Des millions de livres sont détruits pour alimenter des systèmes d’intelligence artificielle, selon une enquête relayée par Francopresse. La pratique, décrite comme industrielle, consiste à acheter des ouvrages imprimés, à les désassembler puis à les numériser pour constituer des corpus exploitables par des modèles de langage. Derrière ce flux de pages transformées en données, la controverse grandit autour du droit d’auteur, du gaspillage et de la traçabilité des contenus utilisés pour entraîner l’IA.

Le sujet touche au cœur de la chaîne du livre, auteurs, éditeurs, diffuseurs, bibliothèques, mais aussi le grand public, pour qui l’idée de détruire des ouvrages apparaît comme un choc culturel. Les entreprises d’IA défendent la nécessité de disposer de corpus vastes et diversifiés, tandis que des acteurs du secteur éditorial dénoncent l’opacité des méthodes, l’absence de consentement explicite et l’impossibilité de vérifier si une œuvre a servi à l’entraînement. Cette tension se joue dans un contexte où l’IA progresse vite, alors que les règles juridiques et les pratiques contractuelles peinent à suivre.

Francopresse documente une filière de numérisation par destruction

L’enquête évoque une mécanique très concrète, des livres achetés en lots, des couvertures séparées, des reliures retirées, puis des pages passées en numérisation à grande vitesse. Dans ce schéma, la destruction n’est pas un accident, elle fait partie d’un processus visant à réduire le coût par page et à accélérer la production de données. Les ouvrages deviennent une matière première, et le papier, un support transitoire, avant d’être converti en fichiers exploitables pour l’entraînement de systèmes d’IA.

Les acteurs impliqués ne sont pas toujours ceux que le public imagine. Il ne s’agit pas uniquement de laboratoires prestigieux, mais aussi d’intermédiaires, sous-traitants de numérisation, revendeurs de lots, plateformes de données. Cette fragmentation complique la question de la responsabilité, car l’entreprise qui entraîne un modèle peut ne pas être celle qui a acheté, scanné ou détruit le livre. Dans un marché où la donnée textuelle devient stratégique, ce fractionnement alimente une zone grise sur l’origine des corpus.

Le point le plus sensible tient à la traçabilité. Une fois le texte extrait, puis intégré à des ensembles de données, il devient difficile de relier une phrase à un titre précis. Or, pour le secteur du livre, cette traçabilité constitue la base de toute rémunération et de tout contrôle. Sans registre fiable, ni liste exhaustive des titres utilisés, les ayants droit se retrouvent avec peu de leviers pour vérifier l’usage de leurs œuvres, négocier une licence ou demander une compensation.

La question culturelle est également centrale. Détruire un livre, même acquis légalement, renvoie à une charge symbolique forte. Des bibliothécaires et des éditeurs soulignent que le livre n’est pas seulement un objet marchand, mais un vecteur de mémoire, de diversité linguistique et de transmission. Dans cette perspective, l’industrialisation de la destruction pour la donnée est perçue comme une rupture, où le patrimoine imprimé est traité comme un stock consommable.

Les entreprises d’IA mettent en avant l’objectif de couvrir un maximum de genres, d’époques et de langues, ce qui pousse à collecter large. Mais cette logique entre en friction avec les standards du monde éditorial, fondés sur des contrats, des cessions de droits et des usages définis. Le débat se déplace alors du seul terrain technique vers des choix de société, qui décide des textes servant à bâtir les outils d’IA, avec quelles contreparties, et quelles garanties de transparence.

Auteurs, éditeurs et bibliothèques confrontés aux droits d’auteur et au gaspillage

Pour les auteurs et les éditeurs, l’enjeu immédiat est celui du consentement. Acheter un exemplaire papier donne le droit de le lire, de le revendre ou de le prêter selon les règles en vigueur, mais pas nécessairement de le transformer en un jeu de données destiné à entraîner un modèle commercial. Les juristes rappellent que les exceptions existent dans certains pays, notamment pour la fouille de textes et de données, mais que leur périmètre, leurs conditions et leur articulation avec les licences restent disputés. Le résultat est une multiplication de conflits, où les ayants droit demandent des clarifications, et où des entreprises revendiquent des pratiques couvertes par des exceptions ou par l’achat légal des supports.

La deuxième ligne de fracture concerne la valeur économique. Si l’IA s’appuie sur des œuvres protégées pour améliorer ses performances, la question d’un partage de valeur devient centrale. Les éditeurs soulignent que le coût d’édition, correction, traduction, diffusion, constitue un investissement, tandis que l’IA capte potentiellement une partie de l’attention et des usages. La difficulté est de mesurer l’impact réel, substitution de lecture, aide à la recherche, résumé, recommandation, et de relier cet impact à des titres particuliers. Sans mécanisme de suivi, négocier devient ardu.

Le gaspillage matériel nourrit une autre critique. Détruire des livres, même invendus ou achetés en seconde main, entraîne une perte d’objets culturels et un coût environnemental, transport, énergie de numérisation, traitement des déchets. Certains acteurs rappellent qu’il existe déjà des circuits de conservation, de dons ou de revente, et que des programmes de numérisation patrimoniale sont menés par des bibliothèques, avec des cadres éthiques et des politiques d’accès. Dans ce contexte, l’idée d’un flux privé de destruction, visant une extraction rapide de texte, apparaît difficile à justifier publiquement.

Les bibliothèques se retrouvent à la croisée des débats. Elles portent une mission d’accès au savoir et de conservation, et certaines disposent d’infrastructures de numérisation. Mais leurs objectifs diffèrent, préserver, cataloguer, garantir des métadonnées, et offrir un accès encadré. La logique d’entraînement d’IA repose au contraire sur l’agrégation massive et la réutilisation. Cela pose des questions de gouvernance, si des ouvrages publics ou patrimoniaux se retrouvent intégrés à des modèles sans garanties sur l’accès, la protection des données, ou la possibilité de retrait.

Des pistes émergent, licences collectives, registres de transparence, obligations de déclaration des corpus, systèmes de rémunération, voire standards techniques de traçage. Mais leur mise en œuvre dépend de décisions politiques et de rapports de force industriels. Tant que l’opacité domine, la confiance restera fragile, et les tensions entre innovation et droits culturels continueront d’occuper le terrain médiatique et judiciaire.

Du 14 au 20 août 2026, nouveautés Netflix, films et séries à rattraper, les titres à repérer pour éviter le bruit qui remonte

Questions fréquentes

Pourquoi détruire des livres plutôt que les scanner sans les abîmer ?

La destruction facilite une numérisation rapide et moins coûteuse, car les pages séparées passent plus vite dans des scanners industriels. Cette logique de rendement réduit le temps de manipulation, mais elle accentue la controverse sur le gaspillage et la valeur culturelle des ouvrages.

L’achat d’un livre papier autorise-t-il son usage pour entraîner une IA ?

L’achat d’un exemplaire autorise la lecture et certains usages matériels, mais l’entraînement d’un modèle d’IA relève souvent d’actes de reproduction et d’extraction de texte. Selon les juridictions, des exceptions existent pour la fouille de textes et de données, mais leur portée, leurs conditions et la question d’une compensation restent contestées.

Comment les auteurs peuvent-ils savoir si leurs œuvres ont été utilisées ?

Sans registre public des corpus et sans traçabilité technique fiable, il est difficile d’identifier l’usage d’un titre précis. Des propositions visent à imposer des obligations de transparence, des listes de sources ou des mécanismes de traçage, mais ces outils ne sont pas systématiques à ce stade.

Quelles alternatives existent à la destruction d’ouvrages imprimés ?

Des bibliothèques et institutions numérisent déjà avec conservation, métadonnées et accès encadré. D’autres options passent par des accords de licence avec les éditeurs, l’utilisation de contenus libres de droits, ou des corpus produits spécifiquement pour l’entraînement avec consentement explicite.

Lire :  117 appels d'offres en 2026, 84 attendus en 2027, Iter dope la sous-traitance, ces exigences strictes surprennent les PME

La Caisse et Brookfield finalisent le rachat de Boralex, contrôle changé, stratégie revue, ce que cela change pour l’éolien et le solaire

Juillet, sur un an, prix stables en Nouvelle-Calédonie, énergie toujours en forte hausse, ce qui change pour votre budget au quotidien