Amazon a bâti sa réputation en vendant des livres. Désormais, une enquête sur un entrepôt de Las Vegas a révélé la possibilité inquiétante que certains ouvrages rares soient sacrifiés pour alimenter la prochaine génération d’IA.

L’alarme a commencé lorsque la demande de texte d’entraînement par les entreprises d’IA a dépassé le cadre du web ouvert pour se tourner vers le support imprimé — en particulier les livres épuisés dont le contenu n’a peut‑être jamais été numérisé. Ces œuvres constituent des données attrayantes parce qu’elles offrent de vastes réserves de texte rédigé par des humains, à un moment où des chercheurs avertissent que l’entraînement des systèmes sur trop de contenu généré par l’IA peut dégrader leurs résultats, un problème connu sous le nom d’effondrement de modèle (model collapse).¹

Puis est venu un test plus concret. 404 Media a placé un traceur à l’intérieur d’un envoi de livres rares et a rapporté que celui‑ci est arrivé dans l’installation VGT3 d’Amazon à Las Vegas. Des employés sur place ont indiqué que leur travail consiste à recevoir d’énormes cargaisons de livres, à retirer les reliures et à scanner les pages ; « Le livre imprimé est détruit au cours du processus. »²

Ce récit transforme un débat abstrait sur les données d’entrée de l’IA en une question de préservation physique. Les partisans de la numérisation à grande échelle peuvent faire valoir que le scan rend le texte exploitable par les systèmes modernes. Mais la méthode rapportée n’offre aucune assurance évidente pour les collectionneurs, les bibliothèques ou les lecteurs lorsque l’objet original — potentiellement rare, fragile et culturellement précieux — ne survit pas.

Amazon, de son côté, a déclaré à 404 Media qu’il « achète des livres par des canaux commerciaux afin d’améliorer les produits et services utilisés par les clients ». ¹ Cette déclaration porte sur l’approvisionnement, non sur la question de savoir si des livres rares sont détruits de manière permanente ou comment l’entreprise distingue les exemplaires remplaçables de ceux qui sont irremplaçables.

La tension centrale ne porte pas sur le fait de savoir si l’IA a besoin de texte ; c’est manifestement le cas. Elle porte sur la question de savoir si la course aux données d’entraînement propres, antérieures à l’IA, crée un circuit dans lequel des livres qui ont survécu pendant des décennies sont traités comme une simple matière première jetable.