Pendant la majeure partie de l’histoire du web, les données publiques étaient simplement là pour être collectées, et la seule question était de savoir si on en était capable. Cela change. Les plateformes, éditeurs et propriétaires de données placent de plus en plus leurs données derrière des licences, des API payantes et des accords formels d’accès aux données, et ils rédigent des conditions visant directement la collecte automatisée et l’entraînement de l’IA.
Pour les organisations qui collectent des données web, ce n’est pas seulement une restriction. Un accord d’accès aux données peut vous offrir des données plus propres, des droits clairs et moins de risque juridique que de les collecter vous-même. Pour les organisations qui publient des données, c’est un moyen de décider qui les utilise et à quelles conditions. Ce guide couvre ce que contiennent ces accords, quand chaque partie devrait en utiliser un, et comment ils se situent par rapport à la collecte ordinaire de pages publiques.
Ceci est une information générale, pas un conseil juridique. Les accords et le droit qui les encadre varient, et un conseil juridique devrait examiner tout accord avant sa signature.
Pourquoi les accords d’accès aux données se multiplient
Trois évolutions ont poussé les propriétaires de données vers des accords formels :
- L’entraînement de l’IA a fait grimper la valeur des données. Le texte, les images et les données structurées sont devenus des matériaux d’entraînement, et les propriétaires ont commencé à demander à être payés pour cela ou à fixer les conditions de leur utilisation.
- Les grandes plateformes ont placé l’accès derrière des API payantes. En 2023, plusieurs grandes plateformes sociales ont introduit ou fortement augmenté les tarifs d’accès à leur API, auparavant gratuit ou peu coûteux, transformant l’accès en une relation commerciale.
- Les signaux d’opt-out ont gagné du poids juridique. Dans l’UE, les titulaires de droits peuvent réserver leur contenu à la fouille commerciale de textes et de données de manière lisible par machine, et les fournisseurs d’IA doivent respecter ces réserves. Notre guide sur robots.txt, les opt-outs IA et les signaux de réservation explique comment cela fonctionne.
Le résultat est un web aux conditions plus explicites : certaines données restent librement collectables, d’autres ne sont disponibles que sous licence, et la frontière est de plus en plus formalisée par écrit.
Ce que couvre un accord d’accès aux données
Les accords diffèrent, mais la plupart traitent des mêmes questions :
| Clause | Ce qu’elle règle |
|---|---|
| Portée | Quelles données, quels champs, quel historique, quelle fraîcheur |
| Livraison | API, fichiers en masse ou flux, et dans quel format |
| Usage autorisé | Analyse interne, produits, revente, entraînement IA, chacun autorisé ou non |
| Volume et débit | Combien, à quelle fréquence, et ce qui se passe au-delà de la limite |
| Attribution et affichage | Si et comment la source doit être créditée |
| Données personnelles | Qui est le responsable du traitement, ce qui peut être conservé, comment les suppressions se répercutent |
| Durée et résiliation | Combien de temps cela dure, et ce qui doit être supprimé à la fin |
| Frais | Fixes, par appel, par enregistrement ou partage de revenus |
| Audit et reporting | Ce que le licencié doit démontrer sur son usage |
La clause la plus importante pour la plupart des acheteurs est l’usage autorisé. Un accord qui permet l’analytique interne peut interdire la revente ou l’entraînement de modèles, et utiliser les données en dehors de leur périmètre peut constituer une violation même lorsque les données elles-mêmes sont publiques.
Pour les collecteurs de données : quand un accord vaut mieux que la collecte
Collecter des pages publiques reste légitime et constitue souvent le bon choix. Mais un accord mérite d’être envisagé lorsque :
- Vous avez besoin de données qui ne sont pas publiques, comme un historique, des identifiants ou des champs qui n’apparaissent jamais sur une page.
- Vous avez besoin de droits clairs pour revendre ou entraîner un modèle sur les données. Un accord peut accorder des droits que la collecte seule ne pourrait jamais conférer ; notre guide sur qui possède les données collectées explique pourquoi la collecte seule ne vous donne pas la propriété.
- La source bloque ou change souvent, et maintenir un collecteur coûte plus cher qu’une licence.
- Vos clients ou votre équipe de conformité ont besoin d’une provenance qu’un accord signé documente mieux qu’un journal de crawl.
Et la collecte reste le choix le plus adapté lorsque vous avez besoin de la vue publique telle que les utilisateurs la voient, sur de nombreuses sources, dans de nombreux marchés, là où aucun accord n’existe ou où la source n’a aucun intérêt à en proposer un. Voir chaque marché comme le ferait un visiteur local, c’est précisément à cela que servent les proxies résidentiels.
Bonnes pratiques si vous en signez un :
- Faites correspondre l’usage autorisé à chaque usage que vous prévoyez, y compris les futurs produits et travaux d’IA, avant de signer.
- Gardez les données sous licence et les données collectées séparées, avec la provenance sur chaque enregistrement, afin de toujours savoir quelles conditions s’appliquent.
- Préparez la résiliation : sachez ce que vous devez supprimer et concevez votre stockage pour pouvoir le faire.
- Soyez attentif aux clauses d’exclusivité et de traitement le plus favorisé qui limitent ce que vous pouvez faire par ailleurs.
Pour les propriétaires de données : reprendre le contrôle de vos données
Si vous publiez des données que d’autres collectent, un accord est un outil parmi d’autres pour décider de leur usage :
- Déterminez ce qui est véritablement public. Un contenu que vous voulez indexé et vu est difficile à protéger en même temps des collecteurs ; un contenu que vous voulez licencier devrait se trouver derrière une API ou une connexion.
- Énoncez vos conditions clairement et de manière lisible par machine. Les conditions d’utilisation, robots.txt et, dans l’UE, les réservations lisibles par machine pour la fouille de textes et de données, signalent tous votre position. Des signaux clairs facilitent la négociation des accords et la démonstration des violations.
- Proposez une voie légitime. Une API ou une licence documentée donne aux utilisateurs sérieux un moyen de payer et de se conformer plutôt que de collecter en contournant votre site, et vous donne un enregistrement de qui utilise vos données.
- Tarifez selon l’usage, pas seulement le volume. L’analytique, la revente et l’entraînement IA ont une valeur très différente.
- Adaptez l’application à la réalité. Les mesures techniques, les limites de débit et les actions contractuelles ont chacune leurs limites ; les tribunaux ont traité différemment les actions portant sur la manière dont les données ont été accédées et celles portant sur la propriété des données publiques.
Le contexte juridique, en bref
Les accords reposent sur un cadre juridique encore en construction. Aux États-Unis, les tribunaux ont jugé que les conditions d’utilisation d’une plateforme n’empêchaient pas la collecte de données publiques sans connexion, tandis que les actions fondées sur la manière dont les données ont été accédées, comme les faux comptes ou la charge serveur, ont été maintenues. Dans l’UE, les clauses contractuelles peuvent restreindre l’usage de bases de données qui ne sont pas autrement protégées, le droit sui generis des bases de données protège l’investissement substantiel dans les bases de données, et le droit de la protection des données s’applique aux données personnelles quelle que soit la manière dont elles ont été obtenues.
Avant de s’appuyer sur la collecte ou sur un accord, les équipes juridiques posent les mêmes questions sur la portée, l’accès, les droits et les données personnelles ; notre liste de vérification sur ce que votre équipe juridique demandera avant d’approuver un projet de scraping les couvre.
FAQ
Qu’est-ce qu’un accord d’accès aux données ?
Un contrat par lequel un propriétaire de données donne à une autre partie l’accès à ses données, généralement via une API, des fichiers ou un flux, selon des conditions énoncées : quelles données, comment elles peuvent être utilisées, en quelle quantité, pendant combien de temps et à quel prix.
Vaut-il mieux licencier des données ou les scraper ?
Cela dépend de vos besoins. La licence convient aux données non publiques, aux droits clairs de revente ou d’entraînement IA, et aux sources qui changent souvent. La collecte de pages publiques convient à la vue telle qu’elle apparaît sur de nombreuses sources et marchés où aucun accord n’est proposé.
Un accord d’accès aux données peut-il restreindre des données qui sont publiques ?
Il peut restreindre la manière dont le licencié utilise les données qu’il reçoit dans le cadre de l’accord, même des données qui sont également publiques. La question de savoir si les conditions générales d’un site restreignent la collecte de ses pages publiques par des tiers dépend de la juridiction et du fait que ces conditions lient ou non le collecteur.
Comment un site web peut-il contrôler l’usage fait de ses données ?
En décidant ce qu’il rend public, en énonçant ses conditions et opt-outs clairement et de manière lisible par machine, en proposant une voie sous licence aux utilisateurs légitimes, et en faisant respecter les règles contre la collecte qui enfreint ses conditions ou nuit à son service.
En résumé
Les accords d’accès aux données deviennent une composante normale de la manière dont les données web changent de mains. Pour les collecteurs, ils offrent des droits et des données que la collecte ne peut pas offrir, moyennant un prix ; pour les propriétaires, ils offrent un moyen de décider qui utilise leurs données et comment. Utilisez des accords là où ils vous apportent quelque chose que la collecte ne peut pas apporter, gardez les données sous licence et les données collectées séparées, et lisez la clause d’usage autorisé avant toute autre chose.