Droit d'auteur et IA : sécuriser les preuves d'originalité

Un studio de création textile découvre qu'une collection concurrente reprend des motifs troublants. Avant de plaider la contrefaçon, son avocat doit d'abord blinder l'originalité de l'œuvre source — une collection non encore commercialisée, conçue avec l'aide d'un outil génératif, dont il faut exhumer quarante itérations de prompts, les versions intermédiaires et les choix de retouche qui prouvent l'empreinte du créateur humain. Où se trouvent aujourd'hui ces preuves ? Sur les serveurs de Midjourney, d'OpenAI ou dans l'historique d'un assistant IA généraliste — c'est-à-dire potentiellement hors du périmètre de confidentialité que le cabinet est censé garantir à son client. C'est précisément ce point aveugle que la position récente du Barreau des Arts met en lumière, sans l'adresser directement.

Ce que dit (et ne dit pas) le Barreau des Arts

Créé en 2020, le Barreau des Arts a accompagné plus de 400 artistes et auteurs sur des problématiques de droit d'auteur et de droits voisins. Sa position, rapportée par Actu-Juridique, est sans ambiguïté : « on ne peut pas exclure automatiquement l'originalité d'une œuvre parce qu'il y a recours à l'IA » (source : actu-juridique.fr).

Cette position s'inscrit dans la continuité du critère français classique d'originalité : l'empreinte de la personnalité de l'auteur, consacré de longue date par la Cour de cassation (l'arrêt Pachot de 1986 sur les logiciels en est la matrice) et codifié aux articles L111-1 et L112-1 du Code de la propriété intellectuelle. Ce critère n'a jamais exigé un médium particulier — il exige un apport humain identifiable. L'IA générative ne change donc pas la grille de lecture juridique ; elle complique radicalement son application pratique.

Ce que le Barreau des Arts ne dit pas, et que les cabinets de PI découvrent sur le terrain, c'est comment prouver cet apport humain quand le processus créatif passe par des dizaines d'itérations conversationnelles avec un modèle génératif. L'absence de présomption automatique — ni pour, ni contre — signifie que chaque dossier devient une démonstration factuelle, documentée, opposable.

Le nouveau standard de preuve : documenter le processus, pas seulement le résultat

Tant qu'une œuvre était peinte, sculptée ou écrite à la main, l'originalité se lisait dans le résultat final et, le cas échéant, dans quelques brouillons. Avec l'IA générative, le résultat seul ne dit plus rien de l'apport humain : deux images visuellement proches peuvent provenir de parcours créatifs radicalement différents — l'un relevant d'un prompt unique et générique, l'autre d'un travail itératif de sélection, de recomposition et de retouche qui porte la marque d'un auteur.

Le standard de preuve qui se dessine implique de reconstituer :

• la chaîne de prompts successifs, avec leurs reformulations et abandons ;
• les versions intermédiaires horodatées de l'œuvre, génération après génération ;
• les choix de sélection parmi les sorties du modèle (ce qui a été retenu, rejeté, pourquoi) ;
• les interventions humaines post-génération (retouche, recomposition, intégration à un ensemble) ;
• la cohérence stylistique avec le reste du portfolio de l'auteur, preuve indirecte d'une intention esthétique propre.

Cette matière probatoire ressemble davantage à un dossier d'expertise technique qu'à un argumentaire juridique classique. Elle suppose de manipuler, trier et croiser des volumes de documents bruts — exactement le type de tâche que les cabinets de PI cherchent légitimement à accélérer avec de l'IA. Le problème est que ces documents bruts sont, par nature, ce que le client a de plus sensible.

Le paradoxe : pour protéger l'œuvre, il faut l'exposer

Voici la tension structurelle que cette jurisprudence émergente installe durablement dans les cabinets de propriété intellectuelle : démontrer l'originalité exige de rassembler et d'analyser précisément les éléments que le client souhaite garder confidentiels.

• Portfolios non publiés : une collection pas encore lancée, des maquettes de marque, des concepts non déposés — leur valeur commerciale dépend justement du fait qu'ils ne circulent pas avant la date de lancement.
• Chaînes de prompts : elles révèlent souvent la méthode de travail du créateur, parfois un savoir-faire différenciant qu'un concurrent pourrait reproduire s'il y avait accès.
• Itérations rejetées : elles peuvent contenir des pistes créatives que le client explore pour d'autres projets, sans lien avec le litige en cours.

Si cette analyse transite par un outil cloud américain — que ce soit directement via Midjourney ou OpenAI, ou indirectement via un assistant juridique construit sur ces infrastructures (Harvey, CoCounsel, un chatbot IA généraliste) — ces contenus quittent le territoire de contrôle du cabinet et deviennent, selon les conditions contractuelles du fournisseur, potentiellement accessibles dans le cadre du Cloud Act américain. Le secret professionnel de l'avocat ne protège pas le canal technique par lequel transitent les données : il protège la relation, pas l'infrastructure.

Le risque n'est pas hypothétique pour un cabinet de PI. Contrairement à un contentieux commercial classique où les pièces finiront de toute façon devant un juge, une analyse d'originalité porte souvent sur des œuvres jamais destinées à être rendues publiques avant la procédure — et parfois jamais destinées à l'être du tout si le dossier n'aboutit pas à un contentieux.

Ce que l'architecture cloud mutualisée implique concrètement

Il faut être précis sur ce point : l'enjeu n'est pas que les outils IA juridiques grand marché « envoient les données dehors » par négligence. Harvey, CoCounsel, Lexis+ Protégé ou un assistant IA généraliste en configuration entreprise appliquent des conditions contractuelles API, parfois avec engagement de non-entraînement sur les données clients. Le sujet est architectural : dans ces modèles, le document complet, l'historique de conversation et souvent l'index de recherche vivent chez le fournisseur, pas chez le cabinet.

Ce tableau n'oppose pas de « bons » et de « mauvais » outils. Harvey a atteint environ 100 000 avocats utilisateurs et 144 millions de dollars d'ARR pour une valorisation de 8 milliards de dollars fin 2025 — un succès commercial réel, sur des workloads où l'exposition documentaire est acceptable. Le choix dépend de la nature du contentieux : un dossier de recherche de jurisprudence standard n'a pas le même profil de risque qu'un dossier d'originalité portant sur une collection non publiée.

L'architecture qui change la donne : agent sur site, chunks minimisés vers le LLM

La réponse structurelle n'est pas de refuser l'IA générative dans l'analyse de l'originalité — ce serait contre-productif face à un standard probatoire qui exige justement de traiter des volumes importants d'itérations. La réponse est de déplacer le curseur de ce qui quitte réellement l'infrastructure du cabinet.

Dans l'architecture RAGbase Legal :

• Les documents complets restent sur site : versions successives de l'œuvre, captures d'écran horodatées des générations, chaînes de prompts exportées, portfolio complet du client. Rien de tout cela ne part en masse vers un tiers.
• L'index vectoriel et l'agent d'orchestration tournent sur l'infrastructure du cabinet — pas chez un fournisseur cloud tiers. C'est cet agent qui interroge, croise et structure la matière probatoire.
• Les permissions et les logs sont natifs : seuls les membres de l'équipe dossier accèdent au portfolio non publié, avec traçabilité complète de chaque consultation — un point qui compte si le dossier débouche un jour sur un débat de preuve ou de confidentialité contestée.
• Seuls des extraits minimaux et pertinents — un fragment de prompt, une description de choix esthétique, une courte séquence de métadonnées — partent vers le LLM choisi par le cabinet, selon les conditions API négociées, pour produire une synthèse, une chronologie ou un argumentaire.

La différence n'est donc pas « nous ne communiquons jamais avec un LLM externe » — RAGbase Legal peut parfaitement s'appuyer sur le modèle que le cabinet choisit. La différence est que le cabinet garde le contrôle de l'intégralité du corpus et de l'orchestration, et ne laisse transiter que le strict nécessaire à la génération de la réponse. C'est l'écart entre un flux de travail où le document complet vit chez le fournisseur, et un flux où le document complet vit chez le client final du service juridique — le cabinet — et où seul un fragment traverse la frontière.

Construire un dossier d'originalité défendable : à quoi ressemble le workflow

Concrètement, pour un contentieux où l'originalité d'une œuvre assistée par IA est contestée, le workflow documentaire ressemble à ceci :

1. Ingestion complète : le cabinet verse dans son index privé l'ensemble des prompts, captures, exports de conversation et fichiers intermédiaires fournis par le client, sans limite de volume artificielle liée à un coût par Go envoyé au cloud.
2. Reconstruction de la chronologie : l'agent identifie l'ordre des itérations, repère les points de bascule où une décision humaine modifie clairement la trajectoire créative (changement de palette, recomposition, fusion de deux générations).
3. Extraction des marqueurs d'apport humain : sélection des passages où le prompt reformule une intention esthétique précise plutôt qu'une description générique, où une retouche manuelle est documentée, où un choix de curation apparaît.
4. Synthèse argumentative : seuls ces extraits ciblés — pas le portfolio entier — sont transmis au LLM pour produire une première rédaction de l'argumentaire d'originalité, que l'avocat reprend et sécurise.
5. Archivage avec logs : le dossier complet, avec sa traçabilité d'accès, reste disponible pour une éventuelle production en justice ou un débat contradictoire sur l'authenticité des pièces.

Ce même socle documentaire peut ensuite alimenter la stratégie contentieuse via un outil de recherche de jurisprudence IA, pour situer le dossier face aux positions doctrinales existantes (CSPLA, Barreau des Arts, décisions étrangères comparables) sans jamais faire ressortir le corpus client du périmètre du cabinet.

Ce que cela change pour la stratégie IA d'un cabinet de PI

Trois constats pour les associés et DSI qui équipent une practice propriété intellectuelle :

• Le risque n'est plus seulement contractuel, il est probatoire. Si une pièce de prompt ou de portfolio a transité par un service cloud tiers avant le procès, la partie adverse peut légitimement interroger la chaîne de conservation de la preuve — un angle d'attaque nouveau que la jurisprudence sur l'IA va probablement affiner dans les prochaines années.
• Le coût d'un outil mutualisé par siège devient dissuasif à l'échelle d'une équipe PI dédiée. Entre 1 000 et 1 200 $/mois par utilisateur pour Harvey, ou 500 à plus de 1 000 $ pour Protégé, une équipe de dix avocats PI représente un budget annuel conséquent pour un usage où une bonne partie de la valeur tient justement à la gouvernance documentaire, pas seulement à la puissance du modèle.
• L'investissement one-time dans une infrastructure privée — de l'ordre de 20 à 50 k$ pour RAGbase Legal — devient plus lisible quand on le rapporte à la sensibilité structurelle, et non ponctuelle, de ce type de dossier : chaque nouveau client créatif, chaque nouvelle collection, chaque nouveau litige IA repose la même question de confidentialité.

La position du Barreau des Arts ne tranche pas un débat juridique — elle confirme qu'aucune présomption simple ne dispensera les cabinets de PI d'un travail probatoire fin, répété, et sensible. C'est un signal pour revoir, dès maintenant, l'architecture avec laquelle ce travail est mené, avant que le volume de dossiers IA génératrice ne rende le choix plus coûteux à corriger. Pour cadrer cette décision plus largement, notre guide IA pour cabinets d'avocats détaille les critères d'arbitrage entre solutions mutualisées et infrastructure dédiée, et notre page sur l'IA privée pour cabinet d'avocats décrit plus précisément le fonctionnement de l'agent, de l'index et des permissions.

Avant de choisir l'outil qui traitera vos prochains dossiers d'originalité assistée par IA, posez trois questions simples à vos fournisseurs actuels : où vivent les documents complets et l'historique de conversation, qui peut auditer les accès à un portfolio non publié, et quelle part exacte de la donnée quitte réellement votre infrastructure pour atteindre le modèle. Les réponses détermineront si votre practice PI est prête pour le niveau de granularité probatoire que cette jurisprudence émergente impose déjà.