Amazon détruit des livres rares pour entraîner son IA : un AirTag caché l'a révélé
Depuis environ un an, les libraires spécialisés dans les livres rares soupçonnaient que des entreprises d'intelligence artificielle achetaient en gros des lots d'ouvrages anciens pour les scanner puis les détruire, dans le but d'entraîner leurs modèles. Le média 404 Media affirme avoir désormais la preuve que ces pratiques d'entreprise ne relèvent pas seulement d'un intermédiaire mystère : Amazon en fait partie. Un libraire a accepté de dissimuler un traceur Airtag dans un livre rare inclus dans une commande groupée. Ce traceur a mené les journalistes jusqu'à une installation d'Amazon consacrée à l'entraînement de l'IA, située à Las Vegas, où une équipe se consacre à arracher les pages des reliures pour les numériser. Un détail a particulièrement marqué les enquêteurs : sur la porte de cet entrepôt, baptisé VGT3, un logo représentait un Tyrannosaurus rex s'apprêtant à dévorer un livre. Sollicité, Amazon n'a pas commenté directement les révélations, se contentant de transmettre la même déclaration générique déjà fournie à 404 Media, sans mentionner explicitement l'entraînement de l'IA.
Résumé et traduction réalisés par Le Fil IA à partir de Ars Technica AI. Lire l'article original →
Également couvert par The Decoder, TechCrunch AI.
Cette découverte confirme, pour la première fois avec une preuve matérielle, ce que dénonçaient depuis des mois les libraires et défenseurs du patrimoine écrit : la course aux modèles de langage les plus puissants pousse les géants technologiques à sacrifier des ouvrages rares, parfois uniques, pour en extraire du texte d'entraînement. Ce phénomène soulève des questions de préservation culturelle, puisque des exemplaires irremplaçables disparaissent définitivement une fois désossés et numérisés. Il relance aussi le débat sur la transparence des pratiques d'approvisionnement en données des grands acteurs de l'IA, qui communiquent rarement sur l'origine exacte de leurs corpus d'entraînement.
Cette affaire s'inscrit dans un contexte plus large de tensions entre l'industrie de l'IA et le monde de l'édition, marqué par de nombreux litiges sur le droit d'auteur et l'utilisation de contenus protégés sans autorisation explicite. Amazon, qui développe ses propres modèles frontières pour rivaliser avec OpenAI, Google ou Anthropic, s'ajoute désormais à la liste des entreprises soupçonnées de méthodes agressives de collecte de données. L'attitude évasive du groupe, qui refuse de confirmer ou d'infirmer l'usage précis de ces livres détruits, laisse présager de nouvelles enquêtes journalistiques et, potentiellement, des réactions de la part de libraires, d'archivistes et de législateurs soucieux de protéger le patrimoine littéraire face à l'appétit des IA génératives.
Pas d'impact direct sur la France/UE, mais l'affaire alimente le débat européen sur la transparence des données d'entraînement visée par l'AI Act et le droit d'auteur.