3 août 2026.
Présentation générale
Le web scraping, également appelé moissonnage, extraction automatisée ou collecte automatisée de données en ligne, désigne l’utilisation d’un programme informatique pour parcourir des pages, plateformes ou bases accessibles sur internet et en extraire automatiquement certaines informations.
Il peut notamment servir à collecter :
- des textes ;
- des images ;
- des vidéos ;
- des enregistrements sonores ;
- des prix ;
- des coordonnées ;
- des profils professionnels ;
- des publications sur les réseaux sociaux ;
- des décisions de justice ;
- des annonces ;
- des avis de consommateurs ;
- des données scientifiques ;
- des contenus destinés à l’entraînement d’un système d’intelligence artificielle.
Le scraping doit être distingué de l’indexation ordinaire effectuée par un moteur de recherche. Il peut avoir pour objectif non seulement de référencer une page, mais aussi de reproduire, structurer, analyser, réutiliser ou agréger son contenu.
La technique n’est pas, par nature, licite ou illicite. Son régime dépend notamment :
- des informations collectées ;
- de leur caractère personnel ;
- de la présence d’œuvres protégées ;
- de l’existence d’une base de données protégée ;
- des conditions d’accès au site ;
- des mesures techniques contournées ;
- des conditions générales du service ;
- de la finalité de la collecte ;
- de l’existence d’une opposition du titulaire des droits ;
- de la réutilisation ultérieure des données.
Le développement de l’intelligence artificielle générative a placé le web scraping au centre des débats juridiques. Les modèles de grande taille sont souvent entraînés à partir de corpus constitués par l’extraction massive de contenus accessibles en ligne. Or une donnée visible sur internet ne devient pas pour autant librement réutilisable.
En droit français et européen, le scraping se situe au croisement de plusieurs régimes :
- le RGPD et la loi Informatique et Libertés ;
- le droit d’auteur ;
- l’exception de fouille de textes et de données ;
- le droit sui generis des producteurs de bases de données ;
- le droit des contrats ;
- le droit pénal informatique ;
- le secret des affaires ;
- le règlement européen sur l’intelligence artificielle ;
- le droit de la concurrence et de la consommation.
La CNIL indique expressément que le web scraping n’est pas interdit en lui-même par le RGPD. Lorsqu’il porte sur des données personnelles et repose sur l’intérêt légitime, il doit toutefois être accompagné de garanties fortes afin de limiter les atteintes aux droits des personnes.
Points essentiels
- Le web scraping est une technique d’extraction automatisée de données accessibles en ligne.
- L’accessibilité publique d’une donnée n’équivaut pas à une autorisation générale de réutilisation.
- Un contenu public peut rester une donnée personnelle.
- Le RGPD s’applique lorsque les données collectées concernent une personne identifiable.
- L’intérêt légitime peut, dans certaines circonstances, fonder un scraping destiné au développement d’une IA.
- Il exige une analyse de nécessité, une mise en balance et des garanties concrètes.
- Le consentement n’est pas systématiquement requis, mais l’information et le droit d’opposition demeurent importants.
- Le droit d’auteur peut interdire les reproductions nécessaires à l’extraction, sauf licence ou exception applicable.
- L’exception de fouille de textes et de données peut autoriser certaines copies en cas d’accès licite.
- Pour l’exception générale de TDM, le titulaire peut réserver ses droits par un procédé approprié, notamment lisible par machine.
- Le droit sui generis des bases de données peut interdire l’extraction d’une partie substantielle du contenu.
- Des extractions répétées de parties non substantielles peuvent également être problématiques.
- Le contournement d’un dispositif d’authentification ou l’accès frauduleux à un système peut relever du droit pénal.
- Le fichier
robots.txtconstitue un moyen technique d’exprimer des restrictions, mais son effet juridique dépend du contexte et du régime invoqué. - Les fournisseurs de modèles d’IA à usage général doivent adopter une politique de respect du droit d’auteur et publier un résumé suffisamment détaillé des contenus d’entraînement.
- La légalité de la collecte ne suffit pas : la conservation, l’entraînement et les usages ultérieurs doivent également être conformes.
1. Fonctionnement du web scraping
1.1. Étapes techniques
Un processus de scraping comprend généralement :
- l’identification des pages ou interfaces à consulter ;
- l’envoi automatisé de requêtes ;
- le téléchargement du contenu ;
- l’extraction des informations pertinentes ;
- leur nettoyage ;
- leur structuration ;
- leur stockage ;
- leur analyse ou leur réutilisation.
Le programme peut extraire les données directement depuis le code HTML, utiliser une interface de programmation ou reproduire le comportement d’un navigateur.
1.2. Scraping statique et dynamique
Un scraping simple extrait le contenu directement présent dans le code de la page.
Un scraping dynamique peut exécuter des scripts, faire défiler une page, cliquer sur des boutons ou se connecter à un compte. Plus le procédé reproduit activement le comportement d’un utilisateur ou contourne des restrictions, plus son analyse juridique devient sensible.
1.3. Scraping et API
Une API est une interface organisée par le fournisseur du service afin de permettre un accès automatisé selon des conditions déterminées.
Lorsqu’une API existe, son utilisation est souvent plus sûre que le scraping direct, car elle permet de connaître :
- les données autorisées ;
- les limites de requêtes ;
- les licences ;
- les conditions de réutilisation ;
- les mécanismes d’authentification.
L’existence d’une API ne rend toutefois pas nécessairement tout autre moyen d’accès illicite. Elle constitue un élément important du contexte contractuel et technique.
2. Web scraping et données personnelles
2.1. Une donnée publique reste une donnée personnelle
Un nom, une photographie, une publication, une adresse professionnelle ou un commentaire accessible au public peut rester une donnée personnelle dès lors qu’il se rapporte à une personne physique identifiée ou identifiable.
Le scraping peut donc constituer un traitement comprenant :
- la collecte ;
- l’enregistrement ;
- l’organisation ;
- la conservation ;
- l’analyse ;
- le profilage ;
- la communication ;
- la réutilisation.
La circonstance que la personne ait elle-même publié l’information ne supprime pas l’application du RGPD. La réutilisation à grande échelle pour une nouvelle finalité peut être très éloignée du contexte de publication initial.
2.2. Données sensibles
Le scraping peut recueillir directement ou indirectement des informations relatives :
- à la santé ;
- aux opinions politiques ;
- aux convictions religieuses ;
- à l’orientation sexuelle ;
- à l’origine raciale ou ethnique ;
- à l’appartenance syndicale ;
- aux données biométriques.
Le traitement de ces catégories est en principe interdit, sauf exception prévue par l’article 9 du RGPD.
Le fait qu’une personne ait manifestement rendu une donnée publique peut constituer une exception dans certaines circonstances, mais cette notion doit être interprétée avec prudence. La simple accessibilité technique d’une information ne signifie pas nécessairement que la personne a voulu la rendre publique sans limitation.
3. Base juridique au titre du RGPD
3.1. Intérêt légitime
La CNIL considère que l’intérêt légitime peut être une base appropriée pour le développement de certains systèmes d’IA, y compris lorsque les données d’entraînement sont collectées par scraping. Cette possibilité n’est ni automatique ni générale.
Le responsable doit effectuer un examen en trois étapes :
- identifier un intérêt légitime réel et licite ;
- vérifier que le traitement est nécessaire pour atteindre cet objectif ;
- mettre cet intérêt en balance avec les droits, libertés et attentes raisonnables des personnes.
L’analyse peut notamment tenir compte :
- de la nature du site ;
- des paramètres de confidentialité ;
- de la sensibilité des informations ;
- de l’âge des personnes ;
- de la finalité initiale de publication ;
- du volume collecté ;
- des possibilités de réidentification ;
- des conséquences du futur système ;
- des mécanismes d’opposition disponibles.
3.2. Garanties attendues
La CNIL recommande notamment, selon les situations :
- d’exclure les sources susceptibles de contenir des données particulièrement sensibles ;
- d’éviter les espaces dont l’accès suppose une authentification ;
- d’exclure les contenus relatifs aux mineurs lorsque cela est possible ;
- de filtrer les données inutiles ;
- de limiter la durée de conservation ;
- de mettre en place une information renforcée ;
- de faciliter le droit d’opposition ;
- de respecter les dispositifs permettant aux sites d’exprimer leur opposition ;
- de documenter la provenance des données.
3.3. Consentement
Le consentement peut parfois être utilisé, mais il est difficile à recueillir lorsque des millions de personnes sont concernées et que les données sont collectées indirectement.
Son caractère impraticable ne dispense toutefois pas de choisir une autre base juridique valide.
3.4. Autres bases
Selon le projet, le traitement peut également reposer sur :
- une mission d’intérêt public ;
- une obligation légale ;
- l’exécution d’un contrat ;
- la recherche scientifique, sous les conditions applicables.
4. Information des personnes
4.1. Collecte indirecte
Lorsque les données ne sont pas recueillies directement auprès de la personne, l’article 14 du RGPD impose en principe de l’informer notamment :
- de l’identité du responsable ;
- des finalités ;
- de la base juridique ;
- des catégories de données ;
- de leur origine ;
- des destinataires ;
- des durées de conservation ;
- de ses droits.
4.2. Efforts disproportionnés
Dans les collectes massives, l’information individuelle peut être difficile.
Le RGPD prévoit une exception lorsque l’information se révèle impossible ou exigerait des efforts disproportionnés, notamment dans certains contextes de recherche. Cette exception doit être strictement justifiée et accompagnée de mesures appropriées, par exemple :
- une information publique clairement accessible ;
- un portail consacré aux données d’entraînement ;
- un mécanisme d’opposition simple ;
- la publication des principales sources ;
- une documentation des catégories collectées.
Une politique de confidentialité générale et difficile à trouver ne constitue pas nécessairement une mesure suffisante.
5. Droits des personnes
Les personnes peuvent, selon les conditions du RGPD, exercer :
- un droit d’accès ;
- un droit de rectification ;
- un droit d’opposition ;
- un droit à l’effacement ;
- un droit à la limitation ;
- un droit relatif aux décisions automatisées.
L’exercice de ces droits est difficile lorsque le responsable ne connaît pas l’identité de chaque personne ou lorsque les données ont été incorporées à un modèle.
Cette complexité technique ne supprime pas les droits. Le système doit être conçu de manière à permettre, autant que raisonnablement possible :
- de retrouver les données sources ;
- de les retirer des futurs corpus ;
- de désindexer certaines informations ;
- de filtrer certaines sorties ;
- de traiter les demandes d’opposition.
6. Lignes directrices européennes de 2026
Le Comité européen de la protection des données a adopté, le 7 juillet 2026, les lignes directrices 03/2026 sur le web scraping dans le contexte de l’IA générative. Au 3 août 2026, elles sont encore soumises à consultation publique jusqu’au 30 octobre 2026 : il s’agit donc d’une version initiale, non d’un texte définitivement stabilisé.
Elles examinent notamment :
- la qualification des acteurs ;
- la licéité du traitement ;
- l’exactitude des données ;
- la minimisation ;
- la transparence ;
- les droits des personnes ;
- les mesures de sécurité ;
- les risques spécifiques des modèles génératifs.
Le CEPD recommande notamment de privilégier des sources fiables, d’enregistrer la date de collecte et de vérifier les données avant leur utilisation pour l’entraînement, afin de limiter la propagation d’informations obsolètes ou inexactes.
7. Droit d’auteur et fouille de textes et de données
7.1. Principe
Le web scraping peut impliquer la reproduction temporaire ou permanente d’œuvres protégées :
- articles ;
- photographies ;
- livres ;
- musiques ;
- vidéos ;
- logiciels ;
- illustrations.
Une reproduction relevant du monopole de l’auteur nécessite en principe une autorisation, sauf exception applicable.
7.2. Définition du TDM
La fouille de textes et de données, ou Text and Data Mining, est une technique d’analyse automatisée destinée à dégager des informations telles que des constantes, tendances ou corrélations.
En droit français, elle est définie à l’article L. 122-5-3 du Code de la propriété intellectuelle.
7.3. Exception de recherche scientifique
Les organismes de recherche et certaines institutions culturelles peuvent réaliser des copies d’œuvres auxquelles ils ont licitement accès pour des fouilles menées à des fins de recherche scientifique, sous les conditions prévues par le texte.
Cette exception ne peut pas être neutralisée par une simple réserve de droits du titulaire.
Les copies peuvent être conservées à des fins de recherche et de vérification des résultats, avec un niveau de sécurité approprié.
7.4. Exception générale
Toute personne peut également réaliser des copies ou reproductions en vue d’une fouille, quelle que soit sa finalité, lorsque :
- l’accès au contenu est licite ;
- le titulaire ne s’est pas opposé de manière appropriée.
Pour les contenus mis à disposition du public en ligne, l’opposition peut notamment être exprimée au moyen de procédés lisibles par machine. Les copies doivent être sécurisées et détruites à l’issue de la fouille.
7.5. Scraping et TDM ne sont pas synonymes
Le scraping est une technique de collecte.
Le TDM est une finalité d’analyse automatisée bénéficiant, sous certaines conditions, d’exceptions au droit d’auteur.
Un scraping destiné à republier des articles, constituer un service concurrent ou reproduire une base ne relève pas nécessairement d’une fouille de textes et de données.
Source Dabo Tibi Ius
Fiche – Exception de fouille de textes et de données (TDM)
https://dabotibius.ai/exception-fouille-textes-donnees-tdm/
8. Opposition des titulaires et robots.txt
8.1. Réservation des droits
Dans le cadre de l’exception générale de TDM, le titulaire peut s’opposer à l’utilisation de ses contenus.
Pour les contenus accessibles en ligne, cette opposition doit pouvoir être exprimée d’une manière appropriée, notamment par un procédé lisible par machine.
8.2. Fichier robots.txt
Le fichier robots.txt permet à l’éditeur d’un site d’indiquer aux robots automatisés les chemins dont l’accès est autorisé ou interdit. Il s’agit à l’origine d’un protocole destiné aux moteurs d’indexation.
Sa portée doit être appréciée avec nuance :
- il constitue un signal technique pertinent ;
- il peut participer à l’expression d’une opposition ;
- il ne constitue pas nécessairement, à lui seul, une mesure de sécurité empêchant matériellement l’accès ;
- il ne résout pas automatiquement toutes les questions de droit d’auteur, de RGPD ou de contrat.
D’autres dispositifs peuvent être utilisés :
- métadonnées ;
- balises spécifiques ;
- conditions de licence ;
- protocoles de réservation ;
- limitations d’API ;
- authentification.
9. Protection des bases de données
9.1. Droit sui generis
Le producteur d’une base ayant réalisé un investissement substantiel peut interdire :
- l’extraction de la totalité ou d’une partie substantielle de son contenu ;
- la réutilisation de la totalité ou d’une partie substantielle.
Cette protection est prévue à l’article L. 342-1 du Code de la propriété intellectuelle.
9.2. Parties non substantielles
L’utilisateur ayant licitement accès à une base peut en principe extraire une partie non substantielle.
Toutefois, des extractions répétées et systématiques de parties non substantielles peuvent porter atteinte aux intérêts du producteur lorsqu’elles reviennent à reconstituer ou exploiter substantiellement la base.
9.3. Exception TDM
Le Code prévoit également une exception applicable à certaines extractions de bases en vue d’une fouille de textes et de données dans les conditions de l’article L. 122-5-3.
Source Dabo Tibi Ius
L’efficacité judiciaire de la protection des bases de données : l’affaire Le Bon Coin c/ Jinka
https://dabotibius.ai/lefficacite-judiciaire-de-la-protection-des-bases-de-donnees-laffaire-le-bon-coin-c-jinka/
10. Conditions générales et droit des contrats
Un site peut interdire ou limiter l’extraction automatisée dans ses conditions générales.
La portée de ces clauses dépend notamment :
- de leur opposabilité ;
- de l’acceptation par l’utilisateur ;
- de la présence d’un compte ;
- de la clarté de l’interdiction ;
- du droit applicable ;
- des règles impératives, notamment les exceptions légales.
L’exception de TDM pour la recherche scientifique bénéficie d’une protection particulière. Une stipulation contractuelle contraire ne peut pas nécessairement la neutraliser.
Pour les autres usages, une violation contractuelle peut engager la responsabilité, même lorsque l’accès technique à la page était matériellement possible.
11. Accès frauduleux et contournement technique
Le scraping devient particulièrement risqué lorsqu’il suppose :
- l’utilisation d’identifiants obtenus illicitement ;
- le contournement d’une authentification ;
- la neutralisation d’une protection ;
- l’accès à une partie non publique ;
- l’extraction frauduleuse de données depuis un système.
L’article 323-1 du Code pénal sanctionne l’accès ou le maintien frauduleux dans un système de traitement automatisé de données.
L’article 323-3 sanctionne notamment l’extraction, la détention, la reproduction ou la transmission frauduleuse des données contenues dans un tel système.
Il convient donc de distinguer :
- une requête sur une page librement accessible ;
- le non-respect d’une préférence déclarative ;
- le contournement d’un obstacle technique ;
- l’accès frauduleux à une zone protégée.
Ces situations ne relèvent pas du même niveau de risque pénal.
12. Scraping et règlement européen sur l’intelligence artificielle
12.1. Modèles d’IA à usage général
L’article 53 du RIA impose aux fournisseurs de modèles d’IA à usage général :
- d’adopter une politique de respect du droit d’auteur de l’Union ;
- d’identifier et de respecter les réservations de droits exprimées conformément à la directive 2019/790 ;
- de publier un résumé suffisamment détaillé des contenus utilisés pour l’entraînement.
Ces obligations ne créent pas une nouvelle autorisation de scraping. Elles s’ajoutent aux règles déjà applicables.
12.2. Documentation des sources
La documentation des corpus devient essentielle pour démontrer :
- l’origine des contenus ;
- la date de collecte ;
- la licence ;
- la présence d’une opposition ;
- la catégorie de données ;
- les traitements réalisés ;
- les mesures de suppression ou d’opposition.
13. Risques spécifiques pour les personnes
Le scraping massif peut produire plusieurs effets.
Perte de contexte
Une publication destinée à un cercle précis peut être réutilisée dans un corpus mondial.
Réidentification
Des données isolées peuvent être rapprochées pour identifier une personne.
Profilage
Le système peut déduire :
- une opinion ;
- une vulnérabilité ;
- une situation financière ;
- un état de santé ;
- une préférence.
Données obsolètes
Une information ancienne peut être maintenue dans le modèle et présentée comme actuelle.
Exposition des mineurs
Des photographies, commentaires ou profils de mineurs peuvent être collectés sans qu’ils comprennent les futurs usages.
Mémorisation
Un modèle peut reproduire certains éléments rares de son corpus d’entraînement.
14. Bonnes pratiques pour le responsable du scraping
Avant la collecte
- Définir précisément la finalité.
- Identifier les catégories de données.
- Vérifier les droits d’auteur et les licences.
- Vérifier les réservations de TDM.
- Examiner les conditions générales.
- Exclure les espaces protégés.
- Réaliser l’analyse d’intérêt légitime.
- Déterminer si une AIPD est nécessaire.
Pendant la collecte
- Limiter le nombre de pages et de champs.
- Respecter les restrictions techniques pertinentes.
- Éviter les données sensibles.
- Ne pas contourner les mécanismes d’accès.
- Conserver la provenance et la date.
- Limiter la fréquence des requêtes.
- Sécuriser les copies.
Après la collecte
- Nettoyer et dédupliquer.
- Vérifier l’exactitude.
- Supprimer les informations inutiles.
- Organiser l’information des personnes.
- Prévoir un mécanisme d’opposition.
- Traiter les demandes d’effacement.
- Détruire les copies lorsqu’une exception le requiert.
- Documenter l’utilisation dans l’entraînement.
Acteurs
Éditeur du site
Il détermine les conditions d’accès, les licences, les mesures techniques et les oppositions.
Titulaires de droits
Auteurs, photographes, éditeurs, producteurs et titulaires de droits voisins peuvent s’opposer à certains usages.
Producteur de base de données
Il peut bénéficier du droit sui generis lorsque les conditions d’investissement substantiel sont réunies.
Responsable du traitement
Il détermine les finalités et moyens de la collecte de données personnelles.
Fournisseur d’IA
Il constitue ou acquiert le corpus et doit documenter sa provenance et sa conformité.
CNIL
Elle contrôle les traitements de données personnelles associés au scraping.
Autorités de surveillance du RIA
Elles contrôlent les obligations applicables aux fournisseurs de modèles et systèmes d’IA.
Débats actuels
Une donnée publique est-elle libre ?
Non. Une donnée peut être accessible publiquement tout en restant protégée par le RGPD, le droit d’auteur, le droit des bases ou un contrat.
Le web scraping est-il interdit par le RGPD ?
Non. La CNIL admet qu’il peut être fondé sur l’intérêt légitime, sous réserve d’une analyse et de garanties fortes.
Le fichier robots.txt vaut-il interdiction juridique ?
Il constitue un signal technique important, mais son effet dépend du contexte. Il peut contribuer à exprimer une opposition au TDM, sans résoudre à lui seul tous les régimes applicables.
L’exception de TDM autorise-t-elle tout entraînement ?
Non. Elle suppose notamment un accès licite et, pour l’exception générale, l’absence d’opposition appropriée.
Peut-on entraîner une IA sur des profils publics ?
Cela peut être envisageable dans certaines conditions, mais une analyse RGPD complète reste nécessaire, notamment sur les attentes raisonnables, la sensibilité, l’information et l’opposition.
Peut-on contourner un blocage anti-robot ?
Le contournement augmente fortement le risque contractuel, civil et éventuellement pénal, notamment lorsque le procédé permet d’accéder à une partie protégée du système.
Actualité récente
Le 8 juillet 2026, le Comité européen de la protection des données a publié les lignes directrices 03/2026 sur le web scraping dans le contexte de l’IA générative. Elles sont soumises à consultation jusqu’au 30 octobre 2026 et ne constituent donc pas encore une version définitive.
La CNIL avait auparavant consacré plusieurs recommandations et un webinaire au recours à l’intérêt légitime pour les systèmes d’IA utilisant des données collectées par scraping.
Ressources essentielles
Base documentaire Dabo Tibi Ius
Revoir le webinaire – Développement d’un système IA, webscraping : comment mobiliser la base légale de l’intérêt légitime ?
Exception de fouille de textes et de données (TDM)
Droit d’auteur et œuvres générées par l’intelligence artificielle
IA et données personnelles : RGPD, AI Act et enjeux juridiques
Jeu de données juridique et intelligence artificielle
Modèles d’IA à usage général
L’efficacité judiciaire de la protection des bases de données : l’affaire Le Bon Coin c/ Jinka
CNIL
Mesures en cas de collecte par moissonnage
Intérêt légitime et développement d’un système d’IA
Recommandations sur le développement des systèmes d’IA
Webinaire sur le web scraping et l’intérêt légitime
Prévenir l’extraction automatisée au moyen de méthodes déclaratives
Comité européen de la protection des données
Lignes directrices 03/2026 sur le web scraping dans le contexte de l’IA générative
Droit d’auteur et bases de données
Article L. 122-5-3 du Code de la propriété intellectuelle
Article L. 342-1 du Code de la propriété intellectuelle
Article L. 342-3 du Code de la propriété intellectuelle
Directive (UE) 2019/790
Droit pénal informatique
Article 323-1 du Code pénal
Article 323-3 du Code pénal
Intelligence artificielle
Règlement (UE) 2024/1689
FAQ
Qu’est-ce que le web scraping ?
Une technique permettant d’extraire automatiquement des informations présentes sur des sites, plateformes ou bases accessibles en ligne.
Le web scraping est-il légal ?
Il peut l’être. La réponse dépend des données, des droits attachés au contenu, des conditions d’accès, de la finalité et des moyens utilisés.
Une donnée publique peut-elle être librement collectée ?
Non. Elle peut rester une donnée personnelle ou être protégée par le droit d’auteur, le droit des bases ou un contrat.
Le consentement est-il toujours nécessaire ?
Non. L’intérêt légitime peut constituer une base juridique pour certains traitements, à condition de respecter les exigences du RGPD.
Peut-on scraper des données sensibles ?
Leur traitement est en principe interdit, sauf exception spécifique. Leur collecte massive présente un risque particulièrement élevé.
Qu’est-ce que l’exception TDM ?
Une exception permettant, sous conditions, de réaliser certaines copies ou extractions nécessaires à une analyse automatisée de textes et de données.
Peut-on s’opposer à la fouille de ses contenus ?
Oui, pour l’exception générale, au moyen d’une opposition appropriée, notamment lisible par machine lorsque le contenu est disponible en ligne.
robots.txt suffit-il ?
Il constitue un signal utile, mais sa portée exacte dépend du régime juridique, de sa formulation et des autres mesures mises en place.
Peut-on scraper une base de données ?
L’extraction d’une partie substantielle peut être interdite par le producteur de la base. Une extraction limitée peut aussi devenir illicite lorsqu’elle est répétée et systématique.
Peut-on contourner un système anti-bot ?
Cette pratique est juridiquement risquée. Elle peut constituer un manquement contractuel et, dans certaines situations, un accès ou une extraction frauduleuse.
Le RIA autorise-t-il le scraping pour entraîner une IA ?
Non. Le RIA impose notamment des obligations de respect du droit d’auteur et de transparence, mais ne crée pas une autorisation générale de collecte.
Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir de la base documentaire et de sources juridiques complémentaires lorsque cela était nécessaire. Elle constitue une synthèse documentaire et ne remplace pas un avis juridique.
Résumé pédagogique
Définition
Le web scraping est une technique permettant d’extraire automatiquement des données présentes sur des sites ou plateformes. Il est notamment utilisé pour comparer des prix, alimenter des moteurs de recherche ou constituer des corpus d’entraînement pour des systèmes d’intelligence artificielle.
Exemple
Une entreprise collecte automatiquement des milliers de profils professionnels publics afin d’entraîner un outil de recrutement. Même si ces profils sont visibles en ligne, elle doit déterminer une base juridique, limiter les données collectées, informer les personnes, respecter leurs droits et éviter les informations sensibles. Elle doit également vérifier les conditions d’accès du site et les droits portant sur sa base.
Problématique juridique
La difficulté tient au fait que l’accessibilité technique ne signifie pas libre réutilisation. Un même scraping peut simultanément traiter des données personnelles, reproduire des œuvres, extraire une base protégée et méconnaître les conditions du service. Le contournement de restrictions techniques augmente encore les risques.
Cadre légal
Le RGPD s’applique aux données personnelles collectées. L’intérêt légitime peut fonder certains projets sous réserve de garanties fortes. Le Code de la propriété intellectuelle organise les exceptions de fouille de textes et de données et la protection des bases. Le Code pénal sanctionne les accès et extractions frauduleux. Le RIA impose en complément aux fournisseurs de modèles d’IA à usage général une politique de respect du droit d’auteur et une transparence sur les contenus d’entraînement.
Fiches Dabo Tibi Ius associées :