Inventions intégrant de l’intelligence artificielle : des règles de brevetabilité classiques, des exigences de rédaction particulières

L’essor rapide de l’intelligence artificielle conduit naturellement les entreprises à s’interroger sur la possibilité de protéger par brevet les solutions qui l’intègrent. Ces interrogations sont d’autant plus légitimes que l’IA transforme profondément de nombreux domaines techniques et que les architectures mises en œuvre évoluent à un rythme particulièrement soutenu.

Pour autant, la présence d’un moteur d’intelligence artificielle dans une invention ne conduit pas à appliquer une grille de brevetabilité nouvelle. Une invention intégrant de l’IA demeure, pour l’essentiel, une invention mise en œuvre par ordinateur. Sa brevetabilité s’apprécie donc selon les principes classiques applicables à ces inventions : il convient d’identifier un problème technique, la solution qui lui est apportée et les caractéristiques qui contribuent effectivement à l’obtention d’un effet technique.

L’intelligence artificielle présente néanmoins certaines particularités. D’une part, le moteur d’IA considéré isolément relève en principe des méthodes mathématiques. D’autre part, sa fonction opérationnelle résulte généralement d’un apprentissage qui doit être suffisamment décrit. Enfin, le caractère parfois difficilement explicable du comportement d’un modèle entraîné peut conduire à s’interroger plus particulièrement sur la crédibilité de l’effet technique invoqué.

Ces particularités n’instaurent pas un régime juridique autonome. Elles imposent surtout d’adapter la manière dont l’invention est identifiée, analysée et décrite.

1. Une invention intégrant de l’IA reste une invention mise en œuvre par ordinateur

La jurisprudence des chambres de recours considère notamment qu’un réseau neuronal, lorsqu’il est envisagé en tant que tel, définit une classe de fonctions mathématiques. La décision T 702/20 l’énonce de manière particulièrement claire : un réseau neuronal définit une classe de fonctions mathématiques qui, considérée en tant que telle, relève de la matière exclue. La Chambre précise cependant immédiatement qu’un tel réseau peut contribuer à l’activité inventive lorsqu’il participe à la résolution d’un problème technique, par exemple lorsqu’il est entraîné sur des données spécifiques en vue d’une tâche technique déterminée.

La décision T 1952/21 adopte la même approche à propos du reinforcement learning. La Chambre refuse de considérer l’apprentissage par renforcement comme intrinsèquement technique : le caractère technique doit être recherché dans la contribution effective de l’invention, et non dans la seule qualification de la méthode d’IA employée.

Cette approche n’est, au fond, guère différente de celle applicable aux logiciels plus traditionnels. Une innovation algorithmique abstraite ne devient pas brevetable du seul fait qu’elle est exécutée par un ordinateur. De la même manière, une innovation portant sur un modèle d’IA ne devient pas brevetable du seul fait qu’elle relève d’une technologie récente ou sophistiquée. Dans les deux cas, la question déterminante demeure celle de la contribution à la résolution d’un problème technique.

La jurisprudence britannique récente illustre d’ailleurs un rapprochement des approches. Dans l’arrêt Emotional Perception AI Ltd v Comptroller General of Patents, rendu le 11 février 2026, la Supreme Court britannique a revu l’approche jusqu’alors suivie au Royaume-Uni pour l’exclusion des programmes d’ordinateur et s’est sensiblement rapprochée de la logique développée par l’OEB. L’arrêt confirme notamment qu’un réseau neuronal artificiel peut être appréhendé comme un programme informatique, sans que son intégration dans une revendication comportant des moyens techniques conduise pour autant à exclure automatiquement l’objet revendiqué.

Les constructions juridiques restent différentes selon les juridictions. Leur évolution récente fait néanmoins apparaître une convergence pratique croissante pour les inventions ayant une finalité technique clairement identifiée.

2. L’invention ne réside pas nécessairement dans le moteur d’IA

Une difficulté fréquente consiste à identifier trop rapidement « l’IA » avec « l’invention ». Or, le moteur d’intelligence artificielle peut n’être qu’un composant logiciel parmi d’autres au sein d’une architecture beaucoup plus complexe.

Il convient tout d’abord de distinguer l’architecture d’un modèle du modèle effectivement opérationnel. Une architecture de réseau neuronal peut être parfaitement connue. Lorsque ses paramètres sont déterminés par apprentissage, c’est cet apprentissage qui lui confère la fonction recherchée dans l’application considérée. Le fait qu’une architecture soit connue ne préjuge donc ni de l’usage qui en sera fait, ni de la brevetabilité de la solution qui l’intègre.

Inversement, le simple remplacement d’un traitement classique par un réseau neuronal ne suffit pas nécessairement à caractériser une activité inventive. Dans l’affaire T 1526/22, la Chambre de recours a estimé évident, dans le contexte considéré, de remplacer un modèle physique connu par un réseau neuronal convenablement entraîné, compte tenu de l’évolution technologique déjà engagée à la date pertinente.

La contribution inventive peut en réalité se situer à différents niveaux.

Elle peut résider dans le choix des données utilisées. Une donnée dont la pertinence pour résoudre le problème technique n’était pas évidente peut constituer un élément essentiel de la solution. Il convient toutefois de distinguer la simple découverte d’une corrélation, qui n’est pas en elle-même une invention brevetable, de l’utilisation de cette corrélation dans une solution technique déterminée. La découverte qu’une grandeur jusque-là ignorée permet de détecter ou de prévoir un état technique peut ainsi être déterminante lorsque cette information est effectivement exploitée par le système revendiqué.

L’invention peut également résider dans la préparation ou la combinaison des données, dans la manière dont un moteur est entraîné, dans l’exploitation de sa sortie ou dans son interaction avec d’autres éléments logiciels ou matériels.

Enfin, une invention peut intégrer plusieurs moteurs d’intelligence artificielle. Ceux-ci peuvent traiter des données différentes, remplir des fonctions distinctes, produire des représentations intermédiaires ou coopérer selon une architecture adaptée au problème technique considéré. Dans ce cas, l’apport inventif peut résider dans la répartition des fonctions entre les moteurs, dans leurs interactions, dans la circulation des données ou encore dans la combinaison de leurs résultats. Il serait alors artificiel d’isoler chacun des moteurs pour rechercher s’il est, individuellement, nouveau ou inventif. C’est l’architecture technique revendiquée dans son ensemble qui doit être analysée.

3. L’apprentissage ne peut pas être laissé dans une « boîte noire »

La principale spécificité pratique des inventions intégrant de l’IA apparaît souvent au stade de la rédaction.

Un moteur dont les paramètres doivent être déterminés par apprentissage ne remplit pas spontanément la fonction qui lui est attribuée dans l’invention. La description ne peut donc se limiter à indiquer qu’un « moteur d’intelligence artificielle est configuré pour déterminer » un résultat donné, sans fournir les informations permettant de comprendre comment il acquiert cette capacité.

Cette question a été examinée de manière particulièrement nette dans la décision T 161/18. La Chambre a considéré l’invention insuffisamment divulguée parce que l’entraînement du réseau neuronal, nécessaire à l’obtention de la fonction revendiquée, n’était pas suffisamment enseigné.

La décision T 1669/21 fournit une autre illustration significative. La revendication couvrait de manière particulièrement large un procédé de détermination de l’état d’un revêtement réfractaire à partir d’un modèle de calcul. La Chambre a relevé le décalage entre l’étendue de l’invention revendiquée et le niveau de détail de la divulgation. Le brevet ne fournissait notamment aucun exemple concrètement reproductible ni d’indications suffisantes permettant d’identifier les paramètres pertinents et de mettre en œuvre un modèle de calcul approprié.

Il ne faut cependant pas déduire de ces décisions l’existence d’une liste figée d’informations qui devraient systématiquement être divulguées pour toute invention de machine learning.

La décision T 48/24, rendue le 13 novembre 2025, apporte sur ce point une précision importante. La Chambre affirme expressément qu’il n’existe aucune raison de traiter, en matière de suffisance de description, les inventions de machine learning selon des règles différentes de celles applicables aux autres inventions. L’implémentation du modèle, son entraînement et sa capacité à produire la sortie revendiquée peuvent naturellement constituer des éléments importants de l’analyse, mais leur niveau de divulgation nécessaire dépend de chaque cas, notamment des connaissances générales de l’homme du métier.

Il ne résulte pas de cette jurisprudence que le code source, les poids du réseau ou l’intégralité du jeu de données d’apprentissage devraient être systématiquement divulgués. L’exigence porte sur les informations nécessaires pour permettre à l’homme du métier de mettre en œuvre l’invention sur la portée revendiquée, sans effort excessif.

En pratique, un raisonnement analogue peut être suivi lorsqu’un modèle pré-entraîné propriétaire ou disponible commercialement est utilisé comme composant de l’invention. La situation n’est pas fondamentalement différente de celle d’un module logiciel sur étagère. Il n’est pas nécessaire d’en connaître tous les détails internes, mais la demande doit décrire les propriétés qui rendent ce composant approprié à la fonction recherchée. Une référence commerciale peut utilement être citée comme exemple de réalisation, sans que la protection ne doive être limitée à ce produit particulier.

4. L’effet technique doit être suffisamment crédible

Une seconde question se pose lorsque le lien entre les moyens décrits et l’effet technique revendiqué n’apparaît pas immédiatement.

Dans de nombreuses inventions mécaniques, la relation entre la structure décrite et le résultat obtenu est directement intelligible. Il en va souvent de même pour les logiciels mettant en œuvre des traitements déterministes dont les conséquences peuvent être déduites de l’algorithme décrit.

Le fonctionnement d’un modèle appris peut, dans certains cas, être moins directement prévisible. Il peut alors être utile de fournir des éléments permettant de conforter la réalité de l’effet technique invoqué.

Cette exigence ne signifie nullement qu’une invention intégrant une IA devrait systématiquement être accompagnée d’une campagne expérimentale comparable à celles rencontrées dans certains domaines de la chimie ou de la pharmacie.

La décision T 48/24 est, là encore, instructive. La Chambre relève que le brevet en cause ne contenait aucun exemple concret et reproductible permettant d’établir qu’un modèle entraîné pouvait effectivement produire le résultat revendiqué, ni d’indication sur la précision obtenue. Elle précise néanmoins qu’un tel exemple n’est pas une exigence absolue : il n’est nécessaire que dans la mesure où la divulgation générale et les connaissances de l’homme du métier ne suffisent pas à permettre la mise en œuvre de l’invention.

La crédibilité de l’effet peut donc résulter de différents éléments : une explication technique convaincante, des exemples de fonctionnement, des indicateurs de performance, des taux de réussite ou, lorsque cela est utile, des résultats comparatifs. La comparaison entre une réalisation mettant en œuvre la caractéristique revendiquée et une réalisation qui en est dépourvue peut notamment présenter un intérêt particulier lorsqu’elle permet d’établir que l’effet technique allégué est effectivement imputable à cette caractéristique.

La décision G 2/21 de la Grande Chambre de recours rappelle par ailleurs l’importance de l’enseignement contenu dans la demande au moment du dépôt. Des preuves produites ultérieurement ne peuvent être écartées au seul motif qu’elles sont postérieures au dépôt. Le demandeur ou titulaire ne peut toutefois se prévaloir de l’effet technique qu’elles étayent que si l’homme du métier, au regard de ses connaissances générales et sur la base de la demande telle que déposée, comprend cet effet comme étant englobé dans l’enseignement technique et incarné par la même invention initialement divulguée.

Il est donc prudent, même lorsque l’ensemble des résultats expérimentaux n’est pas encore disponible, d’identifier et d’expliquer dès le dépôt l’effet technique sur lequel l’activité inventive pourra être fondée.

5. Apprentissage et crédibilité de l’effet technique : deux questions qui convergent

La suffisance de la description de l’apprentissage et la crédibilité de l’effet technique sont souvent présentées comme deux problématiques distinctes. Elles sont pourtant étroitement liées.

L’apprentissage constitue précisément le mécanisme par lequel une architecture de modèle acquiert la fonction technique qui lui est attribuée dans l’invention. La description de cet apprentissage ne sert donc pas uniquement à permettre à l’homme du métier de reproduire le modèle entraîné. Elle permet également de comprendre pourquoi ce modèle est susceptible d’obtenir le résultat technique recherché.

La chaîne peut être résumée ainsi : les données d’apprentissage et l’objectif assigné au modèle déterminent la capacité acquise par le modèle entraîné ; cette capacité permet ensuite au modèle d’assurer une fonction technique au sein du système ; cette fonction participe enfin à l’obtention de l’effet technique invoqué.

Une description suffisamment précise des données pertinentes, des entrées et sorties du modèle, de l’objectif d’apprentissage et, lorsque cela est nécessaire, des modalités d’entraînement permet ainsi de rendre intelligible le lien entre les moyens mis en œuvre et l’effet annoncé.

Sous cet angle, la description de l’apprentissage joue, dans certaines inventions utilisant l’IA, un rôle analogue à celui de l’explication d’une chaîne causale dans une invention plus classique. Elle explique pourquoi les moyens décrits sont effectivement aptes à produire l’effet recherché.

En pratique, plus ce lien ressort clairement de la demande, plus la description elle-même sera susceptible de suffire à rendre l’effet technique crédible, sans qu’il soit nécessaire de l’étayer par des résultats expérimentaux détaillés. À l’inverse, lorsque la fonction acquise par le modèle demeure difficilement déductible de son apprentissage, quelques résultats peuvent utilement compléter la description et conforter l’existence de l’effet technique.

Les questions de suffisance et de crédibilité ne se confondent donc pas juridiquement. Mais, dans la pratique de la rédaction, elles convergent autour d’une même exigence : faire comprendre comment le modèle devient capable d’assurer la fonction technique sur laquelle repose l’invention.

6. Une approche finalement très classique

L’intelligence artificielle n’impose donc pas de repenser les principes fondamentaux de la brevetabilité des inventions mises en œuvre par ordinateur.

Le moteur d’IA peut être l’un des éléments de la solution, parfois central, parfois secondaire. L’invention peut résider dans les données qui lui sont fournies, dans l’identification d’une corrélation non évidente, dans son apprentissage, dans son intégration à une architecture complexe, dans l’interaction entre plusieurs moteurs ou encore dans l’exploitation technique des résultats produits.

L’analyse doit ainsi porter sur l’architecture technique dans son ensemble et sur les caractéristiques qui contribuent effectivement à résoudre le problème technique considéré.

La principale vigilance spécifique concerne finalement la rédaction. Lorsque la fonction attribuée au moteur dans l’invention résulte d’un apprentissage, la demande ne peut se limiter à la mention générique d’un “moteur d’intelligence artificielle”. Elle doit fournir, compte tenu des connaissances de l’homme du métier et du rôle joué par ce moteur, les informations nécessaires pour comprendre comment il acquiert ou possède la capacité technique qui lui est attribuée. La demande doit fournir les informations nécessaires pour comprendre comment cette fonction est acquise et, partant, pourquoi elle est susceptible de produire l’effet technique invoqué.

L’IA ne crée donc pas une nouvelle catégorie d’inventions brevetables. Elle oblige surtout à appliquer avec rigueur des principes déjà familiers : identifier la contribution technique, décrire suffisamment les moyens qui la rendent possible et établir de manière crédible le lien entre ces moyens et l’effet recherché.