Des entreprises d'intelligence artificielle achètent anonymement des livres physiques en gros et les détruisent après en avoir numérisé le contenu pour l'entraînement des modèles d'IA, selon un rapport publié en premier par 404 Media.

Des libraires affirment que la demande pour des titres obscurs et épuisés a bondi, suscitant des inquiétudes quant à la disparition définitive de livres rares et peu courants à la suite de cette pratique.

Un juge fédéral a estimé que la numérisation destructrice de livres légalement achetés peut relever du fair use, alors que les litiges distincts en matière de droits d'auteur contre les développeurs d'IA se poursuivent devant les tribunaux.

Une industrie de niche pour la numérisation destructrice

Évoquant le roman dystopique classique Fahrenheit 451, certaines entreprises d'IA ne se contentent pas de lire des livres — elles les détruisent. Alors que les développeurs se précipitent pour construire des modèles d'IA plus puissants et que les poursuites pour violation du droit d'auteur se multiplient, une industrie de niche s'est développée pour leur fournir des millions de livres physiques qui sont démontés, numérisés dans des jeux de données d'entraînement, puis jetés.

Les entreprises d'IA auraient recours à des intermédiaires pour acquérir des livres à grande échelle tout en restant anonymes. Des sociétés spécialisées dans l'approvisionnement en gros mettent en avant leur capacité à trouver des centaines de milliers de titres tout en promettant la confidentialité à leurs clients IA, ce qui reflète la sensibilité entourant cette pratique.

Les critiques estiment que cette ruée à l'achat est motivée par la volonté des entreprises d'IA de préserver des connaissances humaines avant qu'elles ne soient diluées par du texte généré par l'IA — souvent appelé "AI slop". Les livres publiés avant l'essor de l'IA générative en 2023 sont jugés particulièrement précieux, car ils fournissent des données d'entraînement de haute qualité entièrement rédigées par des humains. Cette dynamique reflète un défi plus large du secteur, parfois appelé le « mur des données » : à mesure que les textes librement accessibles sur Internet sont de plus en plus saturés de contenu généré par l'IA, les développeurs se tournent vers des sources hors ligne d'écrits humains vérifiés pour maintenir la qualité des modèles.

Un marché de l'occasion en pleine recomposition

La hausse de la demande remodèle déjà le marché du livre d'occasion. Un libraire non identifié a déclaré à 404 Media que ses ventes hebdomadaires étaient passées d'environ 20 livres à plusieurs centaines après l'arrivée des acheteurs liés à l'IA sur le marché. Si cette hausse a été rentable, le libraire a dit craindre que des ouvrages peu courants et épuisés disparaissent définitivement après avoir été numérisés puis détruits.

« Cela me profite financièrement, tout en me permettant d'écouler d'anciens stocks qui, autrement, auraient peu de chances de se vendre », a déclaré le libraire à 404 Media. « J'ai été bien placé pour ces ventes grâce à des stocks provenant de l'étranger et à des livres en langues étrangères. En revanche, je n'aime pas l'utilisation finale, et je n'aime pas que des livres peu courants soient réduits en pâte. »

La perte de copies physiques est particulièrement sensible pour les livres publiés en tirages limités ou jamais numérisés, ce qui soulève la question de savoir si les entreprises d'IA ont une obligation de préserver les artefacts qu'elles utilisent.

Précédent juridique : le fair use pour la numérisation destructrice

Cette pratique rappelle le « Project Panama » d'Anthropic, qui a numérisé des millions de livres par numérisation destructrice.

L'été dernier, dans l'affaire de droits d'auteur Bartz v. Anthropic PBC, un juge fédéral de San Francisco a estimé que le fait de numériser des livres physiques légalement achetés en copies numériques — même lorsque les originaux avaient été détruits — constituait un fair use transformatif. Par la suite, des juges fédéraux ont rendu des décisions similaires en matière de fair use dans d'autres affaires de droits d'auteur impliquant OpenAI et Meta.

Cependant, dans une autre affaire, un juge fédéral du même district a approuvé cette semaine un règlement de 1,5 milliard de dollars pour violation du droit d'auteur obligeant Anthropic à verser à des milliers d'auteurs environ 3 000 dollars par livre, après que l'entreprise a utilisé des copies piratées de leurs œuvres pour entraîner Claude. Ces issues contrastées soulignent une distinction juridique que les entreprises d'IA doivent désormais naviguer avec prudence : acheter et numériser un livre physique peut être protégé, mais obtenir le même contenu par piratage ne l'est pas.

Réactions du secteur et appels à la préservation

Face au mécontentement grandissant, des développeurs d'IA, dont Elon Musk, ont pris position contre cette pratique et ont demandé aux entreprises de conserver les livres numérisés.

« J'ai demandé à l'équipe SpaceXAI de conserver dans une bibliothèque tous les livres rares et de les numériser de la manière la plus longue, plutôt que de simplement couper la reliure et de scanner », a écrit Musk sur X.