Anthropic rachète et détruit les livres pour l'IA
Depuis le début de l'année 2024, des entreprises du secteur de l'intelligence artificielle, dont Anthropic, mènent un projet massif consistant à acheter, numériser puis détruire des livres physiques rares et épuisés. Surnommé Projet Panama en interne, cette initiative répond à une pénurie critique de données propres. L'essor massif des contenus générés par les modèles a progressivement saturé les corpus internet, provoquant une dégradation de la qualité des algorithmes, un phénomène connu sous le nom d'effondrement du modèle. Les ouvrages imprimés publiés avant 2024 sont ainsi devenus la dernière source textuelle fiable et humaine. Pour se procurer ces connaissances sans violer les droits d'auteur, les éditeurs de modèles s'appuient sur un réseau discret d'intermédiaires comme ISBNdb, 2077AI ou Zoom Books. Ces structures acquièrent des milliers d'exemplaires auprès de libraires et de collectionneurs à travers le monde. Les ouvrages sont ensuite traités par des scanners industriels à haute vitesse : les reliures sont dépecées, les pages numérisées, et les feuilles physiques sont immédiatement recyclées. Le contenu numérique obtenu, strictement confidentiel, alimente directement les bases de formation sans jamais être rendu public. Cette pratique, bien que décriée, bénéficie d'un cadre juridique favorable aux États-Unis. Entre 2025 et 2026, plusieurs juges fédéraux ont confirmé que la numérisation de livres légalement achetés, suivie de leur destruction, relevait de l'usage loyal transformationnel. La suppression de l'édition physique est même interprétée comme un avantage juridique, permettant aux entreprises de se prémunir contre les réclamations tout en minimisant leurs coûts de stockage. Face à cette course aux données, les réactions sont partagées. Si certains commerçants saluent la rentabilité de ces ventes massives, la communauté littéraire et les experts dénoncent une dévoreuse de patrimoine culturel. Des figures comme Elon Musk prônent des méthodes de numérisation non destructrices, tandis que des responsables publics, tels que David Sacks, critiquent le double standard d'une industrie réclamant un accès libre aux créations tout en défendant farouchement ses propres droits face à la concurrence. Sur le plan technique, cette stratégie montre ses limites. Bien que les éditions imprimées offrent des données de haute qualité, le volume total disponible sur l'ensemble des étagères mondiales, estimé à environ 40 billions de tokens, reste insuffisant face aux besoins croissants des futurs modèles, qui pourraient exiger plus de 100 billions. En tentant d'assécher les bibliothèques pour nourrir leurs algorithmes, l'IA met en lumière l'ampleur de sa faim informationnelle et la nécessité de développer des alternatives durables face à la préservation du savoir humain.
