L'Office japonais des brevets (JPO) a décidé de mettre pleinement en œuvre les technologies d'intelligence artificielle (IA) afin de relever le double défi que constituent l'augmentation rapide du nombre de demandes de brevets et l'amélioration de la qualité de l'examen. L'« AI Action Plan », élaboré en 2022, est une feuille de route ambitieuse visant à intégrer l'IA au cœur du processus d'examen des brevets sur une période de quatre ans, jusqu'en 2026.
De l'automatisation de la recherche d'antériorité à la traduction automatique de documents en langues étrangères, en passant par l'amélioration de l'examen des dessins et modèles et des marques grâce à l'IA de reconnaissance d'images, et jusqu'à l'étude de la possibilité d'appliquer l'IA générative, ce plan recèle un potentiel susceptible de transformer profondément l'avenir du système japonais de propriété intellectuelle.
Cependant, l'introduction de l'IA ne concerne pas uniquement les examinateurs. Pour les déposants, les inventeurs et les conseils en propriété industrielle, l'intervention de l'IA dans le processus d'examen fait naître une « nouvelle menace » totalement différente de ce qui existait auparavant. Dans cet article, nous exposons les grandes lignes du plan d'action IA du JPO, tout en approfondissant les défis auxquels les déposants seront confrontés à l'ère de l'examen par IA, ainsi que la valeur ajoutée que peuvent apporter les conseils en propriété industrielle face à ces défis.
Sommaire
Le nombre de demandes de brevets au Japon atteint environ 300 000 par an, et la charge de travail par examinateur ne cesse d'augmenter d'année en année. De plus, en raison de la sophistication et de la complexité croissantes des technologies, le champ d'application des recherches d'antériorité s'est considérablement élargi. Avec les méthodes de recherche traditionnelles basées sur des mots-clés ou des codes de classification, il devient de plus en plus difficile de repérer efficacement, parmi une masse considérable de documents, les antériorités réellement pertinentes.
Face à cette situation, l’Office japonais des brevets a élaboré en 2022 un « plan d’action IA » visant à intégrer systématiquement les technologies d’IA dans le processus d’examen. Ce plan ne constitue pas une simple extension de la numérisation, mais marque un tournant majeur dans l’administration de la propriété intellectuelle, visant à améliorer la qualité même de l’examen grâce à l’IA.
Cette initiative s'inscrit également dans la tendance mondiale à l'utilisation de l'IA. Les principaux offices de brevets, tels que l'Office américain des brevets et des marques (USPTO), l'Office européen des brevets (OEB) et l'Administration nationale chinoise de la propriété intellectuelle (CNIPA), mettent chacun en œuvre leur propre stratégie en matière d'IA. Pour que le JPO conserve sa compétitivité internationale et continue à fournir aux déposants des services d'examen rapides et de haute qualité, l'introduction de l'IA était un défi incontournable.
Le plan d'action en matière d'IA est une feuille de route globale couvrant une période de cinq ans, de l'exercice 2022 à l'exercice 2026. Son objectif principal est d'introduire progressivement les technologies d'IA dans plusieurs phases de l'examen des brevets et de les utiliser comme outils d'aide à la décision des examinateurs.
Plan d'action pour l'IA — Quatre piliers
Il convient de noter tout particulièrement que ce plan ne vise pas un « examen automatisé par l'IA », mais repose sur le principe fondamental de « l'utilisation de l'IA comme outil à la disposition des examinateurs ». La décision finale d'octroi ou de rejet du brevet continuera d'être prise par des examinateurs humains.
Le nouveau concept d’« examen hybride »
L'objectif du JPO est de mettre en place un modèle d'« examen hybride » dans lequel l'IA et les examinateurs travaillent en collaboration.L'IA extrait les techniques antérieures candidates d'une masse de données colossale, et l'examinateur les examine et se prononce : ce système de division des tâches devrait permettre d'accélérer l'examen tout en améliorant sa qualité. Cependant, c'est précisément ce caractère « hybride » qui peut créer de nouveaux défis pour les déposants. En effet, la portée et la précision des techniques antérieures « identifiées » par l'IA diffèrent fondamentalement de celles de l'examen traditionnel.
Conformément au plan d'action sur l'IA, plusieurs technologies d'IA sont déjà entrées en phase de validation et d'exploitation au sein du JPO. Nous allons ici examiner en détail l'état d'avancement de la mise en œuvre et l'impact sur l'examen dans quatre domaines technologiques principaux.
La recherche d'antériorité est un processus central de l'examen des brevets. Pour déterminer la nouveauté et l'activité inventive d'une invention faisant l'objet d'une demande, il est nécessaire de mener une recherche exhaustive de la documentation antérieure pertinente. Auparavant, cette tâche était effectuée manuellement par les examinateurs à l'aide de la classification internationale des brevets (CIB) et de mots-clés.
Dans le cadre du plan d'action sur l'IA, le développement et la mise en place d'outils d'aide à la recherche utilisant les technologies de traitement du langage naturel (NLP) sont en cours. Cet outil reçoit directement le texte de la description de la demande et affiche automatiquement un classement des documents de l'état de la technique présentant une similitude sémantique.Comme la recherche s'effectue en fonction du contexte et de la similitude sémantique, sans s'appuyer sur la correspondance exacte des mots-clés, il est possible de détecter des « expressions équivalentes » ou des « techniques similaires décrites avec des termes techniques différents », qui étaient difficiles à trouver avec les méthodes de recherche traditionnelles.
Principales caractéristiques de la recherche d'antériorités par IA
Avec la mondialisation, l'importance des documents en langues étrangères dans l'examen des brevets a considérablement augmenté. En particulier, le nombre de demandes de brevet en Chine est le plus élevé au monde, et les examinateurs japonais doivent analyser avec précision une quantité considérable de documents de l'état de la technique rédigés en chinois.
Le JPO encourage le développement d'un système de traduction automatique neuronale (NMT) spécialisé dans le domaine des brevets. Contrairement aux moteurs de traduction génériques, ce système vise à améliorer considérablement la précision de la traduction en construisant un modèle optimisé pour les termes techniques, le jargon juridique et le style propres aux documents de brevets.
Caractéristiques techniques de l'IA de traduction
L'amélioration de l'IA de traduction élargit considérablement l'éventail des antériorités auxquelles les examinateurs ont accès. Cela signifie que les documents en langues étrangères, jusqu'alors pratiquement inaccessibles en raison de la barrière linguistique, seront désormais activement cités lors de l'examen. Pour les déposants, cela augmente le risque de voir des informations techniques publiées dans toutes les langues du monde faire office d'« antériorités ».
La technologie d'IA de reconnaissance d'images est principalement mise en œuvre dans les domaines de l'examen des dessins et modèles et de l'examen des marques. Dans le cadre de l'examen des dessins et modèles, l'IA est utilisée pour évaluer la similitude entre un dessin ou modèle déposé et des dessins ou modèles déjà enregistrés ou notoirement connus. Dans le cadre de l'examen des marques, la technologie d'IA est introduite pour la recherche de similitude des marques figuratives.
Domaines d'application de l'IA de reconnaissance d'images
Dans le contexte de l'examen des brevets, la fonction d'analyse des dessins et modèles mérite une attention particulière. Si l'IA parvient à extraire et analyser automatiquement les éléments constitutifs des dessins et modèles de brevets, cela élargira les possibilités de découvrir des antériorités qui n'auraient pas été trouvées par une recherche textuelle, grâce à la similitude des dessins et modèles.
Face au développement rapide des modèles linguistiques à grande échelle (LLM), représentés notamment par ChatGPT, le JPO étudie activement la possibilité d'appliquer les technologies d'IA générative aux activités d'examen. Il s'agit d'une initiative évolutive qui dépasse le cadre initial du plan d'action, mais qui constitue un domaine extrêmement important pour envisager l'avenir de l'examen par l'IA.
Parmi les domaines d'application potentiels de l'IA générative, on envisage notamment l'aide à la rédaction des projets de rapports d'examen, l'assistance à l'interprétation des revendications, la génération de résumés dans les domaines techniques et l'automatisation de la vérification du format des documents de demande. Cependant, l'examen des brevets étant un acte administratif ayant force de loi, la gestion du risque de « hallucination » (génération d'informations non fondées sur des faits) de l'IA générative constitue un défi majeur.
Domaines d'étude de l'IA générative
L'introduction de l'IA générative dans les activités d'examen en est encore au stade de la recherche et de la validation, mais son impact devrait être considérable à l'avenir. En effet, lorsque l'IA génère un projet de rapport d'examen, la qualité de ce projet est susceptible d'influencer directement le résultat final de l'examen.
Vue d'ensemble des technologies d'IA mises en œuvre — Résumé de l'impact par outil
| Domaine technologique de l'IA | Principaux outils et méthodes | Impact sur l'examen | Impact sur le déposant |
|---|---|---|---|
| Recherche d'antériorité par IA | Recherche sémantique, classement basé sur le TALN | Amélioration spectaculaire de l'exhaustivité de la recherche | Difficulté accrue à contourner les brevets par des reformulations |
| IA de traduction | NMT spécialisée par domaine | Élargissement du champ d'application de la littérature étrangère | Risque que la littérature mondiale devienne l'état de la technique |
| IA de reconnaissance d'images | Extraction de caractéristiques d'images basée sur l'apprentissage profond | Amélioration de la précision de l'évaluation de la similitude des dessins et modèles et des marques | Risque accru de rejet fondé uniquement sur la similitude graphique |
| IA générative (LLM) | Modèles linguistiques à grande échelle | Aide à la rédaction de rapports et à l'analyse des revendications | Réponse aux motifs de rejet sur la base de projets rédigés par l'IA |
Si l'introduction de l'IA dans l'examen apporte des avantages en termes d'efficacité et d'amélioration de la qualité, elle engendre également de nouvelles menaces sans précédent pour les déposants. Nous exposons ici les mécanismes concrets et les implications des trois principales menaces auxquelles les déposants sont confrontés à l'ère de l'examen par IA.
Les systèmes de recherche de brevets traditionnels effectuaient des recherches de documents sur la base d'une correspondance exacte ou partielle des mots-clés. De ce fait, les déposants pouvaient — intentionnellement ou non — se démarquer de l'état de la technique en utilisant des « reformulations » des termes techniques. Par exemple, si l'état de la technique utilisait le terme « récipient », le fait pour le déposant d'utiliser une expression différente telle que « élément de contenance » pouvait empêcher ce document d'apparaître dans les résultats d'une recherche par mot-clé.
Niveau de menace : élevé
L'IA de recherche sémantique effectue des recherches non pas sur la base d'une correspondance superficielle entre les mots, mais sur la base de la « similitude sémantique ». Ainsi, même si des expressions différentes telles que « récipient », « élément de logement », « boîtier », « châssis » ou « structure de maintien » sont utilisées, elles sont reconnues comme désignant le même concept technique, ce qui permet de détecter sans omission l'état de la technique pertinent. La protection offerte par la « barrière terminologique », dont les déposants bénéficiaient jusqu'à présent sans s'en rendre compte, s'en trouve considérablement affaiblie.Il devient nécessaire de revoir en profondeur la stratégie de choix des termes lors de la rédaction des revendications.
Cette menace est particulièrement marquée dans le domaine des inventions liées aux logiciels et des brevets de modèles d'affaires. Dans ces domaines, il est courant d'exprimer une même idée technique à l'aide de termes variés, et ces différences terminologiques fonctionnaient jusqu'à présent comme une véritable « barrière à l'entrée ». L'introduction de la recherche sémantique par IA va supprimer cette barrière.
Lors de l'évaluation de l'activité inventive dans le cadre de l'examen des brevets, la question est de savoir s'il était « facile pour un homme du métier » de parvenir à la configuration de l'invention faisant l'objet de la demande en combinant plusieurs documents de l'état de la technique. Auparavant, les examinateurs combinaient principalement des documents issus du même domaine technique ou de domaines proches. Pour combiner des documents de domaines techniques différents, il fallait être familiarisé avec les deux domaines, ce qui posait des limites pratiques.
Niveau de menace : élevé
La recherche d'antériorité par l'IA permet d'effectuer des recherches transversales sur des documents au-delà des frontières des domaines techniques. Les modèles d'apprentissage automatique n'étant pas soumis aux contraintes de « domaine de spécialité » comme les examinateurs humains, ils sont susceptibles de proposer des « combinaisons inattendues », telles que l'association de technologies du domaine médical avec des documents du domaine agricole, ou la mise en relation de technologies automobiles avec des technologies aérospatiales. Pour les déposants, le risque de voir la nouveauté rejetée sur la base d'antériorités issues non seulement de leur propre domaine technique, mais aussi de domaines totalement différents, augmente considérablement.
Ce problème s'aggrave encore, notamment en raison de la tendance récente à la convergence technologique. Dans des domaines tels que l'IoT, l'IA ou les biotechnologies, les inventions combinant des technologies issues de disciplines différentes sont en augmentation, et l'étendue des « documents pertinents » découverts par l'IA risque de dépasser largement les hypothèses traditionnelles. Une recherche d'antériorité limitée au domaine technique propre au déposant ne sera plus suffisante ; une recherche s'inscrivant dans une perspective plus large deviendra nécessaire.
Avec l'introduction d'outils de recherche d'antériorités basés sur l'IA, on s'attend à ce que le nombre de documents d'antériorités auxquels un examinateur peut se référer pour une demande donnée augmente de manière spectaculaire. Auparavant, en raison des contraintes temporelles et physiques des examinateurs, il existait une limite pratique au nombre de documents cités par demande. Cependant, grâce à l'IA qui extrait et classe automatiquement les documents pertinents, cette contrainte sera considérablement allégée.
Niveau de menace : moyen à élevé
Si le nombre de documents de l'état de la technique cités dans les notifications de motifs de rejet augmente, le champ de l'état de la technique auquel le déposant devra répondre dans ses mémoires et ses modifications s'élargira également. Alors qu'auparavant, il suffisait de construire une réfutation pour 2 ou 3 documents cités, il est possible que l'IA découvre plus de 10 documents pertinents et que le déposant doive construire une argumentation de différenciation pour chacun d'entre eux. Cela implique une augmentation considérable des coûts de réponse (en temps et en argent) pour le déposant.
De plus, l'augmentation du nombre de documents cités soulève également la question de la « qualité des documents ». Parmi les documents extraits automatiquement par l'IA sur la base d'un score de pertinence, il est possible que certains documents « vaguement pertinents » soient inclus, alors qu'ils n'auraient probablement pas été cités si l'examinateur les avait sélectionnés manuellement. Le déposant devra répondre formellement même à ces documents cités « parasites », ce qui risque de compliquer la procédure.
De plus, si l'IA permet de découvrir en masse des documents non brevetés (articles universitaires, blogs techniques, documents de normalisation, etc.), le déposant devra être capable de comprendre précisément le contenu de ces documents et de démontrer leurs différences par rapport à sa propre invention. Contrairement aux documents brevetés, les documents non brevetés ne comportent pas de descriptions structurées telles que des revendications, ce qui rend l'identification et la comparaison des caractéristiques techniques plus difficiles.
L'avènement de l'ère de l'examen par IA ne réduit pas le rôle des conseils en brevets, mais renforce au contraire la valeur de leur expertise. Dans la mesure où l'IA renforce les « armes » de l'examen, les déposants doivent eux aussi disposer d'une « capacité de défense » équivalente, voire supérieure. Nous exposons ici les quatre valeurs ajoutées fondamentales des conseils en brevets à l'ère de l'examen par IA.
① Recherche d'antériorités à l'ère de l'IA — Une stratégie de recherche offensive
En utilisant eux-mêmes des outils d'IA pour effectuer une recherche d'antériorité avant le dépôt, les conseils en propriété industrielle peuvent anticiper et identifier les antériorités que l'examinateur est susceptible de découvrir grâce à l'IA. Cela permet de mettre clairement en évidence les points de différenciation par rapport à l'antériorité dès la phase de rédaction du dossier de dépôt. De plus, en formulant avec précision les différences techniques fondées sur la « connaissance tacite » ou les « pratiques du secteur » — domaines dans lesquels la recherche par IA est peu performante — et en les intégrant dans le mémoire descriptif, ils garantissent la prise en compte d'éléments de différenciation que l'IA pourrait négliger.La valeur ajoutée propre aux conseils en propriété industrielle réside dans leur capacité à élaborer et à mettre en œuvre une « stratégie de recherche offensive » qui tire parti des capacités de l'IA, plutôt que de se contenter d'une simple approche défensive.
② Conception de revendications à plusieurs niveaux — Construction de droits en tenant compte de la recherche par IA
Avec l'introduction de l'IA de recherche sémantique, il devient difficile de se différencier par la simple reformulation des termes. Les conseils en brevets mettent en œuvre une « conception de revendications à plusieurs niveaux » adaptée à ce nouvel environnement.En plus de revendications indépendantes larges, ils structurent stratégiquement des revendications dépendantes à plusieurs niveaux, créant ainsi une structure de repli qui permet de faire valoir la brevetabilité à l'un ou l'autre de ces niveaux, quelle que soit la technologie antérieure découverte par l'IA. De plus, ils garantissent la solidité des revendications en y intégrant efficacement des « éléments de différenciation quantitatifs » difficiles à saisir par la recherche sémantique de l'IA, tels que des limitations numériques, des conditions de procédé ou des combinaisons spécifiques.
③ Construction du récit de l'invention — Le pouvoir du « contexte » que l'IA ne peut appréhender
Si l'IA excelle dans la détection des similitudes entre les caractéristiques techniques individuelles, elle a toutefois des limites lorsqu'il s'agit de comprendre le « contexte » dans lequel l'invention a vu le jour ou la « chaîne logique menant à la solution du problème ».En construisant dans le mémoire descriptif un « récit » cohérent du contexte, du problème, des moyens de résolution et des effets de l'invention, le conseil en brevets établit une base permettant de faire valoir efficacement le caractère novateur de l'invention dans son ensemble, au-delà de la simple similitude des éléments constitutifs. En particulier, dans la réfutation de combinaisons de plusieurs techniques antérieures, la capacité à expliquer logiquement, à partir du contexte technique, « pourquoi cette combinaison n'était pas évidente pour l'homme du métier » est le domaine où l'expertise du conseil en brevets s'exprime le mieux.
④ Conseil en matière de portée des droits — Stratégie de portefeuille à l'ère de l'IA
Avec l'introduction de l'examen par IA, on s'attend à ce que la difficulté d'obtention des brevets augmente de manière générale. Les conseils en propriété industrielle vous aident à élaborer une stratégie globale pour votre portefeuille de propriété intellectuelle en tenant compte de cette évolution du contexte.Lorsqu'il devient difficile d'obtenir une étendue de protection étendue avec un seul brevet, nous proposons de maximiser la couverture grâce à un « ensemble de brevets » combinant stratégiquement plusieurs brevets. De plus, l'état d'avancement de l'examen par IA variant selon les pays et les régions, l'élaboration d'une stratégie de dépôt international tenant compte des différences entre les pratiques d'examen de chaque pays constitue également un rôle important du conseil en brevets. Seul le conseil en brevets est en mesure d'offrir une perspective stratégique cohérente, du dépôt de la demande jusqu'à l'exercice des droits.
Le plan d'action de l'Office japonais des brevets (JPO) en matière d'IA (2022-2026) vise à transformer en profondeur le système d'examen des brevets au Japon. L'assistance de l'IA dans la recherche d'antériorité, l'IA pour la traduction de documents en langues étrangères, l'utilisation de l'IA pour la reconnaissance d'images et l'étude de la possibilité d'appliquer l'IA générative : ces quatre piliers recèlent le potentiel de permettre à la fois l'accélération de l'examen et l'amélioration de sa qualité.
Cependant, il est également vrai que l'introduction de l'IA engendre de nouvelles menaces pour les déposants. Détection des expressions de reformulation grâce à la recherche sémantique, rejet inattendu de la nouveauté par la combinaison de documents issus de domaines différents, augmentation explosive du nombre de documents cités : pour faire face de manière appropriée à ces menaces, une nouvelle stratégie de dépôt adaptée à l'ère de l'IA est indispensable.
Et pour élaborer et mettre en œuvre cette nouvelle stratégie, l'expertise des conseils en brevets jouera un rôle plus important que jamais. Comprendre les capacités de l'IA, concevoir une stratégie de dépôt optimale en tenant compte de ses atouts et de ses limites : voilà la véritable valeur ajoutée des conseils en brevets à l'ère de l'examen par IA.
Stratégie en matière de brevets à l'ère de l'examen par IA : n'hésitez pas à nous consulter
Compte tenu des changements apportés à l'environnement d'examen par l'introduction de l'IA au JPO, nous vous proposons des consultations pour optimiser la stratégie de propriété intellectuelle de votre entreprise. Du renforcement
de la recherche d'antériorité à la révision de la formulation des revendications, nous offrons un soutien complet adapté à l'ère de l'IA.
AUTEUR / Rédacteur
Takefumi Sugiura
Cabinet de propriété intellectuelle EVORIX / Avocat spécialisé en propriété intellectuelle
Nous accompagnons nos clients issus d'un large éventail de secteurs (informatique, industrie manufacturière, start-ups, mode, médecine, etc.) depuis le dépôt de demandes de brevets, de marques, de dessins et modèles et de droits d'auteur jusqu'aux procédures de recours et aux litiges en contrefaçon. Nous maîtrisons également les stratégies de propriété intellectuelle dans les domaines de pointe tels que l'IA, l'IoT, le Web3 et la FinTech. Membre de plusieurs organisations, notamment l'Ordre des conseils en propriété industrielle du Japon, l'Association asiatique des conseils en propriété industrielle (APAA) et l'Association japonaise des marques (JTA).