- ▸ Ce que le piratage révèle sur le périmètre réel du scrapage
- ▸ L'aveu de Suno et l'accusation de contournement portée par la RIAA
- ▸ Bright Data, versions a cappella : la mécanique de collecte à nu
- ▸ Ce que la fuite change pour les créateurs et les plateformes
Un incident de piratage a mis au jour les coulisses de l’entraînement de Suno. Selon les documents analysés par 404 Media et rapportés par The Verge le 15 juillet 2026, le générateur musical a aspiré des millions de morceaux et de paroles sur YouTube Music, Deezer et Genius. Un seul fichier documente 2 013 545 clips YouTube Music consommés. L’entreprise, déjà poursuivie par la RIAA, n’avait jamais révélé le contenu de ses jeux de données.
Ce qu’il faut retenir – Des données volées lors d’un piratage exposent le périmètre réel du scrapage effectué par Suno pour entraîner son IA musicale. – Un fichier interne recense 2 013 545 clips YouTube Music ingérés à la date de sa dernière mise à jour. – La RIAA accuse Suno d’avoir contourné illégalement les protections de YouTube par « stream ripping ». – Le code fuité montre le recours au prestataire Bright Data et la recherche ciblée de versions a cappella pour isoler les voix. – Suno invoque le fair use (usage équitable) américain pour justifier l’entraînement sur des œuvres protégées.
Ce que le piratage révèle sur le périmètre réel du scrapage
Jusqu’ici, Suno gardait le silence sur la provenance de ses données d’entraînement. La fuite change la nature du débat : on ne discute plus d’hypothèses, mais de fichiers. D’après The Verge, qui relaie l’enquête de 404 Media, les données obtenues lors du piratage montrent que le générateur a été entraîné en aspirant des millions de chansons et de paroles depuis des plateformes audio en ligne, dont YouTube Music, Deezer et Genius.
Le chiffre le plus parlant tient dans un seul document. Un fichier dédié à YouTube Music indique que Suno avait consommé 2 013 545 clips issus de ce service au moment de sa dernière mise à jour. Ce nombre n’est pas une estimation extérieure ni une projection d’analyste : il provient des propres registres de l’entreprise. Deux millions de clips pour une seule plateforme, alors que l’inventaire complet inclut au moins six autres sources.
Cette précision compte. Suno a toujours évité de dire ce que contenaient ses jeux de données et comment ils avaient été constitués. La fuite offre un rare aperçu de ce que l’entreprise a réellement prélevé sur les plateformes en ligne. Là où une communication d’entreprise parle de « fichiers musicaux accessibles au public », les registres internes chiffrent, datent et nomment les sources.
Interrogée, l’entreprise n’a pas nié le principe. Un porte-parole a livré une réponse qui recadre la pratique dans un vocabulaire juridique choisi :
« As we have stated in public filings and disclosures, Suno’s AI models have been trained on publicly available music files and related metadata accessible on third-party websites on the open Internet. »
Traduction : les modèles ont été entraînés sur des fichiers musicaux « accessibles au public » et leurs métadonnées, présents sur des sites tiers de l’Internet ouvert. La formulation déplace la question. « Accessible au public » ne veut pas dire « libre de droits ». Un morceau écoutable gratuitement sur YouTube reste une œuvre protégée par le droit d’auteur. C’est exactement le point de friction juridique.
L’aveu de Suno et l’accusation de contournement portée par la RIAA
Le contentieux n’est pas nouveau, mais la fuite lui donne un relief inédit. Dans une affaire notable engagée par la Recording Industry Association of America (RIAA) — l’organisation qui représente les maisons de disques américaines —, Suno a ouvertement reconnu entraîner ses modèles sur des œuvres protégées. Son argument : l’entraînement sur des contenus sous droits et des fichiers musicaux publiquement disponibles relève du fair use.
Pour comprendre — le fair use Le fair use (usage équitable) est une doctrine du droit américain qui autorise, sous conditions, l’usage d’une œuvre protégée sans l’accord de l’ayant droit. Les juges pèsent notamment la finalité de l’usage, sa nature transformative et son effet sur le marché de l’œuvre originale. C’est le socle de défense des entreprises d’IA générative outre-Atlantique. Aucune règle équivalente n’existe en droit français, qui raisonne par exceptions limitativement énumérées.
L’aveu est stratégique. Suno ne conteste pas avoir utilisé des œuvres protégées ; il conteste que cet usage soit illicite. Le débat se déplace donc du fait vers sa qualification juridique. Et c’est précisément là que la RIAA a durci sa position.
Un amendement déposé l’an dernier par la RIAA accuse Suno d’avoir contourné illégalement les protections de droit d’auteur de YouTube, en pratiquant délibérément le « stream ripping » de morceaux depuis la plateforme.
Pour comprendre — le « stream ripping » Le « stream ripping » consiste à télécharger ou extraire le flux audio directement depuis un service de streaming comme YouTube, en contournant les mécanismes techniques que la plateforme oppose au téléchargement. Aux États-Unis, contourner une mesure de protection technique tombe sous le coup du Digital Millennium Copyright Act (DMCA). En droit européen, la directive 2001/29/CE protège de la même façon les mesures techniques de protection.
Cette accusation change la portée du reproche. Un débat sur le fair use porte sur la finalité de l’entraînement. Une accusation de contournement porte sur la méthode d’acquisition. Même si un tribunal jugeait l’entraînement couvert par l’usage équitable, le fait de forcer les protections techniques de YouTube constituerait une infraction distincte. Deux fronts juridiques, deux régimes de responsabilité.
Bright Data, versions a cappella : la mécanique de collecte à nu
Le matériel fuité ne se limite pas à des registres de volumes. Il documente la méthode. Les données comprennent du code source de Suno daté de 2023 et 2024, accompagné d’instructions de scrapage destinées à extraire des fichiers audio depuis sept plateformes : YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound et l’International Music Score Library Project (IMSLP).
Cet éventail dessine une stratégie d’approvisionnement diversifiée. On y trouve des services commerciaux grand public (YouTube Music, Deezer), une plateforme de paroles (Genius), des banques de sons sous licence (Pond5, Freesound), un catalogue de musique libre (Jamendo) et une bibliothèque de partitions du domaine public (IMSLP). Chaque source répond à un besoin d’entraînement précis : de l’audio brut aux métadonnées textuelles, en passant par les partitions.
Le détail technique le plus révélateur concerne YouTube. Selon le code fuité, Suno aurait eu recours à une société tierce, Bright Data, pour aspirer de la musique depuis la plateforme. Bright Data est un fournisseur spécialisé dans l’extraction de données à grande échelle, souvent via des réseaux de proxys résidentiels qui rendent le scrapage difficile à bloquer. Recourir à un prestataire externe pour cette tâche suggère une opération industrialisée, pas un prélèvement artisanal.
Autre indice repéré dans le code : Suno aurait recherché des versions a cappella de morceaux sur la plateforme, afin d’obtenir de l’audio contenant uniquement les voix. Cette recherche ciblée n’a rien d’anodin sur le plan technique. Isoler des pistes vocales pures permet d’entraîner un modèle à reproduire le timbre, le phrasé et les inflexions d’un chant sans interférence instrumentale. Pour un générateur qui prétend fabriquer des chansons complètes, disposer de voix isolées est un actif d’entraînement de première valeur.
Notre lecture : cette granularité méthodologique affaiblit l’argument de la collecte passive. Chercher spécifiquement des a cappella, contractualiser avec un scrapeur professionnel, cibler sept sources distinctes — l’ensemble décrit une démarche délibérée et outillée, non une simple indexation de contenus « qui traînaient » en ligne. Le fossé se creuse entre le discours corporate sur des fichiers « accessibles au public » et la réalité d’une chaîne d’acquisition organisée.
Ce que la fuite change pour les créateurs et les plateformes
Pour les ayants droit, l’intérêt de cette fuite est probatoire. Suno a systématiquement évité de révéler le contenu de ses jeux de données d’entraînement et leur mode d’acquisition. Les plaignants se battaient donc largement à l’aveugle, contraints de déduire les pratiques à partir des sorties du modèle. Des registres internes nommant les plateformes et chiffrant les volumes déplacent le rapport de force : la preuve documentaire remplace la présomption.
Pour les plateformes sources, la situation est plus ambiguë. YouTube, Deezer ou Genius sont ici présentées comme des victimes du contournement plutôt que comme des parties consentantes. L’accusation de « stream ripping » vise précisément le franchissement de leurs protections. Ces plateformes disposent de leurs propres recours, distincts de ceux des maisons de disques, sur le terrain de la violation de leurs conditions d’utilisation et de leurs mesures techniques.
Un point mérite la nuance. Toutes les sources listées ne se valent pas juridiquement. Aspirer l’IMSLP, qui héberge des partitions du domaine public, ou Jamendo, dont une partie du catalogue est sous licence libre, ne soulève pas les mêmes questions que le stream ripping de YouTube Music. La défense de Suno pourra jouer sur cette hétérogénéité pour diluer la portée globale du reproche. Les plaignants, à l’inverse, ont intérêt à concentrer le débat sur les sources commerciales protégées.
Reste la question du signal envoyé au secteur. Suno n’est pas un cas isolé : l’industrie de l’IA générative s’est largement construite sur l’ingestion massive de contenus en ligne, souvent sans autorisation préalable. La singularité de cette affaire tient à la matérialité de la preuve. D’ordinaire, les entreprises retranchent leurs méthodes derrière le secret des affaires. Un piratage a percé ce secret. La leçon opérationnelle est brutale : ce qu’une entreprise refuse de divulguer volontairement peut finir exposé involontairement, avec un contrôle nul sur le contexte de publication.
Les questions juridiques que soulève l’affaire
L’entraînement d’une IA sur de la musique protégée est-il légal ?
La réponse dépend de la juridiction. Suno invoque le fair use américain, doctrine qui autorise certains usages transformatifs sans accord préalable. La RIAA conteste cette qualification et ajoute un grief distinct de contournement des protections techniques. Aucun jugement définitif n’a tranché à ce jour, selon les sources disponibles. En droit européen, l’absence de fair use rend la défense nettement plus étroite.
Que reproche exactement la RIAA à Suno ?
Deux choses. D’abord, l’entraînement sur des œuvres protégées sans licence, que Suno admet mais estime couvert par l’usage équitable. Ensuite, et c’est le grief ajouté par l’amendement, le contournement délibéré des protections de YouTube via le « stream ripping », soit l’extraction du flux audio en forçant les barrières techniques de la plateforme. Ce second reproche vise la méthode d’acquisition, pas la finalité.
Les prochaines échéances à surveiller
À retenir – 2 013 545 clips YouTube Music consommés selon un seul fichier interne : la première preuve chiffrée et datée du périmètre d’entraînement de Suno. – 7 plateformes ciblées (YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound, IMSLP) via des instructions de scrapage retrouvées dans le code source 2023-2024. – 2 fronts juridiques distincts : le fair use sur la finalité de l’entraînement, le contournement technique sur la méthode d’acquisition.
À suivre. Le calendrier procédural de l’action RIAA reste le marqueur décisif. La question centrale des prochains mois : les registres internes exposés par la fuite seront-ils admis comme éléments de preuve, et l’accusation de « stream ripping » prospérera-t-elle indépendamment du débat sur l’usage équitable ? D’ici la fin de l’année, la réaction des plateformes sources — YouTube en tête — dira si elles ouvrent leur propre contentieux. Une décision qui reconnaîtrait le contournement technique, même sans invalider le fair use, créerait un précédent lourd pour tout l’entraînement d’IA génératives sur des contenus streamés.
