Depuis 1990, et jusqu’au début des années 2000, le droit du numérique s’est principalement structuré autour de la protection des contenus : propriété intellectuelle, responsabilités, données personnelles. La question centrale pour un contenu numérique était principalement : qui détient les droits, sur quel objet et pour quels usages ?

Avec l’essor de l’IA générative, d’autres questions deviennent essentielles : d’où vient le contenu, quelles sont les éventuelles transformations et peut-on vérifier l’historique ?

Le droit d’auteur peut protéger une œuvre, le droit des marques un signe et le droit à l’image certaines utilisations de la représentation de la personne. Mais ces droits ne suffisent pas à établir qu’une image est authentique, qu’elle n’a pas été altérée, que son origine est fiable ou encore que les conditions de sa production par l’IA soient transparentes.

La titularité des droits ne garantit ni l’authenticité du contenu ni la confiance que le public peut légitiment lui accorder. L’IA générative rend donc nécessaire des garanties supplémentaires de fiabilité des contenus numériques. Avant l’IA, la présomption était que le contenu était réel. Aujourd’hui, la présomption disparaît.

Quelles sont les réponses juridiques ? Comment le droit appréhende et organise la confiance dans les contenus numériques comme complément de la propriété intellectuelle ?

À l’heure où l’intelligence artificielle générative permet de produire et de manipuler des images toujours plus réalistes, la confiance dans les contenus visuels devient un enjeu majeur de souveraineté informationnelle. Face à la multiplication des deepfakes et aux risques de désinformation, le tatouage numérique invisible (watermarking) apporte une réponse technologique permettant de renforcer la traçabilité, de protéger l’intégrité des contenus et d’en faciliter l’authentification. 

L’IA générative s’entraîne sur d’immenses volumes de contenus numériques, souvent sans transparence sur leur origine. Software Heritage, l’archive universelle du code source, est directement concernée : son archive est ouverte, et elle intéresse les grands modèles de langage pour le code.

Le code source n’est pas un simple produit technique. Il contient une part croissante de notre savoir scientifique, technique et culturel : des méthodes, des choix, des raisonnements écrits par des humains et lisibles par d’autres humains. Le préserver, c’est préserver cette connaissance. Savoir d’où elle vient, qui l’a produite et comment elle est réutilisée devient d’autant plus important que l’IA s’en nourrit.

Plutôt que de fermer l’accès, Software Heritage a choisi en 2023 d’en encadrer l’usage par une déclaration de principes sur l’entraînement des modèles.

Mais conserver du code ne suffit plus. Pour être compris, retrouvé et réutilisé de façon responsable, y compris par l’IA, le code doit être relié à son contexte : identifiants, métadonnées, licences, dépendances, environnements d’exécution. C’est la direction que prend Software Heritage : passer d’une archive à une infrastructure de recherche distribuée, ouverte et prête pour l’IA, gouvernée en commun en Europe. C’est aussi un enjeu de souveraineté numérique : que la mémoire du logiciel et les conditions de sa réutilisation ne dépendent pas de quelques plateformes privées (GitHub, etc.).

Morane présentera l’archive, ses principes et son évolution, et montrera comment des pratiques d’archiviste, telles que l’identification et la description, deviennent des outils pour une réutilisation responsable et transparente du code par l’IA.