Imaginez un ouvrage botanique du XVIIIe siècle qui a traversé les guerres, les incendies et trois cents ans d’histoire. Il existe en trois exemplaires dans le monde. Un matin, une entreprise d’intelligence artificielle l’achète via un service anonyme, le passe dans une machine qui tranche sa reliure pour un scan rapide, puis le broie. Ce scénario n’a rien d’une dystopie : c’est une pratique industrielle bien réelle, révélée fin juillet 2026 par plusieurs enquêtes croisées. La destruction de livres rares par l’IA soulève une question brutale : jusqu’où peut aller la course aux données d’entraînement ?
Un modus operandi industriel et anonyme
Le mécanisme est aussi simple que choquant. Des entreprises d’IA passent par ISBNdb, un service spécialisé dans l’approvisionnement massif d’ouvrages. Cette plateforme permet de commander jusqu’à un million de livres à la fois, tout en préservant l’anonymat des acheteurs. Mieux : elle propose des accords de non-divulgation (NDA) comme argument commercial et conseille à ses clients de parler de « préservation numérique » plutôt que de destruction.
Une fois les livres livrés, ils passent dans des scanners haute vélocité. Pour accélérer le processus, la reliure est littéralement tranchée afin de numériser les pages à plat, sans manipulation manuelle. Une opération qu’un libraire interrogé par 404 Media décrit comme un aller simple : après le scan, les originaux sont broyés ou mis au pilon. Il ne reste qu’un fichier numérique sur un serveur.
L’objectif est clair : constituer des jeux de données d’entraînement massifs sans se soucier de la contamination par des contenus synthétiques.
Pourquoi les livres d’avant 2022 valent de l’or
Depuis l’explosion des grands modèles de langage, une partie croissante du texte disponible en ligne est générée par des IA. Blogs, articles, descriptions produits, pages wikipédia : le « slop » algorithmique prolifère. Pour les entreprises qui entraînent leurs modèles, ce contenu synthétique pose un problème de taille.
Un modèle nourri de texte généré par d’autres IA tend à dégrader ses performances, un phénomène parfois appelé « collapse de modèle ». La parade consiste à rechercher des sources antérieures à 2022, date à laquelle les contenus synthétiques ont commencé à inonder le web.
Les livres anciens et épuisés remplissent parfaitement ce cahier des charges :
- Ils sont antérieurs à l’ère des LLM grand public.
- Leur texte a été édité, relu et vérifié, contrairement à la majorité du contenu web.
- Ils sont souvent indisponibles au format numérique, ce qui en fait une ressource exclusive.
Ironie du sort : ces mêmes entreprises qui rejettent le contenu synthétique pour entraîner leurs IA sont parmi les premières à en produire à l’échelle industrielle. Un article du site Nonograph résume cette contradiction d’une phrase cinglante : « Si les entreprises d’IA évitent le slop, ne devrions-nous pas faire de même ? »
Une pratique validée par la justice
Le fait le plus troublant dans cette affaire est sans doute sa légalité. Un juge fédéral américain a statué que cette pratique relevait du fair use (usage loyal). Le raisonnement : puisqu’un seul exemplaire subsiste à tout moment (le fichier numérique remplaçant l’original physique détruit), il n’y aurait pas de duplication illicite.
Cette décision ouvre une autoroute juridique. Une entreprise peut désormais acquérir, numériser et détruire des ouvrages, y compris des éditions rarissimes, sans crainte de poursuites pour violation de copyright, tant que le tirage physique est éliminé.
Anthropic, seule entreprise nommément citée dans la controverse, a d’ailleurs recruté l’ancien responsable des partenariats de Google Books avec un mandat explicite : obtenir « tous les livres du monde ». Une ambition qui, couplée à la jurisprudence récente, laisse présager une accélération du phénomène.
Ce que perd la mémoire collective
Des livres rares avec très peu d’exemplaires survivants seraient déjà passés dans ce circuit, selon le témoignage du libraire relayé par 404 Media. On ne parle pas de romans de gare ou de manuels obsolètes, mais potentiellement d’éditions uniques, de textes scientifiques anciens, de traités historiques.
Un ouvrage rare n’est pas qu’un support d’information. C’est un objet matériel, un témoin de son époque, parfois annoté, relié artisanalement, porteur d’une histoire propre. Une fois broyé, il ne revient pas. On peut réimprimer un best-seller ou remettre en ligne un site web. On ne recrée pas les trois derniers exemplaires d’un texte de botanique du XVIIIe siècle.
La formule employée par le site même d’ISBNdb est glaçante de cynisme assumé : « « Une entreprise d’IA détruit deux millions de livres » n’est pas un titre qui suscite la sympathie. » Ils en ont pourtant bâti tout un modèle économique, en misant sur la discrétion.
Ce qu’il faut retenir
- Des entreprises d’IA achètent, scannent et détruisent des livres rares via le service ISBNdb, qui garantit l’anonymat et propose des NDA.
- Les ouvrages antérieurs à 2022 sont ciblés car exempts de contenus générés par IA, ce qui en fait des données d’entraînement « propres ».
- Un juge fédéral américain a validé cette pratique au nom du fair use, créant un précédent juridique lourd de conséquences.
- Des éditions rarissimes, parfois en quelques exemplaires, disparaissent de façon irréversible.
- Aucune entreprise, y compris Anthropic la seule nommément citée, n’a communiqué officiellement sur le sujet à ce jour.
Cette affaire mérite d’être suivie de près. Si vous avez un avis sur la question ou des informations à partager, n’hésitez pas à réagir en commentaire ou à me contacter directement. Et si ces sujets à la frontière de la tech, du droit et de l’éthique vous intéressent, pensez à vous abonner au blog.
Sources
- HedgieMarkets sur X, thread du 27 juillet 2026, source initiale de la controverse.
- 404 Media, mention du témoignage du libraire sur la destruction d’éditions rares.
- The Atlantic, couverture sur le recrutement de professeurs par les entreprises d’IA (contexte connexe).
- Dallas Express, article « The Vanishing Page: AI Firms Scan Then Destroy Rare Book Editions » documentant le modus operandi.
- Yahoo News, article précisant la validation judiciaire de la pratique via une décision de justice fédérale.