Points clés à retenir :
La course à l'accès aux données pour l'IA a engendré une controverse inattendue : les entreprises risquent de transformer des siècles de savoir humain en matériel d'entraînement pour l'IA, tandis que des livres physiques rares disparaissent. Le débat ne porte plus seulement sur la technologie ; il s'agit désormais de savoir si le progrès doit se faire au détriment de la préservation du patrimoine culturel.
Une publication a récemment fait le buzz sur X , totalisant plus de 23 millions de vues , avec une affirmation qui semble tout droit sortie d'un roman dystopique :
Les entreprises spécialisées en intelligence artificielle achètent en gros des livres rares, en découpent la reliure à l'aide de machines à grande vitesse, scannent chaque page et détruisent ensuite les originaux.
Pour quiconque considère les livres comme plus que de simples contenants de mots, cette idée semble presque impossible à accepter.
Pourquoi dépenser des milliers de dollars pour un livre rare — pour ensuite le détruire ?
La réponse est que le juge a déclaré que c'était légal.
« Nous détruisons les livres rares et proposons des accords de confidentialité pour que personne ne le découvre » est un modèle commercial légitime en 2026.
Alors pourquoi les entreprises spécialisées en IA achètent-elles des millions de livres pour ensuite les détruire ? Comment est-ce possible et pourquoi le public est-il si indigné ? Revenons sur cette affaire.
Pourquoi les entreprises spécialisées en IA achètent-elles des millions de livres ?
Les livres sont devenus une ressource précieuse pour la formation en IA.
Les modèles d'IA modernes nécessitent d'énormes quantités de textes de haute qualité pour apprendre le langage, le raisonnement, les styles d'écriture et les connaissances factuelles.
Les livres figurent parmi les sources de données d'entraînement les plus riches car ils contiennent :
- Explications détaillées
- Connaissance approfondie
- Des documents historiques
- La créativité humaine et la narration
Les livres anciens sont particulièrement précieux car ils ont été créés avant l'explosion des contenus générés par l'IA, ce qui réduit la probabilité qu'ils contiennent des éléments écrits par des machines.
Pour les entreprises d'IA qui rivalisent pour construire des modèles plus puissants, des millions de livres représentent bien plus que du papier : ils représentent des milliards d'exemples de connaissances humaines.
Projet Panama : La course d'Anthropic pour plus de livres
L'ampleur de cette demande est apparue au grand jour en 2024, lorsqu'Anthropic a lancé le Projet Panama . Des documents judiciaires ont révélé que l'entreprise avait pour objectif d'acquérir et de numériser de manière destructive des millions de livres afin d' entraîner ses modèles d'IA, notamment celui de Claude. Selon certaines sources, Anthropic aurait dépensé des dizaines de millions de dollars pour l'achat de livres et collaboré avec des prestataires de numérisation capables de convertir entre 500 000 et 2 millions d'ouvrages en six mois, en détachant les reliures et en numérisant chaque page.
La partie qui a choqué : Pourquoi détruire les livres originaux ?
La numérisation non destructive d'un livre est un travail de longue haleine. Un opérateur doit tourner manuellement chaque page sous une caméra haute résolution placée au-dessus du livre, une opération qui prend des heures par volume afin de garantir que les pages ne soient ni endommagées ni floues.
Pour les entreprises opérant à l'échelle industrielle, la numérisation manuelle est beaucoup trop lente. La méthode la plus rapide pour numériser des millions de pages est la numérisation destructive :
Une massicoteuse industrielle découpe directement la reliure collée ou cousue au niveau du dos du livre.
Les feuilles volantes sont introduites dans des scanners à alimentation automatique haute vitesse capables de numériser des centaines de pages par minute.
Une fois la copie numérique haute résolution générée, le papier non relié est jeté ou recyclé.
Pour les ingénieurs qui se concentrent exclusivement sur l'acquisition de données, le fichier numérique est le livre. Le papier n'était qu'un support temporaire contenant le code.
Mais pour les archivistes et les historiens, cette logique ne tient plus lorsqu'il s'agit d'ouvrages rares ou épuisés. Lorsqu'un texte historique rare n'existe qu'en quelques dizaines d'exemplaires physiques dans le monde, la destruction d'un seul exemplaire pour une numérisation exclusive représente une perte irréversible.
Pourquoi cela serait-il autorisé ?
La principale raison pour laquelle cette pratique pourrait se développer est simple : les entreprises la croient légale.
Les entreprises spécialisées en IA affirment que l'utilisation de livres pour entraîner des modèles d'IA constitue une forme d'utilisation transformatrice, similaire à la manière dont les humains apprennent en lisant des œuvres existantes.
Leur argument :
- L'IA ne se contente pas de reproduire des livres entiers.
- La formation crée un nouveau système.
- Tirer profit des connaissances existantes stimule l'innovation.
Certaines décisions de justice concernant la numérisation de livres par l'IA ont appuyé certains aspects de cet argument au titre des principes d'utilisation équitable.
L’IA apprend-elle des livres — ou les extrait-elle ?
Il existe 2 points de vue différents :
L'industrie affirme que c'est ainsi que progresse toute connaissance.
Les partisans comparent l'entraînement de l'IA à l'apprentissage humain.
Un écrivain lit des milliers de livres avant de créer un roman.
Un scientifique étudie les recherches antérieures avant de faire des découvertes.
Un ingénieur tire des enseignements des technologies existantes avant d'inventer quelque chose de nouveau.
De ce point de vue, l'IA fait quelque chose de similaire :
absorber les connaissances humaines et créer de nouvelles capacités.
Les critiques affirment que l'IA est différente en raison de son échelle.
Le problème, selon les critiques, n'est pas l'apprentissage.
Il s'agit d'extraction industrielle.
Une personne peut lire des milliers de livres au cours de sa vie.
Une entreprise spécialisée en intelligence artificielle peut traiter des millions de livres en quelques mois.
La critique est la suivante :
Les créateurs humains ont passé des décennies à produire du savoir.
Les entreprises transforment ces connaissances en systèmes d'IA commerciaux susceptibles de concurrencer leurs créateurs.
La question devient :
L'IA accroît-elle la connaissance humaine ou s'accapare-t-elle sa valeur économique ?
Pourquoi les accords de confidentialité ont aggravé la controverse
« Préservation numérique » ou « Silence radio » ?
La destruction des livres ne représente qu'un aspect de la controverse.
L'autre, c'est le secret.
Les critiques soulignent :
- accords relatifs aux données privées
- Accords de non-divulgation
- Transparence limitée concernant les sources de formation
Un message devenu viral affirmait que les entreprises pouvaient décrire le processus comme une « préservation numérique » tout en dissimulant les détails au public.
Cela a engendré une inquiétude plus profonde :
Si cela est bénéfique pour la société, pourquoi cela doit-il se passer à huis clos ?
Un tournant possible : l’IA pourrait-elle apprendre sans détruire les livres ?
La controverse a déjà commencé à modifier le discours au sein de l'industrie de l'IA.
En réponse à la discussion devenue virale, Elon Musk a indiqué avoir demandé à l'équipe d'IA de SpaceX d'adopter une approche différente :
Le message suggère un compromis :
Les entreprises spécialisées dans l'IA peuvent toujours collecter des données d'entraînement précieuses, mais les livres rares et historiquement importants doivent être traités comme des artefacts culturels, et non comme des sources d'information jetables.
La différence ne porte pas sur la numérisation des livres.
Presque tout le monde s'accorde à dire que la numérisation peut préserver le savoir.
La question est de savoir comment cette numérisation va se produire.
Pour les livres ordinaires, la numérisation destructive peut tout simplement constituer un choix pratique en termes d'efficacité.
Pour l'un des derniers exemplaires subsistants d'une œuvre historique importante, la préservation peut primer sur la rapidité.
La réponse de Musk met en lumière le défi plus vaste auquel est confrontée l'industrie de l'IA :
Les entreprises peuvent-elles construire des systèmes d'IA plus puissants tout en respectant l'histoire physique des données qu'elles utilisent ?
La question fondamentale : à qui appartient le savoir humain ?
La controverse autour des livres rares illustre un débat bien plus vaste sur l'intelligence artificielle.
Chaque modèle d'IA est construit à partir de choses créées par l'homme :
- Livres
- Articles
- Music
- Images
- Logiciels
- Recherche scientifique
La question centrale n'est plus seulement :
L'IA peut-elle apprendre des connaissances humaines ?
C'est:
Qui devrait en bénéficier lorsque le savoir humain devient le fondement de l'intelligence artificielle ?
Si les données ne sont pas divulguées, comment les gens pourraient-ils savoir que son travail a été utilisé ?
