Rory McGreal est titulaire de la chaire UNESCO/Conseil international pour l’enseignement ouvert et à distance en ressources éducatives libres (REL) à l’Université Athabasca, au Canada. Il est rédacteur en chef de l’IRRODL, la revue en libre accès la mieux classée dans le domaine des technologies éducatives. Il est également le fondateur de l’OER Knowledge Cloud, un répertoire d’articles sur les REL. Il a reçu plusieurs prix internationaux et a fait des présentations lors de conférences dans plus de 60 pays.

Introduction

L’émergence rapide de l’intelligence artificielle générative a suscité de profonds débats juridiques et éthiques dans le domaine de l’éducation ouverte et en ligne. Au cœur de ces débats se trouve une question cruciale : à qui appartient le contenu généré par l’IA, et est-il protégé par le droit d’auteur ? Pour les éducateurs et les développeurs de contenu, l’IA générative représente à la fois une opportunité remarquable et une source importante d’inquiétude. Elle offre l’accès à une vaste base commune de matériel numérique pouvant servir d’inspiration et être utilisé, mais beaucoup ont le sentiment de naviguer dans un champ de mines juridique sans aucune aide. Cette incertitude freine la collaboration et le partage, principalement en raison de deux préoccupations paralysantes :

1. La paralysie due à l’incertitude juridique. Le problème central n’est pas une réticence à partager, mais un manque fondamental de compréhension juridique accessible. Les lois complexes sur le droit d’auteur et les conditions de licence nuancées sont souvent perçues comme un langage juridique exclusif. Cela favorise un climat de peur, dans lequel les éducateurs se soucient moins de savoir comment partager de manière responsable et sont davantage préoccupés par la crainte de commettre une erreur juridique coûteuse. En bref, les éducateurs veulent participer, mais sont terrifiés par le « et si ».

2. La crise de confiance dans le contenu partagé. Cette crainte est aggravée par une prise de conscience croissante de la contamination des sources. Le problème généralisé du reconditionnement et de la réattribution de licence « gratuite » de matériel protégé par le droit d’auteur érode la confiance dans l’ensemble de l’écosystème de partage. Si la licence attachée à une œuvre n’est pas fiable, comment peut-elle être utilisée en toute sécurité ? Cela conduit à la question débilitante suivante : « En m’efforçant de faire ce qu’il faut en utilisant du matériel partagé, m’expose-je en réalité à un risque injustifié ? »

Cet article aborde directement ces problèmes interdépendants. Nous allons au-delà des conseils génériques pour répondre aux appréhensions spécifiques qui freinent les créateurs. Notre objectif est de démystifier le paysage juridique, de fournir des informations actualisées sur l’utilisation des contenus partagés et de rétablir la confiance nécessaire pour s’engager dans le domaine public numérique, non pas de manière imprudente, mais en s’appuyant sur des connaissances éclairées et approfondies.

À l’heure actuelle, une tendance juridique claire se dessine, qui soutient fortement l’ouverture dans l’éducation. L’évolution du paysage du droit d’auteur pour l’IA générative, caractérisée par le refus de protéger les œuvres générées uniquement par l’IA, s’aligne sur les doctrines d’utilisation équitable et les exceptions légales pour l’éducation. Cela crée une base nouvelle et solide pour une nouvelle catégorie de ressources éducatives libres (REL) entièrement accessibles, démocratisant la création de contenu et la libérant des restrictions traditionnelles du droit d’auteur.

Le paysage juridique : refus de la protection du droit d’auteur pour le contenu généré par l’IA

Un consensus s’est dégagé dans les principales juridictions : la protection du droit d’auteur est refusée aux œuvres générées uniquement par l’IA, car le droit d’auteur exige un auteur humain. Aux États-Unis, le Bureau du droit d’auteur et les tribunaux fédéraux (the Copyright Office and federal courts) ont toujours soutenu que les œuvres créées « sans aucune contribution créative ou intervention d’un auteur humain » ne peuvent bénéficier du droit d’auteur, une position confirmée par la décision de justice Thaler c. Perlmutter. De même, le tribunal Internet de Pékin et l’Union européenne dans l’AI Act ont statué que l’IA générative ne possède pas la personnalité juridique nécessaire pour être considérée comme auteur. Par conséquent, les contenus générés exclusivement par l’IA appartiennent au domaine public et peuvent être utilisés librement sans restrictions liées au droit d’auteur. En 2026, aucune juridiction importante ne reconnaît un système d’IA autonome comme auteur légal ou titulaire de droits d’auteur.

Collaboration entre l’homme et l’IA : la zone grise

Une ambiguïté apparaît lorsque des humains collaborent avec l’IA. Les tribunaux évaluent le degré d’« apport intellectuel, de créativité ou d’interactivité » humain nécessaire pour que le droit d’auteur soit acquis. Les directives suggèrent que si un humain est impliqué de manière substantielle par le biais d’une sélection rapide, d’un raffinement itératif ou d’une édition substantielle, il peut être considéré comme l’auteur. Le Bureau américain du droit d’auteur (The U.S. Copyright Office) évalue ces cas de manière continue. Pour les enseignants, cela signifie que lorsqu’ils modifient, précisent ou localisent de manière significative le contenu de l’IA générative, ils peuvent revendiquer la paternité de l’œuvre et doivent appliquer une licence ouverte (par exemple, Creative Commons) aux REL qui en résultent.

Contribution substantielle ou exceptions légales

Dans les pays où s’applique la common law (par exemple, le Royaume-Uni et les États-Unis), la violation du droit d’auteur nécessite l’utilisation d’une partie substantielle d’une œuvre protégée. Une copie insignifiante ne constitue pas une violation, et ce contenu relève effectivement du domaine public. L’IA générative synthétise des réponses originales à partir de son entrainement ; elle ne copie-colle pas des parties substantielles provenant de sources spécifiques. Ainsi, sa production autonome est conçue pour être une copie « non substantielle ». Les utilisations à des fins éducatives sont en outre protégées contre la copie substantielle par des clauses d’utilisation équitable ou de traitement équitable.

Dans les pays de droit civil (par exemple, de nombreux pays de l’UE), la liberté d’utiliser du contenu découle d’exceptions spécifiques strictement énumérées à des fins telles que l’enseignement et la recherche. Ces exceptions sont prévues par la loi et spécifiques. La loi se concentre alors sur la nature de l’utilisation plutôt que sur l’importance de la partie utilisée. Les enseignants doivent toujours citer les sources spécifiques si l’IA générative y fait référence.

Controverses relatives aux données d’entraînement

L’utilisation d’œuvres protégées par le droit d’auteur pour former des modèles d’IA est controversée. Cependant, les tendances juridiques reconnaissent cela comme une utilisation équitable. L’accord historique américain Bartz et al. c. Anthropic PBC a décrit l’entrainement des LLM comme « l’une des utilisations les plus transformatrices », la qualifiant d’utilisation équitable si des copies légales sont utilisées et si les reproductions trop fidèles sont évitées. Dans l’UE, l’exception relative à la fouille de textes et de données offre une protection similaire à des fins de recherche. Les détracteurs affirment que cette pratique dévalorise le travail des auteurs, ce qui a donné lieu à des propositions telles que des taxes sur les systèmes d’IA commerciaux ou des normes telles que Really Simple Licensing (RSL), qui pourraient avoir une incidence sur la tarification et l’attribution futures de l’IA générative. Si les détracteurs cherchent à remodeler le processus, la dynamique juridique favorise clairement le traitement de la formation en IA comme une base autorisée pour l’innovation, ce qui signifie que l’avenir de l’IA générative peut être construit, légalement, sur les travaux du passé.

Paternité, plagiat et intégrité académique

Les grands éditeurs et organismes tels que le Comité international des rédacteurs de revues médicales (International Committee of Medical Journal Editors, ICMJE) interdisent de mentionner l’IA comme auteur, car celui-ci ne peut pas répondre aux critères de responsabilité. Les auteurs humains sont en fin de compte responsables de tout le contenu, y compris des parties générées par l’IA.

L’IA générative brouille également la frontière entre plagiat et fraude. Le plagiat consiste à s’approprier le travail d’une autre personne ; l’IA n’est pas une personne. Cependant, soumettre un travail généré par l’IA sans le divulguer peut constituer une fraude académique, car cela trompe les autres sur la nature du travail. Cette distinction rend la transparence et la mise à jour des politiques d’intégrité académique cruciales.

Conclusion

La trajectoire juridique du contenu généré par l’IA offre une opportunité cruciale pour l’éducation ouverte, en s’attaquant directement aux deux problèmes de l’incertitude juridique et de l’érosion de la confiance évoqués au début.

Tout d’abord, elle résout la paralysie de l’incertitude juridique. Le consensus clair selon lequel les œuvres générées uniquement par l’IA ne sont pas protégées par le droit d’auteur et appartiennent au domaine public fournit une base juridique stable. Les enseignants peuvent utiliser ce type de contenu sans craindre les violations du droit d’auteur, les frais de licence ou les chaînes d’attribution complexes. Cela démystifie une grande partie du « champ de mines » et transforme le « et si » d’une source d’angoisse en une ligne directrice claire : l’IA générative autonome peut être utilisée pour créer des cours OER qui peuvent être créés, réutilisés, révisés, remixés, redistribués et conservés.

Deuxièmement, cela contribue à rétablir la confiance dans les contenus partagés. Lorsque le contenu est vérifiable comme étant généré par l’IA (et non simplement une œuvre humaine reconditionnée), son statut de domaine public est un fait juridiquement solide et fiable. Cela crée une nouvelle catégorie de matériel partagé avec des règles de propriété sans ambiguïté et sans revendications cachées de droits d’auteur. De plus, lorsque les éducateurs apportent une contribution créative substantielle aux travaux assistés par l’IA, l’application d’une licence ouverte standard (comme Creative Commons) aux REL qui en résultent rétablit des signaux clairs et fiables pour l’écosystème de partage. Pour le mouvement de l’éducation ouverte, cette convergence est transformatrice. L’IA générative devient un puissant moteur pour produire et localiser des REL de haute qualité à grande échelle, sans les contraintes traditionnelles des droits d’auteur.

Cependant, cette opportunité est tempérée par des responsabilités durables. La communauté universitaire doit respecter les principes d’auteur, de responsabilité et de transparence. L’utilisation de contenus IA du domaine public ne dispense pas les enseignants de la nécessité de faire preuve de diligence raisonnable, de citer des sources spécifiques ou de divulguer de manière éthique l’aide apportée par l’IA dans le cadre de collaborations entre humains et IA.

En fin de compte, la propriété des contenus générés uniquement par l’IA peut appartenir au domaine public. Mais la gestion de son intégration dans l’éducation appartient aux éducateurs. En tirant parti de cette clarté juridique et en faisant preuve de prévoyance éthique, la communauté de l’éducation ouverte peut exploiter l’IA générative pour faire progresser sa mission fondamentale d’élargir l’accès équitable à la connaissance grâce à des ressources qui sont non seulement ouvertes, mais aussi fondées sur des droits clairs et une confiance renouvelée.

Note de l’auteur : J’ai rédigé cet article à l’aide de l’IA générative (POE, Perplexity, DeepSeek), j’ai révisé et modifié le contenu si nécessaire et j’en assume l’entière responsabilité.

À propos de l’image de mise en avant de l’article

L’intention artistique originale reste celle de l’artiste et peut être différente de l’intention éditoriale de notre remix. Nous remercions Daniela Yankova (Shadowschaser) pour le partage de son œuvre sous licence ouverte CC BY-NC-SA 4.0.