Sony a identifié par empreinte ce qu'il y avait dans le modèle

Une plainte qui n'aurait pas dû être nécessaire

Le 29 juin 2026, un juge du district sud de New York a refusé à Sony Music l'ajout de plus de 30 000 enregistrements sonores à l'instance déjà engagée contre Udio. Trois semaines plus tard, Sony les a déposés quand même, sous la forme d'une plainte séparée. L'acte est arrivé le 20 juillet et porte sur 30 117 enregistrements.

Sur le plan procédural, rien que de très banal. Le refus d'élargir une instance en cours n'éteint pas les demandes, il oblige simplement le demandeur à ouvrir un second front. Ce qui mérite l'attention d'un dirigeant, c'est l'arithmétique qui suit. L'action initiale portait sur 333 enregistrements. Les dommages-intérêts légaux y plafonnaient autour de 50 millions de dollars, environ 46 millions d'euros. À 30 117 enregistrements, le plafond théorique passe à quelque 4,5 milliards de dollars, environ 4,2 milliards d'euros.

Sony fait aussi désormais figure d'exception. Universal et Warner ont l'un et l'autre conclu des accords de licence avec Udio. Sony non, et c'est précisément cette absence de transaction qui maintient les pièces communiquées dans le débat plutôt que scellées derrière un accord.

Comment 333 est devenu 30 117

L'intéressant n'est pas le chiffre. C'est d'où il vient. Sony n'a pas ratissé Internet pour en déduire ce sur quoi un modèle musical avait forcément dû être entraîné. Au stade de la communication des pièces, dans la première instance, il a obtenu l'accès aux données d'entraînement d'Udio, y a appliqué une reconnaissance par empreinte acoustique et a identifié des centaines de milliers de ses propres enregistrements. Les 30 117 de la nouvelle plainte ne sont qu'une partie de ce que la comparaison a fait remonter.

Un corpus d'entraînement, on le découvre, est un inventaire. La phrase aurait été contestée il y a deux ans. Les constructeurs de modèles décrivaient couramment leurs jeux de données comme trop vastes, trop transformés et trop enchevêtrés pour être dénombrés, et l'argument avait une certaine force tant que personne n'avait regardé. Quelqu'un a regardé, avec une technologie ordinaire que l'industrie musicale utilise depuis vingt ans pour identifier des contenus, et en a tiré une liste à cinq chiffres.

Rien là-dedans n'est propre à la musique. L'empreinte acoustique fonctionne parce que le son se prête à des hachages perceptuels robustes, mais la capacité générale, confronter un catalogue connu à un corpus que l'on vous a ordonné de remettre, se transpose aux images, à la vidéo, au texte et au code, avec d'autres outils et le même effet juridique.

La demande qui ne parle pas de droit d'auteur

La plainte articule trois demandes. Deux relèvent de la contrefaçon classique : les enregistrements postérieurs à 1972 et les enregistrements antérieurs à 1972, protégés au titre du Music Modernization Act. La troisième est d'une autre nature. Elle allègue le contournement de mesures techniques de protection au titre du Digital Millennium Copyright Act.

Le contournement est une demande qui porte sur l'acquisition. Elle ne pose pas la question de savoir si l'entraînement sur une oeuvre est transformatif, ni si la production concurrence l'original, ni dans quel sens penchent les critères du fair use. Elle demande comment le défendeur a contourné le verrou. Cette distinction fait dans ce dossier un travail structurel discret, car un défendeur peut gagner le débat sur ce qu'est l'entraînement et perdre quand même sur la façon dont les fichiers ont été collectés.

Le lecteur européen aurait tort de classer l'affaire au rayon des curiosités américaines. L'exception de fouille de la directive de 2019, celle sur laquelle s'appuient la plupart des entreprises de l'Union quand elles moissonnent, est subordonnée à un accès licite et à l'absence de réserve de droits exprimée par le titulaire sous une forme lisible par machine. Les deux conditions tiennent à l'acquisition. Le vocabulaire juridique n'est pas le même des deux côtés de l'Atlantique, mais le point de pression est identique : la manière dont vous avez obtenu les données est une question distincte de ce que vous en avez fait, et c'est celle que l'on tranche en premier.

Pourquoi ignorer ce sur quoi on s'est entraîné a cessé d'être sans risque

Pendant trois ans, la réponse pratique à une question de provenance venue d'un client ou d'un régulateur a été un haussement d'épaules habillé en argument technique. Le corpus est immense, la chaîne de traitement a tourné il y a des années, les fichiers intermédiaires n'ont pas été conservés. Cette réponse tenait lieu de défense parce que l'autre partie n'avait aucun moyen de vérifier.

Les pièces communiquées dans l'affaire Udio mettent fin à cela. Dès lors qu'un titulaire de droits peut obtenir le corpus et le comparer au sien, celui qui n'est pas capable de décrire ses propres données d'entraînement n'est plus protégé par ce trou d'information : il est simplement la partie qui en sait le moins sur sa propre exposition. L'incertitude a cessé d'être un bouclier pour devenir un passif non valorisé, et ce passif figure aujourd'hui dans les comptes de toute entreprise qui a affiné un modèle sur des données qu'elle n'a pas documentées.

L'orientation réglementaire renforce ce constat, elle ne le crée pas. Le règlement européen sur l'intelligence artificielle impose aux fournisseurs de modèles à usage général de publier un résumé suffisamment détaillé des contenus utilisés pour l'entraînement, et les pouvoirs de sanction dont dispose la Commission sur ces obligations deviennent exerçables le 2 août 2026. Une entreprise incapable de produire ce résumé en interne ne saura pas davantage le produire pour une autorité de contrôle. Le contentieux et la réglementation posent la même question, en venant de directions opposées.

Mettez la provenance dans le contrat, pas dans les hypothèses

Trois changements concrets, dont aucun n'exige un avis juridique pour être lancé. D'abord, dans votre prochain contrat de modèle ou d'affinage, demandez une garantie écrite de provenance qui nomme les principaux jeux de données et précise quelles vérifications de réserve de droits ont été menées, assortie d'une indemnisation. Un fournisseur qui accepte de décrire ses données oralement mais pas dans le contrat vient de vous apprendre quelque chose d'utile.

Ensuite, tenez un manifeste de tout ce sur quoi vous affinez vous-même : source, date d'acquisition, licence ou exception invoquée, et présence ou non d'une réserve lisible par machine au moment de la collecte. Ce dernier champ est celui que personne ne consigne et celui dont dépend l'exception de fouille. Le reconstituer plus tard est nettement plus difficile que le journaliser maintenant.

Enfin, séparez les deux questions dans votre propre cartographie des risques. La licéité de l'acquisition et celle de l'entraînement tombent indépendamment l'une de l'autre, et un modèle peut être irréprochable sur la seconde et exposé sur la première. La plupart des évaluations internes des risques liés à l'IA rédigées avant ce mois-ci les traitent comme une seule ligne. Ce sont deux lignes, et la première est celle qu'un demandeur atteint avec une empreinte.

À lire ensuite: Le seed record allemand parie sur les données  |  Les données d'entraînement de Suno sont désormais une liste détaillée