ISBNdb expédie anonymement jusqu’à un million de livres aux laboratoires d’IALes livres publiés avant 2022 sont très recherchés, car les chatbots n’ont jamais touché à leur contenuDes scanners découpent la reliure et détruisent les originaux pour accélérer leur numérisation à des fins d’entraînementLes entreprises d’intelligence artificielle se tournent de plus en plus vers les livres imprimés avant 2022 pour entraîner leurs modèles. Ces ouvrages sont privilégiés, car ils précèdent la généralisation des contenus générés par l’IA.À grande échelle, les opérations de numérisation impliqueraient de découper la reliure des livres, de séparer leurs pages et de détruire les exemplaires physiques. L’objectif consiste à créer des jeux de données numériques destinés aux grands modèles de langage.Cette pratique suscite des critiques croissantes. Certains livres intégrés à ces chaînes de traitement seraient extrêmement rares, ce qui fait craindre des pertes culturelles irréversibles.Les livres publiés avant 2022 deviennent une ressource précieuse pour entraîner les IASelon une enquête de 404 Media, le courtier en données ISBNdb fournit des livres physiques en grande quantité aux développeurs d’IA. Ces derniers recherchent des textes écrits par des humains et préservés des productions des chatbots modernes.L’entreprise estime que les ouvrages publiés avant 2022 offrent des jeux de données plus propres. Ils ne peuvent pas contenir de textes générés par les grands modèles de langage contemporains.Ces livres sont souvent considérés comme « denses, relus et fiables ». Ils se distinguent ainsi des contenus en ligne, de plus en plus envahis par des textes générés automatiquement dont la qualité reste incertaine.Cette approche cherche également à éviter ce que l’on appelle l’effondrement des modèles. Ce phénomène survient lorsque les systèmes d’IA perdent progressivement en qualité après s’être entraînés à plusieurs reprises sur des contenus synthétiques produits par des modèles antérieurs.ISBNdb affirme aussi que les anciens ouvrages imprimés échappent aux techniques volontaires d’empoisonnement des données. Certains auteurs modifient désormais soigneusement leurs documents afin de perturber l’entraînement des intelligences artificielles.Toutefois, de nombreux livres seraient numérisés à l’aide d’équipements à très haut débit.Ces machines obligent les opérateurs à retirer la reliure avant d’insérer séparément les pages dans des scanners automatisés.Ce procédé détruirait donc l’exemplaire original. Il rend néanmoins la numérisation rapide nettement moins coûteuse que les méthodes de conservation plus lentes, conçues pour préserver l’intégrité physique des livres.Le secret et les décisions de justice alimentent les inquiétudes sur la conservationISBNdb reconnaît ouvertement les risques que cette pratique fait peser sur sa réputation. L’entreprise propose toutefois des accords de confidentialité stricts, qui permettent de garder secrète l’identité de ses clients pendant toute la durée de leurs relations commerciales.Son site indiquerait que « “Une entreprise d’IA détruit deux millions de livres” n’est pas un titre qui suscite la sympathie ». Il conseillerait donc aux clients de présenter cette opération comme une forme de préservation numérique.Une telle destruction dépasse d’un ordre de grandeur la perte de la bibliothèque d’Alexandrie. Pourtant, elle se déroule sans provoquer l’indignation généralement associée, dans l’Histoire, aux bibliothèques incendiées.Des libraires interrogés par 404 Media affirment que certains ouvrages intégrés à ces programmes de numérisation ne subsistent plus qu’en très peu d’exemplaires. Ils ont pourtant déjà traversé des guerres, des incendies et plusieurs siècles de manipulations.Les critiques soulignent que ces œuvres historiques extrêmement rares ne ressemblent ni aux sites Internet ni aux publications modernes largement diffusées. Il devient impossible de les reproduire lorsque leurs derniers exemplaires physiques disparaissent définitivement.Aux États-Unis, une récente décision de justice concernant Anthropic a estimé que la numérisation de livres achetés légalement pour entraîner une IA relevait de l’usage loyal dans certaines circonstances précises.Le raisonnement reposait notamment sur la destruction de chaque exemplaire imprimé pendant sa numérisation. Une copie légale en remplaçait ainsi une autre, au lieu de permettre la création de plusieurs exemplaires.En réponse à une critique de cette méthode publiée sur X par @Hedgie, Elon Musk a déclaré : « Il a été demandé à l’équipe SpaceXAI de conserver tous les livres rares dans une bibliothèque et de les numériser de la manière la plus difficile », suggérant ainsi une autre approche.Sans une prise de conscience suffisante, cette disparition silencieuse de livres irremplaçables risque de devenir l’un des actes de destruction culturelle les plus marquants de notre époque. Elle pourrait seulement rester dans les mémoires lorsqu’il sera déjà trop tard pour y remédier.