Intelligence artificielle générative et web scraping
Le rapport examine les limites juridiques de la collecte automatisée de données Internet accessibles au public pour l’entraînement, l’affinage et l’évaluation des modèles génératifs. La question centrale n’est pas de savoir si un programme peut techniquement télécharger une page, mais à quelles conditions une organisation est en droit d’extraire, de combiner, de conserver et de réutiliser à plusieurs reprises des informations relatives à des personnes déterminées. Les auteurs partent du principe que l’accessibilité publique d’un contenu ne remplace ni une base juridique de traitement au titre de l’article 6 du RGPD, ni les restrictions des articles 9 et 10, ni les droits des personnes concernées.
L’analyse porte sur le RGPD, l’article 53 de l’AI Act relatif aux obligations des fournisseurs de modèles d’IA à usage général, les recommandations de la CNIL et de l’ICO britannique, ainsi que le projet de lignes directrices 03/2026 de l’EDPB sur le web scraping dans le contexte de l’IA générative, qui, à la date du rapport, demeure un document soumis à consultation publique et non une nouvelle loi. Sont abordés les rôles de responsable du traitement, de sous-traitant et de vendeur de données, le test en trois étapes de l’intérêt légitime, la transparence au titre de l’article 14 du RGPD, la minimisation, les données relatives aux enfants, à la santé et aux condamnations pénales, la mémorisation dans les poids du modèle, la vérification préalable des fournisseurs de corpus prêts à l’emploi et l’articulation avec le droit d’auteur.
Les principales conclusions sont les suivantes : la licéité de la collecte suppose d’évaluer la finalité, la base juridique, les catégories de données, les attentes des personnes et la circulation effective de l’information tout au long de la chaîne technique ; une vérification indépendante doit s’appuyer sur des journaux réels, les sources et l’efficacité des filtres, et non sur des déclarations ; supprimer un enregistrement d’un jeu de données et neutraliser son influence sur un modèle déjà entraîné constituent deux tâches techniques distinctes. Des scénarios fictifs d’attribution erronée de sanctions et d’informations obsolètes sur des recherches internationales et des procédures d’extradition sont examinés séparément.
La partie pratique comprend 50 annexes : formulaires d’analyse de l’intérêt légitime et d’AIPD, fiches de sources et manifestes de provenance, procédures de vérification des courtiers en données et de traitement des demandes des personnes concernées, programme d’audit indépendant et cas pédagogiques. L’Observatoire ARGA formule ses propres propositions pour le projet de l’EDPB — une norme minimale vérifiable de provenance des données, une présentation honnête des limites de l’opt-out et du machine unlearning, des garde-fous spécifiques pour les catégories sensibles et des indicateurs d’audit reproductibles — tout en précisant que leur intégration dans le texte définitif n’est pas acquise.
L’étude est de nature normative et méthodologique : les auteurs n’ont pas eu accès aux jeux d’entraînement internes des développeurs et n’imputent d’infraction à aucune organisation. Une vérification externe ne garantit pas la reconstitution complète d’un corpus d’entraînement ; le programme de recherche ultérieur prévoit une évaluation empirique des filtres dans plusieurs langues et une analyse comparée des pratiques des États membres de l’UE.
Règles de citation
- Mention obligatoire de la sourceLors de l'utilisation de matériaux d'ARGA Observatory, le nom complet doit être indiqué.
- Indication de la date et de la versionPour les rapports analytiques, l'année de publication est obligatoire.
- Lien vers l'originalLes supports électroniques doivent être accompagnés d'un lien actif vers le site officiel.
- Respect du contexteLes citations ne doivent pas être raccourcies ou modifiées de manière à déformer le sens original.
- Mention d'adaptationSi le texte est abrégé ou traduit, indiquer : « adapté du rapport ARGA Observatory ».
- Utilisation commerciale interdite sans autorisation écrite de l'organisation
- Exactitude des donnéesLes graphiques et tableaux doivent être reproduits sans modification.
Posez votre question aux experts ARGA
Quatre étapes courtes. Réponse sous un jour ouvré.