Fuite de données chez Suno : anciens codes sources et scripts de scraping révélés

Fuite de données chez Suno : anciens codes sources et scripts de scraping révélés

Un hacker connu sous le pseudonyme ellie.191 a publié une fuite contenant d'anciens codes sources de Suno. Ces documents corroborent les soupçons selon lesquels le modèle a été entraîné à partir de millions de pistes audio et de textes collectés via des techniques de scraping depuis YouTube Music, Deezer, Genius, Pond5, Jamendo, Freesound et IMSLP. Les données exposées incluent des éléments datant de 2023-2024 ainsi que les scripts utilisés pour cette extraction.

Plus de 2 millions de clips ont été subtilisés sur YouTube Music. Les développeurs ont spécifiquement téléchargé des acapellas afin d'obtenir des voix propres pour l'entraînement du modèle. Pour contourner les protections de YouTube, Suno a fait appel à un service tiers nommé Bright Data, avec l'intention initiale de scraper un million d'heures de podcasts via PodcastIndex.

Suno se défend en affirmant que l'entraînement de modèles d'IA sur des matériaux protégés par le droit d'auteur mais publiquement accessibles relève du « fair use » (usage loyal), un concept juridique propre aux États-Unis.

La fuite est survenue en novembre 2025, mais l'entreprise a gardé le silence sur cet incident. Parallèlement, des données clients ont également été compromises : adresses e-mail, numéros de téléphone et informations de paiement issues de Stripe. Suno soutient qu'elle ne disposait pas des numéros complets de cartes bancaires, ce qui, selon elle, ne l'obligeait pas juridiquement à notifier les utilisateurs.

Actuellement, la RIAA (Recording Industry Association of America) poursuit Suno pour violation du droit d'auteur, et cette fuite constitue un élément probant majeur dans cette procédure judiciaire.