Une équipe passe six mois à construire un jeu de données de prix de produits, d’offres d’emploi ou de profils d’entreprises à partir de sites web publics. Puis un acheteur pose une question simple : en êtes-vous propriétaire, et pouvez-vous nous le vendre ? La réponse honnête est généralement « en partie », et c’est cette partie qui détermine la valeur du jeu de données.
Les données collectées par scraping ne constituent pas une chose unique qu’une seule partie possède. C’est un empilement de droits distincts : des droits sur les éléments individuels, des droits sur la base de données du site source, des droits créés par le site à travers ses conditions d’utilisation, des droits que les personnes détiennent sur les données les concernant, et enfin les droits que le collecteur acquiert en construisant quelque chose de nouveau. Ce guide passe en revue chacune de ces couches, la manière dont les tribunaux aux États-Unis et en Europe les ont traitées, et ce que cela implique pour la licence et la revente.
Ceci est une information générale, pas un conseil juridique. Le droit diffère selon les pays et évolue rapidement ; consultez un conseil juridique avant de concéder une licence ou de vendre un jeu de données.
Points clés à retenir
- Les faits ne sont pas protégés par la propriété intellectuelle. Les prix, adresses, dates et quantités peuvent généralement être copiés librement selon le droit d’auteur américain. Les textes, photos et autres contenus créatifs restent protégés partout où vous les collectez.
- L’Europe ajoute un droit sui generis des bases de données. Un site qui a investi substantiellement dans la collecte ou la vérification de ses données peut empêcher autrui d’en extraire une partie substantielle, même lorsque chaque élément pris isolément est un simple fait.
- La manière dont vous collectez peut compter autant que ce que vous collectez. Les conditions que vous avez acceptées, les faux comptes et la charge serveur ont engagé la responsabilité même lorsque personne ne possédait les données.
- Les données personnelles ne deviennent jamais les vôtres pour les revendre librement. La disponibilité publique n’est pas une exemption au regard du droit européen de la protection des données.
- Ce que vous possédez, c’est votre propre contribution. Vous pouvez concéder une licence sur la sélection, la structure, le nettoyage et l’analyse que vous avez ajoutés. Vous n’acquérez jamais le droit d’auteur sur ce que vous avez copié.
Couche 1 : les éléments eux-mêmes
Commençons par les éléments individuels que vous avez collectés.
Les faits. La Cour suprême des États-Unis a tranché cette question en 1991 dans Feist v. Rural Telephone : les faits ne sont pas protégeables par le droit d’auteur, car le droit d’auteur exige l’originalité et personne ne crée un fait. Les noms et numéros d’un annuaire téléphonique pouvaient être copiés librement. La décision a également rejeté l’idée que l’effort de collecte des faits (la théorie dite de la « sueur du front ») confère un droit d’auteur. Pour les données scrapées, cela couvre l’essentiel de ce que les entreprises collectent réellement : prix, niveaux de stock, horaires de vol, noms et adresses d’entreprises, intitulés de postes, notations chiffrées.
L’expression. Le texte d’un article, les descriptions de produits rédigées par une marque, les photographies et la formulation des avis d’utilisateurs sont des œuvres créatives. Le droit d’auteur les protège, qu’elles figurent ou non sur une page publique. Être visible publiquement n’équivaut pas à être sous licence.
La ligne pratique sépare l’enregistrement de ce qu’une page dit de la copie de la façon dont elle le dit. « Cet ordinateur portable coûte 899 euros en Allemagne » est un fait. Les trois paragraphes décrivant l’ordinateur portable appartiennent à celui qui les a rédigés.
Couche 2 : la base de données du site source
Le droit d’auteur américain protège une compilation de faits uniquement dans sa sélection ou son arrangement originaux, et les tribunaux qualifient cette protection de ténue. Un concurrent peut réutiliser les faits tant qu’il ne copie pas la structure créative. Les États-Unis n’ont pas de droit distinct sur les bases de données.
L’Europe, si. En vertu du droit sui generis des bases de données de l’UE, le fabricant d’une base de données qui a réalisé un investissement substantiel dans l’obtention, la vérification ou la présentation de son contenu peut empêcher l’extraction ou la réutilisation de la totalité ou d’une partie substantielle de celui-ci. Ce droit dure 15 ans et peut être renouvelé lorsque le contenu change substantiellement. Il saisit également l’extraction répétée et systématique de petites parties lorsque celle-ci équivaut, au total, à porter atteinte à la base de données.
Trois décisions de la Cour de justice de l’Union européenne façonnent l’application de ce droit aux collecteurs de données :
| Affaire | Année | Ce que cela signifie pour le scraping |
|---|---|---|
| British Horseracing Board v William Hill | 2004 | Seul l’investissement dans la collecte et la vérification des données existantes compte, pas dans leur création. Un site qui génère ses propres données (ses propres programmes de courses, ses propres annonces) peut avoir du mal à revendiquer ce droit. Publier les données ne fait pas renoncer au droit. |
| Ryanair v PR Aviation | 2015 | Une base de données non protégée ni par le droit d’auteur ni par le droit sui generis peut malgré tout être restreinte par contrat. Dans l’UE, les conditions d’utilisation peuvent accomplir ce que le droit de la propriété intellectuelle ne fait pas. |
| CV-Online Latvia v Melons | 2021 | Un moteur de recherche spécialisé qui copie et indexe une base de données publique l’extrait et la réutilise, mais le fabricant ne peut s’y opposer que lorsque cela met en péril sa capacité à récupérer son investissement. |
Le Royaume-Uni a conservé son propre droit des bases de données après le Brexit. Depuis le 1er janvier 2021, il ne protège que les fabricants britanniques, et les nouvelles bases de données britanniques ne bénéficient plus du droit de l’UE, ni réciproquement.
Pour un collecteur, la question en Europe n’est donc pas seulement « s’agit-il de faits ? » mais aussi « quelqu’un a-t-il investi substantiellement dans leur collecte, et est-ce que j’en prélève une partie substantielle ? »
Couche 3 : les contrats et la manière dont vous avez collecté
Même lorsque personne ne possède les données, la manière dont elles ont été collectées peut engager la responsabilité. Trois affaires américaines illustrent ce schéma.
- LinkedIn et hiQ. La Cour d’appel du neuvième circuit a jugé en 2019, puis à nouveau en 2022, que hiQ avait soulevé des questions sérieuses quant à savoir si le scraping de profils publics constituait un accès « sans autorisation » au sens de la loi fédérale anti-piratage. Mais un tribunal de district a ensuite estimé que hiQ avait violé le contrat d’utilisateur de LinkedIn, notamment en utilisant de faux profils. L’affaire s’est conclue en décembre 2022 par un jugement défavorable à hiQ, une injonction permanente et une ordonnance de destruction des données scrapées. Gagner sur le piratage ne signifiait pas gagner.
- L’affaire de Meta contre une société de données web en 2024. Un tribunal fédéral en Californie a jugé en janvier 2024 que les conditions d’utilisation de Facebook et d’Instagram « n’interdisent pas le scraping hors connexion de données publiques ; par conséquent, cela n’interdit pas la vente de telles données publiques ». Meta a abandonné sa dernière réclamation et n’a pas fait appel.
- L’affaire de X contre la même société. En mai 2024, le tribunal a rejeté les réclamations de X selon lesquelles le scraping et la vente de messages publics violaient ses conditions d’utilisation, estimant qu’elles étaient préemptées par le droit d’auteur fédéral : X ne détenait qu’une licence non exclusive sur les messages de ses utilisateurs et ne pouvait pas utiliser ses conditions d’utilisation pour créer un contrôle privé semblable au droit d’auteur. Plus tard en 2024, le tribunal a permis à X de poursuivre des réclamations fondées sur la manière dont les données avaient été consultées, comme la charge alléguée sur ses serveurs. L’affaire s’est réglée en 2025 à des conditions confidentielles.
La leçon pour la question de la propriété est étroite mais importante. Les conditions d’une plateforme peuvent ne pas lui donner le contrôle sur des données publiques qu’elle ne possède pas, mais se connecter, accepter des conditions, créer de faux comptes ou surcharger des serveurs créent chacun un risque distinct qui n’a rien à voir avec la question de savoir qui possède les données. Notre aperçu sur la légalité du web scraping traite plus en détail de l’aspect accès.
Couche 4 : la fouille de textes et de données et l’entraînement de l’IA
Si le jeu de données doit servir à entraîner ou alimenter des modèles d’IA, un ensemble de règles supplémentaires s’applique.
Dans l’UE, les règles de droit d’auteur contiennent deux exceptions pour la fouille de textes et de données. Les organismes de recherche et les institutions du patrimoine culturel peuvent fouiller un contenu auquel ils ont un accès licite à des fins de recherche scientifique, et les titulaires de droits ne peuvent pas s’y opposer. Tous les autres, y compris les utilisateurs commerciaux, peuvent fouiller un contenu licitement accessible à moins que le titulaire des droits n’ait réservé ses droits d’une manière appropriée, ce qui, pour un contenu en ligne, signifie par des moyens lisibles par machine. Le règlement européen sur l’IA (AI Act) exige des fournisseurs de modèles d’IA à usage général qu’ils disposent d’une politique de respect de ces réserves et qu’ils publient un résumé du contenu de leur entraînement.
Ce qui constitue une réserve valable fait encore débat. Dans l’affaire allemande intentée par le photographe Robert Kneschke contre l’organisation à but non lucratif LAION, les tribunaux de Hambourg ont jugé que l’usage fait par LAION relevait de l’exception de recherche, et la cour d’appel a estimé que le retrait d’autorisation de l’agence de photos n’était pas démontrablement lisible par machine. La Cour fédérale de justice allemande a entendu l’affaire en septembre 2026 et a indiqué qu’un renvoi devant la plus haute juridiction de l’UE était à l’étude. Notre guide sur robots.txt, les opt-outs pour l’IA et les signaux de réserve traite de ces signaux eux-mêmes, et notre étude sur qui bloque les robots d’exploration de l’IA montre à quel point ils sont répandus.
Les tribunaux américains sont parvenus à des résultats divergents, et la question de l’acquisition revient sans cesse :
- Dans Bartz v. Anthropic (2025), le tribunal a jugé que l’entraînement sur des livres acquis licitement relevait du fair use, mais que la conservation de copies piratées n’en relevait pas. L’affaire s’est réglée pour 1,5 milliard de dollars, avec approbation finale en juillet 2026.
- Dans Kadrey v. Meta (2025), le tribunal a reconnu le fair use sur la base de ce dossier, mais a souligné que cette décision ne rendait pas un tel entraînement licite en général.
- En septembre 2026, le troisième circuit a confirmé dans Thomson Reuters v. Ross que copier les notes de synthèse éditoriales de Westlaw pour entraîner un outil concurrent de recherche juridique ne relevait pas du fair use. Le tribunal a noté que ce système d’IA ne pouvait pas générer de nouvelle expression, et a traité l’affaire comme un litige de droit d’auteur ordinaire entre concurrents.
Pour un vendeur de jeu de données, la conclusion est que la source et la licéité de l’acquisition accompagnent les données. Un acheteur qui entraîne un modèle demandera d’où provient chaque partie.
Couche 5 : les données personnelles
Si le jeu de données contient des informations sur des personnes identifiables, le droit de la protection des données s’applique par-dessus tout le reste. En vertu du RGPD, il n’existe aucune exemption pour les données personnelles disponibles publiquement. Quiconque les collecte et décide de leur usage est un responsable de traitement, avec des obligations incluant celle d’informer les personnes que leurs données sont traitées et d’où elles proviennent. Les vendre ou les concéder sous licence constitue une finalité supplémentaire, qui nécessite sa propre base légale, et l’acheteur devient lui-même un responsable de traitement avec ses propres obligations.
Les régulateurs ont sanctionné des pratiques de scraping sur ce fondement. L’autorité néerlandaise de protection des données a infligé à Clearview AI une amende de 30,5 millions d’euros en 2024 pour avoir constitué une base de données d’images faciales scrapées, après des amendes antérieures en Italie, en Grèce et en France. « C’était public » n’a pas constitué une défense. Notre aperçu de conformité au RGPD couvre les bases pour les équipes de collecte.
Ce que vous possédez réellement
En assemblant ces couches, la position du collecteur devient claire.
- Votre sélection et votre arrangement. Aux États-Unis, le droit d’auteur peut protéger les choix originaux que vous avez faits quant à ce qu’il faut inclure et à la manière de l’organiser, mais pas les faits sous-jacents.
- Votre investissement dans la base de données. Dans l’UE ou au Royaume-Uni, si votre entreprise y est établie et a investi substantiellement dans l’obtention, la vérification ou la présentation des données, votre jeu de données peut porter son propre droit sui generis, que vous pouvez concéder sous licence ou céder.
- Votre travail ajouté. Le nettoyage, la déduplication, la normalisation, l’enrichissement, la classification, les scores, les indices et l’analyse vous appartiennent. C’est souvent la partie la plus précieuse du jeu de données et la plus facile à concéder sous licence.
- Jamais les droits de la source. Vos droits ne couvrent que ce que vous avez vous-même apporté. Ils ne vous confèrent aucun droit d’auteur sur les articles, photos ou avis que vous avez copiés, et ils n’annulent ni le droit sui generis du site source ni les droits de protection des données de quiconque.
Ce que vous pouvez concéder sous licence ou revendre
| Risque plus faible | Risque plus élevé |
|---|---|
| Faits et mesures : prix, disponibilité, quantités, dates | Copies d’articles, de descriptions de produits ou de textes d’avis |
| Données dérivées : indices, tendances, agrégats, scores, indicateurs | Photos, vidéos et autres médias |
| Champs normalisés et vos propres catégories | Une partie substantielle d’une base de données européenne unique, reproduite telle quelle |
| Liens vers la source plutôt que des copies de celle-ci | Données personnelles, en particulier des profils d’individus |
| Données collectées sans connexion ni acceptation de conditions | Données collectées via des comptes, de faux profils ou en contournant des blocages |
Les produits les plus sûrs vendent ce que vous avez appris du web, pas des copies du web. Un indice de prix construit à partir de millions d’observations est une chose différente, juridiquement et commercialement, d’un miroir du catalogue d’un détaillant.
Avant de concéder un jeu de données sous licence
- Documentez la provenance. Enregistrez la source, la date et la méthode de collecte de chaque partie du jeu de données. Les acheteurs, les auditeurs et les tribunaux le demanderont.
- Séparez les faits du contenu. Tenez le matériel expressif à l’écart des produits de revente, ou renvoyez-y par lien plutôt que de le copier.
- Vérifiez l’existence de bases de données européennes. Si une partie substantielle du jeu de données provient d’une source unique de l’UE ou du Royaume-Uni, évaluez si cette source bénéficie d’un droit sui generis.
- Examinez votre méthode de collecte. Notez toutes les conditions que vous avez acceptées, les connexions que vous avez utilisées ou les blocages que vous avez rencontrés.
- Filtrez les données personnelles. Supprimez-les, ou confirmez une base légale et la transparence avant de les partager.
- Inscrivez tout dans la licence. Précisez ce que l’acheteur reçoit, ce qu’il peut en faire, et quelles obligations de conformité il assume.
Une politique écrite rend la plupart de ces vérifications systématiques. Notre modèle de politique de collecte de données constitue un bon point de départ.
FAQ
Suis-je propriétaire des données que j’ai scrapées sur un site web public ?
Vous êtes propriétaire de votre propre contribution : la sélection, la structure, le nettoyage et l’analyse, et en Europe, éventuellement d’un droit sui generis sur la base de données si vous avez investi substantiellement. Vous ne possédez pas les faits eux-mêmes, et vous n’acquérez jamais le droit d’auteur sur le contenu créatif que vous avez copié.
Puis-je vendre des données scrapées ?
Souvent, oui, pour les faits et les données que vous en avez dérivées, à condition de les avoir collectées licitement et que le jeu de données ne contienne aucune donnée personnelle que vous n’avez pas de base légale à partager. Revendre des copies d’articles, de photos ou d’avis, une partie substantielle d’une base de données européenne protégée, ou des données personnelles comporte un risque bien plus élevé.
Les conditions d’utilisation d’un site web déterminent-elles qui possède ses données ?
Les conditions d’utilisation ne créent pas de propriété sur les faits, et un tribunal américain a jugé qu’une plateforme ne peut pas utiliser ses conditions d’utilisation pour créer un contrôle semblable au droit d’auteur sur des données publiques. Mais les conditions peuvent malgré tout lier les personnes qui les acceptent, et dans l’UE, elles peuvent restreindre l’usage de bases de données qui ne sont pas autrement protégées.
Les données personnelles accessibles publiquement sont-elles libres d’usage ?
Non. Dans l’UE et au Royaume-Uni, le droit de la protection des données s’applique aux données personnelles qu’elles soient publiques ou non, et les régulateurs ont sanctionné des entreprises pour avoir constitué des bases de données à partir d’images publiées publiquement.
En conclusion
Scraper des données n’en transfère pas la propriété. Les faits restent libres, le contenu créatif reste à ses auteurs, les bases de données européennes peuvent rester à leurs fabricants, et les données personnelles restent soumises aux personnes qu’elles décrivent. Ce qu’un collecteur possède, c’est ce qu’il ajoute : la sélection, la structure, le nettoyage et l’analyse qui transforment des pages brutes en quelque chose d’utile. Construisez et vendez cela, documentez la provenance de tout, et gardez les copies du travail et des données d’autrui hors du produit.
Sources et références
- U.S. Supreme Court, Feist Publications v. Rural Telephone Service, 1991; 17 U.S.C. 103.
- Directive 96/9/EC on the legal protection of databases.
- CJEU, British Horseracing Board v William Hill, C-203/02, 2004; Ryanair v PR Aviation, C-30/14, 2015; CV-Online Latvia v Melons, C-762/19, 2021.
- UK Government, Sui generis database rights from 1 January 2021.
- U.S. Court of Appeals for the Ninth Circuit, hiQ Labs v. LinkedIn, 18 April 2022.
- U.S. District Court, N.D. Cal., No. 3:23-cv-00077, order of 23 January 2024; No. 3:23-cv-03698, order of 9 May 2024.
- Directive (EU) 2019/790 on copyright in the Digital Single Market; Regulation (EU) 2024/1689, the AI Act.
- U.S. Court of Appeals for the Third Circuit, Thomson Reuters v. Ross Intelligence, No. 25-2153, 29 September 2026.
- U.S. District Court, N.D. Cal., Bartz v. Anthropic, order granting final approval, 20 July 2026.
- Regulation (EU) 2016/679, the GDPR; Autoriteit Persoonsgegevens, fine on Clearview AI, September 2024.