Suno annonce watermarking audio, fingerprinting et limites aux téléchargements pour les morceaux générés sur la plateforme. Les directives mises à jour interdisent explicitement l’utilisation de la voix ou de l’image d’une personne réelle sans permission, l’audio trompeur présenté comme authentique, et l’export massif vers les plateformes de streaming.

L’annonce intervient alors que Suno se bat sur trois fronts judiciaires. La RIAA, coordonnant Universal et Sony, a intenté une action en justice pour entraînement sur matériel protégé. Un tribunal allemand a donné raison à la GEMA, établissant que Suno a utilisé des morceaux protégés par le droit d’auteur et que la doctrine du fair use ne s’applique pas. Une action collective au Massachusetts suit la fuite de données de novembre 2025, qui selon Have I Been Pwned a touché 55 millions d’utilisateurs.

Pour qui construit avec l’IA, le mécanisme compte plus que la musique. Suno n’a pas choisi le watermarking par principe : il l’implémente maintenant parce qu’un tribunal allemand a établi que le fair use américain ne couvre pas son entraînement. Le schéma est récurrent dans l’IA générative : d’abord les procès, puis les contrôles deviennent infrastructure. Pour qui met les modèles en production, la conformité doit être conçue dès le départ. Elle arrive de l’extérieur comme contrainte, et celui qui ne l’anticipe pas se retrouve à courir après les règles écrites par ceux qui l’ont précédé en tribunal.

En détail

Suno est l’un des principaux générateurs de musique IA : vous lui donnez une description textuelle et il vous retourne un morceau complet, avec voix et orchestration. Il a levé 400 millions de dollars lors d’une série D en juin 2026, et se trouve maintenant au cœur de l’une des batailles judiciaires les plus importantes pour l’IA générative.

Ce qu’il y avait avant. Jusqu’à présent, Suno opérait avec des directives génériques et aucun système structuré pour tracer ses outputs. N’importe qui pouvait générer des morceaux et les télécharger sur les plateformes de streaming. En mars, un homme a été condamné pour avoir téléchargé des centaines de milliers de morceaux générés par IA et collecté 8 millions de dollars en royalties de manière frauduleuse. L’affaire a montré que la plateforme n’avait pas les outils pour distinguer ses outputs une fois sortis de son périmètre.

Ce qui change. Trois nouvelles mesures. Le watermarking audio incorpore un signal inaudible dans les morceaux générés, de sorte que d’autres plateformes puissent les identifier comme créés par Suno. Il n’est pas encore clair si Suno utilisera un système existant comme Synth ID de Google ou un système propriétaire : l’entreprise n’a pas répondu à TechCrunch à ce sujet. Le fingerprinting, via l’accord avec Musixmatch et son système Sentinel, sert à détecter les textes et l’audio qui reproduisent des œuvres protégées. Enfin, la nouvelle politique de téléchargement limite la possibilité d’exporter des morceaux en masse vers les plateformes de streaming, ciblant ceux qui généraient des milliers de morceaux par jour.

Le verdict allemand. Le tournant est le verdict du tribunal allemand en faveur de la GEMA, l’agence de licensing allemande. Le tribunal a établi deux choses : que Suno a entraîné ses modèles sur des morceaux protégés par le droit d’auteur, et que la doctrine américaine du fair use ne s’applique pas à une entreprise qui opère de cette manière. La deuxième partie est la plus pertinente pour l’industrie. Le fair use permet d’utiliser du matériel protégé à des fins transformatives, c’est-à-dire pour créer quelque chose de nouveau et pas directement concurrent. Mais un investisseur de Suno a admis que les morceaux générés concurrencent directement ceux des artistes humains, ce qui affaiblit l’argument de l’usage transformatif.

Où les sources divergent. The Decoder et TechCrunch s’accordent sur les faits principaux mais diffèrent sur les détails. The Decoder rapporte que Suno dit avoir exclu les noms des artistes des métadonnées d’entraînement et n’avoir jamais permis les prompts ciblant des artistes spécifiques. TechCrunch ne mentionne pas ces détails mais signale la fuite de données de novembre 2025 (55 millions d’utilisateurs selon Have I Been Pwned), que The Decoder ne cite pas. Les deux sources ensemble donnent un tableau plus complet que chacune isolément.

Les limites de ce que nous savons. Les mesures annoncées sont des intentions pour l’instant. Suno n’a pas spécifié quand le watermarking sera actif, ni quelles limites concrètes sur les téléchargements entreront en vigueur. La politique sur les noms des artistes dans les métadonnées d’entraînement concerne les modèles futurs, pas ceux déjà entraînés. Et la fuite de données, avec son action collective, est un front séparé concernant la sécurité des données plus que le droit d’auteur.

L’implication pour qui construit. Suno est un cas d’école de la façon dont la gouvernance naît des procès légaux, non des principes. Pour qui développe des produits avec des modèles génératifs, la leçon est opérationnelle : le watermarking, la traçabilité des outputs et les limites sur l’usage massif doivent être conçus avant le lancement, pas après le premier verdict.