Il existe deux façons de parler du scraping. Celle qu'on réserve aux e-mails internes, et celle qu'on sert aux juges. Microsoft pratique les deux couramment, et les pièces déclassifiées de l'affaire New York Times c. Microsoft et OpenAI viennent de publier le dictionnaire.
Le mot lâché, version privée
Dans les documents rendus publics, un dirigeant de Microsoft qualifie les pratiques de collecte de données d'OpenAI de « plus grand vol de main-d'œuvre de l'histoire humaine ». Le même document établit que les deux entreprises ont pompé les archives payantes du Times, bâti des jeux de données avec, et averti en interne que la manoeuvre allait éventrer l'édition.
Retraduit pour les gens qui paient leur abonnement : on savait. On avait le mot exact. On a continué.
Ce n'est pas un dérapage dans un thread anonyme. C'est un document interne, écrit par quelqu'un dont le métier est de comprendre les risques, à destination de gens suffisamment importants pour qu'on les prévienne. Ils ont été prévenus. Ils ont signé les chèques quand même.
En public, le web est « du freeware »
Deux ans d'écart, deux messages. En juin 2024, Mustafa Suleyman, patron de Microsoft AI, explique en direct sur CNBC que le contenu du web ouvert relève d'un « contrat social » datant des années 90, qu'il s'agit de « freeware », que tout le monde peut copier, reproduire, réutiliser. Traduction : ta bibliothèque, mes paramètres.
Le même groupe qui murmure « vol » dans ses notes internes vend publiquement la spoliation comme un héritage des pionniers. Ce n'est pas de l'hypocrisie, c'est un service juridique qui facture à l'heure.
Suivez l'argent, il ne se cache même plus
Microsoft a injecté environ 13 milliards de dollars dans OpenAI. Microsoft a un siège d'observateur au conseil — puis plus, ou plus tout à fait, selon les recompositions successives. Microsoft revendique aujourd'hui une participation d'environ 27 % dans la branche lucrative d'OpenAI, devenue entre-temps un concurrent direct. On est donc dans le cas de figure le plus confortable du capitalisme : investisseur, fournisseur, accusé et plaignant, selon la page du dossier qu'on lit.
La question que personne ne pose à voix haute : pourquoi un géant qui soupçonne un « vol » continue-t-il de le financer ? Réponse probable : parce que le vol était moins cher que le contrat. On ne reverse pas de droits à qui l'on prend sans demander.
Les copains paient, les autres négocient
Le décor devient lisible. Anthropic a accepté de lâcher 1,5 milliard de dollars aux auteurs, plus grosse transaction de l'histoire du copyright américain, non pas pour avoir entraîné sur des livres, mais pour les avoir obtenus via des bibliothèques pirates. La justice a jugé l'entraînement défendable et la source indéfendable. Nuance fine. La nuance vaut un milliard et demi.
Même logique chez Meta, dont les échanges déclassifiés sur les dépôts d'articles scientifiques ont offert aux éditeurs une pièce à conviction qu'aucun journaliste n'aurait pu obtenir.
Le signal est limpide : là où on a téléchargé illégalement, on casque ; là où on a « scrapé », on plaide le fair use. La frontière n'est pas morale. Elle est procédurale. Et elle dépend de votre budget d'avocats.
OpenAI, de son côté, a écrit noir sur blanc au Parlement britannique qu'il est « impossible » d'entraîner de bons modèles sans contenu protégé. Ce n'est pas une défense, c'est un chantage présenté en Times New Roman.
Et pendant ce temps, personne ne régule
Le Times a porté plainte en décembre 2023 devant le tribunal fédéral du sud de New York. On compte les années, pas les jours. Le Copyright Office publie des rapports, le Congrès admire, l'Europe bricole un droit d'opposition que personne ne sait activer. Résultat : la valeur du travail journalistique se fixe dans une salle d'audience, arbitrée par des juges qui n'ont pas signé pour ça.
Les éditeurs, eux, ont longtemps cru qu'un accord de licence arriverait tout seul. Ils ont découvert que négocier avec un aspirateur, ça s'appelle balayer.
Alors oui, un cadre de Microsoft a écrit « vol ». C'était juste, c'était précis, et c'était confidentiel. Le seul aveu honnête du dossier est aussi le seul qui devait rester secret.