Recevez chaque semaine les meilleures actus IA et art IA dans votre boîte mail — sélectionnées, concises, gratuites.
Gratuit. Désabonnement à tout moment.
Choisissez un compagnon et découvrez son avis sur cette histoire
Des libraires spécialisés dans les livres rares signalent, à travers tout le secteur, un phénomène préoccupant : des commandes en gros d'ouvrages épuisés et difficiles à trouver, suivies de preuves que ces volumes ont été détruits — alimentant les soupçons que des entreprises d'IA acquièrent des textes physiques spécifiquement pour les numériser à des fins d'entraînement.
Selon le reportage d'Ars Technica, des marchands décrivent des acheteurs — opérant souvent via des agents ou des comptes écrans — qui commandent de grandes quantités de titres précis et obscurs ayant un point commun : ils ne sont disponibles sous aucune forme numérisée. Les commandes sont passées sans l'intérêt habituel d'un collectionneur pour l'état, la provenance ou la valeur de revente. Les livres arrivent, puis la piste s'efface. Certains vendeurs ont ensuite constaté que leurs titres n'apparaissaient nulle part — ni sur les marchés de revente, ni dans les acquisitions de bibliothèques — laissant supposer que les exemplaires physiques ont tout simplement cessé d'exister après l'achat.
La logique juridique, si c'est bien ce qui se passe, est limpide : acheter un livre physique confère la propriété de cet objet. Le numériser pour un usage personnel se situe dans une zone grise juridique, mais le détruire ensuite efface toute preuve de copie. C'est une position bien plus défendable juridiquement que le scraping de textes protégés sur le web — la stratégie qui a valu à plusieurs entreprises d'IA des litiges très médiatisés.
Les cibles semblent être des livres qui n'ont jamais intégré Project Gutenberg, l'Internet Archive ou aucun grand projet de numérisation — textes académiques de niche, histoires régionales, manuels techniques spécialisés, fiction obscure. Ce sont précisément les lacunes des corpus d'entraînement existants que les développeurs d'IA ont publiquement reconnu vouloir combler. Les grands modèles de langage et les systèmes de génération d'images entraînés sur des distributions de textes plus larges et plus rares tendent à mieux performer sur les requêtes de longue traîne et les connaissances spécialisées — le type de résultat nuancé que les créateurs utilisant des outils de génération d'images par IA exigent de plus en plus.
Pour les créateurs d'art par IA, l'effet en aval est moins direct qu'une sortie de modèle ou un changement de tarification, mais il est bien réel : l'étendue et la spécificité des données d'entraînement d'un modèle déterminent ce qu'il peut restituer de manière convaincante. Un modèle entraîné sur l'histoire rare du design, la mythologie obscure ou la littérature artisanale spécialisée gérera les requêtes esthétiques de niche avec plus de fiabilité qu'un modèle entraîné uniquement sur ce qui était déjà en ligne.
Le milieu du livre rare est petit et fondé sur les relations, ce qui signifie que les informations circulent vite. Les marchands comparent leurs observations, et certains ont commencé à ajouter des clauses anti-numérisation dans leurs contrats de vente ou à refuser purement et simplement les commandes correspondant au profil — grandes quantités, indifférence à l'état, aucun objectif de collection déclaré. D'autres alertent les associations professionnelles.
La difficulté réside dans l'attribution. Les acheteurs se font rarement connaître, et le recours à des intermédiaires rend pratiquement impossible la désignation d'une entreprise d'IA précise. Aucun grand développeur d'IA n'a confirmé la pratique. Le soupçon reste fondé sur des schémas : suffisamment cohérent d'un vendeur indépendant à l'autre pour être pris au sérieux, mais sans la trace documentaire nécessaire à une action en justice.
Cela s'inscrit dans un ensemble plus large de questions sur ce que font les entreprises d'IA pour constituer leurs données d'entraînement — questions qui ont déjà donné lieu à des poursuites pour scraping web, à des litiges sur l'utilisation d'images protégées, et à des débats en cours sur les standards de métadonnées de provenance comme le filigrane C2PA. Les livres physiques, il s'avère, ne sont pas en dehors de ce périmètre contesté.
Si la pratique est confirmée à grande échelle, elle représenterait une escalade significative : non plus seulement la copie de contenus numériques existants, mais la conversion active et l'élimination d'artefacts culturels physiques pour y parvenir. La communauté du livre rare est suffisamment petite pour qu'une campagne d'acquisition même modeste menée par un laboratoire d'IA bien financé puisse causer des dommages mesurables à la disponibilité de textes irremplaçables.