Pour entraîner légalement leurs modèles d’IA, les géants technologiques achètent des millions de livres papier — uniquement pour les dépouiller de leur reliure, scanner les pages, puis détruire les originaux. Une décision fédérale de juin 2025 n’a pas freiné cette pratique : elle l’a en quelque sorte codifiée.
🔑 En bref
- L’affaire Bartz v. Anthropic a validé le format shifting de livres achetés légalement comme fair use.
- Des prestataires comme ISBNdb vendent jusqu’à un million de livres physiques par commande aux développeurs d’IA.
- Les ouvrages imprimés avant 2022 sont devenus une matière première stratégique car ils échappent à la pollution par le texte synthétique.
- La logique « une copie pour une copie » encourage la destruction des originaux papier après numérisation.
- Aucune législation fédérale n’a encore créé de mécanisme de licence obligatoire pour l’entraînement sur livres.
Une décision fondateur qui légalise la destruction
Le dossier au cœur de cette tempête s’intitule Bartz v. Anthropic, une action collective menée par les auteurs Andrea Bartz, Charles Graeber et Kirk Wallace Johnson contre la société d’IA Anthropic PBC, créatrice de Claude. Les plaignants reprochaient à l’entreprise d’avoir copié leurs ouvrages sans autorisation — à la fois via des téléchargements piratés sur LibGen et Pirate Library Mirror, et par l’achat de livres physiques ensuite découpés, scannés et détruits — afin d’alimenter une bibliothèque numérique interne d’entraînement. En juin 2025, le juge William Alsup du tribunal fédéral de Californie du Nord a rendu une décision qui redessine le cadre juridique applicable aux données d’entraînement.
Le juge a tiré deux conclusions distinctes. D’une part, il a jugé que l’utilisation d’œuvres protégées pour entraîner des modèles de langage relevait du fair use parce que le processus vise à extraire des relations statistiques entre fragments textuels et non à reproduire ou diffuser les œuvres originales. Le magistrat a qualifié cet usage de « spectacularly transformative », formule aussitôt reprise dans la littérature juridique de la tech. D’autre part — et c’est la conséquence la plus lourde pour le commerce du livre — il a estimé que la conversion de livres imprimés achetés légalement en copies numériques constituait également un usage équitable, au motif que chaque PDF remplaçait l’exemplaire acheté sans accroître le nombre total d’exemplaires détenus. Une copie légale prenait simplement la place d’une autre. L’original papier devait disparaître.
Project Panama : l’usine de scan d’Anthropic
Cette seconde motivation transforme la destruction des livres en une élégance juridique. Anthropic a dépensé plusieurs dizaines de millions de dollars pour acquérir des millions d’ouvrages imprimés, souvent d’occasion. Des prestataires spécialisés arrachaient ensuite les pages de leur reliure, les découpaient au format requis et les numérisaient avant de jeter le papier. Chaque livre physique produisait un PDF comprenant les images scannées et un texte lisible par machine. Les documents internes d’Anthropic, révélés lors de la phase de discovery, désignaient ce programme sous le nom de Project Panama. Tom Turvey, ancien responsable des partenariats du projet de numérisation de Google, a été recruté en février 2024 précisément pour concevoir une voie juridiquement défendable d’acquisition de « tous les livres du monde », tout en évitant le « legal, practice, business slog ».
« Every purchased print copy was copied in order to save storage space and to enable searchability as a digital copy. The print original was destroyed. One replaced the other. »
Juge William Alsup, Bartz v. Anthropic
La logique « une copie remplace une copie » produit une structure d’incitations perverse. Conserver à la fois le livre et son scan présenterait un cas différent. Détruire l’original papier, en revanche, préserve l’argument juridique selon lequel un exemplaire acheté a été échangé contre une copie numérique. La conservation n’est pas seulement inutile : elle devient potentiellement gênante. Une entreprise qui souhaite la protection légale maximale reçoit un signal clair : acheter, scanner, puis se débarrasser de la preuve.
ISBNdb : l’infrastructure commerciale de la destruction
La décision a immédiatement ouvert un marché. ISBNdb, société qui se présente comme la plus grande base de données mondiale de livres, a commencé à commercialiser directement auprès des développeurs d’IA des services d’acquisition en gros. Le discours est sans fard : « The world’s best AI training data is sitting on a shelf. » Les livres, explique-t-elle, sont « dense, edited, authoritative » — des caractéristiques de plus en plus rares dans le texte en ligne pollué par la production des modèles génératifs.
| Caractéristique | Livres physiques pré-2022 | Web ouvert actuel |
|---|---|---|
| Risque de texte synthétique | Quasi nul | Élevé et croissant |
| Exposition au data poisoning | Aucune (texte imprimé) | Élevée (Nightshade, etc.) |
| Qualité éditoriale | Filtrée par éditeurs | Hétérogène |
| Traçabilité d’acquisition | Facture, ISBN | Souvent impossible |
Le service permet de commander entre 1 000 et un million de livres physiques par prestation, avec un catalogue incluant des ouvrages non numérisés, rares ou épuisés. Un article marketing du site promeut un accord de confidentialité juridiquement contraignant pour chaque opération et décrit un scan destructif suivi d’une destruction vérifiable ou d’un recyclage. L’entreprise reconnaît aussi le problème réputationnel : « The optics problem is real. AI company destroys two million books is not a headline that generates sympathy. » Le workaround suggéré tient du spin pur : présenter la destruction comme une forme de préservation numérique.
Les noms des acheteurs ne sont jamais divulgués. Le secret est mutuel — les libraires recevant des commandes en vrac n’ont aucun moyen de vérifier si leur inventaire finit dans un pipeline d’IA. Un libraire interrogé par 404 Media décrit un bond de « pas plus de 20 livres par semaine » à plusieurs centaines presque du jour au lendemain, avec des clients commandant des sélections aléatoires d’ouvrages rares ou épuisés. Le profil d’achat — aléatoire par sujet, riche en titres académiques et littéraires épuisés, peu d’intérêt pour les éditions illustrées — suggère une extraction de données plutôt qu’une lecture.
Pourquoi les vieux livres valent une prime
L’industrie de l’IA ne s’est pas tournée vers les livres physiques par pur souci juridique. Le choix reflète une crise interne : la pollution de ses propres données d’entraînement.
Les modèles entraînés sur du texte synthétique — la sortie générée par d’autres modèles — subissent un déclin documenté, le model collapse. Chaque génération formée sur du contenu machine tend à devenir marginalement moins bonne que la précédente. Le web ouvert est désormais massivement contaminé par du texte machine, rendant difficile l’approvisionnement en matériel authentiquement humain à grande échelle. Le blog d’ISBNdb le formule ainsi : « Physical books published before this date are structurally clean of modern poisoning tools » — référence à des techniques comme Nightshade, qui permettent aux auteurs d’insérer des caractères invisibles perturbant l’entraînement.
Les livres imprimés avant 2022 contournent entièrement cette course aux armements. Ils représentent un corpus humain fixé, non réécrivable, ni contaminé par le synthétique ni par les outils d’empoisonnement. Pour les laboratoires d’IA cherchant à maintenir la qualité de leurs données à grande échelle, ils constituent la dernière source fiable de connaissance humaine propre. L’ironie est que la route vers la préservation numérique exige la destruction physique.
Format shifting : le bouclier juridique et ses limites
L’édifice juridique repose sur deux doctrines : le first-sale doctrine (droit de première vente) et le fair use. La première permet à l’acheteur d’un objet physique de le revendre, le prêter ou en disposer sans l’accord du titulaire du copyright. Le second, prévu à la Section 107 du Copyright Act, protège les usages transformateurs. Anthropic a plaidé que son format shifting — convertir des livres achetés légalement en copies numériques à usage interne non distributif — relevait des deux. La cour a accepté, mais partiellement.
La transformation qui importait n’était pas le passage du papier au numérique en soi, mais ce que la copie numérique permettait : entraîner une IA à produire du texte nouveau. La cour a expressément distingué ce cas des copies piratées. Anthropic avait aussi acquis plus de cinq millions d’ouvrages sur LibGen et deux millions sur Pirate Library Mirror, pour bâtir une « central library » destinée à conserver « all the books in the world » indéfiniment. Le juge Alsup a refusé le jugement sommaire sur cette partie, estimant les faits trop disputés. Anthropic a finalement transigé pour 1,5 milliard de dollars sur les revendications de piratage. Le message est limpide : livres achetés puis détruits = usage équitable ; copies piratées conservées = risque juridique majeur.
Auteurs, éditeurs, bibliothèques : qui trinque ?
La décision envoie des ondes de choc dans plusieurs industries. Éditeurs et auteurs font face à un paysage qui protège techniquement leurs droits dans le domaine numérique tout en offrant un modèle légitime de destruction physique. Authors Guild, qui soutenait les plaignants, maintient que les entreprises d’IA devraient obtenir des licences plutôt qu’acheter et détruire. Plusieurs propositions de loi fédérales ont stagné en commission.
Pour les bibliothèques et archives, les questions sont plus complexes. Les collections spéciales des bibliothèques universitaires deviennent des actifs potentiellement stratégiques — ou des cibles. La distinction entre un livre simplement épuisé et un exemplaire véritablement rare ou unique n’a pas été testée dans ce contexte. Aucune décision n’a encore tranché si l’analyse de fair use change lorsque l’exemplaire en question est la dernière édition connue d’une œuvre, ou porte des annotations, des marginalia ou une provenance qui lui confèrent une valeur au-delà du seul contenu textuel.
Le précédent crypto : brûler pour mieux conserver
La logique de détruire un objet physique pour préserver une position juridique a un précédent inattendu : la cryptomonnaie. En 2021, le protocole Injective a acheté une œuvre imprimée de Banksy, l’a brûlée publiquement devant caméra et a vendu un jeton numérique représentant l’œuvre détruite — le tout pendant que la blockchain enregistrait la propriété et la provenance sans préserver l’objet physique. Le marché de l’art a débattu : commentaire sur la valeur, coup de communication, ou pure destruction de patrimoine ?
Le scan destructif de livres a un but différent mais une structure analogue : l’information est préservée tandis que l’artefact physique est écarté. Dans les deux cas, la représentation numérique est juridiquement plus propre que l’original physique — mais quelque chose se perd que le registre numérique ne peut capturer. La reliure d’une première édition, une inscription signée, le motif d’usure particulier d’un livre lu cent fois : ces éléments ne survivent pas à un PDF, et ils ne font pas partie de l’analyse de copyright.
Conclusion : ce que la machine consomme
La trajectoire pratique n’est pas difficile à extrapoler. Les entreprises d’IA continueront d’avoir besoin de données d’entraînement. Le web continuera d’être pollué par le texte synthétique. Les livres imprimés avant 2022 continueront de représenter la source la plus propre de connaissance humaine. Et tant que la logique « une copie pour une copie » tiendra devant les tribunaux, l’incitation à détruire ces livres après numérisation restera.
Le Congrès américain a envisagé à plusieurs reprises, sans jamais l’adopter, une législation créant un mécanisme de licence pour l’entraînement sur œuvres protégées. Sans ce cadre fédéral, la situation actuelle — qui récompense les entreprises achetant et détruisant des livres physiques tout en exposant celles qui téléchargent des copies piratées — continuera de gouverner le marché. La question n’est pas de savoir si ce pattern se poursuivra, mais s’il sera régulé, taxé ou licencié avant de remodeler ce qui survit du patrimoine imprimé. Pour l’heure, la structure d’incitations est claire : acheter, scanner, détruire, documenter. Le reste relève du papier jeté aux machines.
Sources
- CryptoSlate — AI firms are shredding physical books because copyright law is quietly rewarding them (July 2026)
- Debevoise & Plimpton — Anthropic and Meta Decisions on Fair Use (June 2025)
- Authors Alliance — Anthropic Wins on Fair Use for Training its LLMs (June 2025)
- Ropes & Gray — From Books to Bots: Key Takeaways from the Anthropic Fair Use Decision (June 2025)
- TNW — AI firms are buying old books for slop-free training data (July 2026)
- Futurism — AI Companies Are Buying Antique Books, Ingesting Their Contents to Train Models, and Then Destroying Them (July 2026)
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.
