Amazon et Anthropic détruisent des livres rares pour entraîner leurs intelligences artificielles

L'enquête diffusée par 404 Media, signée par le journaliste Emanuel Meiberg, documente les méthodes industrielles employées pour alimenter les programmes informatiques. Les investigations rapportées par Numerama, 20 Minutes ainsi que Frandroid exposent le parcours d'ouvrages anciens acquis discrètement puis acheminés vers des installations spécialisées. Des dispositifs de localisation électronique dissimulés dans les pages d'éditions anciennes ont permis de suivre les expéditions depuis les vendeurs indépendants jusqu'aux centres de traitement logistique. Les volumes ainsi tracés ont rejoint les bâtiments de Amazon, tandis que des procédures comparables ont bénéficié à Anthropic. Ces opérations visent à constituer d'immenses bases textuelles nécessaires à l'apprentissage automatique, en exploitant des parutions physiques introuvables sous format numérique classique.

Le processus matériel appliqué dans ces sites industriels repose sur le traitement rapide des pages imprimées. Les volumes proviennent notamment de plateformes comme Biblio ou de librairies spécialisées, sollicitées pour fournir des catalogues entiers d'éditions anciennes. À leur réception dans les ateliers, les reliures sont découpées au massicot afin de séparer les feuillets et de faciliter leur passage sous des capteurs optiques à très haute vitesse. À propos de la nature de cette activité quotidienne, ce salarié témoigne sous anonymat : « Tout ce que nous faisons, c’est scanner des livres ». Cette méthode entraîne la destruction irréversible des exemplaires physiques, parmi lesquels figurent des documents historiques patrimoniaux liés à des figures telles que Léon XIV. Les débris de papier sont ensuite évacués ou détruits après la numérisation complète du texte.

Cette collecte massive répond aux besoins d'entraînement des modèles développés par les géants de la tech. Selon les comptes rendus de Europe 1, Les Échos, BFMTV et La Dépêche du Midi, la rareté de nouvelles données textuelles de qualité pousse ces groupes vers le patrimoine littéraire et historique imprimé. Valeurs Actuelles constate que ces corpus imprimés fournissent la syntaxe et le vocabulaire absents des données disponibles sur le réseau internet public. Face aux constats présentés dans les enquêtes de presse, Amazon a précisé sa position officielle par ce message écrit : « Amazon achète des livres via des canaux commerciaux pour aider à développer et à améliorer les produits et services que nos clients utilisent ». La société soutient ainsi la légalité de ses acquisitions commerciales pour perfectionner ses systèmes automatisés et ses offres numériques.

Le cadre juridique entourant ces activités suscite de vifs débats judiciaires. Aux États-Unis, la justice a validé certaines démarches de numérisation intégrale engagées au profit de Anthropic, estimant que l'apprentissage des réseaux neuronaux relève du principe transformateur des créations intellectuelles. Néanmoins, les auteurs, les éditeurs et les professionnels du livre ancien contestent la légitimité de ce procédé qui détruit physiquement les supports originaux sans consentement explicite des ayants droit. Le média Futurism rapporte que d'autres entreprises du secteur technologique adoptent des méthodes d'acquisition analogues pour maintenir leur compétitivité. La transformation physique d'archives rares en simples vecteurs d'apprentissage statistique modifie en profondeur la préservation matérielle du patrimoine écrit mondial.