Amazon détruit des livres rares pour entraîner ses IA : la preuve par AirTag

On sait depuis deux ans ce que font les labos d’IA avec leurs données d’entraînement : ils piochent dans le web, rachètent des droits, et parfois franchissent la ligne. Cette fois, un libraire a décidé de ne plus deviner : il a glissé un AirTag dans un livre rare vendu à un acheteur anonyme, et le petit traceur d’Apple a raconté toute l’histoire. Le bouquin a fini dans un entrepôt d’Amazon, où des équipes le découpent et le scannent pour nourrir les modèles d’IA de la firme. Le livre, lui, n’en ressort jamais.

C’est l’enquête publiée lundi par 404 Media, reprise par Ars Technica et TechCrunch. Elle confirme ce que les bouquinistes murmurent depuis environ un an : derrière les commandes massives de livres rares passées par des acheteurs mystère se cachent les géants de l’IA, affamés de textes uniques que personne d’autre ne possède.

Un AirTag dans un bouquin, et le mystère s’évapore

Tout commence chez un libraire qui reçoit, en juillet, une commande inhabituelle : environ mille livres, achetés en bloc sur Biblio, une place de marché spécialisée dans les ouvrages anciens. L’acheteur ne discute pas les prix, ne pose aucune question. C’est exactement le profil que suspectent les libraires depuis des mois.

Le vendeur accepte de jouer le jeu avec 404 Media : un AirTag est glissé dans l’un des livres, et le colis est suivi à travers les États-Unis. Sa destination finale : Las Vegas, dans le coin VGT3 du site LAS8 d’Amazon. Sur la porte, un logo pas très subtil : un dinosaure plein de dents, un livre entre les pattes. La photo, prise par 404 Media, vaut tous les discours.

Le logo de l’unité VGT3 d’Amazon à Las Vegas, où les livres sont découpés et scannés.

Photo : 404 Media — lien vers l’enquête.

Au programme : découper, scanner, jeter

Les employés qui travaillent sur place racontent la même routine depuis des mois : les palettes de livres arrivent, on coupe la reliure pour scanner les pages plus vite, et le livre est détruit dans l’opération. Les discussions en ligne des équipes VGT3, relevées par 404 Media, précisent même qu’en début d’année, le stock de bouquins à scanner s’est tari au point qu’on craignait la fermeture du site.

Interrogé, Amazon répond sans se démonter qu’il « achète des livres par des canaux commerciaux pour développer et améliorer les produits et services que nos clients utilisent ». Pas un mot sur l’IA : la firme ne confirme rien. Mais le montage est limpide pour qui suit l’économie des modèles de langage.

Pourquoi des livres rares ? Parce qu’il ne reste que ça

Le web a déjà été aspiré des milliards de fois. Les textes générés par les IA, eux, sont devenus un piège : une IA qui s’entraîne sur sa propre production finit par s’abêtir, c’est le fameux « effondrement du modèle ». Il faut donc du texte neuf, jamais vu par aucun algorithme. Les livres antérieurs à 2022 sont parfaits : personne ne les a générés par IA, et les plus obscurs n’ont jamais été indexés nulle part.

D’où les commandes massives. Les libraires ont une théorie : les équipes scannent les codes-barres et les ISBN de chaque bouquin, comme pour cocher méthodiquement la liste de tous les livres imprimés. Les ouvrages visés ne sont pas les éditions rutilantes : ce sont des livres oubliés, jamais traduits, jamais réédités, introuvables en ligne… parfois l’unique exemplaire rescapé d’une édition.

Ce n’est pas la première fois qu’une entreprise pioche dans des données qu’on ne lui a pas vraiment données : on en parlait quand Atlassian a reconnu nourrir ses IA avec les notes de Jira et Confluence.

Amazon n’est pas seule sur ce terrain glissant. Anthropic avait déjà été épinglée en 2025 pour avoir utilisé des livres piratés dans l’entraînement de Claude. Ses rivales s’en défendent aujourd’hui : Anthropic et xAI affirment ne pas faire appel à des livres rares ou anciens. Les libraires, eux, tirent la sonnette d’alarme : les géants gardent jalousement ces textes pour eux, histoire que personne d’autre ne puisse entraîner son IA dessus.

Une librairie antiquaire à Bredevoort, aux Pays-Bas, avec des rayonnages de livres anciens. — Une librairie antiquaire à Bredevoort (Pays-Bas) : ces boutiques reçoivent les commandes massives de livres rares sans savoir qui se cache derrière.

Photo : Wikimedia Commons (CC BY-SA 4.0).

Des trésors uniques réduits en pâte à IA

Faut-il s’émouvoir ? Pas tout le monde. Sur les forums et dans la presse, certains rappellent que beaucoup de ces vieux livres dorment sur les rayons des libraires depuis des décennies, sans acheteur. D’autres, comme l’investisseur Michael Burry, auraient carrément qualifié la pratique de « mal incarné ». Le libraire écossais Derek Walker, cité par la BBC, met le doigt sur le vrai problème : détruire un ouvrage que personne ne lit, passe encore ; détruire le seul exemplaire survivant d’une édition, c’est une perte définitive.

Le fond du problème n’est pas économique. Un livre rare, c’est parfois le seul témoin d’une époque, d’une langue, d’un savoir marginal. Le scanner en capture les mots, mais l’objet, lui, disparaît. Et ce que les modèles d’IA en feront : fragments tronqués, résumés déformés, murs de paiement — n’a rien à voir avec une bibliothèque.

La morale tient dans ce logo de dinosaure qui dévore un livre : l’appétit des IA pour le texte unique est sans limite, et ce qu’elles avalent ne se régurgitera jamais. La prochaine fois que tu verras une pile de vieux livres en brocante, jette un œil dessous : un AirTag traîne peut-être là.