Une enquête récente a mis en lumière une pratique industrielle controversée : l'acquisition massive de livres rares par des entreprises technologiques à des fins d'entraînement d'intelligence artificielle. Ce processus, qui aboutit systématiquement à la destruction physique des ouvrages, interroge sur les méthodes d'approvisionnement en données des modèles de langage et sur l'avenir du patrimoine littéraire.
Le traçage d'un système d'acquisition industrielle
Le mécanisme a été mis en évidence grâce à l'utilisation d'un traceur dissimulé dans un ouvrage acheté par un intermédiaire. Le livre a transité par des centres logistiques avant d'atteindre un site d'Amazon près de Las Vegas, identifié comme le bâtiment VGT3. Sur place, des équipes dédiées procèdent à la réception, au découpage des reliures pour faciliter le passage au scanner, puis à la numérisation intensive des pages. Cette infrastructure, confirmée par l'entreprise comme étant utilisée pour l'entraînement de ses systèmes d'IA, illustre l'ampleur de la logistique déployée pour transformer le papier en données numériques.
La stratégie du "fair use" et le risque d'effondrement des modèles
La destruction des exemplaires physiques après numérisation répond à une logique à la fois technique et juridique. Sur le plan opérationnel, le découpage des livres permet une numérisation automatisée beaucoup plus rapide que la manipulation manuelle. Sur le plan légal, cette pratique s'appuie sur le concept de "fair use" en vigueur dans certaines juridictions. En détruisant l'original, les entreprises cherchent à se prémunir contre des accusations de contrefaçon, arguant que l'usage est limité à la transformation numérique. Par ailleurs, cette quête insatiable de données humaines "fraîches" est motivée par la nécessité d'éviter le "model collapse", un phénomène où l'entraînement d'une IA sur ses propres productions dégrade la qualité de ses résultats.
Un basculement structurel pour le marché du livre
Au-delà de la controverse sur les méthodes, cette pratique marque une mutation profonde du marché du livre. Traditionnellement porté par des institutions axées sur la préservation, le secteur est désormais soumis à une pression concurrentielle où chaque ouvrage numérisé devient un avantage stratégique pour les géants de la tech. Pour les librairies spécialisées, cette demande massive et anonyme fragilise un écosystème déjà précaire. L'enjeu dépasse désormais le simple cadre de la propriété intellectuelle pour toucher à la conservation du savoir : lorsque la valeur d'un livre réside uniquement dans sa capacité à nourrir un algorithme, sa survie physique devient une variable d'ajustement économique.