La Californie allume la lumière dans la machine
Pendant des années, les grands modèles de langage ont prospéré dans un confort douillet : on leur posait des questions, ils répondaient, et tout le monde faisait semblant de ne pas trop se demander ce qu’ils avaient avalé pour devenir si “intelligents”. Sauf qu’en Californie, on vient de tirer les rideaux.
Depuis le 1er janvier 2026, la loi AB 2013 impose aux entreprises d’IA opérant en Californie de publier un résumé des données d’entraînement utilisées pour leurs modèles. Et pas un petit “on a utilisé Internet, bisous” : l’idée est de décrire clairement les sources, les dates de collecte, de préciser si la collecte continue, et d’indiquer si les datasets contiennent des contenus protégés par droit d’auteur, marques, ou brevets.
Résultat : les géants du secteur, de xAI à OpenAI, Google ou Anthropic, sont directement concernés. Et comme on pouvait s’y attendre, ça grince.
AB 2013 : qu’est-ce que la loi demande exactement ?
La promesse d’AB 2013, c’est de rendre l’IA un peu moins “trust me bro”. Concrètement, la loi demande aux entreprises d’IA de rendre publique une description structurée de leurs données d’entraînement, notamment :
- Les catégories de sources utilisées (textes, images, code, etc.)
- Les origines générales des données (types de plateformes, bases, fournisseurs, etc.)
- Les périodes et dates de collecte
- Le fait que la collecte soit terminée ou en cours
- La présence potentielle de contenus protégés (copyright, marques, brevets)
L’objectif n’est pas d’ouvrir un coffre-fort et de livrer chaque fichier brut à la concurrence, mais de documenter ce qui a été utilisé pour entraîner les modèles.
Pourquoi la Californie veut cette transparence sur les datasets ?
AB 2013 répond à une question simple, que tout le monde se pose de plus en plus fort : “D’où ça vient, ce que le modèle raconte ?”
Les divulgations ont plusieurs effets attendus :
- Clarifier la question des licences : données achetées, obtenues sous licence, ou aspirées façon aspirateur industriel
- Éclairer le sujet des données personnelles : est-ce qu’on a entraîné l’IA avec des informations identifiables, et dans quelle mesure
- Mieux évaluer la part de données synthétiques : utile pour jauger la qualité et les risques de dérive
- Donner aux consommateurs et chercheurs un minimum de matière pour comprendre les biais et les limites
Dit autrement : si les LLM deviennent une infrastructure de connaissance, la société réclame un peu de traçabilité. Pas forcément la recette secrète, mais au moins la liste des ingrédients.
xAI attaque : “ça va ruiner notre société”
En décembre 2025, xAI, l’entreprise d’Elon Musk, a poursuivi l’État de Californie pour tenter de bloquer l’application de la loi.
Les arguments mis sur la table :
1) Liberté d’expression : selon xAI, l’obligation de divulgation violerait le Premier Amendement.
2) Secrets commerciaux : xAI soutient que ses données d’entraînement sont une partie centrale de sa valeur. Le message est clair : “si on révèle trop, nos concurrents vont comprendre ce qu’on a, ce qu’on n’a pas, et ils vont copier ou compléter”.
Dans la plainte, xAI explique que permettre l’application de la loi pourrait être “économiquement dévastateur” et réduire la valeur de ses secrets commerciaux à zéro. Selon l’entreprise, ces divulgations ne seraient pas utiles aux consommateurs et représenteraient un risque existentiel pour l’industrie.
En version vulgarisée : “la transparence, c’est sympa, mais pas quand ça concerne notre cuisine interne”.
Le scénario peur de xAI : “les concurrents vont remplir leurs trous”
L’une des idées défendues par xAI est la suivante : si un concurrent connaît les sources et la taille des ensembles de données, il peut déduire :
- Ce que xAI possède
- Ce que le concurrent n’a pas
- Ce qu’il devrait acquérir pour combler l’écart
xAI donne un exemple hypothétique : si OpenAI apprenait que xAI utilise un dataset particulier qu’OpenAI ne possède pas, OpenAI tenterait de l’obtenir à son tour, et inversement.
C’est un argument classique du monde industriel : même sans livrer les fichiers, décrire précisément peut déjà être informatif.
Verdict provisoire : le juge refuse de suspendre la loi
Le 5 mars 2026, le juge fédéral Jesus Bernal a rejeté la demande d’injonction préliminaire de xAI visant à suspendre l’application de la loi.
Attention : rejet de l’injonction ne veut pas dire “affaire terminée”. Le procès continue. Mais en attendant, la loi s’applique, et xAI doit s’y conformer.
La raison principale du refus est importante : le juge estime que xAI n’a pas démontré, à ce stade, que son action a de fortes chances d’aboutir, ni que la loi est inconstitutionnelle.
Il pointe surtout un problème de méthode : xAI aurait été trop vague sur les préjudices concrets.
Ce qui a coincé : des arguments jugés trop abstraits
Le juge reproche à xAI de s’appuyer sur des généralités : oui, les données sont importantes, oui, les entreprises gardent ça secret, oui, la concurrence existe. Mais ce n’est pas suffisant pour justifier une suspension.
En substance, la décision souligne que xAI s’est appuyée sur des abstractions, hypothèses et affirmations générales, sans prouver précisément :
- Ce que la divulgation obligerait réellement à révéler
- Comment cela nuirait directement à xAI
- Pourquoi le mécanisme de résumé public serait forcément destructeur
Face à cela, le juge rappelle l’intérêt public : aider la population à évaluer comment les LLM ont été entraînés.
“La fin des boîtes noires” : ce que ça change pour l’industrie IA
La phrase qui circule derrière ce bras de fer, c’est une idée simple : l’époque où l’IA pouvait se contenter d’être une boîte noire est en train de se terminer.
Cette décision marque un signal : les États commencent à exiger des comptes, même si ce ne sont pas des comptes au centime près.
Un mouvement de fond : transparence, sécurité, responsabilité
AB 2013 n’arrive pas seule. La Californie a aussi adopté des textes demandant davantage de transparence sur les incidents liés à la sécurité de l’IA. Le sujet devient structurel : on ne parle plus uniquement de performance, mais de gouvernance.
Les entreprises d’IA vont devoir apprendre à faire ce qu’elles détestent le plus après “répondre à un e-mail en moins de 48h” : documenter.
Un nouvel équilibre entre secret industriel et intérêt public
Le nerf de la guerre, c’est l’équilibre :
- D’un côté, les datasets sont un avantage concurrentiel
- De l’autre, les modèles influencent l’information, l’éducation, le travail, la création, et parfois même des décisions critiques
On peut défendre le secret commercial, mais quand un modèle devient quasi infrastructurel, la pression monte pour exiger : provenance des données, gestion des droits, protection de la vie privée.
Et maintenant, qu’est-ce que xAI et les autres vont devoir publier ?
La grande question pratique est là : à quel niveau de détail le résumé devra aller.
AB 2013 vise une divulgation publique, mais cela laisse de la place à l’interprétation :
- Liste de grandes catégories de sources
- Types de fournisseurs
- Description des méthodes d’acquisition
- Mention explicite des contenus sous droits
- Indications temporelles
Même si la loi ne demande pas “le dataset complet en téléchargement”, une bonne description peut déjà soulever des questions :
- Les données étaient-elles sous licence
- Les auteurs et plateformes ont-ils consenti
- Quelle part de données personnelles est possible
- Quelle part de synthétique a été injectée
C’est là que l’effet domino commence : dès qu’une entreprise publie quelque chose, les comparaisons arrivent, les journalistes creusent, les régulateurs prennent des notes, et les avocats… font des réservations de café.
Ce que les utilisateurs gagnent (vraiment) avec la transparence des données
On entend parfois “les consommateurs s’en moquent”. En réalité, la transparence peut devenir un vrai outil :
- Pour comprendre pourquoi un modèle est bon ou mauvais sur certains sujets
- Pour identifier des biais probables (si la majorité des sources viennent de certaines sphères)
- Pour mieux juger les risques de désinformation ou d’hallucinations
- Pour forcer les acteurs à adopter des pratiques plus propres
Et si vous utilisez un modèle dans une entreprise, c’est encore plus important : quand un outil devient un maillon d’un process interne, savoir d’où vient l’entraînement aide à évaluer les risques légaux et réputationnels.
Ce que l’industrie redoute (et pas seulement xAI)
Côté entreprises, la crainte n’est pas uniquement la concurrence. Il y a aussi :
- Le risque de litiges supplémentaires sur le copyright
- La pression des ayants droit
- Les demandes de retrait ou de compensation
- L’obligation d’avouer qu’une partie du dataset vient d’endroits… disons… “très Internet”
C’est un peu comme demander la liste des ingrédients d’un plat industriel. Parfois, on préfère ne pas savoir ce que “arômes naturels” veut dire.
Pourquoi cette bataille est aussi politique que juridique
Dans ce dossier, il y a un aspect presque inévitable : la Californie est un centre névralgique de l’IA, et donc un terrain d’affrontement entre :
- Régulation locale
- Intérêts économiques massifs
- Compétition entre labs
- Narratifs publics sur la sécurité et la transparence
Et quand un acteur comme Elon Musk est impliqué, l’affaire prend tout de suite une dimension plus visible. Disons que l’algorithme de l’actualité adore.
À surveiller dans les prochains mois
Même si la demande d’injonction est rejetée, le procès continue, et plusieurs points seront déterminants :
- Le niveau de détail réellement exigé dans les résumés
- La capacité des entreprises à prouver un préjudice concret
- Les éventuels ajustements réglementaires
- Les effets sur les pratiques d’acquisition de données
Si AB 2013 tient, d’autres États pourraient s’en inspirer. Et si elle est affaiblie, l’industrie y verra un signal qu’on peut encore garder la boîte noire bien fermée.
Une chose est sûre : la transparence des données d’entraînement est en train de passer du statut de débat d’experts à celui de sujet grand public. Et dans le monde de l’IA, quand le grand public s’en mêle, c’est rarement pour demander gentiment.