La course pour nourrir l’intelligence artificielle avec toujours plus de texte se heurte à un impératif plus simple et plus ancien : certains livres ne peuvent pas être remplacés une fois qu’ils ont été découpés.

L’alarme s’est intensifiée après que 404 Media a placé un traceur dans un livre rare et rapporté que celui-ci avait finalement atteint l’installation VGT3 d’Amazon à Las Vegas. Le rapport décrivait des achats de livres liés à Amazon dont les reliures avaient été retirées afin que leurs pages puissent être numérisées pour l’entraînement de modèles. Amazon n’a pas répondu directement à l’allégation de destruction, se contentant de dire qu’il « achète des livres par des canaux commerciaux pour améliorer les produits et services que les clients utilisent ».¹

La logique commerciale est brutale. Les grands modèles de langage exigent d’énormes quantités de texte fiable et long, et les livres épuisés peuvent contenir du matériel indisponible en ligne — y compris des textes écrits avant que la prose générée par l’IA ne commence à polluer l’approvisionnement en données. Mais les libraires et les défenseurs de la préservation voient un coût qui ne s’intègre pas facilement dans une chaîne d’entraînement : un exemplaire physique rare, une fois démonté, est perdu.

L’inquiétude montait déjà depuis les révélations selon lesquelles Anthropic a détruit des millions de livres imprimés pour l’entraînement, même s’il n’y a aucun indice que des volumes rares aient été détruits. Des signalements de commandes massives suspectes ont depuis rendu la crainte plus concrète. La librairie Kennys Bookshop, en Irlande, a récemment signalé un acheteur cherchant 5 000 titres obscurs sans marchander — un comportement que les libraires considèrent de plus en plus comme un signe avant-coureur d’un approvisionnement pour l’IA.²

Le différend ne porte pas sur la question de savoir si les livres peuvent être numérisés, mais sur la manière de le faire. Google a breveté une technologie de numérisation non destructive il y a des années, tandis qu’Internet Archive emploie des travailleurs formés pour tourner les pages fragiles à la main. Ses opérateurs de numérisation ont conclu que les systèmes automatisés se prêtaient mal aux livres fragiles et aux collections spéciales ; « des mains humaines propres et sèches sont le meilleur moyen de tourner les pages », ont déclaré les équipes de l’archive.²

Les entreprises d’IA et leurs défenseurs peuvent faire valoir que les exemplaires achetés peuvent légalement être numérisés. Les critiques rétorquent que la légalité est une piètre réponse à la perte culturelle. Comme l’a formulé Tomás Kenny, de Kennys, si un acheteur numérise un livre « dans l’optique de s’approprier de la propriété intellectuelle », sa librairie ne veut pas participer.²