Code généré par IA et droit d'auteur : 5 mythes testés
Code généré par IA : domaine public ? Licence open source héritée ? Nous testons 5 mythes sur le droit d'auteur et proposons une méthode de traçabilité.

Un développeur de mon ancienne équipe m'a demandé, à moitié pour rire, si les 400 lignes que Copilot venait d'écrire pour lui appartenaient vraiment à l'entreprise. Personne n'avait de bonne réponse, et le service juridique qu'on a fini par consulter a donné la pire : « c'est flou ». Cette question refait surface aujourd'hui en tête de Hacker News sous la forme d'une provocation — que tout code généré par IA devrait être open source — et le fil de discussion qui suit montre à quel point nos intuitions collectives sur le droit d'auteur, les données d'entraînement et la paternité ne collent pas à ce que dit réellement la loi. J'ai passé des années à la fois à entraîner des modèles et à livrer du code écrit avec eux, alors je vais prendre les cinq croyances que je vois répétées avec le plus d'assurance et les confronter à ce que l'on sait vraiment.
Mythe 1 : « Le code généré par IA est dans le domaine public, point final »
C'est le mythe qui repose sur le plus d'argumentaire juridique, et il n'est pourtant vrai qu'à moitié. L'US Copyright Office est constant : le droit d'auteur protège la création humaine, et une œuvre purement générée par une machine ne peut pas être enregistrée. Cette position s'appuie sur l'affaire du selfie du singe (Naruto v. Slater), où la cour d'appel du Neuvième Circuit a jugé qu'un macaque ne pouvait pas posséder la photo qu'il avait prise, et elle a résisté à une contestation directe dans Thaler v. Perlmutter, où les tribunaux ont refusé d'enregistrer une œuvre désignant une IA comme seul auteur. Jusque-là, c'est net.
Mais presque personne ne livre de logiciel purement généré par IA. Le guide même du Copyright Office trace la ligne qui compte en pratique : utiliser l'IA comme outil d'assistance ne fait pas perdre le droit d'auteur sur l'œuvre dans son ensemble, et la sélection, l'agencement et la modification de la sortie de l'IA par un humain peuvent eux-mêmes constituer une expression protégeable. Votre application de 50 000 lignes où un agent a écrit la plupart des fonctions, mais où un humain a conçu le système, défini les frontières, relu et corrigé le résultat ? Cette base de code est presque certainement protégeable dans son ensemble, même si une fonction générée prise isolément ne le serait peut-être pas. L'affirmation « tout est dans le domaine public » s'effondre dès qu'un humain fait plus que coller un prompt et committer le résultat.
Et les États-Unis ne sont pas le monde. Le Copyright, Designs and Patents Act britannique accorde explicitement une protection aux œuvres générées par ordinateur, en attribuant la paternité à la personne qui a pris les dispositions nécessaires à leur création, et ce pendant cinquante ans. Quelques autres juridictions ont des dispositions similaires. Le même fichier peut donc être non protégeable à San Francisco et protégé par le droit d'auteur à Londres. « Domaine public, point final » n'est pas une position juridique ; c'est un slogan qui pointe à peu près vers la doctrine d'un seul pays, pour un cas très étroit.
Mythe 2 : « Entraîné sur de l'open source, donc la sortie hérite de la licence »
C'est le moteur moral de l'argument « tout en open source » : les modèles ont ingéré des décennies de travaux sous GPL, MIT et Creative Commons — les réponses de Stack Overflow sont sous CC BY-SA, ce qui impose légalement l'attribution et le partage à l'identique — donc transformer cela en code propriétaire relève, selon eux, du blanchiment de licence. J'ai une vraie sympathie pour cet argument. Mon propre code AGPL se trouve dans ces jeux d'entraînement. Mais en tant qu'argument juridique, il a déjà été testé, et il a en grande partie perdu.
Dans Doe v. GitHub, le recours collectif contre Copilot, le tribunal a vidé de sa substance la théorie centrale selon laquelle les sorties d'un modèle portent automatiquement les obligations des données d'entraînement. Les réclamations fondées sur les informations de gestion du droit d'auteur du DMCA ont été largement rejetées, et les demandes liées aux licences open source ont majoritairement échoué faute de qualité pour agir : les plaignants ne pouvaient pas démontrer que leur code était reproduit dans les sorties. Le raisonnement du juge compte pour votre modèle de risque : une licence s'attache à une copie. Si le modèle ne produit jamais votre code, il n'y a ni copie, ni dérivation, et rien auquel la licence pourrait s'attacher. L'influence statistique n'est pas de la copie, pas plus qu'un programmeur ayant appris en lisant le source du noyau Linux ne doit une licence sur tout ce qu'il écrira ensuite.
Ce que l'on oublie souvent : l'exception est réelle, et c'est elle qui devrait vous empêcher de dormir. Quand un modèle régurgite effectivement des données d'entraînement presque mot pour mot — et les premiers modèles l'ont fait avec des fichiers open source reconnaissables, parfois en retirant les en-têtes de copyright — vous pouvez très bien livrer un dérivé du code GPL ou AGPL de quelqu'un sans le savoir. Un commentateur du fil, auteur de systèmes AGPL très utilisés, a décrit exactement ce cas : une entreprise avait retiré ses mentions, s'était fait prendre, puis avait fait « cloner » son système par un LLM — moins bien codé, mais indéniablement sa conception. Savoir si ce clone est une œuvre dérivée reste juridiquement non tranché, et c'est le genre de question qui se règle cher, devant un tribunal, au cas par cas. La règle générale « la sortie hérite des licences d'entraînement » est fausse. La règle restreinte « une reproduction quasi littérale est un risque bien réel » est vraie. Les équipes avisées préparent la seconde.

Mythe 3 : « J'ai écrit le prompt, donc je possède le code »
Retournez le premier mythe et vous obtenez celui-ci, tenu tout aussi fermement par ceux de l'autre camp du débat. Le Copyright Office l'aborde directement dans son rapport sur la protégeabilité : les prompts, à eux seuls, n'offrent généralement pas un contrôle humain suffisant sur les éléments expressifs de la sortie pour faire de la personne qui écrit le prompt un auteur. Le prompt est une instruction ; c'est le modèle qui fait les choix expressifs. Les tribunaux appliquent cette même logique à la génération d'images depuis un certain temps, et le code n'est pas différent sur le fond.
Là où cela devient vraiment intéressant, c'est dans le travail itératif et agentique. Plusieurs praticiens de la discussion ont décrit des boucles où l'agent écrit du code pendant vingt minutes, face à des heures, voire des jours de tests humains, de retours du terrain, de refonte et de re-prompting. Ce schéma compte juridiquement, car la théorie la plus solide du droit d'auteur pour le travail assisté par IA ne porte pas sur la paternité de lignes individuelles, mais sur la contribution créative humaine à l'œuvre dans son ensemble : sélection, coordination, agencement et modification. Un système façonné à travers des centaines de cycles de révision dirigés ressemble bien davantage à une compilation signée par un humain qu'au selfie du singe. Mais remarquez ce que cela implique : votre revendication de propriété repose sur le processus, et un processus que vous ne pouvez pas documenter est un processus que vous ne pouvez pas faire valoir. Si votre entreprise doit un jour faire respecter son droit d'auteur sur cette base de code — face à un ancien salarié, à l'équipe de due diligence d'un acquéreur, à un concurrent —, « faites-nous confiance, un humain était là » n'est pas une preuve. C'est pourquoi la section pratique ci-dessous existe.
Une subtilité supplémentaire que l'on évoque rarement : les contrats de travail et de prestation font de toute façon l'essentiel du travail réel. La doctrine de l'œuvre de commande attribue le droit d'auteur — quel qu'il soit — à l'employeur. La question pratique de la propriété au sein d'une entreprise est donc généralement réglée par contrat, indépendamment de la métaphysique de la paternité. La question inconfortable est de savoir ce que le contrat revendique réellement si certaines parties du livrable se révèlent impossibles à posséder pour qui que ce soit.
Mythe 4 : « Imposer l'open source au code généré par IA réglerait le problème d'équité »
Prenez la proposition au sérieux un instant, et elle s'effondre au contact de la réalité, pour trois raisons indépendantes. D'abord, elle se sabote en tant que mécanisme juridique : les licences open source sont des licences de droit d'auteur. Elles permettent à un titulaire de droits d'accorder des autorisations sur quelque chose qu'il possède. Si le code généré par IA n'est pas protégeable, il n'y a rien à licencier : MIT, GPL, tout cela est nul faute d'objet. La seule version cohérente de la proposition est une dédicace au domaine public, du type CC0, et une dédicace que l'on ne peut pas faire respecter n'est pas une obligation, c'est un vœu pieux.
Ensuite, le périmètre est impraticable. Passer du code en open source n'est pas un état, c'est un acte : quelqu'un doit purger les secrets, retirer la logique métier, écrire un README, choisir un dépôt. La immense majorité du code du monde est propriétaire, très spécifique aux processus internes d'une entreprise, et désormais massivement assistée par IA. Que signifierait concrètement publier de force tout cela ? Qui paie l'étape de nettoyage qui empêche les données clients de fuiter dans la publication ? Personne qui propose cette idée n'a de réponse, parce qu'il n'y en a pas. Nous avons abordé un mode de défaillance voisin dans les applications IA livrées sans row-level security — l'outil produit sans effort du code qui fuit des données quand il fonctionne ; imaginez maintenant l'obligation de publier ce code.
Troisièmement, cela n'atteindrait même pas l'objectif affiché. Le grief est que les éditeurs de modèles ont capturé le bien commun. Obliger les utilisateurs des modèles à publier leurs sorties ne fait pas rendre quoi que ce soit aux éditeurs — cela retire simplement la protection à la partie de la chaîne qui a le moins de pouvoir. Si vous estimez que le pacte des données d'entraînement était injuste, un remède visant ceux qui ont écrit le code aspiré est un remède dirigé vers la mauvaise cible. La version la plus forte de l'argument, celle que je partage vraiment, est morale plutôt que juridique : ceux d'entre nous qui profitent énormément d'un outil entraîné sur un bien commun ont l'obligation de rendre de la valeur à ce bien commun. Publier des bibliothèques. Financer les mainteneurs. Remonter vos correctifs en amont. Mais c'est une éthique à adopter, pas une loi qui survivrait au premier contact avec un parlement.
Mythe 5 : « Notre scanner de licences gère déjà ça »
Si seulement. Les outils de conformité des licences — les FOSSA et Black Duck de ce monde — reposent sur une hypothèse de provenance que l'IA fait discrètement voler en éclats. Ces outils répondent à la question « qu'avez-vous inclus ? » en comparant vos dépendances et vos fichiers vendorisés à des paquets connus. Ils fonctionnent parce que le code écrit par un humain arrive par des canaux porteurs de métadonnées : registres de paquets, fichiers copiés-collés qui conservent leurs en-têtes, répertoires vendorisés avec leurs textes LICENSE intacts. Le code généré par IA arrive par un canal sans aucune métadonnée. Un modèle peut produire trente lignes qui paraphrasent presque une fonction utilitaire AGPL, sans en-tête, sans attribution, sans paquet à laquelle les rapprocher, et votre scanner voit du code original. Le risque ne se trouve pas dans votre arbre de dépendances ; il se trouve dans vos fichiers sources, là où les outils regardent à peine.
C'est le même angle mort que nous avons rencontré ailleurs : comme dans l'incident de chaîne d'approvisionnement LiteLLM, la défaillance ne se situait pas dans le code que les équipes relisaient, mais dans un canal auquel elles faisaient aveuglément confiance. La solution, dans les deux cas, est d'arrêter de faire confiance au canal et de commencer à enregistrer ce qui y circule. C'est le suivi de provenance, et c'est ce que votre équipe devrait faire ce trimestre, quelle que soit la décision des tribunaux : car chaque avenir juridique plausible (le code IA est non protégeable, il est protégeable s'il est dirigé par un humain, la reproduction quasi littérale est une contrefaçon) récompense l'équipe capable de montrer son travail et pénalise celle qui ne le peut pas.

Ce qu'il faut réellement faire : une méthode de provenance et d'hygiène
Rien de tout cela ne requiert de nouvelle loi ni de nouveaux fournisseurs. Ce sont quatre habitudes, toutes peu coûteuses, toutes défendables quel que soit le scénario juridique sur la table.
- Signalez l'assistance IA dans les métadonnées de commit. Les trailers Git sont faits pour ça. Un trailer
Assisted-By:ne coûte rien et constitue une trace auditable du code ayant impliqué une machine — utile pour la due diligence, pour la revue des licences, et pour démontrer le processus créatif humain qui fonde votre revendication de droit d'auteur. - Gardez la boucle humaine visible. Des descriptions de PR qui disent « code généré par l'agent, j'ai réécrit la logique de retry et les conditions limites » sont une preuve juridique déguisée en bonne hygiène. L'étape de relecture est aussi là où l'on attrape le problème de reproduction littérale avant la mise en production — nous avons défendu un point similaire dans les contrôles de compréhension du code IA contre les tests : l'humain doit réellement s'engager avec la sortie, pas la valider machinalement.
- Scannez le code, pas seulement les dépendances. Les outils qui font une correspondance au niveau des extraits avec des corpus open source (distincts de l'analyse de dépendances SCA) détectent les cas quasi littéraux qui créent une vraie exposition copyleft. Lancez-les sur les commits très assistés par IA, et réglez les filtres de duplication intégrés à vos outils IA — le paramètre « bloquer les suggestions correspondant à du code public » de Copilot — sur le mode strict.
- Traitez le copyleft comme une frontière. Les licences permissives (MIT, BSD, Apache) présentent un risque minimal, même dans le pire scénario de reproduction littérale. GPL et surtout AGPL sont là où un dérivé accidentel devient coûteux. Si votre scan trouve une correspondance avec du code copyleft, réécrivez à partir de la spécification, pas à partir de l'extrait.
La convention de trailer de commit est le levier le plus rentable, et sa mise en place prend cinq minutes. Un hook prepare-commit-msg peut le demander, et la CI peut vérifier que le trailer existe lorsqu'une PR est étiquetée comme assistée par IA :
#!/bin/bash
# scripts/check-provenance.sh — run in CI on pull requests
# Fails if a PR labeled "ai-assisted" has commits without an Assisted-By trailer.
set -euo pipefail
BASE="${1:-origin/main}"
missing=$(git log --format='%H %(trailers:key=Assisted-By,valueonly)' "${BASE}..HEAD" \
| awk '{ if ($2 == "") print $1 }')
if [ -n "$missing" ]; then
echo "These commits lack an 'Assisted-By:' trailer:" >&2
echo "$missing" >&2
echo "Add e.g.: git commit --trailer 'Assisted-By: claude-code (reviewed)'" >&2
exit 1
fi
echo "Provenance trailers present on all commits."
Le trailer doit indiquer l'outil et, surtout, qu'un humain a relu la sortie : Assisted-By: copilot (reviewed) raconte à un futur auditeur une histoire bien différente de Assisted-By: copilot seul. Ajoutez à cela une courte section dans le guide d'ingénierie de votre équipe définissant ce qui compte comme contribution humaine significative chez vous : décisions d'architecture, conception des tests, modifications non triviales. Vous ne faites pas cela parce qu'un tribunal l'exige. Vous le faites parce que, quelle que soit l'issue juridique, « on a tracé » vaut mieux que « on n'a aucune idée ».
Le verdict
Le droit n'a pas besoin de trancher si le code IA est appropriable avant que vous n'agissiez : chaque issue plausible récompense l'équipe qui a documenté son processus et pénalise celle qui ne l'a pas fait.
Donc, confronté aux faits : le code généré par IA n'est pas dans le domaine public de façon générale, car la paternité humaine sur l'œuvre dans son ensemble compte toujours, et les juridictions divergent. Entraîner sur de l'open source ne rend pas les sorties open source — les tribunaux ont largement rejeté cette théorie — mais la reproduction quasi littérale est un risque réel et sous-estimé. Le prompt ne fait pas de vous un auteur, en revanche une direction humaine soutenue et documentée le fait probablement. Un régime d'open source obligatoire est incohérent comme loi et inutile comme politique. Et votre scanner de licences est aveugle au canal précis qui produit désormais l'essentiel de votre code. Le débat sur la question de savoir si le code IA devrait être libre est une bonne discussion à avoir autour d'une bière. La réponse d'ingénierie n'attend pas ce débat : tracez la provenance, gardez les humains visiblement dans la boucle, scannez au niveau des extraits, et traitez le copyleft comme le fil piégé. C'est vrai aujourd'hui, et ça le restera quelle que soit la décision finale des tribunaux.


