machinewitness

Fouille de textes et de données

Fouille de textes et de données et réserve lisible par machine

Le droit de l'Union permet de réaliser des copies aux fins de la fouille de textes et de données, sauf si le titulaire des droits s'est réservé cet usage. Pour les contenus mis en ligne, la réserve doit être exprimée sous une forme lisible par machine. Cette page reproduit le texte de la loi, indique dans quels fichiers et signaux une telle réserve s'exprime en pratique, et explique pourquoi ce qu'ils disaient un jour précis est le fait qu'il faudra établir par la suite.

Le texte de la loi

La règle figure à l'article 4 de la directive sur le droit d'auteur et les droits voisins dans le marché unique numérique. Le paragraphe 1 oblige les États membres à prévoir une exception pour les reproductions et extractions d'œuvres auxquelles on a accès de manière licite, aux fins de la fouille de textes et de données. Le paragraphe 3 y met une condition :

« L’exception ou la limitation prévue au paragraphe 1 s’applique à condition que l’utilisation des œuvres et autres objets protégés visés audit paragraphe n’ait pas été expressément réservée par leurs titulaires de droits de manière appropriée, notamment par des procédés lisibles par machine pour les contenus mis à la disposition du public en ligne. »

Directive (UE) 2019/790, art. 4, paragraphe 3. Source : EUR-Lex, CELEX 32019L0790.

L'Allemagne a transposé la disposition au § 44b de la loi sur le droit d'auteur (Urheberrechtsgesetz, UrhG). Le paragraphe 1 définit la fouille de textes et de données, le paragraphe 2 autorise les copies et le paragraphe 3 règle la réserve :

« (1) On entend par fouille de textes et de données l'analyse automatisée d'une ou de plusieurs œuvres numériques ou numérisées afin d'en tirer des informations, notamment sur des schémas, des tendances et des corrélations.

(2) Les reproductions d'œuvres accessibles de manière licite sont autorisées aux fins de la fouille de textes et de données. Les copies doivent être supprimées lorsqu'elles ne sont plus nécessaires à cette fin.

(3) Les utilisations visées au paragraphe 2, première phrase, ne sont autorisées que si le titulaire des droits ne se les est pas réservées. Pour les œuvres accessibles en ligne, la réserve d'usage n'est efficace que si elle est exprimée sous une forme lisible par machine. »

§ 44b UrhG, traduction non officielle ; seul le texte allemand fait foi. Source du texte allemand : gesetze-im-internet.de (ministère fédéral de la Justice).

Le règlement sur l'IA renvoie à la même réserve. L'article 53, paragraphe 1, point c), dispose que les fournisseurs de modèles d'IA à usage général :

« mettent en place une politique visant à se conformer au droit de l’Union en matière de droit d’auteur et droits voisins, et notamment à identifier et à respecter, y compris au moyen de technologies de pointe, une réservation de droits exprimée conformément à l’article 4, paragraphe 3, de la directive (UE) 2019/790 ».

Règlement (UE) 2024/1689, art. 53, paragraphe 1, point c). Source : EUR-Lex, CELEX 32024R1689.

Où se trouve en pratique une réserve lisible par machine

Aucun de ces textes ne nomme de format de fichier. En pratique, les réserves destinées aux machines s'expriment à quelques endroits, tous lus par une machine sans intervention humaine :

Savoir laquelle de ces formes satisfait à l'exigence dans un cas donné est une question de droit, et cette page n'y répond pas. Une question de fait, en revanche, admet une réponse : ce qu'un fichier ou un en-tête déterminé indiquait un jour déterminé.

Pourquoi c'est la date qu'il faut pouvoir établir

Une réserve est l'état d'un fichier à un moment donné. Le serveur n'en garde aucun historique : lorsque le fichier robots.txt est modifié, l'ancienne version disparaît, et rien sur le serveur n'indique quand il a changé ni ce qu'il disait avant. Or la question d'une réserve se pose le plus souvent des mois après le jour concerné. À ce stade, une capture d'écran faite aujourd'hui montre aujourd'hui, et un journal de serveur est la parole d'une des parties.

Il faut alors un enregistrement fait le jour même, par quelqu'un qui ignorait que la question serait un jour posée.

Ce que cette archive enregistre

Depuis le 22 juillet 2026, deux témoins exploités de manière indépendante récupèrent ces fichiers pour environ 128 000 domaines de l'UE : robots.txt, ai.txt, tdmrep.json et llms.txt chaque jour pour chaque domaine, les en-têtes et balises meta de la page d'accueil chaque jour pour chaque domaine, et la page d'accueil complète chaque jour pour le noyau et une fois par semaine pour le cercle élargi. Chaque journée est scellée la nuit même dans une racine publique et ancrée par horodatage en dehors de cette archive, de sorte que personne ne puisse la modifier ensuite, nous non plus. Ce que nous conservons énumère toutes les adresses et limites ; comment ça marche montre comment un tiers vérifie un enregistrement sans nous.

L'archive consigne ce qui a été servi. Elle n'apprécie pas si une réserve est efficace, si un robot d'exploration l'a respectée ni qui était en droit de l'exprimer.

Ceci n'est pas un conseil juridique. Cette page cite la loi avec ses sources et décrit des fichiers et une technologie. Elle n'indique pas ce que la loi exige dans un cas particulier ni ce que quiconque devrait faire. MachineWitness est exploité par une société de logiciel, non par un cabinet d'avocats ; pour apprécier une situation précise, l'interlocuteur approprié est un avocat.