OPINION. Le modèle "pay-per-crawl" amorce une refonte des rapports entre créateurs de contenus et géants technologiques. Mais derrière cette tentative d’encadrement, une solution plus ambitieuse émerge : le "data streaming", qui pourrait redonner aux producteurs de données le contrôle… et la rémunération. Par Primavera de Filippi, Directrice de la Recherche chez Alien Intelligence
Mardi 8 juillet, la compagnie Cloudflare — qui gère 16 % du trafic internet mondial — a annoncé qu'elle bloquerait par défaut les robots d'IA qui aspirent les contenus sans autorisation (les « Internet crawlers » en anglais).
Plus révolutionnaire encore : l'entreprise propose un modèle « pay-per-crawl » qui—bien qu'imparfait—ouvre la voie à une approche radicalement différente d'administrer les données d'entraînement pour les modèles d'IA générative.
La fin de l'eldorado gratuit
Pendant des années, les géants de l'IA ont bâti leurs empires sur une prémisse simple : Internet est une mine d'or gratuite. Leurs « crawlers » — ces robots insatiables — ratissent le web pour nourrir leurs modèles, transformant articles de presse, créations artistiques et contenus spécialisés en carburant commercial. Le résultat ? Des services valorisés à des milliards, construits sur le dos de créateurs non rémunérés.
Cette économie parasitaire rappelle les heures sombres du piratage musical au début des années 2000. Comme Napster à l'époque, l'IA générative a démocratisé l'accès à la connaissance tout en sapant les fondements économiques de sa création.
«Pay-per-crawl» : un premier pas, mais insuffisant
Le modèle « pay-per-crawl » proposé par Cloudflare représente un progrès : au lieu de piller gratuitement, les entreprises d'IA paieraient pour accéder aux données qu'elles souhaitent intégrer à leurs modèles d'entraînement. C'est un début de reconnaissance de la valeur des contenus.
Newsletter
Ma Tribune
L’actualité qui compte pour vous, chaque jour dans votre boîte mail.
Mais cette approche reste problématique. Une fois payées, les données sont définitivement cédées aux entreprises d'IA, qui les intègrent dans leurs modèles et peuvent les exploiter indéfiniment. Les créateurs perdent tout contrôle sur leurs œuvres, vendues en une fois comme de simples matières premières.
Le «data streaming» : une révolution protectrice
Les limites du pay-per-crawl sont surmontées par un autre paradigme émergent dans le domaine de l'IA générative : le « data streaming ». Cette approche consiste à ne jamais céder les données brutes aux entreprises d'IA. Au contraire, elle permet aux modèles de s'enrichir de connaissances spécialisées via des requêtes ponctuelles, sur un modèle pay-per-use.
Concrètement, quand un utilisateur interroge une IA sur un sujet médical complexe, le système peut consulter en temps réel des bases de données médicales autorisées, sans jamais les télécharger ni les intégrer définitivement. Chaque consultation génère une micro-rémunération pour les détenteurs des données, qui conservent un contrôle total sur leurs contenus.
Cette distinction est fondamentale : le pay-per-crawl vend définitivement les données, le data streaming permet aux systèmes d'IA de profiter de données plus spécialisées, sans jamais pouvoir les ingérer dans son système—d'où le modèle pay-per-use.
Un nouveau paradigme communicationnel
Cette transformation dépasse la simple question économique. Nous assistons à l'émergence d'un nouveau mode de communication où l'IA sert d'intermédiaire intelligent entre créateurs et consommateurs, sans jamais s'approprier les contenus sources.
Dans ce modèle, un expert-comptable peut mettre sa connaissance fiscale à disposition d'une IA sans révéler ses méthodes propriétaires. Un journal peut enrichir les réponses d'une IA avec ses analyses exclusives sans céder ses archives. L'IA devient un canal de distribution intelligent plutôt qu'un prédateur de contenus.
Les entreprises qui embrasseront le data streaming prendront une longueur d'avance considérable. Elles pourront monétiser leurs contenus sans les céder, créer de nouveaux revenus récurrents et maintenir leur avantage concurrentiel.
L'urgence d'une infrastructure française
Pour la France, ces évolutions sont cruciales, car c'est l'avenir de notre souveraineté numérique qui se joue. Le data streaming offre une opportunité unique de valoriser notre expertise sans la brader. Nos médias peuvent monétiser leur savoir-faire éditorial, nos entreprises peuvent capitaliser sur leurs données propriétaires, nos institutions peuvent partager leurs connaissances tout en préservant leur souveraineté.
Cette approche protège également contre la dépendance technologique : plutôt que de nourrir les géants américains ou chinois avec nos données, nous conservons le contrôle tout en participant à l'économie de l'IA. Avec une infrastructure de data streaming maîtrisée, nous risquons plus d'être perçus comme de simples fournisseurs de matières premières pour les géants technologiques étrangers.
La France doit investir massivement dans le développement d'infrastructures de data streaming. Ces technologies ne se contentent pas de protéger nos données : elles créent un nouveau marché où l'expertise française peut rayonner mondialement sans se diluer.
_____
(*) Primavera de Filippi est directrice de recherche au CNRS à Paris, associée à la faculté du Berkman-Klein Center for Internet & Society à Harvard, et directrice de la recherche chez Alien, une entreprise française qui développe une infrastructure de streaming des données ("data streaming") pour enrichir les systèmes d'IA générative, de façon juridique et éthique. Ses recherches portent sur les défis et les opportunités juridiques de la technologie blockchain et de l'intelligence artificielle. Elle est co-auteure du livre « Blockchain and the Law », publié en 2018 par Harvard University Press, et de « Blockchain Governance », publié en 2024 par MIT Press. Membre fondateur du Global Future Council on Blockchain Technologies du Forum économique mondial, elle est la fondatrice et la coordinatrice de l'Internet Governance Forum's dynamic coalitions on Blockchain Technology de l'ONU (COALA).
