Des millions de livres détruits pour l’IA, achats en lots, numérisation à grande vitesse, ce marché discret inquiète le patrimoine

Des entreprises liées à l’intelligence artificielle achètent des lots de livres imprimés, les numérisent à grande vitesse pour alimenter l’entraînement de modèles, puis détruisent une partie des volumes, selon plusieurs récits et reprises médiatiques autour du sujet des millions de livres détruits pour l’IA. Derrière cette pratique, difficile à chiffrer publiquement, se dessine une chaîne industrielle où la valeur n’est plus le livre comme objet, mais le texte converti en données. Le débat touche à la fois la conservation du patrimoine, le droit d’auteur et l’impact matériel d’une économie du tout numérisé.

Le Devoir et Francopresse décrivent une filière d’achat, scan, destruction

Les articles qui circulent au Québec, repris notamment par Le Devoir et Francopresse, décrivent un schéma récurrent. Des intermédiaires achètent des livres d’occasion, parfois en très grands lots, auprès de librairies, de liquidateurs, de centres de dons ou de bibliothèques en désherbage. Les ouvrages partent ensuite vers des installations de numérisation où l’objectif est le rendement, page après page, plus que la préservation. Dans plusieurs récits, la destruction intervient après la capture, parce que le stockage et le retour des livres coûtent plus cher que leur remplacement sur le marché de l’occasion.

Cette logique repose sur un raisonnement industriel. Pour entraîner un modèle, la priorité est la quantité de corpus et la diversité des sources. Un lot de livres, même banals, apporte une langue éditée, des tournures stables, des domaines spécialisés, des registres rares sur le web. Dans cet angle, le livre imprimé devient une matière première, comparable à un gisement de contenus propres par rapport à des pages web instables, des doublons et des contenus automatiquement générés.

La numérisation à très haut débit peut nécessiter de dérelier les ouvrages, c’est-à-dire de couper la tranche pour alimenter des scanners à feuilles. Cette technique, courante dans certaines opérations documentaires, est difficilement compatible avec la remise en circulation du volume. De ce fait, une partie des livres finit au recyclage papier ou à l’enfouissement, selon les filières locales. Ce point alimente l’indignation, parce qu’il s’oppose à l’idée, encore très ancrée, d’un livre qui se conserve et se transmet.

Les acteurs mentionnés dans ces discussions publiques restent rarement identifiés par des noms propres dans les reprises virales, ce qui complique la vérification. Les entreprises qui développent des modèles peuvent sous-traiter à des prestataires, eux-mêmes reliés à des courtiers. Cette opacité, fréquente dans les chaînes de données, rend les volumes exacts difficiles à confirmer. Mais l’existence d’un marché de numérisation industrielle, orienté vers des usages d’IA, est décrite de façon concordante par plusieurs sources et par des témoignages indirects.

Au-delà du symbole, la question centrale devient factuelle, quels types de livres sont achetés, selon quels critères, et avec quelle traçabilité. Sans réponses détaillées, le soupçon s’étend à des titres épuisés, à des ouvrages peu numérisés, voire à des éditions qui n’existent plus que dans des collections privées ou institutionnelles.

Des librairies d’occasion aux entrepôts, une logistique guidée par le volume

Le point de départ se situe souvent dans l’économie de l’occasion. Des librairies et organismes reçoivent des arrivages massifs dont la valeur unitaire est faible. Pour ces acteurs, céder des palettes complètes représente une solution rapide, surtout quand l’espace manque et que les coûts de manutention augmentent. Des acheteurs peuvent proposer un prix au lot, sans tri fin, ce qui capte des livres ordinaires, mais aussi des titres plus difficiles à repérer au milieu de collections.

Une fois les lots constitués, la chaîne s’apparente à une filière de production. Les ouvrages sont triés sommairement, puis dirigés vers des stations de capture où l’on privilégie des procédures standardisées. L’optique est de produire des fichiers image et du texte via OCR, puis de les intégrer à des ensembles exploitables pour l’entraînement. Les opérations incluent souvent la correction minimale, la détection de pages vides, le recadrage, et l’alignement pour obtenir un texte propre statistiquement.

La destruction des livres s’explique ensuite par des arbitrages économiques. Stocker des milliers de volumes exige des mètres carrés, des assurances, de la gestion, et parfois un retour vers le vendeur initial. Quand le livre a été coupé pour accélérer le scan, il n’a plus de valeur de revente. De plus, la valeur recherchée est désormais l’artefact numérique. Les entreprises qui raisonnent en coûts unitaires peuvent juger rationnel d’éliminer les restes physiques. Cette optimisation, pensée à l’échelle de millions de pages, entre en collision avec une vision patrimoniale.

Ce modèle rappelle un débat plus ancien, celui de la numérisation massive menée pour des bibliothèques numériques. La différence, dans le cas lié à l’IA, est l’usage final. Le texte n’est pas seulement consulté, il sert à ajuster des paramètres, à produire des réponses, à imiter des styles. Ce changement d’usage rend la demande plus large, potentiellement continue, et moins limitée par une logique d’archivage à long terme.

Les libraires et gestionnaires de fonds se retrouvent pris entre deux impératifs. D’un côté, écouler des stocks invendus ou donnés. De l’autre, protéger des titres rares ou culturellement sensibles. Le problème est que la rareté ne se voit pas toujours au premier coup d’œil, et qu’un tri bibliographique demande du temps, des compétences, et un budget. Quand un acheteur arrive avec une offre tout compris, le risque d’erreur augmente.

Le droit d’auteur et la traçabilité des corpus alimentent la controverse

La destruction de livres choque, mais la controverse porte aussi sur la légitimité de l’usage des textes. Un livre acheté d’occasion confère un droit de propriété sur l’objet, pas nécessairement un droit de reproduction intégrale et d’exploitation à grande échelle. Les débats sur l’entraînement de modèles interrogent les frontières entre copie technique, analyse statistique et reproduction, selon les cadres juridiques nationaux et les exceptions existantes.

Le problème de fond, pour les auteurs et éditeurs, est la difficulté à savoir si un texte a été inclus dans un dataset. Les entreprises communiquent rarement des listes de sources exhaustives, au nom du secret industriel ou parce que les données proviennent d’intermédiaires. Sans inventaire, il devient complexe d’exercer un droit d’opposition, de négocier une licence, ou de demander une rémunération. Cette opacité est décrite dans de nombreux échanges en ligne, notamment sur des forums, où l’on accuse des acteurs de moissonner la culture imprimée.

Un autre enjeu est celui des livres rares ou épuisés. Même si la majorité des lots concerne des ouvrages courants, l’achat en palettes peut englober des éditions de faible tirage, des monographies locales, des publications communautaires. Dans ces cas, la copie numérique peut sembler bénéfique pour l’accès, mais la destruction du support peut aussi supprimer une trace matérielle, utile pour l’histoire du livre, la bibliophilie, ou la vérification des variantes éditoriales.

La question des hallucinations d’IA, mentionnée dans certains posts viraux, ajoute de la confusion. Des utilisateurs affirment avoir vu des critiques ou des contenus attribués à des médias sans fondement. Ce phénomène, lié au fonctionnement probabiliste des modèles, ne prouve pas à lui seul la présence d’un article précis dans un corpus. Mais il nourrit une méfiance générale, parce qu’il devient difficile de distinguer la citation exacte, la paraphrase, et la fabrication de références.

Dans ce contexte, plusieurs pistes sont discutées, imposer une meilleure traçabilité des sources, définir des obligations de transparence, renforcer les mécanismes de licence collective, ou créer des exceptions strictement encadrées avec compensation. Chaque option implique un compromis entre innovation, accès à l’information et protection des droits. L’enjeu n’est pas seulement juridique, il touche à la gouvernance culturelle des données.

Bibliothèques et éditeurs cherchent des garde-fous face au marché des scans

Les bibliothèques et centres d’archives observent ces pratiques avec attention, parce qu’ils gèrent des collections et des flux de désherbage. Lorsqu’un établissement retire des livres, il peut les donner, les vendre, ou les envoyer au recyclage. Si des intermédiaires achètent ces sorties en masse, la question devient, faut-il encadrer les ventes pour éviter qu’un fonds parte vers une destruction accélérée après numérisation. Certaines institutions disposent déjà de règles internes, mais elles varient fortement selon les ressources et les territoires.

Les éditeurs, de leur côté, craignent une érosion de la valeur. Si des textes entrent dans des modèles capables de produire des résumés, des réponses ou des pastiches, la concurrence peut se déplacer vers des usages dérivés. Le risque n’est pas seulement la copie, mais la substitution de certains contenus pratiques, guides, vulgarisation, textes de référence. Dans un marché où les marges sont serrées, la perception d’une captation non rémunérée accroît les tensions.

Des solutions émergent déjà dans d’autres secteurs de contenus, accords de licence, partenariats de numérisation, modèles d’accès payant aux corpus, ou mécanismes d’opt-out. Appliquées au livre, ces solutions se heurtent à la fragmentation, un titre peut avoir plusieurs ayants droit, des cessions anciennes, des traductions, des rééditions, et des droits territoriaux. La mise en place d’une compensation nécessite une infrastructure de suivi, comparable à ce que gèrent certaines sociétés de gestion collective.

Sur le terrain, des professionnels évoquent aussi des pratiques de prévention. Mieux former au repérage des livres rares, documenter les lots avant cession, privilégier la donation à des réseaux spécialisés, ou appliquer des clauses de non-destruction pour certains ensembles. Ces mesures demandent du temps, donc de l’argent. Or les institutions culturelles et petites librairies subissent souvent des contraintes budgétaires, ce qui limite leur capacité à contrôler la destination finale.

Dans l’immédiat, le débat public révèle une tension durable, l’IA a besoin de données à grande échelle, mais la culture imprimée n’est pas une ressource infinie et neutre. Entre l’accès élargi par le numérique et la disparition d’objets, l’équilibre dépendra de règles de transparence, de choix économiques et de la capacité des acteurs du livre à peser dans la négociation avec les acteurs technologiques.