Numérisation de livres par l'IA : la notion de « livre rare » remise en question
Les entreprises d'IA numérisent massivement des livres pour entraîner leurs modèles, suscitant l'indignation. Un expert du secteur de l'édition analyse pourquoi la qualification de « rares » est souvent exagérée.
Les récentes révélations sur les opérations massives de numérisation de livres menées par des entreprises d'intelligence artificielle ont provoqué une vague d'indignation. Ces sociétés scannent des ouvrages par centaines de milliers pour entraîner leurs modèles sur des contenus garantis antérieurs à 2002, donc exempts d'IA. Le procédé, jugé destructeur, a notamment été critiqué car il implique le démembrement des volumes. Mais un ancien professionnel de l'édition, aujourd'hui contributeur chez Hackaday, estime que la qualification de « livres rares » systématiquement employée mérite d'être examinée de plus près.
L'auteur de l'analyse, fort d'une longue carrière dans l'édition électronique, reconnaît la charge symbolique de la destruction de livres. Il évoque sa visite à Bebelplatz à Berlin, lieu où les étudiants nazis brûlèrent en 1933 la bibliothèque de l'institut de Magnus Hirschfeld. Pour autant, il établit une distinction claire : ce que font les entreprises d'IA n'équivaut pas à un autodafé. Deux raisons techniques expliquent selon lui cette pratique. D'une part, numériser des feuilles détachées est bien plus simple que de scanner un livre relié. D'autre part, en détruisant l'exemplaire physique après numérisation, ces entreprises peuvent arguer qu'il n'existe qu'une seule copie du document, espérant ainsi contourner les réclamations des éditeurs en matière de droits d'auteur.
Le point central de la controverse réside dans la nature des ouvrages concernés. Les rapports les décrivent presque unanimement comme « rares », une terminologie que l'auteur juge inexacte. Il rappelle que ces entreprises commandent les livres par leur numéro ISBN, un système international d'identification introduit seulement en 1970. Par conséquent, il ne peut s'agir de manuscrits enluminés médiévaux. Les livres numérisés sont donc relativement récents. S'ils peuvent être physiquement peu communs, leur valeur marchande est souvent négligeable, ce qui explique que personne ne se soit soucié de leur préservation jusqu'à présent. Les ouvrages réellement précieux publiés depuis 1970 ont, eux, toutes les chances d'être protégés.
L'auteur s'étonne par ailleurs de l'absence d'indignation face aux pratiques de l'industrie du papier. Chaque année, des millions de livres invendus sont réduits en pâte par les éditeurs, sans que cela ne suscite la moindre protestation. Il conclut que la combinaison du symbolisme de la destruction de livres et d'une animosité générale envers les entreprises d'IA a gonflé l'importance de ces opérations bien au-delà de leur réalité. Si la critique des géants de la technologie est légitime à bien des égards, la numérisation destructrice de livres récents et sans grande valeur ne figure pas, selon lui, en tête de liste des griefs les plus fondés.
