Depuis environ un an, les libraires remarquent une étrange tendance : quelqu'un achète régulièrement des livres rares et peu imprimés en vrac, avec peu de respect pour leur contenu. La suspicion tombait sur les entreprises qui formaient de grands modèles linguistiques, mais il n'y avait aucune preuve. Maintenant, il semble, la preuve a été trouvée d'une manière très inhabituelle.
Un traqueur dans un livre conduit à un entrepôt Amazon
Un vendeur a décidé de tester la théorie et a glissé un tracker Bluetooth AirTag caché dans un livre d'un lot de gros. L'appareil a révélé l'itinéraire: la commande n'est pas allée à un collecteur privé et pas à un entrepôt de magasin en ligne, mais au centre d'entraînement AI d'Amazon à Las Vegas. Une équipe y travaille en déchirant littéralement les épines des livres et en scannant les pages, une méthode qui leur permet de traiter les volumes plus rapidement et plus soigneusement qu'un scanner régulier.
Une enquête publiée par 404 Media a confirmé que les achats en gros de livres rares sont en effet liés à Amazon. L'entrepôt avec le code VGT3 abrite une équipe de numérisation, et la porte de l'établissement est décorée d'un logo d'un tyrannosaurus sur le point de manger un livre. Raccords, étant donné le sort des copies qui finissent là-haut: après avoir scanné, les livres sont détruits.
Amazon elle-même a refusé de commenter les conclusions, se limitant à une déclaration formelle: l'entreprise achète des livres par les canaux commerciaux ordinaires pour «développer et améliorer des produits et des services pour les clients». La formation à l'IA n'est pas mentionnée dans cette réponse, même si cela semble être exactement à quoi sert la recherche de textes uniques.
Pourquoi Amazon détruit des livres rares
Amazon construit activement ses propres modèles de frontière — une nouvelle génération d'IA qui est censée rivaliser avec le travail de Google, OpenAI et Anthropic. De tels modèles ont besoin d'énormes volumes de données uniques, et moins le matériel est « écrit », mieux c'est. Le contenu Internet ordinaire n'est plus suffisant à cette fin.
C'est pourquoi l'intérêt de l'entreprise ne s'est pas concentré sur les premières éditions coûteuses, mais sur les livres qui semblent indiscutables du point de vue du marché : les œuvres ne sont jamais traduites à partir de langues rares, depuis longtemps épuisées, ou tout simplement pas assez populaires pour un tirage de masse. Ils peuvent être achetés en vrac sans regret, et ils fournissent ce dont les algorithmes ont besoin — un texte qui n'a jamais été numérisé auparavant.
Les employés de l'entrepôt ont décrit leur travail en fait sur les forums : monotone, mais avec des heures pratiques, et réglable en fonction de ses besoins si nécessaire. Ils ont été formés à scanner le code à barres ou ISBN avant de traiter chaque livre. Ce détail est particulièrement important: il indique qu'Amazon travaille méthodiquement à travers le catalogue des publications imprimées à l'aide d'une liste d'identificateurs, essayant de couvrir le plus d'œuvres possible.
Selon 404 Media, à un moment donné cette année l'équipe a manqué de livres à scanner. La pénurie était si grave que les travailleurs craignaient la fermeture de l'entrepôt. Plus tard, les livraisons ont repris et l'installation continue de fonctionner.
La question de la valeur et de l'éthique
La destruction de livres pour la formation à l'IA a déclenché une forte réaction en ligne. Michael Barry, un journaliste et écrivain bien connu, a appelé la pratique « l'incarnation du mal ». Les utilisateurs de Reddit ont débattu de la justification d'un tel traitement du patrimoine culturel. Un argument particulièrement fort: beaucoup de ces livres avaient recueilli de la poussière sur les étagères pendant des décennies, et presque personne ne les aurait achetés pour la lecture. Mais cela ne nie pas leur valeur.
Les anciennes éditions ont plus qu'une valeur monétaire. Il y a une valeur historique et intellectuelle, et parfois sentimentale, pour les bibliophiles ou les chercheurs. Comme l'a noté le libraire qui a mené l'expérience du traqueur, pour les compagnies d'IA, un tel livre n'est que «contenu sous la forme d'un ensemble de mots». Petits détails de la vie quotidienne, termes dépassés, particularités des langues régionales — tout cela disparaît pour toujours après que l'original a été scanné et détruit.
Les sceptiques ont appelé la publication "propagande de haïsseurs AI", mais même ils ont convenu que regretter la perte de sources imprimées uniques est tout à fait raisonnable. D'autant plus que le contenu des livres numérisés est peu susceptible d'être rendu public par l'entreprise. Moins les concurrents peuvent accéder à des données uniques, mieux c'est pour ceux qui les ont collectées. Les bibliothèques et les chercheurs n'auront probablement pas accès à ces archives.
Contrairement à Amazon, les concurrents Anthropic et xAI ont déjà déclaré publiquement qu'ils n'utilisent pas de livres rares ou anciens pour la formation. Amazon, quant à elle, préfère garder le silence, ce qui ne fait que soulever plus de questions. Si la pratique est vraiment systématique, les conséquences pour le marché du livre et le patrimoine culturel pourraient être graves: les éditions rares sont une ressource finie, et la liste des ISBN qui peuvent être vérifiés méthodiquement est juste là devant les géants de l'IA.
