Depuis plusieurs mois, certains libraires s’interrogent sur d’étranges commandes portant sur des centaines de livres d’occasion sans véritable lien entre eux. Une enquête de 404 Media apporte aujourd’hui un sérieux élément de réponse. Un AirTag dissimulé dans un ouvrage rare aurait conduit les journalistes jusqu’à un site d’Amazon où des livres sont découpés, numérisés puis détruits. De quoi relancer le débat sur les données utilisées pour entraîner les modèles d’intelligence artificielle.
D’ÉTRANGES COMMANDES DE LIVRES D’OCCASION
Pourquoi acheter simultanément de grandes quantités de livres qui n’ont parfois absolument rien en commun ? C’est la question que se posent depuis quelque temps plusieurs professionnels du livre d’occasion. Habituellement, les commandes concernent un titre précis ou quelques ouvrages appartenant à une même collection. Mais certains vendeurs ont constaté des achats massifs et beaucoup plus difficiles à expliquer.
Une hypothèse s’est rapidement imposée : ces ouvrages pourraient servir à constituer des bases de données destinées à l’entraînement de modèles d’intelligence artificielle. Le contenu obtenu pourrait ensuite être converti en données numériques exploitables pour entraîner une IA. Jusqu’à présent, il manquait toutefois un élément permettant d’établir concrètement la destination de ces livres.
UN AIRTAG CACHÉ DANS UN OUVRAGE RARE
Pour tenter d’en savoir davantage, 404 Media dit avoir dissimulé un AirTag dans un livre rare faisant partie d’une commande, avant de suivre son parcours. Le traceur d’Apple aurait finalement conduit les journalistes jusqu’à un site d’Amazon consacré à l’IA. Des employés interrogés sur place auraient confirmé la présence d’une activité de numérisation de livres.
Selon leurs témoignages, de grandes quantités d’ouvrages imprimés arrivent dans l’établissement. Leur reliure est découpée afin d’accélérer la numérisation des pages au lieu de passer par des scanner industriels. L'opération détruisant les livres au passage. L’enquête vient donc apporter un élément matériel à des soupçons qui circulaient déjà largement chez certains libraires.
POURQUOI PRIVILÉGIER LES LIVRES D’OCCASION ?
Le choix d’ouvrages anciens pourrait également présenter un autre intérêt pour les entreprises développant des modèles d’IA. Les livres publiés avant l’explosion de l’intelligence artificielle générative offrent en principe un contenu essentiellement produit par des humains. À l’inverse, des textes récents peuvent avoir été générés, corrigés ou largement réécrits avec ChatGPT, Claude ou d’autres outils.
En utilisant ces derniers, les entreprises risquent donc progressivement d’entraîner leurs modèles sur du contenu lui-même produit par des IA, avec des conséquences potentielles sur la qualité des données.
ET LES AUTEURS DANS TOUT ÇA ?
Cette pratique soulève évidemment une autre question : celle des droits des auteurs. Si des livres protégés sont effectivement achetés, détruits puis numérisés afin d’entraîner des modèles commerciaux sans autorisation ni rémunération supplémentaire, le procédé risque de continuer à alimenter les nombreux contentieux qui opposent déjà les industries culturelles aux entreprises d’IA.
La situation juridique reste cependant complexe et varie selon les pays. Aux États-Unis, plusieurs décisions récentes ont notamment ouvert la possibilité de considérer certains usages de contenus protégés pour l’entraînement comme suffisamment transformateurs, selon les circonstances.
Qu’en penser ?
L’AirTag ne permet évidemment pas, à lui seul, de connaître précisément quels modèles sont entraînés avec les livres numérisés ni comment les textes obtenus sont ensuite exploités. Mais son parcours et les témoignages recueillis apportent un nouvel éclairage sur une pratique jusqu’ici difficile à documenter. Et il y a une certaine ironie à voir un petit traceur conçu par Apple devenir l’outil permettant de suivre le parcours très discret d’un livre jusqu’à une installation liée à l’intelligence artificielle.
