Wanneer is AI-training in strijd met de driestappentoets in het auteursrecht?

Generatieve AI-systemen worden ‘getraind’ door enorme hoeveelheden data te analyseren. Uit deze data, die vaak bestaat uit door het auteursrecht beschermd materiaal, leert de AI patronen en stijlen om zelf nieuwe, unieke content te kunnen creëren. Volgens de Europese wetgeving, zoals de DSM-Richtlijn is dit onder bepaalde voorwaarden toegestaan via een uitzondering voor Text and Data Mining (TDM). Deze mogelijkheid werd in het Belgisch Wetboek van Economisch Recht (WER) ingevoerd door middel van twee uitzonderingen: één voor onderzoeksorganisaties voor wetenschappelijk onderzoek (art. XI.191/1, 7° WER) en een voor iedereen voor alle andere doeleinden (art. XI.190, 20° WER). Onder deze tweede uitzondering is TDM voor commerciële doeleinden toegestaan, zoals het trainen van commerciële AI-modellen. Wel hebben auteurs en andere rechthebbenden onder deze tweede uitzondering een opt-out mogelijkheid en dus de mogelijkheid om zich hiertegen te verzetten. Los daarvan stelt zich de vraag of het gebruik van de twee TDM-uitzonderingen voor AI-training al dan niet in overeenstemming is met de driestappentoets?.

De driestappentoets

Elke uitzondering op het auteursrecht, inclusief die voor TDM, moet voldoen aan de zogenaamde driestappentoets. Deze test is een hoeksteen van het internationaal auteursrecht, terug te vinden in de Berner Conventie, het TRIPS-verdrag en diverse EU-richtlijnen en staat ook te lezen in artikel XI.192/3 WER. De test stelt dat een uitzondering enkel geldig is als aan drie cumulatieve voorwaarden is voldaan:

1. Het moet slechts bepaalde, bijzondere gevallen betreffen.
2. Het mag geen afbreuk doen aan de normale exploitatie van het werk.
3. Het mag de wettige belangen van de auteur niet onredelijk schaden.

De discussie over AI-training spitst zich vooral toe op de tweede stap. Volgens een invloedrijke interpretatie door een WTO Panel in 2000 moeten “alle vormen van exploitatie van een werk die een aanzienlijk economisch of praktisch belang hebben, of waarschijnlijk zullen krijgen,” voorbehouden blijven aan de auteurs. De vraag is dus of TDM voor AI-training zo’n vorm van exploitatie is.

Juridische analyse en duiding: een tweeledige benadering

Om de impact van AI-training te beoordelen, moeten we een essentieel onderscheid maken tussen de input (het trainen van de AI met bestaande werken) en de output (de door de AI nieuw gegenereerde content).

De input

Op het eerste gezicht lijkt het logisch: als AI-ontwikkelaars werken gebruiken, zouden ze daarvoor een licentie moeten betalen. Een TDM-uitzondering ontneemt auteurs deze inkomsten, wat een schending van de normale exploitatie zou zijn.

Toch is dit argument juridisch zwak, en wel om twee redenen:

1. De test focust op het micro-niveau: De driestappentoets vereist een analyse van de exploitatie van “een werk”, dus op het niveau van één individuele creatie. De potentiële licentie-inkomsten voor het gebruik van één enkel boek of één enkele foto voor TDM zullen in de praktijk nooit een “aanzienlijk economisch belang” hebben. Aanzienlijke inkomsten ontstaan pas bij het licentiëren van volledige portfolio’s of catalogi, maar de test is niet op dit macroniveau gericht.
2. De opt-out neutraliseert het conflict: De mogelijkheid voor rechthebbenden om hun rechten voor te behouden (opt-out) voor AI-training voor commerciële doeleinden is een juridisch belangrijk. Als een auteur zijn werk afschermt, mag de AI-ontwikkelaar het niet gebruiken zonder toestemming. Hierdoor kan er op de input-fase geen conflict zijn met de normale exploitatie; de auteur behoudt immers de volledige controle over deze potentiële licentiemarkt. Als een auteur geen opt-out instelt, kan men argumenteren dat hij of zij het risico van onvoldoende vraag naar een TDM-licentie aanvaardt.

De output

De discussie verschuift dan naar de output. Wat als een AI, getraind op het werk van auteurs A, B en C, content genereert die zo goed is dat niemand het nieuwe werk van auteur A nog wil kopen? Dit ondermijnt de markt en dus de normale exploitatie.

Het Hof van Justitie van de EU heeft in eerdere zaken (ACI Adam, Filmspeler) geoordeeld dat een uitzondering de normale exploitatie schaadt als ze de verspreiding van illegale kopieën aanmoedigt, wat leidt tot minder verkoop van legale werken.

Er is echter een cruciaal verschil met GenAI:

• De output van een AI is zelden een exacte kopie van een specifiek werk. Enkel in uitzonderlijke gevallen zal een AI beschermde, originele elementen van een werk reproduceren. Als dat gebeurt, kan de auteur rechtstreeks optreden op basis van zijn exclusieve rechten, zonder de driestappentoets te hoeven inroepen.
• Meestal imiteert de AI onbeschermde elementen zoals ideeën, concepten en stijlen. De concurrentie is daardoor indirect en diffuus. Het is geen illegale kopie die een legale verkoop vervangt, maar een nieuw, alternatief werk. De juridische link met één specifiek werk uit de trainingsdata is verbroken, waardoor het bewijzen van een conflict met de normale exploitatie van dat werk bijna onmogelijk wordt.

De uitweg: de derde stap en de roep om een billijke vergoeding

Omdat de tweede stap van de test (“normale exploitatie”) een te hoge horde blijkt, moeten rechthebbenden zich richten op de derde stap: het aantonen van onredelijke schade aan hun wettige belangen. Dit criterium is flexibeler en laat wel een analyse op macroniveau toe. Hier kan men de algemene, marktverstorende impact van GenAI op bepaalde creatieve sectoren in rekening brengen.

De oplossing is echter niet het volledig verbieden van de TDM-uitzondering. Al decennia wordt geargumenteerd dat een billijke vergoeding een manier kan zijn om een “onredelijke” schade te herleiden tot een aanvaardbaar, “redelijk” niveau. De strijd van rechthebbenden zou zich dus moeten concentreren op het instellen van vergoedingsmechanismen voor het commerciële gebruik van hun werken voor AI-training, om zo de economische impact te compenseren. Hierbij moet worden opgemerkt dat TDM voor niet-commerciële doeleinden, zoals wetenschappelijk onderzoek of onderzoeksjournalistiek, waarschijnlijk gerechtvaardigd is onder de driestappentoets vanwege het maatschappelijk belang en dus geen onredelijke schade veroorzaakt.

Wat dit concreet betekent: strategisch advies

• Voor auteurs, kunstenaars en uitgevers:
  • Activeer uw opt-out: Dit is uw sterkste wapen. Zorg ervoor dat u op een machine-leesbare manier (bv. in uw algemene voorwaarden of robots.txt-bestand) expliciet aangeeft dat u het recht op TDM voorbehoudt. Dit creëert een duidelijke juridische grens.
  • Focus op de derde stap: In juridische discussies en lobbying is het strategisch verstandiger om te argumenteren dat er sprake is van “onredelijke schade” die gecompenseerd moet worden, in plaats van te proberen bewijzen dat de “normale exploitatie” wordt geschonden.
  • Documenteer de marktimpact: Verzamel data over hoe AI-gegenereerde content de vraag en prijzen in uw sector beïnvloedt. Dit kan cruciaal zijn om de onredelijke schade aan te tonen.
• Voor AI-ontwikkelaars:
  • Respecteer de opt-out feilloos: Het negeren van een expliciet voorbehoud is een directe inbreuk op het auteursrecht in het geval van AI-training voor commerciële doeleinden. Investeer in robuuste systemen om deze voorbehouden te detecteren en na te leven.
  • Wees voorbereid op vergoedingsmodellen: De juridische en politieke wind waait in de richting van compensatieregelingen. Anticipeer hierop door licentiemodellen te onderzoeken en budgetten te voorzien voor de vergoeding van rechthebbenden.
  • Analyseer de output: Hoewel de TDM-uitzondering de input dekt, blijft u volledig aansprakelijk voor de output. Zorg ervoor dat uw systemen geen content genereren die directe inbreuken pleegt op bestaande werken.

FAQ (Veelgestelde Vragen)

Hoe kan ik als auteur voorkomen dat mijn werk wordt gebruikt voor AI-training voor commerciële doeleinden?
U kunt gebruikmaken van de opt-out-mogelijkheid in artikel 190, 20° WER. Dit doet u door op een machine-leesbare manier aan te geven dat u de rechten voor TDM voorbehoudt. Dit kan bijvoorbeeld in de gebruiksvoorwaarden van uw website of via protocollen zoals robots.txt. Hiermee kan u wel geen AI-training voor wetenschappelijk onderzoek tegenhouden.

Is de output van een AI die op mijn werk getraind is, automatisch een inbreuk?
Niet noodzakelijk. Er is enkel sprake van een inbreuk als de AI-output een substantieel en origineel deel van uw specifieke werk reproduceert. Als de output enkel uw stijl, ideeën of concepten imiteert—elementen die niet door het auteursrecht beschermd zijn—is er in principe geen sprake van een inbreuk.

Wat als een AI een bijna exacte kopie van mijn beschermd werk produceert?
In dat geval is er sprake van een duidelijke auteursrechtinbreuk. De uitzondering voor TDM geldt enkel voor de input-fase (het trainen) en geeft geen vrijgeleide om op de output-fase (het genereren van content) inbreuken te plegen. U kunt dan optreden tegen de verspreiding van deze specifieke output.

Conclusie

De TDM-uitzondering biedt een kader waarbinnen AI-innovatie in België mogelijk is, terwijl de opt-out auteurs een krachtig controlemechanisme geeft in het kader van AI-training voor commerciële doeleinden. De traditionele argumenten rond de “normale exploitatie” van een werk lijken echter onvoldoende om de diffuse marktschade door AI-concurrentie aan te pakken. De toekomst van het debat ligt in de derde stap van de test: het aantonen van onredelijke schade en het afdwingen van billijke vergoedingsregelingen voor makers, een strijd die de komende jaren de juridische agenda zal domineren.