Les entreprises d'intelligence artificielle achètent des livres imprimés par millions, en découpent la reliure, scannent les pages détachées à cadence industrielle, puis détruisent les originaux — et une société de données bibliographiques, ISBNdb, a bâti un modèle économique sur la garantie que personne ne saura quel laboratoire a passé la commande.
La pratique a été détaillée par une enquête de 404 Media publiée le 21 juillet 2026 par le journaliste Emanuel Maiberg, puis reprise la semaine suivante par Futurism, Tom's Hardware et The Next Web. L'affaire est passée de la presse spécialisée à l'indignation générale le 28 juillet, lorsque le sujet a pris la tête des tendances "actualités IA" sur X avec plus de 13 000 publications.
Points clés
- ISBNdb, qui se présente comme la plus grande base de données de livres au monde, fournit désormais des ouvrages physiques en gros spécifiquement pour les chaînes d'entraînement de modèles d'IA.
- Une commande unique va de 1 000 exemplaires à environ un million de titres, l'identité de l'acheteur restant masquée pour les vendeurs.
- Les livres imprimés avant 2022 se négocient avec une prime : antérieurs à l'ère de l'IA générative, ils ne peuvent contenir de texte écrit par machine.
- Le scan est destructif : des massicots hydrauliques retirent le dos, les pages passent dans des scanners à haute vitesse, et les restes partent au pilon ou au recyclage.
- Une décision fédérale de juin 2025 dans l'affaire Bartz contre Anthropic a jugé que l'achat d'un livre physique suivi de sa numérisation destructive à usage interne relevait du fair use.
Détails
L'argumentaire d'ISBNdb auprès des laboratoires est sans détour. "Les meilleures données d'entraînement au monde sont posées sur une étagère", indique la documentation commerciale de l'entreprise. "Les livres représentent un savoir humain curaté, relu par les pairs, spécialisé, structuré d'une façon qu'aucun crawl du web ne peut reproduire. Dense, édité, faisant autorité."
La logique commerciale est celle de l'effondrement des modèles. À mesure que le texte synthétique inonde le web ouvert, l'internet indexable perd de sa valeur comme corpus de pré-entraînement : les modèles entraînés sur les sorties de modèles antérieurs se dégradent au fil des générations. Les tirages antérieurs à 2022, eux, sont structurellement garantis sans contamination. On ne peut pas insérer rétroactivement du texte généré par IA dans un livre déjà présent sur une étagère en 2019.
Cette rareté a redessiné le marché du livre d'occasion presque du jour au lendemain. Un libraire professionnel a confié à 404 Media que les commandes ont explosé à partir d'avril 2026 : une bonne semaine représentait auparavant une vingtaine de livres, contre plusieurs centaines ces dernières semaines. Des marchands de livres rares aux Pays-Bas signalent le même schéma de demandes anonymes en volume. Les acheteurs réclament fréquemment des titres obscurs, en langues étrangères et épuisés plutôt que des poches courants — ce qui est précisément ce qui alarme les défenseurs du patrimoine.
L'anonymat comme produit
La phrase la plus reprise de l'enquête est l'aveu d'ISBNdb elle-même quant au risque réputationnel. "Le problème d'image est réel", indique sa documentation. "'Une entreprise d'IA détruit deux millions de livres' n'est pas un titre qui suscite la sympathie."
Sa réponse consiste à vendre la discrétion comme une fonctionnalité : approvisionnement en gros sous accord de confidentialité, anonymat de l'acheteur vis-à-vis des vendeurs, filtrage par année de publication et par sujet, et livraison formatée pour entrer directement dans une chaîne de numérisation. Sur X, des critiques ont relevé la présentation de cette activité comme de la "préservation numérique", en soulignant que la préservation suppose habituellement que l'original survive.
Le fondement juridique
L'activité s'est accélérée parce qu'un tribunal a validé la méthode. En juin 2025, le juge fédéral William Alsup a estimé, dans Bartz contre Anthropic, que l'entraînement d'un grand modèle de langage sur des livres légalement achetés était "extrêmement transformatif" et relevait du fair use. Surtout, il a jugé que la numérisation destructive de ces exemplaires achetés constituait un changement de format admissible — le fichier numérique remplaçant le livre physique au lieu d'ajouter une copie en circulation.
Les pièces du dossier décrivent un programme interne d'Anthropic, baptisé Project Panama, visant à obtenir l'ensemble des livres du monde par achat légitime en gros. L'entreprise avait recruté début 2024 Tom Turvey, ancien responsable des partenariats Google Books, pour piloter ce programme d'acquisition. La même décision a en revanche tracé une ligne nette sur les livres numériques piratés, exclus du fair use ; Anthropic a ensuite transigé sur ce volet pour un montant rapporté à environ 1,5 milliard de dollars.
L'effet pratique de la décision est un havre juridique qui récompense la destruction : conserver l'exemplaire physique affaiblit l'argument du changement de format, le détruire le renforce.
Impact
Pour les éditeurs et les auteurs, la décision resserre considérablement le champ du contentieux : la voie "achat puis scan" est, pour l'heure, du droit établi, et les procédures restantes portent sur les corpus piratés.
Pour les bibliothèques, les archivistes et le commerce du livre ancien, l'inquiétude est d'une autre nature et bien plus difficile à réparer. Un site web supprimé peut être remis en ligne, un best-seller peut être réimprimé, mais un volume du XVIIIe siècle dont il ne subsiste que trois exemplaires ne se dépilonne pas. Il n'existe aucun registre public de ce qui est entré dans ces chaînes, et les accords de confidentialité sont conçus pour qu'il en reste ainsi.
Pour les développeurs et les équipes qui construisent sur des modèles de pointe, l'affaire illustre concrètement le coût devenu considérable des données propres. La ruée sur l'imprimé antérieur à 2022 est un signal de prix mesurable sur le texte écrit par des humains — et un avant-goût de ce que coûtera la prochaine vague de pré-entraînement.
Et ensuite
Trois fronts devraient s'ouvrir. Les institutions de conservation et les bibliothèques nationales pousseront vraisemblablement vers des obligations de transparence ou des listes d'exclusion pour les titres rares et à faible tirage. Les éditeurs pourraient inscrire des restrictions de numérisation dans leurs contrats d'approvisionnement avec les revendeurs. Enfin, le raisonnement sur le fair use dans Bartz sera de nouveau mis à l'épreuve à mesure que des affaires similaires monteront en appel, où l'argument du changement de format — et l'incitation à détruire qu'il crée — constitue la cible évidente.
Source : 404 Media