Les librairies d’occasion n’étaient pas censées être un marché en croissance. Pendant des années, le secteur a eu du mal à survivre alors que la lecture numérique transformait les habitudes et que la fréquentation baissait. Les ventes de livres ont atteint un sommet en 2007 à 17,18 milliards de dollars et n’ont cessé de chuter depuis. Aujourd’hui, certaines de ces mêmes boutiques traitent des commandes groupées de milliers de volumes en une seule journée. Les acheteurs ne sont pas des lecteurs. Ce sont des entreprises d’IA, et les livres risquent de ne pas survivre à cette rencontre.
Du Northumberland à Las Vegas: l’ampleur de la demande
Barter Books, une librairie d’occasion située dans le Northumberland, le comté le moins densément peuplé d’Angleterre, vend habituellement entre 2 000 et 3 000 livres par semaine. Récemment, le propriétaire a reçu une seule commande groupée d’une entreprise canadienne équivalant à tout ce volume hebdomadaire. Plusieurs librairies voisines signalent des tendances similaires.
Les commandes arrivent par l’intermédiaire de plateformes comme Biblio, qui rend les acheteurs anonymes, de sorte que les vendeurs savent rarement avec certitude qui achète ni pourquoi. Mais l’ampleur des transactions rend l’explication du “collectionneur personnel passionné” peu plausible. Un envoi contenant au moins un livre rare a été suivi jusqu’à une installation d’entraînement d’IA d’Amazon à Las Vegas, une installation qui numérise et détruit les livres à des fins d’entraînement pour l’IA.
La numérisation destructive est exactement ce qu’elle suggère. Les livres reliés sont physiquement désassemblés afin que leurs pages individuelles puissent passer dans des scanners à haute vitesse. Le texte est ensuite ingéré par un LLM. Une fois le processus terminé, les pages sont jetées, recyclées ou transformées en pâte à papier. Le livre cesse d’exister.
Le paysage juridique qui a rendu cela nécessaire
La hausse des achats de livres d’occasion n’est pas le fruit du hasard. Elle fait suite à une évolution juridique spécifique. Anthropic a récemment conclu ce qui a été décrit comme l’un des plus grands règlements pour violation du droit d’auteur de l’histoire, acceptant de verser 1,5 milliard de dollars à plus de 300 000 écrivains qui avaient déposé une plainte contre l’entreprise deux ans auparavant. OpenAI continue de faire face à de multiples poursuites pour violation du droit d’auteur de la part de sources incluant The New York Times, l’Encyclopedia Britannica, l’humoriste Sarah Silverman et plusieurs auteurs d’ouvrages non fictionnels, qui affirment que l’entreprise a copié leurs livres pour entraîner son LLM.
Le règlement concernant Anthropic a toutefois produit une décision de justice aux implications importantes. Le tribunal a déterminé que l’entraîner des IA sur des œuvres protégées par le droit d’auteur n’est pas illégal, à condition que l’entreprise ait payé pour les livres qu’elle a utilisés. Un autre juge est arrivé à une conclusion similaire concernant Meta. Cette décision a effectivement créé une voie juridique: acquérir les livres physiques, les payer, et l’entraînement est autorisé.
Les livres d’occasion offrent une option d’acquisition moins chère que l’achat direct auprès des éditeurs. Les éditeurs peuvent également refuser de fournir des exemplaires aux entreprises d’IA si l’utilisation prévue est connue. Acheter par le biais de marchés anonymes permet de contourner ces deux problèmes.
L’affaire Anthropic a également mis en lumière une initiative interne appelée “Project Panama”, que l’entreprise a décrite comme son effort pour “numériser et détruire tous les livres du monde”. Des documents internes ont révélé que l’entreprise a utilisé un nom de code pour la méthode d’entraînement précisément parce que, selon ses propres mots, elle ne voulait pas qu’il soit su qu’elle travaillait sur ce projet. Anthropic a depuis déclaré à la BBC qu’aucun de ses programmes d’acquisition de données n’achète et ne détruit des livres rares ou anciens.
Ce que cela révèle sur la façon dont les systèmes d’IA sont réellement construits
Voici ce que la plupart des reportages sur le développement de l’IA minimisent: la qualité et l’étendue des données d’entraînement d’un modèle de langage ne sont pas une note de bas de page technique. C’est la fondation. Les livres, en particulier les plus anciens, contiennent des formes de connaissances, de structures de prose et d’expertises sectorielles qui ne sont pas faciles à reproduire en explorant le Web ouvert. Les livres rares et anciens peuvent détenir des informations qui n’existent nulle part ailleurs sous forme numérisée, ce qui les rend précisément attrayants comme matériel d’entraînement et ce qui rend leur destruction potentielle préoccupante pour les historiens, les bibliothécaires et les archivistes.
Les assurances d’Anthropic concernant les livres rares ne s’appliquent qu’à Anthropic. Il est peu probable que ce soit la seule entreprise à utiliser la numérisation destructive, et d’autres entreprises n’appliqueront peut-être pas les mêmes restrictions sur ce qu’elles traitent.
Pour les libraires d’occasion, la dimension éthique est bien réelle mais complexe. De nombreux propriétaires de magasins peuvent avoir des réserves quant à la destination des livres. L’apport de liquidités est toutefois difficile à refuser pour un secteur qui a passé des années à se contracter. Le secteur a connu une modeste reprise au cours des trois dernières années, mais de nombreuses librairies ont tout de même dû se restructurer ou fermer définitivement.
La situation place les libraires indépendants dans une position inconfortable: ils deviennent, sans pleine connaissance ni consentement, des fournisseurs dans un processus industriel qu’ils ne peuvent ni pleinement voir ni vérifier.
En bref
Les entreprises d’IA achètent des livres d’occasion en gros, à grande échelle, comme un moyen rentable et juridiquement défendable d’acquérir des données d’entraînement à la suite de décisions de justice autorisant l’entraînement sur des œuvres protégées par le droit d’auteur lorsque les exemplaires physiques sont payés. Le processus, connu sous le nom de numérisation destructive, détruit physiquement les livres après leur numérisation. Cette pratique suscite des inquiétudes légitimes concernant les volumes rares et irremplaçables, la transparence de la chaîne d’approvisionnement, et ce que cela signifie lorsqu’une catégorie entière de la connaissance humaine est traitée industriellement puis jetée. Pour les librairies d’occasion, la demande constitue une bouffée d’oxygène financière. Pour le patrimoine culturel au sens large, les implications méritent d’être suivies de près.
D’après un reportage de Fast Company - Tech.