Une enquête de 404 Media relance le débat sur les méthodes employées par les géants du numérique pour entraîner leurs modèles. En suivant un ouvrage rare grâce à un AirTag, des journalistes auraient mis en lumière un circuit menant jusqu’à Amazon, où des livres seraient achetés, découpés puis scannés à grande échelle. Cette affaire interroge autant la préservation du patrimoine écrit que les limites éthiques de l’intelligence artificielle, alors que les éditeurs, auteurs et libraires réclament davantage de transparence sur l’usage réel de ces contenus et sur le respect du droit d’auteur dans un marché technologique toujours plus compétitif et opaque.
Amazon soupçonné de sacrifier des livres rares pour nourrir son intelligence artificielle
Amazon se retrouve au cœur d’une nouvelle controverse liée à l’intelligence artificielle : selon une enquête de 404 Media, le groupe achèterait massivement des ouvrages, y compris des livres rares, afin de les numériser dans des conditions qui impliqueraient leur destruction physique. L’affaire alimente les soupçons autour des méthodes utilisées par les géants technologiques pour constituer des bases de données capables d’améliorer leurs modèles d’IA.
Le procédé décrit est aussi simple que brutal : des livres sont achetés sur des plateformes spécialisées, puis envoyés vers des sites où leur dos serait coupé pour permettre un scan rapide page par page. Cette technique, déjà associée à d’autres acteurs du secteur, permet d’accélérer la numérisation, mais rend généralement l’ouvrage inutilisable après l’opération.
La polémique est d’autant plus vive que certains titres concernés ne sont pas de simples exemplaires courants. Ils peuvent présenter une valeur historique, documentaire ou sentimentale. Pour les libraires, collectionneurs et défenseurs du patrimoine écrit, l’idée que des ouvrages difficiles à retrouver puissent être traités comme une matière première destinée aux algorithmes pose une question centrale : jusqu’où l’industrie de l’IA peut-elle aller pour enrichir ses modèles ?
Un livre rare tracé par AirTag mène jusqu’à un site Amazon de Las Vegas
L’élément le plus concret de l’enquête repose sur une méthode de traçage inhabituelle : 404 Media a placé un AirTag d’Apple dans un livre rare vendu sur la plateforme Biblio, afin de suivre son parcours après achat. Le dispositif a permis de localiser l’ouvrage jusqu’à un site Amazon situé à Las Vegas, aux États-Unis, présenté comme un centre impliqué dans la numérisation intensive de livres.
D’après le média, ce livre n’aurait pas été acheté isolément. Il faisait partie d’un lot d’environ un millier d’ouvrages acquis simultanément, un volume qui correspond aux pratiques observées depuis plusieurs mois par certains professionnels du livre. Ces achats massifs, souvent anonymes, intriguent les libraires en ligne, qui voient partir des catalogues entiers sans toujours savoir qui les récupère ni dans quel but.
Sur place, l’enquête évoque un environnement explicitement tourné vers le traitement de livres. Un salarié cité par 404 Media affirme que l’activité consiste à recevoir, couper et scanner des ouvrages. Le détail le plus frappant reste toutefois symbolique : le site arborerait un logo généré par IA montrant un T-Rex s’apprêtant à dévorer un livre, image devenue, pour les critiques, le résumé visuel de cette controverse.
Pourquoi les géants de l’IA convoitent les livres d’avant l’explosion générative
Les livres publiés avant 2022 sont particulièrement recherchés par les entreprises d’intelligence artificielle, car ils contiennent des textes qui n’ont pas nécessairement été aspirés depuis Internet. Pour entraîner un modèle performant, les développeurs ont besoin de données variées, structurées et fiables. Or, les ouvrages imprimés offrent souvent une qualité éditoriale supérieure à celle de nombreux contenus web.
Cette préférence s’explique aussi par un enjeu technique majeur : éviter de nourrir les modèles avec des contenus déjà produits par des IA génératives. Depuis l’explosion de ChatGPT et d’autres outils similaires, le web s’est rempli de textes synthétiques, parfois approximatifs, répétitifs ou dérivés de productions existantes. Les ingénieurs redoutent ce phénomène, souvent décrit comme une contamination des données d’entraînement.
Les livres anciens, universitaires, spécialisés ou épuisés représentent donc une ressource stratégique. Ils peuvent contenir du vocabulaire rare, des raisonnements complexes, des références historiques ou des styles littéraires difficiles à retrouver en ligne. Pour les géants de l’IA, ces corpus améliorent la compréhension du langage et la diversité des réponses. Mais cette convoitise transforme aussi des objets culturels en carburant algorithmique, ce qui nourrit une tension croissante entre innovation technologique et préservation du patrimoine.
Des ouvrages découpés pour être scannés au cœur d’une polémique patrimoniale
La pratique la plus contestée concerne la destruction physique des livres lors du processus de numérisation. Pour scanner rapidement un ouvrage, il est fréquent de couper sa reliure afin de séparer les pages et de les faire passer dans des machines à haut débit. Cette méthode est efficace, peu coûteuse et adaptée aux volumes importants, mais elle condamne l’exemplaire traité.
Dans le cas de livres ordinaires et largement disponibles, le débat pourrait sembler limité. Il prend une tout autre dimension lorsque des ouvrages rares, épuisés ou recherchés sont concernés. Un livre ancien n’est pas seulement un assemblage de mots : il peut porter des annotations, une reliure spécifique, une histoire de possession ou une valeur bibliographique qui disparaît avec sa découpe.
Les défenseurs du patrimoine estiment que cette logique industrielle réduit le livre à son contenu textuel, en ignorant sa matérialité. Or, pour les bibliothèques, les chercheurs et les collectionneurs, l’objet lui-même compte. La polémique dépasse donc la seule question de l’IA : elle interroge notre rapport à la mémoire écrite, à la rareté et à la responsabilité des entreprises capables d’absorber des pans entiers de culture imprimée.
Amazon confirme acheter des livres mais laisse planer le doute sur l’entraînement de ses IA
Face aux éléments publiés par 404 Media, Amazon a reconnu acheter des livres via des canaux commerciaux, tout en restant prudent sur l’usage exact qui en est fait. La firme affirme que ces acquisitions servent à « développer et améliorer les produits et services » utilisés par ses clients. En revanche, elle n’a pas explicitement confirmé que ces ouvrages alimentaient l’entraînement de ses modèles d’IA.
Cette réponse entretient l’ambiguïté. Amazon dispose de nombreux services susceptibles de bénéficier de contenus numérisés : recherche interne, recommandations, assistants vocaux, outils de lecture, services cloud ou solutions d’intelligence artificielle. Le groupe peut donc évoquer une amélioration générale de ses produits sans détailler la chaîne technique qui relie l’achat d’un livre à l’exploitation de ses données.
Pour les observateurs, le silence sur l’entraînement des IA est significatif. Dans un contexte où les entreprises technologiques sont déjà critiquées pour l’opacité de leurs jeux de données, chaque formulation est scrutée. Les éditeurs, auteurs et libraires demandent davantage de transparence : quels livres sont achetés, sont-ils détruits, leurs contenus sont-ils intégrés à des modèles commerciaux, et les ayants droit sont-ils rémunérés ? Autant de questions auxquelles Amazon n’apporte, pour l’instant, aucune réponse détaillée.
Droit d’auteur et éthique placent toute l’industrie de l’IA sous pression
L’affaire Amazon s’inscrit dans un climat de tension grandissante entre les créateurs, les éditeurs et les entreprises d’IA générative. Au cœur du débat se trouve une question juridique sensible : une société peut-elle acheter un livre, le numériser, puis utiliser son contenu pour améliorer un système commercial sans autorisation spécifique des ayants droit ? La réponse varie selon les pays, mais les procédures judiciaires se multiplient.
Anthropic, l’entreprise derrière Claude, a déjà été contrainte de s’expliquer sur des pratiques similaires dans le cadre d’un litige lié au droit d’auteur. Ces dossiers pourraient créer des précédents majeurs pour l’ensemble du secteur. Si les tribunaux estiment que l’entraînement de modèles sur des œuvres protégées nécessite une licence, le coût de développement des IA pourrait augmenter fortement.
Au-delà du droit, la dimension éthique devient incontournable. Les entreprises technologiques promettent des outils plus intelligents, mais leur progrès repose parfois sur des œuvres produites par des écrivains, chercheurs, traducteurs et éditeurs qui n’ont ni été consultés ni rémunérés. La controverse sur les livres rares ajoute une couche patrimoniale au débat : il ne s’agit plus seulement de données, mais de culture, de mémoire et de respect du travail humain.