[DÉCRYPTAGE]ALLEMAGNE : le tribunal de Munich ouvre une nouvelle bataille judiciaire sur l’entraînement des IA

Le 31 juillet 2026 le tribunal régional de Munich (Landgericht München I) a rendu une décision qui pourrait peser durablement sur le développement des modèles d’intelligence artificielle générative en Europe. Les juges ont donné raison à la société allemande de gestion des droits d’auteur GEMA dans son litige contre Suno, l’un des principaux acteurs de la génération musicale par IA. Au cœur de l’affaire : l’utilisation d’œuvres protégées pour entraîner un modèle d’IA et la capacité de celui-ci à reproduire des éléments reconnaissables des chansons originales. Si le jugement n’est pas définitif, il constitue déjà un signal fort envoyé à l’industrie de l’IA.

L’affaire oppose la GEMA, organisme chargé de gérer les droits des auteurs, compositeurs et éditeurs de musique en Allemagne, à Suno, entreprise américaine qui développe un générateur de musique reposant sur l’intelligence artificielle.

Selon la GEMA, plusieurs œuvres musicales célèbres ont été copiées puis utilisées pour entraîner les modèles Suno v3.5 et v4. Parmi les titres concernés figurent notamment Atemlos durch die Nacht, Rasputin, Forever Young, Big in Japan, Daddy Cool ou encore Mambo No. 5.

L’organisme reprochait également au système de produire, à partir de simples requêtes des utilisateurs, des morceaux reprenant des éléments reconnaissables de ces chansons. Pour démontrer cette proximité, les tests réalisés par la GEMA consistaient à saisir uniquement les paroles, le titre de la chanson et le style musical, sans fournir d’indication sur la mélodie, l’harmonie ou les arrangements.

Pour la société de gestion collective, ces résultats démontraient que le modèle avait conservé une partie des œuvres utilisées pendant son apprentissage.

La défense de Suno : « Le modèle ne stocke pas les œuvres »

Face à ces accusations, Suno a développé un argument désormais classique dans l’industrie de l’IA générative.

L’entreprise soutenait que les morceaux utilisés lors de l’entraînement ne sont pas conservés dans le modèle. Selon elle, celui-ci n’enregistre que des paramètres mathématiques, des corrélations statistiques et des représentations abstraites permettant de générer de nouvelles créations.

Les éventuelles ressemblances observées dans les productions seraient donc le résultat des consignes données par les utilisateurs (prompts) et non la preuve que les chansons originales seraient encore présentes dans le modèle.

Suno invoquait également deux arguments juridiques majeurs. D’une part, l’entreprise estimait que les opérations d’entraînement réalisées aux États-Unis relevaient du principe américain du « fair use », qui autorise certaines utilisations d’œuvres protégées sans autorisation préalable. D’autre part, pour les copies réalisées en Allemagne, elle invoquait les exceptions européennes relatives au Text and Data Mining (TDM), prévues pour permettre l’analyse automatisée de grandes quantités de données.

La décision : le tribunal reconnaît une violation du droit d’auteur

Le tribunal régional de Munich n’a pas suivi cette argumentation.

Dans son jugement, il considère que les œuvres musicales protégées ont bien été reproduites lors de l’entraînement du modèle et que cette reproduction constitue une atteinte au droit exclusif de reproduction prévu par la législation allemande. Plus encore, les juges estiment que les chansons demeurent reconnaissables dans les contenus générés par Suno.

Pour eux, une telle similarité ne peut pas s’expliquer par le hasard ni uniquement par les requêtes formulées par les utilisateurs. Ils concluent que le modèle a conservé certains éléments issus de son apprentissage. Cette conservation constitue, selon le tribunal, une véritable « mémorisation » des œuvres originales.

Les magistrats retiennent également que Suno est responsable des contenus générés. Selon eux, ce n’est pas l’utilisateur qui détermine seul le résultat final : le développeur reste maître du choix des données d’entraînement, de l’architecture du modèle et des mécanismes de génération. À ce titre, il engage sa responsabilité lorsque le système reproduit des éléments protégés.

Une interprétation restrictive des exceptions au droit d’auteur

Autre enseignement majeur du jugement : les juges refusent d’appliquer les exceptions invoquées par Suno. Concernant l’exception européenne de Text and Data Mining, le tribunal estime qu’elle ne peut pas couvrir une situation où les œuvres demeurent reconnaissables dans les résultats produits par le modèle.

Autrement dit, l’exploration automatisée des données est autorisée, mais pas lorsque celle-ci conduit à conserver puis restituer des éléments protégés.

Le tribunal adopte également une lecture restrictive du « fair use » américain.

Les magistrats distinguent cette affaire des récentes décisions rendues aux États-Unis dans les affaires Bartz et Kadrey, qui avaient admis que l’entraînement de certains modèles pouvait relever du fair use.

Selon eux, la différence est fondamentale : dans ces affaires américaines, les modèles ne reproduisaient pas d’œuvres reconnaissables, alors que les sorties de Suno présentent une similarité substantielle avec les chansons originales.

Pourquoi cette décision est importante pour toute l’industrie de l’IA

Au-delà du cas Suno, cette décision touche l’ensemble des modèles génératifs. Depuis l’apparition des grands modèles de langage et des générateurs d’images, les entreprises soutiennent généralement que leurs systèmes apprennent à partir des œuvres sans les copier.

Le tribunal de Munich introduit une nuance essentielle. Il affirme qu’un modèle peut apprendre tout en mémorisant suffisamment d’éléments pour reproduire des contenus protégés.

Cette distinction pourrait devenir déterminante dans les futurs contentieux visant les développeurs de modèles d’IA, qu’il s’agisse de musique, de textes, d’images ou de vidéos.

Quel impact sur l’AI Act ?

Même si cette affaire relève principalement du droit d’auteur, elle entre directement en résonance avec l’AI Act. Le règlement européen impose déjà aux fournisseurs de modèles d’IA à usage général de respecter le droit d’auteur et de publier des informations sur les contenus utilisés pour entraîner leurs modèles.

La décision de Munich ajoute une nouvelle dimension : il ne suffira peut-être plus de démontrer l’origine légale des données d’entraînement. Les développeurs pourraient également devoir prouver que leurs modèles ne conservent pas d’œuvres protégées sous une forme susceptible d’être restituée aux utilisateurs.

Autrement dit, la conformité des futurs modèles pourrait dépendre autant de leur architecture technique que de la qualité juridique de leurs jeux de données.

Cette décision marque probablement un tournant dans la régulation de l’intelligence artificielle générative. Jusqu’à présent, le débat portait essentiellement sur la collecte des données d’entraînement. Le tribunal de Munich déplace le centre de gravité vers une autre question : que reste-t-il réellement des œuvres originales après l’apprentissage d’un modèle ?

Si cette approche est confirmée en appel et reprise par d’autres juridictions européennes, les fournisseurs de modèles devront démontrer non seulement que leurs données ont été acquises légalement, mais aussi que leurs systèmes sont incapables de restituer des contenus protégés de manière reconnaissable. Cela pourrait accélérer le développement de nouvelles techniques de désapprentissage, de contrôle de la mémorisation et d’audit des modèles, qui deviendront sans doute l’un des prochains grands enjeux de la gouvernance de l’intelligence artificielle en Europe.