). En Europe, le cadre repose sur l’exception de Text and Data Mining (TDM) issue de la directive (UE) 2019/790 (CDSM). Si cette exception est inconditionnelle pour la recherche scientifique, son usage commercial reste subordonné à l’absence de réserve d’opt-out explicite et lisible par machine émise par les ayants droit (Art. 4 de la Directive).

Le grand braquage des données : du scraping de masse à l’illusion de l’opt-out

L’éléphant dans la pièce de l’IA générative n’est pas seulement l’usage futur des données, c’est l’histoire de leur collecte. Depuis le début des années 2010, le développement des grands modèles de langage (LLM) et des générateurs d’images s’est nourri d’un pillage systématique et massif des contenus en ligne (œuvres littéraires, codes sources de plateformes ouvertes, articles de presse, banques d’images) sans consentement ni rémunération des créateurs.

L’argument juridique brandi par les développeurs d’IA reposait sur un postulat commode : ce qui est publiquement accessible sur le web est réputé libre d’accès pour l’entraînement.

Le mécanisme d’« opt-out » (la possibilité pour un auteur d’indiquer qu’il refuse que ses œuvres soient minées, via des balises techniques comme les fichiers robots.txt ou des protocoles W3C) a été conçu par le législateur européen comme une soupape de sécurité. En pratique, il s’est révélé largement inopérant :

• L’effet rétroactif nul : Les modèles actuels ont été entraînés sur des masses de données ingérées bien avant que les créateurs ne soient en mesure d’implémenter ces barrières techniques.
• L’asymétrie technique : Attendre d’un créateur individuel ou d’une PME qu’il configure des protocoles d’exclusion complexes face à des robots d’aspiration (scrapers) sophistiqués relève de l’illusion juridique.

C’est cette asymétrie originelle qui alimente aujourd’hui les contentieux titanesques menés par les éditeurs de presse et les associations d’ayants droit à travers le monde. À fin 2026, le bilan judiciaire est sans appel : le pillage initial des données n’est pas traité de la même manière des deux côtés de l’Atlantique, créant une véritable fracture juridique entre l’Europe et les États-Unis.

• En Union européenne : la sanction de la mémorisation et la primauté du droit d’auteur. Les juridictions européennes refusent d’accorder un chèque en blanc aux laboratoires d’IA. Si l’analyse technique de données (Text and Data Mining) est tolérée sous réserve d’opt-out (comme l’a confirmé le tribunal de Hambourg dans l’affaire Kneschke c. LAION en septembre 2024), la captation qui aboutit à une mémorisation ou à une restitution reconnaissable des œuvres est lourdement sanctionnée. En condamnant OpenAI face à la GEMA (tribunal régional de Munich, novembre 2025), la justice allemande a posé un principe clair : dès lors qu’un modèle intègre et restitue des éléments protégés (en l’espèce des paroles de chansons), l’exception de TDM tombe et la contrefaçon est caractérisée. En Europe, l’entraînement illicite expose donc directement les fournisseurs de modèles à des condamnations financières et à des injonctions de retrait.
• Aux États-Unis et au Royaume-Uni : l’immunité relative du Fair Use et le bouclier territorial. À l’inverse, les laboratoires américains continuent de bénéficier d’une large tolérance judiciaire sur la phase d’entraînement massive. Aux États-Unis, dans les contentieux phares (The New York Times c. OpenAI, Bartz c. Anthropic, Kadrey c. Meta), les juges tendent à admettre que l’ingestion massive de textes pour entraîner un modèle relève du fair use (usage loyal), estimant que l’apprentissage statistique est « transformatif » et ne se substitue pas directement à l’œuvre d’origine, sauf à prouver que l’outil recrache littéralement des passages entiers (regurgitation) ou qu’il s’est alimenté sur des bases notoirement piratées (comme Books3). De son côté, la Haute Cour de Londres (Getty Images c. Stability AI, novembre 2025) a écarté la condamnation sur l’entraînement au motif territorial que les serveurs d’apprentissage étaient situés hors du Royaume-Uni.

Conséquence directe pour les entreprises européennes : Un modèle d’IA développé aux États-Unis sous le bouclier du fair use américain peut se retrouver en situation d’illégalité manifeste dès qu’il est commercialisé ou déployé sur le marché européen, où le droit d’auteur reste beaucoup plus protecteur.

Le cas pratique de l’éditeur SaaS : entraîner son IA sur les données clients

C’est l’un des principaux points de blocage lors de la négociation d’un contrat B2B ou d’un audit d’acquisition : un éditeur SaaS souhaite utiliser les données générées par ses clients sur sa plateforme (tickets support, contrats, historiques de vente, code) pour améliorer ses propres modèles d’IA.

Sur ce terrain, l’exception légale de Text and Data Mining (TDM) est inopérante : les données d’un client ne sont pas des contenus publics sur le web, mais des actifs privés protégés par le contrat, le droit d’auteur, le droit des bases de données et le secret des affaires. Exploiter ces flux sans base contractuelle irréprochable expose l’éditeur à une double sanction : la résiliation pour faute lourde et l’action en contrefaçon ou détournement de savoir-faire.

Pour sécuriser la valeur de son actif technologique sans bloquer son cycle de vente, un dirigeant SaaS doit verrouiller trois points précis :

1. Distinguer le RAG du fine-tuning dans ses contrats (MSA / CGV) : – Si l’outil utilise une architecture RAG (le modèle interroge la base documentaire du client en temps réel sans modifier ses propres poids), il ne s’agit pas d’entraînement : une clause standard de traitement de données pour l’exécution du service suffit. – Si l’outil procède à du fine-tuning (les données du client modifient durablement les paramètres du modèle), le contrat doit impérativement intégrer une licence d’utilisation spécifique, révocable ou strictement limitée aux données préalablement anonymisées et agrégées.
2. Garantir l’étanchéité inter-clients (multi-tenant isolation) : Les directions juridiques des grands comptes refusent désormais systématiquement que leurs données servent à entraîner un modèle mutualisé dont bénéficieraient leurs concurrents. L’éditeur doit donc structurer son offre et ses contrats autour d’une séparation nette : entraînement de modèles dédiés (single-tenant) pour les comptes Enterprise, et entraînement mutualisé uniquement sur des métadonnées techniques ou des signaux anonymisés pour les offres standards.
3. Purger les données d’entraînement avant toute levée de fonds ou cession : Lors d’une due diligence M&A ou d’un tour de table, les investisseurs auditent la « propreté » juridique des jeux de données (data provenance). Un modèle entraîné sur des données clients sans autorisation écrite explicite constitue un passif juridique majeur qui peut dévaloriser l’entreprise ou exiger un réentraînement complet à perte.

Qui possède quoi : sécuriser la propriété de ses actifs et de ses livrables

La formule selon laquelle « l’IA n’est pas auteur » est exacte, mais insuffisante lorsqu’il s’agit de valoriser un actif immatériel, de sécuriser une levée de fonds ou de rédiger une clause de cession de droits dans un contrat B2B.

Le filtre de l’originalité (Infopaq / Cofemel) : la zone de non-droit par défaut

Selon la jurisprudence constante de la Cour de justice de l’Union européenne (Infopaq, C-5/08 ; Cofemel, C-683/17), une création n’accède à la protection du droit d’auteur qu’à deux conditions cumulatives : refléter la personnalité d’une personne physique et résulter de choix libres et créatifs.

Une IA n’ayant pas de personnalité juridique, tout livrable généré de manière purement automatisée tombe dans le domaine public de fait. Ni l’entreprise utilisatrice, ni l’éditeur du modèle n’en détiennent de monopole.

Conséquence commerciale directe : Si une agence, un cabinet ou un éditeur livre à un client un code, une maquette ou un rapport généré à 90 % par une IA sans intervention humaine substantielle, la clause de cession de droits d’auteur facturée au contrat est juridiquement sans objet. Le client achète une exclusivité illusoire que n’importe quel concurrent peut légalement reproduire.

Le statut des prompts : pourquoi le droit d’auteur ne vous protège pas

Les entreprises investissent massivement dans le prompt engineering pour automatiser leurs processus métiers. Contrairement à une idée reçue, le droit d’auteur ne protège pas vos prompts :

• Qu’il s’agisse d’une requête simple ou d’une instruction technique complexe, le droit assimile le prompt à une simple commande ou à une méthode fonctionnelle, dépourvue de forme originale au sens d’Infopaq.
• Le réflexe opérationnel : Ne misez jamais sur le droit d’auteur pour verrouiller votre ingénierie de prompts. Protégez vos bibliothèques de prompts via le régime du secret des affaires (cloisonnement des accès, journalisation, stockage sécurisé hors des outils publics) et verrouillez leur propriété par des clauses expresses de confidentialité et de dévolution des savoir-faire dans vos contrats de travail et de sous-traitance.

Comment qualifier et prouver l’intervention humaine « substantielle » ?

Pour qu’un livrable assisté par IA redevienne un actif protégeable (et cessible), l’entreprise doit être en mesure de démontrer devant un juge ou un auditeur que l’outil n’a été qu’un exécutant sous contrôle humain. La traçabilité doit porter sur trois phases :

1. La direction créative en amont : La conception d’une architecture, d’un cahier des charges ou d’un brief détaillé qui prédétermine la structure de l’œuvre (au-delà d’une simple requête générique).
2. La sélection et l’itération dirigée : La documentation des choix effectués parmi des dizaines de générations successives, prouvant une orientation éditoriale ou technique constante.
3. Le post-traitement déterminant (le critère décisif) : La réécriture approfondie, la refactorisation du code, la retouche graphique manuelle ou l’assemblage des éléments générés au sein d’une création complexe originale. À défaut de cette étape humaine finale, la protection par le droit d’auteur reste hautement précaire.

Deepfakes, droit à l’image et transparence (Article 50 AI Act)

L’usage de contenus synthétiques (voix, visuels, vidéos) dans un cadre commercial ou marketing expose l’entreprise à un double risque : l’atteinte aux droits de la personnalité et les sanctions administratives d’au moins 3 % du chiffre d’affaires mondial prévues par l’AI Act.

Le droit à l’image et l’usurpation d’identité

Générer l’image ou la voix d’une personne identifiable (qu’il s’agisse d’un dirigeant, d’un collaborateur ou d’une personnalité publique) exige son autorisation expresse et préalable. Le droit français (Art. 9 du Code civil) sanctionne l’utilisation non consentie de l’image, quelle que soit la technologie employée pour la produire. Sur le plan pénal, la création ou la diffusion de contenus synthétiques trompeurs peut être qualifiée d’usurpation d’identité (Art. 226-4-1 du Code pénal).

L’obligation de marquage de l’article 50 de l’AI Act

Pleinement en vigueur depuis le 2 août 2026 pour les obligations de transparence, l’article 50 de l’AI Act impose deux règles d’action immédiate aux déployeurs professionnels :

1. Information directe des personnes : Tout système d’IA interagissant directement avec des personnes physiques (chatbots, agents conversationnels B2B/B2C) doit informer explicitement l’utilisateur qu’il dialogue avec une IA.
2. Watermarking et marquage des contenus synthétiques : Les contenus audio, image ou vidéo présentant une apparence de réalité (deepfakes au sens large) doivent comporter un marquage technique inaltérable et lisible par machine (watermarking), signalant leur caractère artificiel. Ne pas respecter cette exigence expose l’entreprise à des sanctions administratives pouvant atteindre 15 millions d’euros ou 3 % du chiffre d’affaires annuel mondial.

Contrefaçon par ricochet : le risque caché dans vos fournisseurs IA

En novembre 2026, la guerre juridique entre les ayants droit (éditeurs de presse, auteurs, artistes) et les laboratoires d’IA entre dans une phase critique. Pour une entreprise qui intègre des briques d’IA ou des modèles tiers dans ses propres produits, cet affrontement mondial crée un risque opérationnel direct : la contrefaçon par ricochet.

Le scénario catastrophe concret : qu’est-ce que cela signifie ?

Imaginez que votre entreprise intègre un modèle de langage ou un générateur d’images d’un fournisseur tiers pour alimenter votre propre SaaS ou vos campagnes marketing. Si ce fournisseur est condamné en justice (par exemple pour avoir entraîné son modèle sur des milliards d’images ou de textes protégés sans autorisation), le tribunal peut prononcer :

• Une injonction de retrait ou de modification du modèle (ce qu’on appelle un « rappel de modèle ») ;
• L’interdiction d’exploiter commercialement les outputs générés par cette version du modèle.

Conséquence pour votre entreprise : Du jour au lendemain, votre brique technologique est obsolète ou illégale, votre produit ne peut plus tourner, et vous devez tout réarchitecturer avec un autre fournisseur, en subissant une rupture de service totale.

La fracture transatlantique : pourquoi l’Europe change la donne

Aux États-Unis, les laboratoires d’IA bénéficient souvent de la doctrine du fair use pour l’entraînement de leurs modèles, rendant les poursuites des créateurs très incertaines.

En Europe, les tribunaux sanctionnent lourdement la mémorisation et la restitution d’œuvres protégées (comme l’a illustré la condamnation d’OpenAI par le tribunal de Munich face à la GEMA). Un modèle considéré comme sûr aux US peut donc devenir un produit illicite ou à haut risque juridique en UE.

Le réflexe opérationnel : comment auditer votre fournisseur SaaS (due diligence)

Lors de l’achat ou de l’intégration d’une solution d’IA tierce, votre direction juridique ou vos achats ne doivent plus se contenter d’un certificat de sécurité informatique (ISO 27001 ou SOC 2). La due diligence doit intégrer une clause de traçabilité des données d’entraînement et de garantie :

1. Exiger la conformité à l’Article 53 de l’AI Act : Demandez à votre fournisseur le résumé documenté des sources d’entraînement de son modèle. S’il refuse de vous le fournir ou s’il élude la question, c’est un signal d’alarme (red flag).
2. Insérer une garantie d’éviction renforcée et un « Safe Harbor » contractuel : Le contrat de services (SLA / MSA) doit contenir une clause par laquelle le fournisseur s’engage à vous indemniser intégralement (frais de justice, dommages et intérêts, coût de remplacement de la brique technique) en cas de condamnation liée à l’origine illicite de ses données d’entraînement.

Matrice opérationnelle : sécuriser ses actifs et verrouiller ses contrats

Pour prémunir l’entreprise contre la perte d’exclusivité ou la mise en cause par des tiers, la gouvernance interne doit s’appuyer sur une mise à jour systématique de la chaîne contractuelle.

La gouvernance interne (preuve et charte IT)

• Traçabilité des créations : Comme détaillé à la section 2, toute création destinée à être valorisée ou cédée doit faire l’objet d’un archivage des fichiers intermédiaires (commits Git, couches graphiques, versions réécrites) afin d’établir la prépondérance de l’apport humain.
• Charte d’utilisation IA : Définir une liste blanche d’outils validés (environnements Enterprise étanches) et interdire formellement aux équipes la saisie de code source, de données clients ou d’informations stratégiques dans des interfaces grand public.

La grille de mise à jour des contrats B2B

Reverse Engineering, IA et contournement des barrières logicielles (clean rooms et secret des affaires)

C’est l’angle mort stratégique et le cauchemar actuel des éditeurs de logiciels, des studios de jeux vidéo et des géants de la tech. À l’ère de l’IA générative et des agents de code autonomes, le reverse engineering (ingénierie inversée) ne relève plus de l’artisanat juridique ou de la simple copie de code : il s’appuie sur l’industrialisation des méthodes de clean room (chambres propres), bouleversant l’économie des suites logicielles et des écosystèmes propriétaires.

Le séisme des clean rooms assistées par IA (clonage sans copie de code)

Historiquement, la protection d’un logiciel ou d’un écosystème reposait sur la complexité de son code source et sur l’interdiction de le copier. Or, les techniques de rétro-ingénierie et de Clean Room Design permettent aujourd’hui à des agents d’IA d’observer les comportements, les API, les structures de données et les sorties d’un logiciel tiers pour reproduire un logiciel fonctionnellement équivalent de toutes pièces, sans jamais copier une seule ligne du code source d’origine.

• L’illusion de la protection du code : Pour des acteurs historiques de la tech, des suites logicielles créatives ou de l’industrie du jeu vidéo, cette automatisation pulvérise la barrière à l’entrée technologique. La valeur du logiciel s’effondre au profit de sa seule infrastructure, de sa conformité réglementaire (comme le HDS) et de la fidélité de ses bases clients. Microsoft, Adobe et d’autres géants font face à cette remise en cause brutale où l’IA permet de cloner des environnements complexes en un temps record.
• Le contournement du droit d’auteur : Puisque le code source n’est pas copié textuellement, l’action en contrefaçon de logiciel classique se heurte à un mur probatoire redoutable.

Le risque interne : la fuite de savoir-faire via les API et les prompts (data leaking)

Parallèlement à cette menace externe, le danger frappe de l’intérieur. Lorsqu’un développeur ou un architecte logiciel saisit du code source propriétaire, des algorithmes métiers ou des briques d’infrastructure dans une IA générative publique pour se faire aider, ces données cessent d’être protégées.

• Si le fournisseur SaaS réutilise ces requêtes pour entraîner ses modèles, vos secrets d’affaires s’évaporent.
• En l’absence de clauses de cloisonnement strictes, l’information ne fait plus l’objet de « mesures de protection raisonnables » au sens de la Directive européenne 2016/943 sur le secret des affaires (transposée en droit français aux articles L. 151-1 et suivants du Code de commerce), détruisant instantanément la valeur immatérielle de l’actif technologique.

La réponse juridique : du droit d’auteur au bouclier du secret des affaires (et la réalité des remparts économiques)

Face à ce contournement par les méthodes de clean room assistées par IA, le droit de la propriété intellectuelle (qu’il s’agisse des directives européennes ou du droit national) montre ses limites structurelles :

• Les limites de la protection logicielle : En droit européen, le droit d’auteur protège l’expression littérale d’un code source, pas ses idées, ses principes fonctionnels ou ses interfaces. Si un agent d’IA redessine un logiciel par observation externe (black-box testing) sans copier une seule ligne de code, l’arme traditionnelle du droit d’auteur devient inopérante.
• Le secret des affaires comme bouclier contractuel : La défense des éditeurs ne peut plus reposer sur la seule propriété intellectuelle. Elle s’appuie sur la protection active du secret des affaires : interdiction formelle du reverse engineering dans les contrats B2B, cloisonnement des environnements de développement et interdiction des outils d’IA non maîtrisés en interne. Contre le client identifié ou le partenaire, le contrat offre une arme de sanction financière redoutable en cas de violation.

Au-delà du droit : l’illusion de la protection du code

Face à l’utilisateur anonyme ou au cloneur qui contourne les interdictions contractuelles pour publier un équivalent en open source, il faut regarder la réalité en face : aucun texte de loi ni aucune clause ne peut empêcher matériellement un acteur déterminé de copier un logiciel.

À l’ère de l’IA, la valeur d’un logiciel ne réside plus dans son code source (devenu une commodité aisément reproductible), mais dans ce que l’IA ne peut pas cloner : la conformité réglementaire continue (comme le HDS ou les certifications sectorielles), la maintenance critique, la sécurité managée et la confiance de l’écosystème. C’est sur ces actifs d’infrastructure et de service que se joue la véritable protection des entreprises tech.

Propriété intellectuelle, secret des affaires et IA

Sécurisez vos actifs immatériels et vos contrats IA