Google continue de combattre les racleurs de données web après une défaite judiciaire. Voici pourquoi c'est important.

Points clés

• Google a intenté une action en justice contre SerpApi en décembre 2023, accusant l'entreprise de racler et de revendre ses résultats de recherche.
• Google a invoqué la DMCA, la Loi sur le droit d'auteur du millénaire numérique, une loi généralement utilisée pour protéger la musique et le cinéma contre le piratage, pour affirmer que SerpApi avait contourné ses défenses anti-raclage.
• Un tribunal a porté un coup important à Google la semaine dernière, mais Google a confirmé qu'il n'abandonnerait pas l'affaire.
• Reddit est impliqué en tant que partie nommée ayant un intérêt à bloquer le raclage non autorisé de son contenu.
• L'issue pourrait affecter la façon dont toute entreprise d'IA collecte les données dont elle a besoin pour entraîner ses systèmes.

Google a essuyé un revers judiciaire la semaine dernière. Un juge a statué contre elle dans une action en justice qu'elle avait intentée contre une entreprise appelée SerpApi, qui vend un service qui extrait des données des résultats de recherche Google et les regroupe pour les entreprises. Google affirme qu'il s'agit de vol. SerpApi affirme qu'il ne fait que lire des pages web accessibles au public.

Malgré la défaite, Google a confirmé qu'elle continuerait de combattre.

Qu'exactement SerpApi a-t-elle fait ?

SerpApi a créé un produit qu'elle commercialisait comme une « API de recherche Google », un logiciel permettant aux clients payants d'interroger automatiquement les résultats de recherche Google à grande échelle, sans passer directement par Google. Le problème, selon Google, est que SerpApi a contourné les barrières techniques que Google avait mises en place pour empêcher exactement ce type de moissonnage automatisé.

Google a intenté l'action en vertu de la DMCA, la Loi sur le droit d'auteur du millénaire numérique, une loi adoptée en 1998 qui rend illégal de contourner les systèmes de protection des droits d'auteur. La loi est le plus souvent utilisée contre les personnes qui piratent le chiffrement des DVD ou contrefont les services de diffusion. Google a soutenu que sa technologie anti-raclage compte comme ce type de protection.

Le contenu en jeu n'est pas seulement des liens bleus. Google a mis en avant ses « panneaux de connaissances », les boîtes d'information qui apparaissent lorsque vous recherchez une personne ou une entreprise bien connue. Certaines de ces informations sont concédées sous licence à partir de détenteurs de droits tiers qui paient pour que leurs données apparaissent dans les résultats Google. Google a soutenu que le raclage de SerpApi menaçait ces accords de licence.

Reddit, qui concède également sous licence son contenu et a ses propres préoccupations concernant le raclage, s'est joint à l'affaire en tant que partie intéressée.

Pourquoi une loi sur le droit d'auteur conçue pour les DVD s'applique-t-elle ici ?

C'est exactement ce que le tribunal a remis en question. Utiliser la DMCA contre un racleur de données web est une démarche juridique inhabituelle, et le scepticisme du juge la semaine dernière reflète le caractère non testé de cette théorie. Google demande essentiellement à un tribunal de convenir que les logiciels anti-bot comptent comme un système de protection contre la copie de la même manière que le chiffrement des DVD. Aucun tribunal n'a fermement dit oui à cela jusqu'à présent.

Si Google finit par gagner cet argument, cela donnerait à chaque grand site web un nouvel outil puissant pour bloquer les entreprises d'IA qui s'entraînent sur leur contenu sans permission.

Qu'est-ce que cela signifie pour vous ?

Pour la plupart des gens, rien ne change aujourd'hui. Mais l'affaire se situe au cœur d'un combat qui façonnera la façon dont les outils d'IA seront construits demain. Les modèles d'IA, les moteurs logiciels derrière des outils comme ChatGPT et Gemini de Google, apprennent en traitant d'énormes quantités de texte raclés sur le web. Si les tribunaux décident que le raclage des résultats de recherche, ou finalement de n'importe quel site web, viole la loi sur le droit d'auteur, le coût de construction de ces outils augmente considérablement.

Les coûts plus élevés pour les entreprises d'IA ont tendance à se répercuter en aval : mises à jour de produits plus lentes, abonnements plus chers, ou simplement moins de joueurs qui survivent.

Comme l'a d'abord rapporté Ars Technica, cette affaire est l'un des plusieurs tests en cours sur la question de savoir qui possède les données qui entraînent l'IA.

Le vrai point à retenir : si vous gérez un site web ou créez du contenu à titre professionnel, suivez cette affaire. Elle construit lentement le cadre juridique qui déterminera si les entreprises d'IA doivent payer pour les données qu'elles utilisent.