Comment le GDS est-il protégé contre le "pompage" de ses contenus par les IA ?

Bonjour,

Définissons tout d'abord ce qu'est le moissonnage dans le contexte du développement des modèles d'IA.

Le moissonnage, ou web scraping désigne l'extraction automatisée de contenus de pages web, pratiquée en vue d’un traitement spécifique, par des programmes appelés robots ou scrapers. La CNIL distingue notamment le crawling, qui découvre des pages et leurs adresses, du scraping, qui extrait et organise le contenu de pages repérées. Vous pouvez lire à ce sujet : Crawling, scraping, TDM de quoi parle-t-on ? (LINC, Laboratoire d'innovation technologique de la CNIL, 2 juin 2026).

Pour un modèle d'IA, le processus peut être : visiter des pages accessibles, en extraire les textes ou images, les filtrer et les organiser, puis éventuellement les utiliser pour entraîner un modèle. Le dossier du LINC publié en juin 2026, S’opposer à la collecte de données par des robots moissonneurs, distingue les robots qui collectent des données pour entraîner des modèles d'IA, des robots de recherche qui parcourent le Web pour fournir des informations à jour dans la réponse d’un agent conversationnel.

Quelles sont les mentions légales du Guichet du Savoir ?

Le Guichet du Savoir est un service de questions-réponses gratuit de la Bibliothèque municipale de Lyon, qui vous permet de poser tout type de questions d'ordre documentaire et dont la consultation est libre. Les Questions/Réponses et leurs commentaires sont destinés à alimenter la Base de connaissance dont la consultation est libre et non soumise à inscription (Source : mentions légales du Guichet du savoir).

Les mentions légales du Guichet du savoir indiquent  à propos du référencement que nos pages sont publiques et indexables :

Toutes les contributions apportées sur le Guichet du Savoir sont publiques et susceptibles d’être référencées sur les moteurs de recherche, et donc, d’être consultées en ligne par un public extérieur à celui du Guichet du Savoir.

Les mentions sus-cités rappellent aussi les règles générales de propriété intellectuelle : les auteur·rices gardent les droits sur leurs messages et il est demandé de ne pas reproduire ni diffuser les contributions sans leur accord, sauf courts extraits cités, à des fins d'information et de recherche.

En Europe et en France, les données d'un site web librement accessible au public ne sont pas dans un vide juridique. Leur contenu reste protégé contre le moissonnage automatisé par l'IA grâce à quatre grands leviers juridiques :

- Le droit d’auteur et le mécanisme d'Opt-Out TDM  :  la Directive (UE) 2019/790 du 17 avril 2019 sur le droit d'auteur et les droits voisins dans le marché unique numérique (connue sous le nom de "DAMUN") vise à adapter le droit de la propriété intellectuelle à l'ère du numérique. La loi autorise par défaut la fouille de textes et de données (Text and Data Mining ou TDM) pour entraîner des algorithmes. Cependant, elle donne un droit de veto absolu aux éditeurs de sites. De plus, le règlement européen sur l'IA (AI Act) impose désormais aux fournisseurs de modèles d'IA de prouver qu'ils respectent les demandes d'opt-out formulées par les sites.

- Le RGPD (Règlement Général sur la Protection des Données) :  tout système d'IA qui traite des données personnelles entre strictement dans le champ d'application du RGPD, que ce soit au stade du moissonnage de données ou de l'entraînement des modèles (Source :  IA et RGPD, la CNIL publie ses nouvelles recommandations pour accompagner une innovation responsable, 07 février 2025). Les textes du RGPD et de l'AI Act se complètent : l'AI Act impose une gouvernance stricte sur la qualité des jeux de données d'entraînement pour éviter les biais discriminatoires, tandis que le RGPD continue de régir la protection de la vie privée au sein de ces mêmes jeux de données.

Le 21 octobre 2026, le Conseil de l'UE a validé un mandat visant à inscrire un nouvel article 88 bis au RGPD. Ce texte vise à simplifier juridiquement l'entraînement des IA en inscrivant l'intérêt légitime comme cadre explicite, allégeant l'obligation de consentement préalable. Ce projet fait l'objet de vifs débats et doit encore être négocié avec le Parlement européen avant toute application.

- Le droit sui generis des bases de données : ce droit interdit le moissonnage qualifié de "substantiel". Un robot d'IA ne peut notamment pas copier l'intégralité ou une partie majeure de cette base sans l'accord de l'éditeur, sous peine de commettre un acte de contrefaçon ou de concurrence déloyale. Source : Protection des bases de données (Site officiel de Union Européenne).

- Les Conditions Générales d’Utilisation (CGU) du site Internet des éditeurs de contenus constituent un contrat entre l'éditeur du site et l'utilisateur, y compris le robot qui s'y connecte. Aussi les mentions légales du Site Internet de la BmL rappellent qu'en matière de droits de propriété intellectuelle,

La Bibliothèque municipale de Lyon est titulaire de l’ensemble des droits de propriété intellectuelle afférents au Site. La Bibliothèque municipale de Lyon est notamment titulaire des droits du producteur de la base de données que constitue le site bm-lyon.fr en vertu des articles L. 341-1 à L. 343-7 du code de la propriété intellectuelle. Les internautes s’engagent à ne pas utiliser le Site d’une manière qui serait constitutive d’une violation ou d’une atteinte aux lois et règlements de droit français.

Sur le plan technique, la Bibliothèque municipale de Lyon a mis en place des dispositifs qui limitent le nombre de requête pour éviter une saturation du service. En revanche, les dispositifs techniques actuels susceptibles de bloquer les IA se révèlent peu efficaces pour un site public comme le nôtre.
 

Pour aller plus loin sur le Web scraping, nous vous proposons une sélection d'articles académiques et de ressources en ligne :

- Blondiau, G. (2025). Web scraping : avec quelles données peut-on nourrir l’intelligence artificielle (IA) ? DPO news, 33(3), 7-12 : l'article analyse de manière exhaustive la licéité de cette "razzia des données" et détaille les risques de violation du droit d'auteur, du droit sui generis des producteurs de bases de données, le droit des contrats (violation des CGU) et l'application du RGPD lorsque des données personnelles sont aspirées.

- Beelen, A. (2024). IA et protection des données personnelles : analyse des récentes fiches pratiques du régulateur français. Pin Code, 17-18(1), 29-43.

- Bouffier, C. et Danès, V. (2023). Les enjeux juridiques de la collecte de données par les IA génératives. Archimag, 369(9), 44-45.

- Observatoire de l'IA (Université Paris 1 Panthéon-Sorbonne). IA génératives et création : quels enjeux juridiques ? : l'article synthétise les problématiques ituées au niveau des inputs (intrants), à savoir le recours aux exceptions de Text and Data Mining (TDM / Fouille de textes et de données) pour légitimer le scraping.

- Conseil National du Numérique (CNNum). La fouille de textes et de données : cette fiche thématique explore le cadre technique et légal de l'extraction automatisée d'informations textuelles ou graphiques.

- Ministère de l'Économie (APIE). Quel droit d'auteur à l'ère de l'intelligence artificielle générative : cette analyse explore l'application concrète des articles 3 et 4 de la directive européenne DAMUN (Droit d'auteur dans le marché unique numérique), pivots de la légalité du scraping face aux clauses d'exclusion (opt-out) des sites web.

Bien à vous