L’affirmation selon laquelle Anthropic détruit des livres est réelle, mais l’histoire des ouvrages rares n’est pas prouvée

Anthropic a acheté et numérisé de manière destructive des millions de livres physiques, une pratique qui alimente aujourd’hui des titres alarmants sur Google News affirmant que des entreprises d’IA effacent des ouvrages rares. L’opération documentée consistait à retirer les reliures, numériser les pages, puis jeter le papier. Toutefois, les preuves les plus solides disponibles n’établissent pas qu’Anthropic ait ciblé des livres rares ou uniques.

Cette distinction change l’histoire. Les faits confirmés révèlent un effort industriel visant à transformer des livres achetés légalement en données privées d’entraînement pour l’IA. L’affirmation virale plus large ajoute plusieurs éléments non prouvés, notamment l’implication de plusieurs entreprises non identifiées et la destruction d’éditions culturellement irremplaçables.

La controverse met également en lumière un conflit plus profond. Les développeurs d’IA veulent une écriture humaine propre et éditée par des professionnels, tandis que les auteurs et les défenseurs de la préservation réclament rémunération, accès et garanties. La solution d’Anthropic a réduit un risque juridique en détruisant chaque exemplaire acheté, mais elle a créé un problème culturel et éthique entièrement différent.

Ce qu’Anthropic a réellement acheté, numérisé et détruit

L’affirmation centrale est largement vraie pour Anthropic, même si son détail le plus spectaculaire sur les livres rares reste non étayé.

Une décision d’un tribunal fédéral de juin 2025 a établi la séquence de base. Anthropic a acheté des millions de livres imprimés, a converti chacun d’eux en fichier numérique, puis a jeté l’exemplaire physique. L’entreprise a conservé ces fichiers dans une bibliothèque de recherche interne.

Le procédé est appelé numérisation destructive. Un prestataire retire la reliure d’un livre ou en découpe le dos, laissant des pages séparées qui peuvent passer rapidement dans des scanners commerciaux. Cette méthode sacrifie l’objet physique afin d’accélérer la numérisation.

Les fichiers obtenus comprenaient des images des pages et du texte lisible par machine. La reconnaissance optique de caractères, ou OCR, convertit le texte photographié en caractères que les ordinateurs peuvent rechercher et traiter. Anthropic pouvait ensuite préparer ce texte pour le développement de modèles.

Le juge William Alsup a décrit l’opération dans son ordonnance sur le fair use. La décision indique qu’Anthropic a dépensé plusieurs millions de dollars pour acquérir des millions d’exemplaires imprimés, souvent d’occasion.

L’ordonnance indique également qu’un exemplaire imprimé produisait un exemplaire numérique. Anthropic n’a pas conservé les deux versions ni distribué publiquement la bibliothèque numérique. L’entreprise a jeté le papier une fois la conversion terminée.

Ce remplacement à l’identique a compté sur le plan juridique. Alsup a assimilé le changement de format au remplacement de fonds de bibliothèque physiques par des copies numériques moins encombrantes. Il a jugé que la conversion interne relevait du fair use au regard des faits précis soumis au tribunal.

Le tribunal n’a pas déclaré légale toute forme de numérisation de livres pour l’IA. Il a évalué les exemplaires achetés par Anthropic, leur stockage privé et leur remplacement destructif. La distribution, le piratage ou les exemplaires supplémentaires soulèveraient des questions distinctes.

Le projet d’Anthropic a commencé après ses premières tentatives pour obtenir de vastes collections numériques de livres. L’entreprise a recruté Tom Turvey en février 2024. Turvey avait auparavant travaillé sur les partenariats du programme de numérisation de livres de Google.

Turvey a aidé Anthropic à acquérir des livres en gros et à organiser une numérisation industrielle. Des reportages fondés sur des documents ultérieurement rendus publics ont identifié cette initiative comme Project Panama. Des formulations internes décrivaient l’ambition de numériser une portion extraordinairement vaste des livres du monde.

Les documents de Project Panama ont révélé l’existence de prestataires, de commandes en gros, d’équipements de découpe hydraulique et de scanners à grande vitesse. Une proposition d’un fournisseur portait sur entre 500 000 et deux millions de livres sur six mois.

Le total final reste occulté dans les documents du projet publiés. Néanmoins, le tribunal lui-même a utilisé le terme « millions » pour décrire les achats et la numérisation d’Anthropic. L’ampleur générale n’est donc pas une spéculation des réseaux sociaux.

Le papier jeté n’était pas le produit du projet. La production de valeur était un corpus privé et interrogeable, c’est-à-dire une collection organisée de textes préparés pour le traitement informatique. Ce corpus pouvait servir à la recherche et à l’entraînement de modèles.

C’est la base vérifiée sous-jacente à l’affirmation de Google News. Anthropic a réellement acheté et détruit des millions de livres physiques lors de leur numérisation. Les questions restantes concernent les titres impliqués et la possibilité que d’autres entreprises aient suivi la même voie.

Pourquoi les laboratoires d’IA veulent des livres qui n’ont jamais été en ligne

Les livres offrent aux développeurs d’IA une langue humaine éditée, devenue plus difficile à trouver sur un web ouvert de plus en plus synthétique.

Les grands modèles de langage apprennent des régularités statistiques à partir d’importantes collections de textes. Les développeurs recherchent des matériaux variés comprenant des arguments cohérents, des récits suivis, une terminologie spécialisée et une prose soigneusement éditée. Les livres réunissent ces qualités dans de nombreux domaines.

Les pages web peuvent aussi fournir des contenus utiles. Toutefois, les textes en ligne comprennent de la publicité, du contenu copié, du remplissage destiné aux moteurs de recherche, une mise en forme défaillante et du contenu généré par machine. Leur provenance est souvent difficile à établir.

Les livres imprimés offrent un autre avantage. Une édition physique publiée avant le récent essor de l’IA générative constitue clairement un matériau de l’ère humaine. Les développeurs n’ont pas à se demander si un chatbot a généré les paragraphes originaux.

Cette préoccupation est parfois appelée effondrement du modèle ou contamination par des données synthétiques. Ces termes décrivent des problèmes différents, mais tous deux impliquent que des modèles apprennent à partir de productions créées par des modèles antérieurs. Le recyclage répété peut amplifier les erreurs et réduire la diversité.

Les livres contiennent aussi des matériaux absents des explorations ordinaires du web. Les monographies universitaires, les histoires régionales, les manuels techniques, la littérature traduite et les ouvrages documentaires anciens peuvent être peu présents dans les contenus consultables. Leur rareté en ligne rend les exemplaires physiques attrayants comme sources de données.

La rareté en ligne ne signifie pas qu’un ouvrage est rare au sens antiquaire. Un manuel scolaire épuisé peut être difficile à trouver sous forme numérique alors que des milliers d’exemplaires d’occasion circulent encore. Un titre obscur peut aussi être suffisamment courant pour être détruit sans risque.

Cette distinction s’est brouillée dans les publications sociales. « Rare » peut signifier cher, important sur le plan culturel, indisponible ailleurs ou simplement méconnu. Ces sens ne peuvent pas être traités comme interchangeables.

Anthropic aurait acheté des livres auprès de grands détaillants et distributeurs de livres d’occasion. Les achats en gros privilégient les exemplaires ordinaires que les vendeurs peuvent identifier, évaluer et expédier par l’intermédiaire de circuits établis. Cela ne ressemble pas à l’acquisition minutieuse de manuscrits ou d’éditions uniques annotées.

Le dossier public ne fournit pas d’inventaire titre par titre. Sans cet inventaire, personne en dehors de l’entreprise ne peut déterminer la rareté de chaque édition numérisée. Anthropic n’a pas publié sa bibliothèque numérique interne afin qu’elle fasse l’objet d’un audit indépendant.

Le développeur de modèles avait également une raison juridique de privilégier les exemplaires imprimés achetés. La propriété d’un exemplaire physique s’accompagne de droits issus de la doctrine de la première vente, notamment la possibilité de revendre ou de détruire cet objet particulier.

La propriété ne transfère pas le droit d’auteur sous-jacent. L’acheteur ne peut normalement pas reproduire et distribuer le texte d’un auteur simplement en achetant un livre. Anthropic a donc maintenu une relation d’un exemplaire pour un exemplaire entre l’objet acquis et son remplacement interne.

La destruction a renforcé cet argument. Si Anthropic avait conservé à la fois le livre et sa copie numérique complète, les plaignants auraient pu présenter le projet comme une multiplication du nombre d’exemplaires utilisables.

Cela crée une incitation étrange. La voie la plus prudente juridiquement peut favoriser la destruction d’un livre physique, même lorsqu’un scanner respectueux de la conservation existe. La stratégie de droit d’auteur et la préservation culturelle vont dans des directions opposées.

Google Books offre un contraste historique utile. Ce projet a numérisé des fonds de bibliothèques tout en restituant généralement les livres physiques. Son index consultable a survécu à de longs litiges, mais sa conception et ses usages différaient du corpus privé d’entraînement d’Anthropic.

Plus récemment, des partenariats non destructifs ont montré une autre voie. Les bibliothèques peuvent numériser des œuvres du domaine public tout en préservant les originaux et en documentant leur provenance. L’octroi de licences peut également donner aux développeurs d’IA un accès sans nécessiter de destruction physique.

Ces voies impliquent coordination, restrictions et coûts de transaction. Le projet d’Anthropic a transformé l’achat et la numérisation de livres en un problème d’approvisionnement industriel. La rapidité et l’échelle ont pesé davantage que la préservation des objets individuels.

Le mécanisme explique pourquoi l’événement compte au-delà du papier endommagé. La destruction de livres pour l’IA transforme le marché du livre d’occasion en chaîne d’approvisionnement pour le développement de modèles propriétaires. Des exemplaires qui circulaient publiquement deviennent des données contrôlées de manière privée.

L’affirmation de Google News va au-delà des preuves disponibles

La version virale combine un projet industriel confirmé avec une affirmation beaucoup moins certaine concernant les livres rares et plusieurs entreprises d’IA.

Trois propositions distinctes apparaissent souvent ensemble. Les développeurs d’IA accordent de la valeur aux livres physiques. Anthropic a détruit des millions de livres achetés lors de leur numérisation. Des entreprises d’IA détruisent désormais systématiquement des titres rares.

Les deux premières propositions sont largement documentées. La troisième ne bénéficie pas encore de preuves comparables.

Des reportages contemporains citent des libraires ayant reçu des commandes inhabituelles d’ouvrages obscurs, anciens ou épuisés. Certains vendeurs estiment que des intermédiaires ont acheté ces livres pour des clients de l’IA. Ce schéma mérite d’être étudié, mais la suspicion ne constitue pas une attribution.

Un vendeur peut constater une demande inhabituelle sans connaître l’acheteur final. Un intermédiaire peut s’approvisionner en livres pour plusieurs secteurs. Des établissements de recherche, revendeurs, collectionneurs, bibliothèques et projets de numérisation peuvent tous acheter des titres inhabituels.

ISBNdb a ajouté une autre dimension à la controverse. L’entreprise de données bibliographiques a publié des pages faisant la promotion de l’approvisionnement en livres physiques en gros pour le développement de grands modèles de langage. Un texte promotionnel archivé évoquait des commandes allant de milliers à un million de livres.

L’entreprise a également abordé le problème de réputation créé par la numérisation destructive. Après que ces pages ont attiré l’attention, ISBNdb les a retirées et aurait déclaré que le service n’avait fait que tester l’intérêt du marché. Elle a affirmé qu’aucun service de ce type n’était devenu opérationnel.

Ce démenti laisse une lacune de vérification. Le matériel promotionnel démontre qu’une entreprise a envisagé de vendre ce service. Il ne prouve pas qu’un laboratoire d’IA a acheté des livres par ce biais ni détruit les titres qu’il aurait ainsi obtenus.

Cette lacune est importante, car les récits en ligne transforment souvent une capacité en activité réalisée. Un fournisseur a dit pouvoir s’approvisionner en livres, donc des publications concluent que des entreprises d’IA non identifiées ont utilisé ce service. Des libraires ont constaté des commandes inhabituelles, donc des publications attribuent ces achats à des laboratoires d’IA.

Aucune de ces déductions n’est impossible. Aucune n’a été pleinement démontrée par des contrats, des registres d’expédition, des noms de clients ou une chaîne de possession vérifiée.

Les preuves concernant les livres rares sont plus faibles encore. L’enquête sur la numérisation de 2025 a relevé que les dossiers judiciaires d’Anthropic ne montraient pas la destruction de livres rares. Les achats documentés passaient en grande partie par des circuits commerciaux de gros.

Un titre rare peut néanmoins se retrouver dans un lot en gros. Les stocks de livres d’occasion sont désordonnés, et certaines éditions deviennent rares sans atteindre des prix élevés. L’absence de preuve ne démontre pas que chaque exemplaire détruit était remplaçable.

La conclusion responsable est plus limitée. La destruction de livres pour l’IA par Anthropic est confirmée à une échelle de plusieurs millions. Les affirmations concernant des exemplaires rares ou uniques restent non vérifiées, car aucun inventaire fiable n’a émergé.

L’expression plurielle « entreprises d’IA » exige également de la prudence. Meta, OpenAI, Microsoft et Google ont fait l’objet d’allégations concernant des contenus protégés par le droit d’auteur utilisés pour l’entraînement. Ces affaires portent souvent sur des fichiers numériques, des ensembles de données ou des contenus fournis par des éditeurs, plutôt que sur une numérisation physique destructrice.

Meta a été accusé d’avoir utilisé des collections de livres piratés pour entraîner Llama. Des éditeurs ont également poursuivi Google pour des utilisations présumées de livres dans le développement de Gemini. Ces litiges renforcent le récit plus large de l’acquisition de données, mais ils ne prouvent pas l’existence de programmes identiques de destruction de livres.

L’actuel procès Gemini de Google concerne la copie présumée d’œuvres fournies pour des services tels que Google Books et Google Play Books. Il ne constitue pas la preuve que Google ait découpé des éditions physiques rares.

Réunir tous les procès liés au droit d’auteur dans un seul récit de destruction physique rend l’histoire plus facile à partager et plus difficile à vérifier. Les différentes entreprises ont utilisé des sources de données, des méthodes d’acquisition et des arguments juridiques différents.

La meilleure évaluation de l’affirmation virale dans son ensemble est donc nuancée. Des millions de livres achetés ont été numérisés de manière destructive par Anthropic. Les éléments disponibles n’établissent pas que des millions de livres rares ont disparu, ni que chaque grand développeur d’IA applique le même procédé.

Le véritable conflit oppose les données privées à la préservation publique

La critique la plus solide n’est pas qu’Anthropic ait incendié une bibliothèque perdue, mais qu’il ait privatisé le savoir tout en détruisant les exemplaires sources qu’il avait acquis.

La destruction physique a une forte charge émotionnelle, car les livres sont plus que de simples contenants. Les éditions préservent la typographie, les illustrations, les notes marginales, les reliures, les marques de propriété et des traces de la manière dont les gens ont produit et lu les textes.

Une numérisation en texte seul peut omettre nombre de ces caractéristiques. Même une image complète de page peut ne pas préserver le papier, l’encre, la fabrication ou les annotations cachées près d’une reliure. La numérisation destructive peut donc sauver les mots tout en perdant l’objet.

Cependant, les bibliothèques et les éditeurs éliminent déjà un grand nombre de livres. Les exemplaires endommagés, les ouvrages de référence obsolètes, les invendus et les doublons peu demandés sortent régulièrement de la circulation. La destruction, à elle seule, ne démontre pas une perte culturelle.

La rareté détermine l’enjeu. Détruire un livre de poche récent issu d’un grand tirage diffère du découpage du dernier exemplaire connu d’une publication régionale. L’affirmation virale réduit ces situations à une seule image alarmante.

Anthropic n’a pas apporté assez de transparence pour les distinguer. Un inventaire public pourrait indiquer les titres, les éditions, les dates de publication, les sources d’achat et le nombre connu d’exemplaires survivants. Aucun registre exhaustif de ce type n’est disponible.

La destination privée suscite une inquiétude supplémentaire. Le corpus numérisé d’Anthropic ne fonctionne pas comme une archive de préservation accessible. Les chercheurs, auteurs et lecteurs ne peuvent ni examiner les fichiers complets ni retrouver un livre parce que son exemplaire papier a disparu.

L’entreprise a obtenu un actif de données durable, tandis que le public n’a reçu aucune collection numérique équivalente. Les utilisateurs de Claude peuvent poser des questions, mais la réponse d’un modèle n’est pas un texte préservé. Elle peut résumer de manière erronée, omettre du contexte ou générer des détails non étayés.

Un modèle de langage n’est pas non plus un catalogue de bibliothèque consultable. Ses paramètres encodent des relations statistiques, plutôt qu’un rayonnage fiable d’œuvres complètes. L’entraînement ne garantit pas la restitution fidèle d’un livre particulier.

Cette distinction fragilise les affirmations selon lesquelles le savoir contenu dans les livres aurait simplement migré dans le modèle. Un système d’IA privé ne peut remplacer l’accès aux pages originales. La préservation exige des copies stables, des métadonnées, une provenance et une lisibilité future.

Les auteurs font face à un déséquilibre comparable. Leurs livres ont amélioré des modèles à forte valeur commerciale, alors qu’ils n’ont pas négocié l’accord de numérisation fondé sur l’achat physique. L’achat d’un exemplaire d’occasion ne verse normalement aucune rémunération à son auteur ni à son éditeur.

L’acquisition antérieure par Anthropic de bibliothèques numériques piratées a produit un résultat juridique différent. Alsup a distingué l’entraînement de l’acquisition, jugeant l’utilisation pour l’entraînement transformative tout en autorisant la poursuite des demandes relatives aux copies piratées.

Anthropic a ensuite conclu un accord couvrant les œuvres piratées éligibles. Un juge a depuis approuvé le règlement relatif au droit d’auteur, qui s’élève à 1,5 milliard de dollars et prévoit environ 3 000 dollars pour chaque livre couvert.

Cet accord ne signifie pas que la bibliothèque achetée et numérisée était illégale. Il concernait l’acquisition par Anthropic de fichiers piratés, une source juridiquement distincte. Confondre les deux affaiblit les deux récits.

Le contraste juridique reste révélateur. Les livres achetés pouvaient être numérisés et détruits selon l’analyse d’usage équitable du tribunal. Les fichiers piratés ont créé une responsabilité importante, bien qu’Anthropic ait apparemment recherché un texte sous-jacent similaire pour l’entraînement de modèles.

Cela incite les développeurs d’IA à constituer des dossiers d’acquisition plus propres. Cela ne les oblige pas à préserver les exemplaires physiques, à divulguer les listes de titres ou à rendre les remplacements numériques accessibles au public.

Les groupes de préservation pourraient proposer des garde-fous pratiques. Les prestataires de numérisation pourraient signaler les exemplaires dédicacés, les manuscrits, les premières éditions, les reliures inhabituelles et les titres dont peu d’exemplaires sont connus. Des spécialistes pourraient examiner les livres signalés avant leur découpage.

Les entreprises pourraient également publier des catalogues non sensibles après la numérisation. Elles pourraient déposer des copies de préservation auprès de bibliothèques de confiance, dans des conditions contrôlées. Les accords d’approvisionnement pourraient exiger un traitement non destructif pour les éditions rares.

L’octroi de licences constitue une autre voie, même si les négociations sur des millions d’œuvres sont difficiles. Les organismes de licences collectives pourraient agréger les droits et distribuer les paiements. Les éditeurs pourraient fournir des fichiers numériques vérifiés sans sacrifier les exemplaires physiques.

Aucune de ces mesures n’élimine tous les conflits. Les bibliothèques feraient toujours face à des restrictions d’accès, les auteurs débattraient de leur rémunération et les développeurs protégeraient leurs ensembles de données propriétaires. Elles sépareraient au moins le développement des modèles de pertes culturelles inutiles.

L’incertitude actuelle ne profite à personne. Elle permet à des publications exagérées de présenter des livres d’occasion ordinaires comme des trésors uniques. Elle permet aussi aux entreprises d’éviter de répondre à la question de savoir si des documents véritablement rares sont passés dans leurs découpeuses.

Pour les travailleurs du savoir, la leçon dépasse les livres. Une réponse consultable n’est pas la même chose qu’une source durable. Une bonne gestion des connaissances personnelles préserve le contexte, la provenance et l’accès, plutôt que de remplacer les documents par des souvenirs générés.

Ce qu’il faut surveiller après la controverse Google News

Trois signaux détermineront s’il s’agit d’un cas Anthropic ou de la preuve d’une pratique plus large et continue dans le secteur.

Le premier signal est une piste client vérifiable pour les intermédiaires d’approvisionnement en livres. Des contrats, factures, documents d’expédition ou clients nommés relieraient des commandes inhabituelles auprès de libraires à des laboratoires d’IA spécifiques.

Ces éléments renforceraient l’affirmation plus large s’ils démontraient un approvisionnement actif et massif destiné à une numérisation destructive. Ils l’affaibliraient si les services promus n’avaient jamais dépassé le stade d’expériences commerciales.

La distinction entre un service annoncé et une transaction réalisée est fondamentale. Des captures d’écran peuvent établir ce qu’un fournisseur proposait. Elles ne peuvent pas établir qui l’a acheté ni ce qu’il est advenu des livres ensuite.

Le deuxième signal est un audit au niveau des titres réalisé par Anthropic ou ses prestataires. Même un examen indépendant limité pourrait classer les livres numérisés selon leur édition, leur rareté, leur état et les fonds de bibliothèque restants.

Un tel audit mettrait directement à l’épreuve l’allégation concernant les livres rares. La preuve de l’existence d’exemplaires uniques ou d’éditions très rares rendrait la préoccupation de préservation urgente. La preuve d’exemplaires commerciaux ordinaires réduirait considérablement la controverse.

Anthropic pourrait divulguer des métadonnées sans publier de texte protégé. Les titres, ISBN, éditions, canaux d’achat et contrôles de préservation permettraient à des spécialistes externes d’évaluer les risques. Des suppressions pourraient protéger les détails confidentiels des fournisseurs.

Le troisième signal est la manière dont les tribunaux, les législateurs et les éditeurs réagissent à une conversion destructive un pour un. La décision actuelle porte sur un dossier précis, et non sur chaque futur projet de numérisation.

Un tribunal ultérieur pourrait distinguer l’entraînement des modèles du stockage permanent en bibliothèque. Les législateurs pourraient également imposer la divulgation, l’octroi de licences ou des dépôts de préservation pour de grands corpus commerciaux. Les éditeurs pourraient développer des systèmes d’accès collectif avant l’arrivée de ces règles.

Le comportement des concurrents compte dans ce troisième signal. Un grand laboratoire pourrait adopter des engagements de numérisation non destructive et de préservation. Une telle initiative ferait du procédé d’Anthropic non plus une nécessité sectorielle, mais un choix commercial contestable.

Une entreprise pourrait aussi obtenir sous licence des archives d’éditeurs à grande échelle. Un tel accord montrerait que l’accès légal ne nécessite pas de découper des livres achetés. Il ferait pression sur les concurrents pour qu’ils expliquent des méthodes d’acquisition plus secrètes.

Le public devrait surveiller le langage employé dans les futures couvertures de Google News. Les titres passant de « millions de livres » à « millions de livres rares » font un saut factuel considérable.

Les lecteurs devraient également distinguer la numérisation physique du piratage numérique. Les deux concernent l’accès à des écrits protégés par le droit d’auteur, mais ils impliquent des comportements, des preuves et des conséquences juridiques différents. Les traiter comme identiques masque les véritables arbitrages.

L’histoire vérifiée est grave sans embellissement. Anthropic a converti des millions de livres en une ressource numérique privée, détruit les exemplaires papier achetés et utilisé un procédé qu’un juge fédéral a accepté comme relevant de l’usage équitable.

Ce qui reste non vérifié est tout aussi important. Aucun élément public ne montre que des millions de titres rares ont disparu. Le même programme destructif n’a pas non plus été attribué de manière concluante à toutes les entreprises mentionnées dans les publications virales.

Le prochain rapport crédible devrait répondre à des questions concrètes. Quelle entreprise a passé la commande ? Quelles éditions ont été achetées ? Combien d’exemplaires survivants existent ? Qui les a numérisés, et où sont allés les fichiers numériques ?

En attendant ces réponses, les lecteurs devraient résister aux deux extrêmes. La controverse n’est pas un canular fabriqué, mais sa version la plus alarmante dépasse les éléments disponibles.

Continuez à suivre les documents sources derrière chaque titre de Google News, en particulier les dossiers judiciaires et les archives des entreprises nommées. La question décisive n’est plus de savoir si la numérisation destructive a eu lieu. Elle est de savoir si les entreprises d’IA révéleront ce qu’elles ont détruit, préserveront les œuvres rares et indemniseront les personnes dont les écrits ont rendu leurs systèmes précieux.