https://www.naturalnews.com/2026-07-28-ai-firms-destroying-rare-books-training-data.html
28/07/2026 // Willow Tohi
- Les entreprises spécialisées dans l'IA achètent des millions de livres physiques sur les marchés d'occasion, qu'elles détruisent après les avoir analysés pour en extraire des données d'entraînement.
- Le juge fédéral William Alsup a statué que la numérisation destructive par Anthropic de livres achetés légalement constituait une « utilisation équitable » au sens de la loi sur le droit d'auteur.
- Les livres imprimés antérieurs à 2022 sont recherchés car ils ne contiennent pas de texte généré par l'IA, évitant ainsi un « effondrement du modèle » lors de l'entraînement.
- ISBNdb et d'autres intermédiaires facilitent les achats groupés de 1 000 à 1 million de livres par commande tout en préservant l'anonymat des acheteurs IA.
- Les ouvrages rares, en langue étrangère et épuisés risquent de disparaître à mesure que les derniers exemplaires physiques sont détruits.
Le jugement qui a tout changé
Le 21 juillet 2026, le juge de district américain William Alsup a rendu une décision historique dans l'affaire Anthropic contre Authors Guild, bouleversant profondément les relations entre les entreprises d'intelligence artificielle et le patrimoine imprimé de l'humanité. Le juge a déclaré que la pratique d'Anthropic, consistant à acheter des livres physiques, à en découper la reliure pour les numériser industriellement et à détruire les originaux, relève de l'« usage loyal » au sens de l'article 107 de la loi sur le droit d'auteur. Cette décision, la première du genre à appliquer le droit d'auteur aux ensembles de données d'entraînement de l'IA, a déclenché une course sans précédent entre les entreprises technologiques pour acquérir et détruire des livres à l'échelle industrielle, menaçant ainsi des ouvrages rares et effaçant des copies physiques d'un savoir humain qui ne sera peut-être jamais remplacé.
Pourquoi les livres antérieurs à 2022 sont devenus de l'or
Le principal facteur de cette dégradation est ce que les chercheurs appellent « l'effondrement des modèles ». Lorsque les systèmes d'IA sont entraînés sur des textes générés par d'autres systèmes d'IA, la qualité se dégrade à chaque génération, produisant des résultats de plus en plus incohérents. Internet est devenu tellement saturé de contenus synthétiques que les entreprises recherchent activement des livres imprimés antérieurs à 2022, considérés comme le dernier réservoir intact de connaissances écrites par des humains.
ISBNdb, une entreprise qui fournit des livres imprimés pour l'entraînement de l'IA, affirme sur son site web que « les meilleures données d'entraînement pour l'IA au monde se trouvent sur une librairie ». L'entreprise décrit les livres imprimés comme « un savoir humain ciblé, validé par les pairs et spécifique à un domaine, structuré d'une manière qu'aucun robot d'exploration web ne peut reproduire ». Les publications antérieures à 2022 sont « garanties structurellement exemptes de toute contamination », assure l'entreprise, faisant référence à la fois aux textes générés par l'IA et à la pratique croissante des auteurs qui « empoisonnent » le contenu web pour saboter les processus d'extraction de données.
Le processus industriel de destruction
Le processus est à la fois précis et complexe. Une palette standard contient entre 800 et 1 200 livres. Les acheteurs passent des commandes pilotes à des lots de 10 000 livres, voire plus. Des scanners destructifs traitent 80 à 120 pages par minute après que des massicots hydrauliques ont sectionné le dos des livres. Ces derniers sont ensuite réduits en pâte et recyclés.
D'après les documents judiciaires de l'affaire Anthropic, le « Projet Panama » de l'entreprise a dépensé des dizaines de millions de dollars pour ce type de processus, en confiant les services de numérisation à Datamation. Les libraires ont repéré ces acheteurs en gros grâce à des signes révélateurs : des volumes anormaux, des commandes sans distinction de sujet (histoire, botanique, droit régional, économie allemande, etc.) et une indifférence totale aux prix. Comme l'a confié un libraire à 404 Media : « Ce n'est pas seulement la quantité, mais aussi l'étrangeté des commandes. »
Tom Harvey, d'Anthropic, qui avait participé à la création de Google Livres, a supervisé l'opération. Un libraire ayant vendu des centaines de livres à des acheteurs soupçonnés d'être des IA a exprimé des sentiments mitigés : « Cela me profite financièrement… D'un autre côté, je n'aime pas le résultat final, et je n'aime pas que des livres rares soient détruits. »
L'héritage en voie de disparition
L'aspect le plus préoccupant de cette pratique réside dans ses conséquences pour les livres rares et épuisés. Les ouvrages en langue étrangère, les travaux universitaires à faible diffusion et les textes anciens dont il ne subsiste que quelques exemplaires risquent de disparaître. Lorsqu'une entreprise spécialisée en intelligence artificielle acquiert le dernier exemplaire physique connu d'un livre rare, le numérise et détruit l'original, ce livre cesse d'exister physiquement. Il devient une donnée stockée sur les serveurs de l'entreprise, inaccessible aux futurs chercheurs, collectionneurs et au grand public.
ISBNdb reconnaît le « problème d'image » sur son site web, soulignant que « “Une entreprise d'IA détruit deux millions de livres” n'est pas un titre qui suscite la compassion ». L'entreprise promet des accords de confidentialité stricts pour chaque transaction, affirmant que « votre identité, votre stratégie et vos cibles d'acquisition ne sont jamais divulguées ». Ce secret signifie que les libraires ne peuvent que spéculer sur l'identité des acheteurs de leurs stocks et leurs intentions.
Aux Pays-Bas, des libraires de livres rares ont signalé des achats groupés suspects similaires. En février 2026, un vendeur sur les forums d'Alibris demandait : « Une IA va-t-elle lire tous les livres ? A-t-on une idée de la façon dont les sélections sont effectuées ? »
Un cadre juridique qui encourage la destruction
La décision du juge Alsup a explicitement validé le processus d'achat, de numérisation et de destruction, précisant que « chaque exemplaire imprimé acheté a été copié afin d'économiser de l'espace de stockage et de permettre la recherche dans une copie numérique. L'original imprimé a été détruit. L'un a remplacé l'autre. » La copie numérique n'ayant jamais été montrée, partagée ni vendue en dehors de l'entreprise, le juge a estimé que cette pratique était « manifestement transformatrice » et donc protégée par l'exception de citation.
Ce raisonnement crée de fait une incitation légale à la destruction. Si une entreprise conserve le livre physique, elle est tenue de le stocker. En détruisant l'original, elle peut prétendre l'avoir « remplacé » par une copie numérique. Cette décision a fourni un modèle à l'ensemble du secteur de l'IA, et les entreprises s'y réfèrent désormais explicitement.
L'université Harvard, en partenariat avec Google et Microsoft, a démontré qu'une alternative existe. Cette collaboration a permis la numérisation de près d'un million de livres du domaine public en 254 langues, sans destruction de données. Burton Davis, de Microsoft, a qualifié de « prudent » le recours aux données du domaine public, soulignant que les bibliothèques recèlent « d'importantes quantités de données culturelles, historiques et linguistiques intéressantes ». Cette voie alternative montre clairement que les laboratoires disposent d'options plus propres. Ils choisissent simplement de ne pas les utiliser.
Qui contrôle le patrimoine textuel de l'humanité ?
La question du contrôle du patrimoine textuel de l'humanité ne peut plus être éludée. Chaque ouvrage épuisé, numérisé industriellement, représente peut-être le dernier exemplaire accessible à quiconque en dehors des serveurs d'un laboratoire d'IA. Livres rares, textes en langues étrangères et ouvrages universitaires obscurs – dont beaucoup n'ont jamais été numérisés ailleurs – disparaissent physiquement après une simple numérisation. Le raisonnement du tribunal, selon lequel la destruction est « transformatrice », a déclenché un effacement systématique des archives physiques, non pas pour les préserver, mais pour le profit des entreprises. Alors que les entreprises d'IA accélèrent leur acquisition du savoir imprimé, la société doit se demander si la facilité d'accès aux données d'entraînement justifie la perte définitive de livres irremplaçables.
Les sources de cet article incluent :
Aucun commentaire:
Enregistrer un commentaire