---
title: "L’IA achète les livres que le Web n’a jamais vus, puis coupe leur dos"
locale: "fr"
url: "https://irz.fr/fr/articles/ia-achete-livres-hors-web-decoupe-fr"
markdown_url: "https://irz.fr/fr/articles/ia-achete-livres-hors-web-decoupe-fr.md"
category: "ideas"
tags: ["IA", "livres", "archives", "numérisation", "copyright"]
published_at: "2026-08-21T13:08:00.000Z"
author: "Camille Morel"
translation: "https://irz.fr/en/articles/ai-buys-books-web-never-saw-en.md"
---

# L’IA achète les livres que le Web n’a jamais vus, puis coupe leur dos

Anthropic et Amazon ont relié l’IA à une nouvelle chaîne matérielle : acheter des livres hors du Web, les scanner puis parfois détruire les exemplaires.

Pendant des années, « hors ligne » signifiait surtout « plus difficile à trouver » ; les laboratoires d’IA en font désormais une catégorie de matière première, parce que ce qui manque au Web peut encore enrichir leurs corpus.

En 2024, Anthropic a acheté des millions de livres imprimés, souvent d’occasion ; ses prestataires retiraient les reliures, coupaient les pages au format nécessaire, numérisaient chaque volume, puis jetaient l’original papier. C’est cette chaîne, et non une reconstruction journalistique, que le juge William Alsup décrit noir sur blanc dans *Bartz v. Anthropic*.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)

L’entreprise ne cherchait pas à créer de bibliothèque publique : les fichiers rejoignaient sa « research library », où Anthropic pouvait sélectionner les textes qui serviraient à ses travaux. Le document interne révélé plus tard donnait au programme ce nom presque trop parfait, **Project Panama**, et le présentait comme l’effort visant à numériser destructivement « tous les livres du monde ».[2](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.560.26.pdf)[3](https://www.washingtonpost.com/technology/2026/01/27/anthropic-ai-scan-destroy-books/)

L’image provoque facilement le mauvais débat : ce n’est pas *Fahrenheit 451* avec GPU à la place des pompiers, puisque personne ne détruit les livres pour en supprimer le contenu. Leur destruction répond à une contrainte beaucoup plus banale : dans la chaîne industrielle de numérisation, des feuilles détachées passent plus vite que le volume relié qui les contenait.

Le problème intéressant commence après cette extraction : **le texte est conservé, tandis que l’objet qui le portait peut être traité comme emballage jetable**.

## Hors du Web

Pourquoi acheter des livres physiques en 2026 alors que des milliards de pages existent déjà en ligne ?

La première réponse tient en peu de mots : tout n’est pas en ligne. Les catalogues de libraires d’occasion abritent monographies locales, manuels techniques, éditions épuisées, actes de colloques, biographies confidentielles ou ouvrages étrangers qui n’ont jamais reçu d’édition numérique exploitable ; si le Web accessible a déjà été largement moissonné, ce hors-Web constitue forcément un réservoir différent.

Les libraires britanniques et irlandais interrogés par *The Guardian* décrivent depuis plusieurs mois des commandes étranges, mêlant lots hétérogènes, acheteurs opaques, prix peu négociés et destinations logistiques sans rapport apparent avec les sujets achetés.[4](https://www.theguardian.com/technology/2026/aug/15/uk-ireland-booksellers-suspect-ai-companies-bulk-orders-data-acquisition) L’hypothèse IA est crédible ; elle ne permet pourtant pas d’attribuer chaque commande anonyme à tel ou tel laboratoire, ce que les sources disponibles ne démontrent pas.

La recherche de livres « pré-2022 » ajoute une autre hypothèse : certains acheteurs privilégieraient des textes antérieurs à la généralisation de l’écriture générée par IA, donc moins susceptibles d’avoir été contaminés par du contenu synthétique. Si tel est bien le calcul, il concerne la qualité du corpus et non quelque vertu magique du papier : le livre de 2014 peut contenir du texte humain relativement propre, mais le PDF de 2014 aussi.

Le papier devient utile lorsqu’il reste le chemin le plus direct vers ce texte.

> **Ce qui est réellement prouvé**
> - Anthropic a acheté, découpé, scanné et jeté des millions de livres: Confirmé
> - Amazon reçoit des lots de livres dans une unité de scan à Las Vegas: Confirmé
> - des commandes anonymes de libraires alimentent d’autres chaînes IA: Plausible
> - Anthropic aurait ciblé volontairement des exemplaires uniques ou irremplaçables: Non établi
> Séparation IRZ entre dossier judiciaire, enquête journalistique et hypothèses de marché.

Séparer ces niveaux de preuve change l’histoire, car la pratique industrielle est documentée sans que l’on puisse conclure que chaque livre rare vendu en ligne finit automatiquement dans le broyeur d’une entreprise d’IA.

## Couper pour lire

Dans la décision de juin 2025, le tribunal décrit le procédé sans détour : Anthropic achète les exemplaires imprimés, les fait démonter, coupe leurs feuilles aux dimensions du scanner, crée des PDF dont le texte devient lisible par machine, puis se débarrasse du papier.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)

Tout se joue alors sur le **débit**, qui transforme un choix de manipulation en choix industriel.

Le livre relié oblige à tourner les pages, maintenir l’ouverture, corriger la courbure près du dos et éviter les dégâts ; les feuilles détachées, elles, peuvent alimenter automatiquement le scanner. Si quelques volumes rendent cette différence presque anecdotique, des centaines de milliers ou des millions d’exemplaires en font l’architecture même du projet industriel.

Rien, techniquement, n’impose pourtant que cette numérisation soit destructive.

L’Internet Archive décrit ainsi son Table Top Scribe, **non destructif**, qui associe berceau en V et deux appareils photo ; la documentation annonce 500 à 800 pages par heure selon les conditions.[6](https://internetarchivebooks.zendesk.com/hc/en-us/articles/202499772-Table-Top-Scribe-Specifications) À la British Library, supports, berceaux, appareils photo et procédures spécialisées remplissent le même rôle lorsque les documents sont rares ou fragiles et que leur intégrité doit être conservée.[7](https://www.bl.uk/services/digitisation)

> Illustration: Une opératrice utilise un scanner en V de type Table Top Scribe sur un livre relié. Le Table Top Scribe de l’Internet Archive photographie les pages en conservant la reliure. La contrepartie est une chaîne plus lente et plus opérée qu’un passage de feuilles détachées. Credit: [Internet Archive / EDUCAUSE Review](https://er.educause.edu/articles/2017/3/transforming-our-libraries-from-analog-to-digital-a-2020-vision).

Google racontait déjà en 2003 avoir acheté des livres pour tester des méthodes de scan non destructives et avoir développé un procédé plus doux que les techniques rapides courantes.[8](https://books.google.com/intl/en_GB/googlebooks/history.html) Vingt-trois ans plus tard, la tension fondamentale n’a pas changé : **préserver la reliure coûte du temps, de la mécanique et de la manipulation**.

Le choix d’Anthropic était donc moins « peut-on scanner autrement ? » que « à quel coût voulons-nous scanner autrement ? ».

## Deux affaires

Le volet juridique ajoute une complication que les résumés gomment souvent, alors qu’elle sépare deux histoires très différentes.

Anthropic avait en réalité deux sources très différentes : avant les achats massifs de papier, plus de sept millions de copies avaient été téléchargées depuis Books3, LibGen et Pirate Library Mirror. Le juge Alsup distingue explicitement ce stock piraté des exemplaires physiques qui, eux, avaient été achetés.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)

Pour les livres achetés puis détruits, le tribunal a considéré que le passage du papier à la copie numérique interne relevait, dans les circonstances du dossier, du *fair use* : l’exemplaire numérique remplaçait celui qui avait été acheté et détruit, sans vente ni distribution extérieure. Le tribunal a également considéré comme transformative l’utilisation de copies destinée à l’entraînement.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)

La bibliothèque issue du piratage reçoit un traitement différent, puisque les copies n’avaient pas été achetées et qu’Anthropic en conservait certaines même lorsqu’elles ne devaient plus servir à l’entraînement ; leur acquisition ne recevait donc pas le même abri juridique.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)

Le règlement à **1,5 milliard de dollars** annoncé en 2025 concerne ce contentieux sur les copies piratées, pas une amende pour avoir coupé des reliures achetées légalement.[9](https://www.npr.org/2025/09/05/g-s1-87367/anthropic-authors-settlement-pirated-chatbot-training-material)

> **Deux chaînes, deux statuts**
> - exemplaire papier obtenu dans le commerce: Acheter
> - format papier remplacé par une copie numérique interne: Scanner
> - copie numérique acquise sans achat auprès de bibliothèques pirates: Pirater
> - la bibliothèque piratée restait disponible pour d’autres usages: Conserver
> La décision Bartz sépare précisément ces usages au lieu de juger « les livres d’IA » comme un seul bloc.

Cette distinction compte aussi pour le débat patrimonial. Quelque chose peut être légal à copier et néanmoins discutable à détruire. Le copyright répartit le droit de reproduire un texte ; il ne tient pas lieu de politique de conservation des objets physiques.

## Amazon aussi

En août 2026, une nouvelle enquête a ramené cette chaîne matérielle dans le présent.

404 Media a travaillé avec un libraire qui avait reçu une commande d’environ mille ouvrages et a placé un AirTag dans l’un des volumes. Le traceur a fini dans le complexe Amazon LAS8 à Las Vegas, plus précisément près d’une opération interne appelée VGT3. Des témoignages de salariés décrivent une chaîne où certains employés reçoivent et scannent les codes-barres tandis que d’autres coupent les livres pour les numériser.[5](https://arstechnica.com/tech-policy/2026/08/hidden-airtag-reveals-amazon-is-trashing-rare-books-to-train-ai/)

Amazon n’a pas indiqué précisément quels systèmes ou produits reçoivent le contenu de ces scans. Sa réponse à Ars reste beaucoup plus large : l’entreprise achète des livres par des circuits commerciaux afin de développer et améliorer les produits et services destinés à ses clients.[5](https://arstechnica.com/tech-policy/2026/08/hidden-airtag-reveals-amazon-is-trashing-rare-books-to-train-ai/)

Cette trace est plus solide que la rumeur d’un libraire, mais plus étroite qu’une divulgation complète du corpus : elle montre où le lot est arrivé et confirme qu’une unité Amazon coupe et scanne des livres, sans révéler quels systèmes seront ensuite entraînés, quels corpus internes seront constitués, ni quelles règles sélectionneront les textes.

C’est justement ce qui rend le sujet difficile à suivre : la chaîne physique laisse des traces visibles, le pipeline informatique beaucoup moins.

## La perte réelle

Le texte et l’exemplaire qui le porte ne sont pourtant pas exactement la même chose.

Sur un poche récent imprimé à des centaines de milliers d’exemplaires, sacrifier une copie peut n’avoir presque aucun effet patrimonial. Des bibliothèques désherbent leurs collections, des invendus sont pilonnés et des livres usagés deviennent régulièrement de la pâte à papier pour des raisons qui n’ont rien à voir avec l’IA.

Avec les volumes peu diffusés, la situation change : reliure, annotations, tampons, papier, dédicace, corrections manuscrites ou simple rareté de l’édition peuvent porter des informations qui disparaissent lorsque le livre est réduit à la séquence de pages OCRisées.

La British Library donne l’exemple de chapbooks dont certains ne sont connus qu’à un seul exemplaire et explique que la numérisation sert justement à préserver ces actifs culturels.[7](https://www.bl.uk/services/digitisation) La logique est presque inverse de la chaîne destructive : **la copie numérique sert à protéger l’objet, pas à autoriser son élimination**.

Le vrai risque n’est donc pas « toute destruction de livre efface un patrimoine unique ». C’est l’absence de filtre public permettant de savoir quand l’exemplaire est banal et quand il ne l’est pas.

> Illustration: Un technicien de la British Library numérise un volume ancien avec une caméra au-dessus du livre. Dans une chaîne patrimoniale, la numérisation est organisée autour de l’état matériel du volume. Le texte n’est qu’une partie de ce qu’il faut conserver. Credit: [British Library](https://www.bl.uk/services/digitisation).

Anthropic a démontré qu’une entreprise pouvait acheter des millions de livres et les convertir en bibliothèque privée. Amazon montre qu’une chaîne comparable peut encore fonctionner aujourd’hui. Les libraires voient, eux, des commandes opaques traverser le marché de l’occasion.[1](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)[4](https://www.theguardian.com/technology/2026/aug/15/uk-ireland-booksellers-suspect-ai-companies-bulk-orders-data-acquisition)[5](https://arstechnica.com/tech-policy/2026/08/hidden-airtag-reveals-amazon-is-trashing-rare-books-to-train-ai/)

À ce stade, le problème le plus concret tient peut-être moins à la destruction elle-même qu’à **l’asymétrie** qui organise l’échange.

Le libraire vend l’objet sans savoir s’il rejoint lecteur, revendeur ou centre d’ingestion automatisé ; le public peut perdre l’exemplaire, tandis que l’entreprise conserve la copie indexable et l’avantage d’un corpus qui reste privé.

## Copier sans perdre

Il serait possible d’imaginer des règles beaucoup moins spectaculaires que l’interdiction de scanner les livres, mais plus proches des pratiques patrimoniales existantes.

Avant tout scan destructif, la rareté bibliographique pourrait être contrôlée afin d’écarter les exemplaires dédicacés, annotés, uniques ou mal représentés dans les collections publiques ; si la capture non destructive reste raisonnable, elle pourrait devenir le choix par défaut. Lorsque le volume traité justifie malgré tout la destruction, les métadonnées permettraient au moins d’identifier ce qui a disparu, tandis que les œuvres du domaine public pourraient être ouvertes après numérisation plutôt que transformées en fichiers strictement privés.

Ces contraintes n’ont rien de techniquement exotique : les bibliothèques savent déjà adapter la méthode de numérisation à l’état et à la valeur des objets qu’elles manipulent.[6](https://internetarchivebooks.zendesk.com/hc/en-us/articles/202499772-Table-Top-Scribe-Specifications)[7](https://www.bl.uk/services/digitisation)

Ce qui change ici, c’est surtout l’échelle, mais aussi le destinataire de la copie.

Pendant Google Books ou les programmes patrimoniaux, le récit dominant était : numériser pour rendre trouvable. Project Panama inverse presque la phrase : **rendre la matière textuelle exploitable par une machine, puis supprimer l’encombrement physique**.

Les deux opérations peuvent produire le même PDF ; elles ne produisent pas, autour de lui, le même monde.

## References

1. [Bartz v. Anthropic — Order on Fair Use, 23 juin 2025](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.231.0_1.pdf)
2. [Bartz v. Anthropic — Project Panama exhibit, Doc. 560-26](https://storage.courtlistener.com/recap/gov.uscourts.cand.434709/gov.uscourts.cand.434709.560.26.pdf)
3. [The Washington Post, Inside an AI start-up’s plan to scan and dispose of millions of books](https://www.washingtonpost.com/technology/2026/01/27/anthropic-ai-scan-destroy-books/)
4. [The Guardian, Secondhand booksellers suspect AI firms behind strange bulk orders](https://www.theguardian.com/technology/2026/aug/15/uk-ireland-booksellers-suspect-ai-companies-bulk-orders-data-acquisition)
5. [Ars Technica, Hidden Airtag reveals Amazon is trashing rare books to train AI](https://arstechnica.com/tech-policy/2026/08/hidden-airtag-reveals-amazon-is-trashing-rare-books-to-train-ai/)
6. [Internet Archive, Table Top Scribe Specifications](https://internetarchivebooks.zendesk.com/hc/en-us/articles/202499772-Table-Top-Scribe-Specifications)
7. [British Library, Digitisation services](https://www.bl.uk/services/digitisation)
8. [Google Books, History of Google Books](https://books.google.com/intl/en_GB/googlebooks/history.html)
9. [NPR, Anthropic to pay authors $1.5 billion in copyright settlement](https://www.npr.org/2025/09/05/g-s1-87367/anthropic-authors-settlement-pirated-chatbot-training-material)