Comment élaborer une stratégie de propriété intellectuelle pour les produits fondés sur l’IA ?

La stratégie de propriété intellectuelle d’un produit fondé sur l’IA ne se limite pas à déterminer qui détient les droits d’auteur sur ses résultats. Jeux de données, code logiciel, modèles tiers, API, structures de prompts, configurations des modèles, éléments de marque et contenus créés par les salariés doivent être examinés ensemble.

Ainsi, la gestion de la propriété intellectuelle des produits d’IA est un enjeu de gouvernance dès la conception de l’architecture, et non un simple contrôle juridique à la fin du développement.

Quels actifs protéger dans un produit d’IA ?

• Le code source et les composants logiciels sur mesure,
• les jeux de données d’entraînement ou de fine-tuning,
• les prompts et instructions système propres à l’organisation,
• les bases de connaissances RAG et méthodes de préparation des données,
• les configurations et les flux de travail des modèles,
• les textes, images, sons et autres résultats générés,
• nom du produit, logo et autres actifs de marque,
• les méthodes et informations opérationnelles relevant du secret commercial.

1. Examiner les licences des modèles et API utilisés

Pour un produit utilisant un modèle ou une API tiers, examiner d’abord les conditions contractuelles et de licence du fournisseur. Usage commercial, utilisation des résultats, conservation des données, utilisation des données pour développer les modèles et responsabilité peuvent varier selon le fournisseur.

Par conséquent, le modèle choisi par l'équipe technique devrait être évalué non seulement en termes de performances, mais aussi en termes de conditions d'utilisation légales et commerciales.

2. Documenter l’origine des données d’entraînement

« Trouvé sur Internet » n’identifie pas une source. Consigner l’origine et la licence de chaque jeu de données, la présence éventuelle de données personnelles et d’éléments protégés par des droits de propriété intellectuelle de tiers.

Documenter la provenance des jeux de données de l’entreprise facilite la gestion d’éventuels litiges sur les droits et licences.

3. Clarifier les contrats d'employés et de fournisseurs

Le code, les processus de préparation des données ou les optimisations du modèle peuvent être développés par des salariés, des indépendants ou des prestataires logiciels. Les contrats doivent préciser les droits de propriété intellectuelle, les usages autorisés, la confidentialité et les livrables.

La réception d’un livrable technique ne signifie pas, à elle seule, que tous les droits nécessaires sont automatiquement transférés à l’entreprise.

4. Ne pas fonder les droits sur les résultats d’IA sur une seule hypothèse

La protection et les droits sur les contenus générés par IA peuvent dépendre de la contribution humaine, du système, des contrats et du droit applicable. Il faut donc définir des politiques par cas d’usage plutôt que supposer : « L’IA l’a créé, tous les droits nous appartiennent. »

5. Traiter la protection de la marque comme un volet distinct

À mesure que le nom, le logo et l’identité d’un produit d’IA gagnent en visibilité, la stratégie de protection de la marque prend de l’importance. Un modèle techniquement performant n’empêche pas des tiers d’imiter le nom, les domaines ou l’identité numérique.

Lors de la détermination du nom du produit, la recherche de marque, la stratégie de domaine et les risques d'imitation numérique doivent être évalués ensemble.

6. Protéger les secrets commerciaux dans les données envoyées aux modèles

Saisir du code source, des informations clients, des modèles de tarification ou des projets non publiés dans des outils d’IA non contrôlés constitue un risque important pour la propriété intellectuelle.

La politique d’IA de l’entreprise doit préciser quelles données sont autorisées dans chaque outil et lesquelles ne doivent jamais être transmises à des systèmes externes.

7. Mettre en place la validation des résultats et les contrôles de similarité

Une validation humaine est nécessaire notamment pour les supports marketing, les créations graphiques, le code et les contenus produits pour les clients. Selon le risque de l’usage prévu, les résultats peuvent être examinés pour repérer des similarités problématiques avec des éléments protégés de tiers.

Exemple: produit SaaS fondé sur l'IA

Si une entreprise développe un SaaS soutenu par l'IA qui analyse les documents de ses clients, plusieurs couches de propriété intellectuelle sont formées en même temps :

• Le code source de la plateforme peut être détenu par la société.
• Le modèle de base peut être soumis à une licence de tiers.
• La propriété des documents du client peut rester au client.
• Le système RAG et de préparation des données propre à l’entreprise peut constituer un secret commercial.
• Les conditions d'utilisation des sorties d'IA peuvent également être réglementées dans le contrat client.

Ces éléments ne peuvent être résolus par un seul concept de « contrat d'utilisation de l'AI ».

Liste de contrôle de la propriété intellectuelle pour l’IA

• Les licences des modèles et jeux de données utilisés sont-elles documentées ?
• La source des ensembles de données est-elle connue?
• Les clauses de propriété intellectuelle des contrats des salariés et fournisseurs sont-elles à jour ?
• Le transfert d’informations confidentielles vers les outils d’IA est-il limité ?
• Le nom du produit et les actifs numériques de la marque sont-ils protégés?
• Existe-t-il un processus de vérification humaine des résultats de l'IA?
• La chaîne des droits est-elle réévaluée lorsque le modèle ou le fournisseur est modifié?

Conclusion

Une stratégie solide de propriété intellectuelle pour les produits d’IA exige une coordination entre droit, gestion des produits, données et architecture technique. L’objectif n’est pas de freiner l’innovation, mais de construire dès le départ une chaîne fiable de droits et de licences pour un produit évolutif.

Les services de B10 en Intelligence artificielle et automatisation, Protection et surveillance de marque et Logiciels sur mesure et applications mobiles aident à concevoir ensemble ces volets techniques et numériques.