Le plagiat, sous sa forme classique, est une faute morale et juridique identifiable : le passage recopié, la source non citée, l'argument emprunté. Les réponses institutionnelles se sont élaborées sur des siècles en systèmes bien rodés : normes de citation, chartes de déontologie académique, logiciels de détection, droit d'auteur. Tous reposent sur un postulat : que l'original se distingue de la copie, que la paternité s'attribue, et que l'appropriation indûe se repère et se corrige.
L'IA générative fait sauter les trois postulats à la fois. Sa maîtrise de la reformulation, cette aptitude à redire, réorganiser et reformuler une expression existante sous une forme syntaxiquement inédite, produit un texte techniquement différent de toute source tout en dérivant substantiellement des mêmes sources. Il en résulte une catégorie nouvelle d'appropriation intellectuelle : elle n'est pas clairement interdite par le droit d'auteur en vigueur, elle échappe aux technologies de détection, et aucune norme d'attribution ne la couvre. C'est, pour reprendre le titre, le plagiat intelligent : systématique, industrialisable et pratiquement invisible.
Cet essai analyse le problème, ce qu'il implique pour la GRC et la gouvernance des organisations, et le cadre en construction du côté des régulateurs de la propriété intellectuelle. Il prolonge l'analyse du vocabulaire menée dans le Lexique GRC-IA 2026, en particulier la notion de provenance des données d'entraînement comme objet de gouvernance, ainsi que le panorama réglementaire de Naviguer la vague.
L'entraînement d'un grand modèle de langue encode les régularités statistiques de l'expression humaine à partir de milliards de documents — livres, articles, sites web, publications académiques, mémoires judiciaires, dépôts de code. Lorsqu'il produit un texte, le modèle ne va pas chercher un document pour le reformuler : il échantillonne les distributions de probabilité qu'il a apprises sur l'ensemble du corpus. Au sens technique, le résultat dérive statistiquement de toutes les données d'entraînement à la fois, et non d'une source en particulier. C'est ce fait d'architecture qui rend la production des IA si difficile à saisir par le droit d'auteur tel qu'il existe.
Mais dériver statistiquement n'est pas être indépendant. Un modèle entraîné principalement sur les œuvres publiées de certains auteurs reproduira, de manière mesurable, leurs préférences syntaxiques, leurs cadres conceptuels et leurs structures argumentatives, sans recopier la moindre phrase. Un modèle entraîné sur la littérature d'un domaine en encode la manière de penser et de s'exprimer. Le résultat est dérivé, stylistiquement et conceptuellement, d'une manière que les outils actuels de détection du plagiat, fondés sur la correspondance de chaînes et la similarité sémantique avec des sources identifiées, ne savent pas repérer de façon fiable.
Ce qui fait passer le problème de la philosophie à la gouvernance, c'est l'échelle. Un chercheur isolé qui reformule une revue de littérature avec l'aide d'une IA crée un risque modeste. Une organisation qui produit des milliers de documents, rapports, articles, propositions, analyses, dans des domaines où le travail intellectuel existant est densément référencé, crée une exposition qui s'agrège en risque matériel. Le cas isolé est juridiquement ambigu ; la pratique organisée, à grande échelle, ne l'est pas.
L'enjeu GRC n'est pas seulement celui de la responsabilité juridique. C'est celui de l'intégrité épistémique. Une organisation qui produit du contenu par IA sans connaître la provenance des idées et des formulations accepte que ses travaux, publiés comme internes, puissent dériver substantiellement de sources qu'elle n'a ni identifiées, ni évaluées, ni créditées. Dans les domaines où l'intégrité intellectuelle est une obligation professionnelle, le droit, la médecine, l'expertise comptable, la recherche académique, c'est un problème de conformité autant que de droit. L'angle mort de la classification erronée joue ici à plein : appliquer à un texte produit par IA les normes académiques du plagiat, conçues pour des auteurs humains puisant à des sources identifiables, c'est prendre le mauvais instrument.
La question du droit d'auteur comporte deux volets distincts. Le premier : entraîner un modèle sur des œuvres protégées sans licence constitue-t-il une contrefaçon ? La question est activement plaidée dans plusieurs juridictions. Aux États-Unis, les affaires majeures, dont l'action du New York Times contre OpenAI, les recours collectifs d'artistes contre les fournisseurs de Stable Diffusion et les demandes de l'Authors Guild, ont donné lieu à des décisions de première instance divergentes. Certaines juridictions ont retenu que l'entraînement sur des données protégées sans licence peut constituer une reproduction au sens du Copyright Act ; d'autres ont appliqué le fair use dans un sens favorable aux fournisseurs.
L'Organisation mondiale de la propriété intellectuelle a désigné le droit d'auteur sur les données d'entraînement comme la question non résolue la plus urgente du paysage international. Faute d'arrêt définitif aux États-Unis ou de règlement législatif contraignant, les organisations qui ont déployé des outils bâtis sur des données protégées portent une exposition juridique qui demeure indéterminée.
Le second volet : une production d'IA qui ressemble à une œuvre protégée constitue-t-elle une contrefaçon dans l'œuvre finale ? En droit américain, la contrefaçon suppose la reprise d'une expression protégée, et non celle d'idées, de faits ou d'un style. Un modèle qui encode le style d'un auteur et produit un texte stylistiquement proche mais textuellement distinct ne contrefait pas clairement au regard de la doctrine actuelle. Mais la frontière entre influence stylistique et reprise d'une expression n'a rien de net, et une production très étroitement dérivée d'une source précise, ce qui arrive surtout dans les domaines où les données d'entraînement sont concentrées, peut la franchir.
L'approche retenue par le règlement européen sur l'IA porte sur la transparence des données d'entraînement plutôt que sur le droit d'auteur des productions : les fournisseurs de modèles à usage général doivent publier un résumé des données employées, afin que les ayants droit puissent vérifier si leurs œuvres y figurent. C'est un mécanisme de transparence et non un régime de responsabilité, mais il installe l'infrastructure documentaire sur laquelle les régimes futurs pourront s'appuyer.
Un troisième volet concerne la paternité des œuvres produites par IA. Le Copyright Office américain a établi qu'un contenu produit par IA sans paternité humaine n'est pas éligible à la protection : celle-ci suppose une expression créative humaine. Un contenu produit par IA mais reflétant des choix créatifs humains substantiels dans sa sélection, son agencement ou sa direction peut être protégeable, mais la frontière est disputée et dépend étroitement de la nature de l'intervention humaine.
Conséquence pratique : une organisation qui produit du contenu assisté par IA détient peut-être sur ce contenu des droits plus faibles qu'elle ne le suppose. Un contenu produit pour l'essentiel par des outils d'IA et relu superficiellement peut ne pas ouvrir droit à protection, privant l'organisation des droits dont elle aurait besoin face à un concurrent ou à un licencié.
Au-delà du droit d'auteur, cette aptitude à reformuler produit un dommage plus subtil, que le cadre juridique saisit mal : la dilution de l'écosystème du savoir. Dans le travail intellectuel humain, l'originalité n'est pas seulement une notion juridique. C'est une notion épistémique. Une analyse originale fait avancer l'état des connaissances ; un reportage original élargit le champ des faits établis ; une recherche originale enrichit la compréhension cumulative d'une discipline. Ces contributions valent précisément parce qu'elles naissent d'une confrontation humaine avec les preuves, l'argument et le monde physique.
Le savoir académique et professionnel fonctionne sur une économie de la citation : une affirmation s'appuie sur des références antérieures, dont l'autorité remonte, de chaîne en chaîne, jusqu'à des preuves et des analyses originales. Un contenu produit par IA qui circule sans attribution claire perturbe cette économie de deux manières. D'abord, un texte non signalé comme tel peut être cité comme s'il s'agissait d'une analyse humaine originale, injectant des affirmations d'origine algorithmique dans des chaînes de citation qui présupposent une preuve humaine. Ensuite, un texte qui résume ou synthétise des travaux existants sans les créditer rompt la chaîne, et les affirmations circulent alors coupées de leurs fondements probatoires.
L'analyse de l'IAPP sur la gouvernance des contenus, publiée en 2025, rappelle que dans les professions réglementées, le droit, la médecine, le conseil financier, l'économie de la citation n'est pas une convention académique : c'est une composante de la responsabilité professionnelle. L'avocat qui cite comme autorité une analyse produite par IA, ou le conseiller financier dont le rapport contient des affirmations non attribuées tirées de recherches protégées, s'expose à une responsabilité professionnelle qui dépasse la contrefaçon.
À l'échelle du système, le contenu produit par IA crée un risque d'homogénéisation : lorsqu'une large part des contenus accessibles dans un domaine est produite par IA, et que les modèles suivants s'entraînent dessus, ils encodent les régularités de l'expression machine plutôt que celles de l'expression humaine. C'est le problème de l'effondrement des modèles : la dégradation progressive de leur qualité lorsque les données d'entraînement sont dominées par du contenu produit par des modèles plutôt que par des humains. Pour les professions du savoir, ce risque n'est pas seulement technique. C'est celui de voir le progrès intellectuel cumulatif d'une discipline interrompu, lorsque la couche produite par les machines commence à masquer la couche humaine qu'elle recouvre.
Cela rejoint directement l'analyse de la gouvernance des données d'entraînement conduite dans le Lexique GRC-IA 2026 : savoir sur quoi un système a été entraîné n'est pas seulement une question de conformité au droit d'auteur, c'est une question de qualité épistémique.
La réponse de gouvernance au plagiat intelligent comporte deux volets, distincts mais complémentaires : des normes d'attribution et des obligations de transparence.
Les normes d'attribution répondent à deux questions : comment signaler l'intervention d'une IA dans la production d'un contenu, et comment créditer les sources dont elle s'est nourrie. Plusieurs organisations professionnelles ont commencé à en élaborer. Les arbitrages de conception sont les suivants : l'attribution porte-t-elle sur le document entier (une mention indiquant que des outils d'IA ont été employés), sur le passage (identification des sections produites par IA) ou sur l'affirmation elle-même (indication qu'un énoncé précis provient d'une IA et non d'une analyse humaine) ? Et crédite-t-on l'outil, les données d'entraînement, ou les deux ?
Pour les professionnels de la GRC, la question de l'attribution se pose avec le plus d'acuité dans les rapports de conformité, les analyses juridiques et les dépôts réglementaires assistés par IA, où l'auteur et le fondement des affirmations ont une portée à la fois juridique et professionnelle. Une organisation qui n'a pas défini de politique interne d'attribution pour ces travaux accepte un risque réglementaire et professionnel qu'elle n'a jamais formellement évalué.
Les dispositions de transparence du règlement européen, qui imposent de signaler l'intervention d'une IA dans un contenu susceptible d'être pris pour un travail humain, fixent un plancher pour toute organisation relevant du champ de l'Union. Les dispositions relatives aux hypertrucages l'étendent à l'audio et à la vidéo. Mais pour le texte, catégorie de loin la plus volumineuse, les obligations restent limitées : le règlement impose la mention dans certains contextes à haut risque, sans l'exiger de manière générale pour l'écriture professionnelle.
L'écart entre ce que la loi impose et ce que l'intégrité professionnelle exige est un choix de gouvernance que chaque organisation doit trancher elle-même. Celles qui s'y attellent peuvent se comparer aux normes qui émergent dans leur secteur et s'inspirer des profils de dirigeants en gouvernance de l'IA des organisations ayant bâti de vrais programmes en la matière.
La gouvernance de la propriété intellectuelle de l'IA se répartit entre plusieurs instances internationales et nationales aux compétences qui se recouvrent sans coïncider. Le tableau suivant recense les principaux régulateurs et leurs positions actuelles.
| Organisme | Juridiction | Champ IA / PI | État actuel |
|---|---|---|---|
| WIPO | International (193 États membres) | Paternité des œuvres produites par IA, droit d'auteur sur les données d'entraînement, qualité d'inventeur, harmonisation transfrontalière | Conversation permanente sur la PI et l'IA ; notes d'orientation publiées en 2024-2025 ; aucun traité contraignant à ce jour. Instance prioritaire pour la construction d'un cadre international durable. |
| WTO / TRIPS | International (164 membres de l'OMC) | Normes minimales de PI, droit d'auteur et brevets ; l'IA n'est pas traitée expressément dans le texte de l'ADPIC | Discussions en cours au Conseil des ADPIC ; aucun consensus de révision. Les organisations internationales doivent suivre les transpositions nationales : l'ADPIC fixe un plancher, pas un plafond. |
| EUIPO | Union européenne | Enregistrement des marques et dessins de l'Union ; éligibilité des dessins produits par IA ; usage d'outils d'IA dans les procédures | Lignes directrices publiées sur les dépôts assistés par IA ; examen des obligations de mention dans les dépôts de marques et dessins. Les dispositions de transparence du règlement européen interagissent avec la pratique de l'EUIPO. |
| USPTO | États-Unis | Qualité d'inventeur (une IA ne peut être désignée) ; enregistrement des œuvres assistées par IA ; mention de l'IA dans les demandes de brevet | Orientations de 2024 sur les inventions assistées par IA : un inventeur humain est requis. L'Office of Policy and International Affairs étudie le droit d'auteur sur les données d'entraînement. Contentieux fédéral en cours en parallèle. |
| BOIP (Benelux) | Belgique, Pays-Bas, Luxembourg | Enregistrement régional des marques et dessins ; éligibilité des œuvres produites par IA au titre de la Convention Benelux | Suit le cadre européen ; les lignes directrices de l'EUIPO s'appliquent en règle générale. À noter : la proximité immédiate du centre de mise en œuvre du règlement européen, à Bruxelles. |
| GSO (Gulf) | États membres du CCG | Organisme de normalisation du Conseil de coopération du Golfe ; élaboration de normes IA incluant la propriété intellectuelle | Travaux de normalisation en cours ; les États membres conservent des droits nationaux dont la couverture de l'IA varie. L'Arabie saoudite et les Émirats arabes unis sont les plus actifs. |
| IP5 | États-Unis, Union européenne, Japon, Corée du Sud, Chine | Les cinq plus grands offices de brevets ; coordination sur la qualité d'inventeur et l'examen des brevets liés à l'IA | Les groupes de travail IP5 ont publié des études comparatives ; aucune harmonisation contraignante. C'est l'enceinte la plus importante pour une convergence mondiale en matière de brevets liés à l'IA. |
Le trait structurel le plus marquant du paysage international est l'absence d'harmonisation. Une organisation présente dans plusieurs juridictions doit gérer des obligations divergentes et mouvantes dans chacune. Une œuvre créée par IA peut être protégeable ici, non protégeable là, et soumise à des obligations de mention différentes dans les deux. L'entraînement sur des données protégées peut relèver du fair use aux États-Unis, sous réserve des litiges en cours, d'une activité licenciée dans l'Union au titre de l'exception de fouille de textes et de données de la directive DAMUN, avec droit d'opposition pour les ayants droit, et d'une pratique plus restreinte là où les exceptions sont plus étroites.
Conséquence pratique : une organisation qui produit du contenu par IA à grande échelle a besoin d'une gouvernance de la propriété intellectuelle par juridiction, et non d'une politique mondiale unique. La fonction GRC qui en a la charge, généralement le juridique et la conformité conjointement, avec l'appui des directions technologiques, doit suivre simultanément plusieurs évolutions juridiques parallèles.
Le plagiat intelligent n'appelle pas une solution de gouvernance unique. Il exige un ensemble de politiques, de pratiques et de dispositifs de surveillance qui, ensemble, établissent la responsabilité de l'organisation sur les contenus produits par IA. Plusieurs éléments valent dans presque tous les contextes.
Le document fondateur est une politique de contenu qui précise : quand l'intervention d'une IA doit être signalée, aux clients, aux régulateurs, au public ou en interne ; comment étiqueter un contenu produit ou assisté par IA ; quelle relecture humaine s'impose avant publication ou dépôt dans les domaines sensibles au droit d'auteur ; et quelles sources de données sont acceptables pour l'affinage d'un modèle interne. Une politique de contenu n'est pas un acte juridique et ne tranchera pas les incertitudes décrites plus haut, mais elle établit le niveau de diligence de l'organisation, et c'est ce niveau qui compte devant un régulateur ou un juge.
Toute organisation qui affine un modèle sur ses données internes ou déploie un système entraîné sur des jeux sectoriels devrait documenter la provenance de ces données comme composante ordinaire de sa gouvernance des modèles. Cela signifie consigner quelles données ont été employées, sous quelle licence ou par quel accès, quels droits l'organisation détient dessus et quels droits de tiers s'y trouvent incorporés. La gouvernance de la provenance des données devient une obligation dans plusieurs cadres réglementaires , dispositions du règlement européen sur les modèles à usage général, orientations sectorielles des régulateurs de la santé et des services financiers, et il vaut mieux la bâtir par anticipation qu'en réponse à une demande de l'autorité.
Dans les domaines où l'originalité, l'exactitude et l'attribution ont une portée professionnelle ou réglementaire, rédaction juridique, dépôts réglementaires, recherche académique, analyse financière, documentation clinique, l'organisation devrait instaurer une revue humaine des productions assistées par IA, calibrée spécifiquement sur le risque de propriété intellectuelle et d'attribution. Ce n'est pas la revue qualité générale déjà en place dans beaucoup d'organisations : c'est un contrôle ciblé, destiné à repérer les affirmations non attribuées, les formulations qui paraissent étroitement dérivées d'une source précise, et les faits invérifiables de manière indépendante.
Le poste au cœur de ce travail, à la fois conformité, conseil en propriété intellectuelle et gestion du risque lié à l'IA, est l'un de ceux qui évoluent le plus vite sur le marché du travail. Pour les organisations qui bâtissent cette capacité, la fiche de poste d'auditeur des biais algorithmiques offre un modèle de structuration des responsabilités, et l'annuaire des métiers GRC recense l'ensemble des fonctions qui émergent à cette frontière.
Les impératifs de gouvernance décrits ici relèvent du même examen structurel que celui mené par Les quatre angles morts, La bataille du remboursement et Naviguer la vague sous d'autres angles. La discipline qui définira la prochaine décennie de la responsabilité des entreprises sera celle qui saura appliquer une pensée de gouvernance rigoureuse à toutes ces dimensions à la fois.
La question comporte deux volets. D'abord, entraîner un modèle sur des œuvres protégées sans licence constitue-t-il une contrefaçon ? La question est plaidée dans plusieurs juridictions et aucune décision d'appel définitive n'est intervenue à la mi-2026. Ensuite, une production qui ressemble étroitement à une œuvre protégée constitue-t-elle une contrefaçon dans l'œuvre finale ? Cela dépend du degré de proximité avec l'expression protégée. Toute organisation devrait se doter d'une politique couvrant à la fois la provenance des données d'entraînement et la revue des productions dans les domaines sensibles. Voir les ressources de l'OMPI sur l'IA et la propriété intellectuelle pour le cadre international.
L'OMPI est la principale instance internationale sur ce sujet : elle organise les discussions entre États membres sur la paternité des œuvres produites par IA, le droit d'auteur sur les données d'entraînement et la qualité d'inventeur. Elle facilite les traités mais ne crée pas directement de droit contraignant. Sa note d'orientation de 2025 désigne l'attribution des données d'entraînement et la paternité des œuvres comme les deux chantiers les plus urgents. Faute de cadre international, les droits nationaux divergent, ce qui complique la conformité des organisations présentes dans plusieurs juridictions.
Non. L'office américain des brevets, l'Office européen des brevets, l'office britannique et les tribunaux de plusieurs juridictions ont jugé qu'un brevet suppose un inventeur humain. Les affaires DABUS, où une IA était désignée comme seul inventeur, ont été rejetées partout. Conséquence pratique : une invention assistée par IA doit désigner les contributeurs humains comme inventeurs, même lorsque l'IA a contribué substantiellement à l'étape inventive. C'est une exigence de forme, dont le non-respect affecte la validité du brevet.
L'ADPIC, l'accord sur les aspects des droits de propriété intellectuelle qui touchent au commerce, administré par l'OMC, fixe des normes minimales pour ses membres. Il a été négocié avant l'existence de l'IA générative et ne traite ni de la paternité des œuvres produites par IA, ni du droit d'auteur sur les données d'entraînement. Aucun consensus de révision n'a été trouvé. Les organisations internationales doivent donc suivre les évolutions nationales une par une, les cadres divergeant nettement en l'absence de norme internationale contraignante.
Une politique de contenu opérationnelle devrait traiter : (1) les obligations de mention, c'est-à-dire quand l'intervention d'une IA doit être signalée aux clients, aux régulateurs ou au public ; (2) les normes d'attribution, c'est-à-dire comment étiqueter un contenu produit ou assisté par IA ; (3) les protocoles de revue au titre du droit d'auteur dans les domaines sensibles ; (4) la documentation de la provenance des données pour tout affinage interne de modèle ; (5) les exigences de revue des droits de tiers.
Le règlement européen impose de signaler les textes, sons, vidéos et images produits par IA susceptibles d'être pris pour des œuvres humaines, avec des obligations de marquage technique pour les fournisseurs de contenus synthétiques. Ces obligations de transparence s'appliquent depuis août 2026. Elles sont distinctes du droit d'auteur, mais elles installent l'infrastructure documentaire sur laquelle les régimes de responsabilité pourront s'appuyer. Les organisations hors Union européenne ayant des activités ou des clients dans l'Union sont concernées.
Suivez GRC Careers sur LinkedIn
Nos nouveaux essais, les cadres réglementaires qui comptent vraiment, et les postes en gouvernance qu'il faut connaître. Écrit par practitioners, published as it happens.
Suivre sur LinkedIn →