Une enquête de 404 Media révèle qu’Amazon achète d’importantes quantités de livres, parfois rares ou difficiles à trouver, pour les numériser et alimenter ses systèmes d’intelligence artificielle. La méthode employée est particulièrement radicale : les ouvrages sont découpés, scannés puis détruits. Une pratique qui pose de nouvelles questions sur l’avenir du livre, la préservation du patrimoine écrit et la relation entre intelligence artificielle et création humaine.
Un livre ancien peut aujourd’hui avoir une nouvelle valeur sur le marché : non plus seulement pour son contenu, sa rareté ou son intérêt patrimonial, mais pour les données qu’il contient.
C’est ce que révèle une enquête menée par le média américain 404 Media, qui a suivi à la trace un lot de livres rares acheté sur une plateforme spécialisée. Grâce à un dispositif de localisation placé dans l’un des ouvrages, les journalistes ont pu suivre son parcours jusqu’à un entrepôt Amazon situé à Las Vegas, dans le Nevada.
La destination était pour le moins inattendue : une installation consacrée au traitement de livres destinés à l’entraînement de systèmes d’intelligence artificielle. Et dans cette opération, le livre physique ne survit pas.
Des livres achetés pour être détruits
Selon les informations recueillies par 404 Media auprès de personnes travaillant dans l’installation Amazon identifiée sous le nom de VGT3, d’importantes quantités de livres imprimés y sont réceptionnées. La méthode est industrielle. Les ouvrages sont débarrassés de leur reliure afin que les pages puissent être introduites plus rapidement dans des scanners. Une fois numérisé, le livre papier est détruit.
C’est ce que l’on appelle le scan destructif : plutôt que de photographier ou de scanner chaque page en préservant l’ouvrage, on sacrifie l’exemplaire physique pour gagner du temps et réduire les coûts. Le détail est particulièrement frappant lorsque les livres concernés sont des ouvrages anciens, rares ou publiés dans des langues peu diffusées. Leur nombre d’exemplaires disponibles peut être extrêmement limité.
Dans le cas suivi par 404 Media, la commande comprenait 1 000 livres. L’un d’eux avait été équipé d’un dispositif de suivi avant son expédition. Après plusieurs semaines de transport, la balise s’est immobilisée dans l’installation Amazon de Las Vegas. L’équipe VGT3 aurait notamment pour tâche de scanner les ouvrages et d’enregistrer systématiquement leurs informations bibliographiques, notamment leurs ISBN.
Le paradoxe est saisissant : un livre qui a traversé parfois plusieurs décennies pour parvenir jusqu’à un lecteur peut désormais terminer son existence comme matière première d’un modèle d’intelligence artificielle.
Pourquoi les vieilles éditions intéressent-elles autant l’IA ?
L’intérêt des entreprises technologiques pour les livres imprimés n’est pas nouveau. Mais il prend aujourd’hui une nouvelle dimension. Les livres constituent une source particulièrement riche de données : textes édités, structurés, relus et organisés, souvent beaucoup plus denses que les contenus disponibles sur les réseaux sociaux ou sur certaines parties du Web.
Les ouvrages anciens présentent également un avantage particulier : ils ont été écrits avant l’explosion de l’intelligence artificielle générative.
Or, à mesure que les contenus produits par les IA se multiplient sur Internet, les entreprises technologiques cherchent à disposer de données provenant clairement de la production humaine. Les livres publiés avant l’ère de l’IA générative représentent ainsi un réservoir particulièrement intéressant. 404 Media rapporte notamment que des entreprises spécialisées dans l’acquisition de livres présentent ces ouvrages comme des données d’entraînement de grande qualité.
Les livres rares peuvent être encore plus précieux : ils contiennent parfois des textes qui n’existent pas sous forme numérique, des connaissances spécialisées, des traductions anciennes, des publications dans des langues minoritaires ou des travaux difficilement accessibles en ligne.
Ce qui était autrefois une faiblesse commerciale — un faible tirage ou une diffusion limitée — peut donc devenir une qualité numérique.
Amazon n’est pas le premier géant technologique à utiliser cette méthode
L’affaire Amazon rappelle fortement le cas d’Anthropic, l’entreprise à l’origine de Claude.
En 2025, une procédure judiciaire aux États-Unis avait révélé qu’Anthropic avait acheté des millions de livres imprimés afin de les numériser. Les ouvrages étaient notamment débarrassés de leur reliure, scannés puis détruits. Cette opération s’inscrivait dans une stratégie destinée à constituer une immense bibliothèque numérique pour l’entraînement de ses modèles.
Des documents judiciaires ont par ailleurs révélé l’existence de Project Panama, une opération interne d’Anthropic visant à scanner de manière destructive un très grand nombre de livres. Le procédé n’était donc pas simplement une expérimentation ponctuelle : il répondait à une logique industrielle d’acquisition massive de données.
La justice américaine a validé une partie de la méthode
La question juridique est cependant plus complexe qu’une simple opposition entre « IA » et « droit d’auteur ».
En juin 2025, le juge fédéral William Alsup a estimé que l’utilisation de livres légalement acquis par Anthropic pour entraîner ses modèles constituait un fair use au regard du droit américain. Il a notamment considéré que la transformation des ouvrages imprimés en fichiers numériques et leur utilisation pour entraîner un modèle d’IA pouvait être suffisamment transformatrice.
Mais la décision ne constituait pas un blanc-seing général. Le même juge a considéré comme illégale la conservation par Anthropic de millions de livres obtenus à partir de sources piratées. Autrement dit, la manière dont les livres sont obtenus demeure déterminante.
Cette distinction est essentielle : acheter légalement un exemplaire papier puis le transformer en fichier numérique n’est pas juridiquement équivalent à télécharger illicitement une copie.
Mais qu’en est-il du patrimoine écrit ?
C’est ici que l’affaire Amazon dépasse largement le seul débat sur le copyright. Car si un livre courant est acheté, découpé et numérisé, sa disparition physique peut sembler relativement anodine lorsque des milliers d’exemplaires existent encore. La situation est radicalement différente pour un ouvrage rare.
Que se passe-t-il lorsqu’un exemplaire fait partie des quelques copies encore disponibles d’un titre ancien ? Que se passe-t-il lorsqu’un ouvrage n’a jamais été numérisé par une bibliothèque ? Ou lorsqu’il s’agit d’une publication dans une langue minoritaire dont il ne reste que quelques exemplaires ?
La destruction de l’exemplaire physique peut alors représenter une perte patrimoniale. C’est l’une des grandes différences avec les projets de numérisation patrimoniale conduits par les bibliothèques. Google Books, par exemple, avait développé des procédés de numérisation permettant de conserver les ouvrages physiques empruntés auprès d’institutions partenaires.
Avec le scan destructif, la priorité est différente : obtenir rapidement le contenu numérique. Le livre devient alors moins un objet culturel qu’un conteneur de données.
De l’objet-livre à la donnée
Cette transformation mérite d’être observée de près par l’industrie du livre. Pendant des siècles, la valeur d’un livre reposait sur plusieurs dimensions : son contenu intellectuel, son auteur, son édition, son histoire, sa rareté et parfois son état matériel. L’intelligence artificielle introduit une autre dimension : la valeur du texte comme donnée d’entraînement.
Un livre peut donc désormais être recherché non pas pour être lu, vendu ou collectionné, mais pour être absorbé par une machine. Cette évolution crée une situation paradoxale. D’un côté, les libraires et les bouquinistes bénéficient de cette nouvelle demande. Des acteurs spécialisés dans le livre d’occasion observent déjà des achats massifs et atypiques provenant d’acheteurs dont l’identité finale reste parfois difficile à déterminer.
De l’autre, les bibliophiles peuvent s’inquiéter de voir certains ouvrages sortir du circuit traditionnel pour rejoindre des infrastructures privées de traitement des données.
Le livre devient une matière première technologique.
Un nouveau chapitre dans le rapport entre le livre et l’IA
Cette affaire soulève finalement une question beaucoup plus vaste : jusqu’où sommes-nous prêts à aller pour alimenter les intelligences artificielles en données ? La numérisation peut permettre de sauver des œuvres menacées de disparition, de rendre accessibles des fonds jusque-là réservés à quelques chercheurs et de faciliter la recherche.
Mais elle peut également conduire à une logique dans laquelle la préservation de l’objet original devient secondaire. Or, dans le cas d’un livre rare, le support n’est pas nécessairement un simple emballage du contenu. L’édition, la reliure, les annotations, le papier, les marques de provenance et l’histoire de l’exemplaire peuvent eux-mêmes avoir une valeur documentaire.
La question n’est donc plus seulement de savoir si l’IA peut lire les livres. Elle est désormais de savoir ce que nous acceptons de faire aux livres pour que les machines puissent les lire.
L’affaire révélée par 404 Media ouvre ainsi un débat qui concerne directement les éditeurs, les auteurs, les libraires, les bibliothèques, les bibliophiles et les institutions patrimoniales : comment permettre aux technologies d’accéder à l’immense richesse du patrimoine écrit sans transformer ce patrimoine en simple carburant pour les machines ?
Car une fois le livre découpé, scanné et jeté, le texte peut survivre dans un serveur. Mais l’exemplaire, lui, ne reviendra pas.
Lire l’enquête de 404 Media sur les livres achetés par les entreprises d’IA
Et si une simple ampoule pouvait devenir une bibliothèque ? Aux États-Unis, le développeur Rick Osgood a imaginé un dispositif Lire plus
Les bibliothèques de Sherbrooke, au Québec, s’apprêtent à franchir une nouvelle étape de leur modernisation. D’ici 2027, leur réseau sera Lire plus
Laisser un commentaire