À qui appartiennent les poids ? Le piège des licences en fine-tuning LLM

« C'est de l'open source, on peut tout faire. » Cette phrase, fréquente en réunion de cadrage, est juridiquement fausse. Les grands modèles dits ouverts ne sont pas sous licence libre au sens classique : ils sont sous licences propriétaires permissives mais conditionnées.

Quelques exemples concrets que tout ingénieur fine-tuning devrait connaître :

• Llama : licence communautaire imposant des conditions au-delà d'un certain seuil d'utilisateurs et interdisant certains usages. Elle régit aussi ce que vous pouvez faire des sorties.
• Gemma : politique d'usage prohibé attachée, opposable au modèle dérivé.
• Mistral : selon les modèles, licence Apache 2.0 (très permissive) ou licences de recherche non commerciales. La confusion entre les deux est une source classique de litige.

Fine-tuner un modèle ne crée pas une œuvre vierge de droits : les conditions du modèle de base se propagent au dérivé. Si le client compte commercialiser à grande échelle un fine-tune basé sur un modèle à usage de recherche uniquement, vous lui livrez une bombe à retardement.

Le second piège est le corpus d'entraînement. Trois statuts à risque reviennent en mission :

1. Données scrapées sur le web sans vérification des conditions d'utilisation des sites sources.
2. Datasets publics sous licence non commerciale (très fréquent sur les plateformes de partage), utilisés par erreur pour un produit commercial.
3. Sorties générées par un modèle tiers dont les conditions interdisent d'entraîner un modèle concurrent.

Ce dernier point est sous-estimé. Générer un dataset synthétique avec un LLM commercial, puis fine-tuner un modèle dessus, peut violer les conditions d'utilisation du fournisseur. Le modèle dérivé devient juridiquement contaminé : il porte une dette de licence invisible jusqu'au jour du contrôle ou du litige.

Un modèle n'est jamais plus propre que le moins libre de ses ingrédients : modèle de base, dataset et outils de génération inclus.

Vient ensuite la question que peu de contrats freelance tranchent clairement : qui détient les poids du modèle fine-tuné ? L'ingénieur qui les a produits ? Le client qui a payé ? Le silence contractuel est la pire des situations.

Le scénario conflictuel classique : vous livrez un modèle, la collaboration s'arrête, et le client estime détenir l'intégralité des poids et du savoir-faire associé. Vous, vous pensiez conserver le droit de réutiliser votre pipeline et certains composants. Faute de clause, le différend se règle au tribunal.

Une bonne mission précise par écrit :

• la cession ou la licence des poids fine-tunés et leur périmètre d'usage ;
• le sort des données dérivées (datasets nettoyés, jeux de tests) ;
• le droit de l'ingénieur à réutiliser ses outils et méthodes génériques ;
• les garanties de licence que vous donnez (ou refusez de donner) sur le modèle de base et le dataset.

L'erreur de l'ingénieur est de garantir trop. Un contrat où vous certifiez que « le modèle est libre de tout droit de tiers » vous expose pleinement si une licence cachée resurgit. La rédaction prudente consiste à :

1. Documenter l'origine du modèle de base et de chaque source du dataset, avec la licence applicable.
2. Transférer au client la responsabilité des données qu'il fournit : c'est lui qui garantit avoir le droit de les utiliser.
3. Limiter vos garanties à ce que vous maîtrisez réellement, et alerter par écrit sur les usages à risque.
4. Plafonner votre responsabilité contractuelle à un montant raisonnable.

Même avec ces précautions, le risque zéro n'existe pas. Une licence évolue, un ayant droit se manifeste, un usage dérive. C'est exactement le rôle de l'assurance : couvrir l'atteinte involontaire à la propriété intellectuelle de tiers.

Quand un tiers vous reproche d'avoir porté atteinte à ses droits via un modèle dérivé, la RC Pro adaptée aux métiers de l'IA intervient sur deux fronts. D'abord les frais de défense et la protection juridique, souvent le poste le plus lourd dans un contentieux de propriété intellectuelle qui s'éternise. Ensuite l'indemnisation du préjudice au titre de l'atteinte involontaire aux droits de tiers.

Si le litige concerne par ailleurs des données personnelles présentes dans le dataset litigieux, l'option Cyber complète le dispositif sur le volet violation de données. Et si vous travaillez sur du matériel et des serveurs GPU dédiés, pensez à sécuriser aussi votre parc informatique.

Pour un tarif calé sur votre activité réelle, consultez la page ingénieur fine-tuning LLM. La bonne assurance ne remplace pas un contrat bien rédigé : elle prend le relais quand le contrat, malgré tout, ne suffit pas.