L’usage de l’IA par les Big Five se développe derrière leur lutte contre le slop

HarperCollins, Simon & Schuster et Hachette auraient étendu leur recours à l’IA générative, tout en combattant les menaces liées à l’IA qui pèsent sur les livres et les auteurs. Cet usage croissant de l’IA par les éditeurs du Big Five concernerait les textes promotionnels, les supports marketing, les e-mails, les visuels et l’analyse des flux de travail internes.

C’est là toute la contradiction. Les éditeurs veulent que les entreprises technologiques et les auteurs respectent les droits d’auteur, les contrats et le travail créatif. Pourtant, des salariés et des agents affirment que ces éditeurs ont introduit l’IA dans leurs propres activités sans obtenir systématiquement le consentement des auteurs ni révéler son utilisation.

Les éléments disponibles proviennent principalement d’employés anonymes, de sorte que l’ampleur exacte reste non vérifiée. Ces pratiques rapportées révèlent néanmoins un problème de confiance grandissant. Les éditeurs ne débattent plus de l’IA depuis la touche. Ils décident désormais où l’automatisation s’insère dans le processus, quel travail elle remplace et qui en est informé.

Trois grands éditeurs auraient intégré l’IA à leur travail quotidien

Le changement immédiat n’est pas que les éditeurs ont découvert l’IA. C’est que des employés décrivent une technologie qui s’immisce dans le travail éditorial ordinaire sans règles publiques claires.

Une enquête sur l’édition publiée le 9 octobre s’est appuyée sur des entretiens avec plus de deux douzaines de salariés. Ils travailleraient chez HarperCollins, Simon & Schuster, Hachette et dans d’autres segments du secteur.

Ces sources ont indiqué que le personnel utilisait de grands modèles de langage, ou LLM, pour rédiger des documents promotionnels, des textes de quatrième de couverture, des e-mails et des ressources marketing. Les LLM sont des systèmes qui génèrent du texte en prédisant des modèles linguistiques appris à partir de vastes ensembles de données.

Certains employés ont également fait état d’expérimentations liées à l’IA concernant les images de couverture et les vidéos marketing. L’article n’a pas établi que chaque éditeur nommé suivait les mêmes pratiques, ni que chaque division les avait adoptées.

Cette distinction est importante. Un grand éditeur rassemble de nombreuses marques éditoriales, équipes, prestataires et partenaires régionaux. L’expérimentation d’une division ne représente pas automatiquement une politique à l’échelle de l’entreprise.

Ces affirmations décrivent néanmoins davantage que des usages personnels isolés. Chez HarperCollins, des dirigeants auraient acheté un accès d’entreprise à Claude, tandis que le personnel avait aussi accès à ChatGPT et Jasper. Les employés auraient ensuite été invités à identifier des applications potentielles lors de séances de réflexion récurrentes.

HarperCollins n’a pas répondu à l’enquête. Ses pratiques rapportées restent donc des allégations attribuées à des employés actuels, et non une politique d’entreprise confirmée.

Simon & Schuster a reconnu que des employés de ses différentes fonctions pouvaient accéder à un groupe limité d’outils d’IA d’entreprise. L’entreprise a déclaré que leur usage était volontaire et limité à des produits ayant passé son examen interne.

Son objectif affiché était de libérer les employés afin qu’ils puissent mener un travail créatif plus approfondi avec les auteurs. Cette explication présente l’IA comme un soutien opérationnel, et non comme un substitut au jugement éditorial ou aux relations humaines.

Hachette a apporté une distinction plus restrictive. Un porte-parole a déclaré que l’entreprise soutenait l’IA à des fins opérationnelles lorsqu’elle aidait les livres à atteindre leurs lecteurs. L’entreprise a indiqué ne pas soutenir les applications créatives, y compris les communications générées par IA avec les auteurs et les partenaires.

Les témoignages d’employés compliquent ces limites. Des agents littéraires auraient soupçonné que certains e-mails de refus contenaient des tournures génératives reconnaissables. Des salariés des trois éditeurs ont déclaré aux journalistes penser qu’au moins certains de ces soupçons étaient fondés.

Rien de cela ne prouve qu’un message précis provenait d’un LLM. Les détecteurs de texte et les signaux stylistiques restent des preuves peu fiables lorsqu’ils sont utilisés seuls. Une formulation répétitive peut soulever des questions, mais elle ne permet pas d’établir l’auteur avec certitude.

La conclusion la plus défendable est plus limitée. Des outils d’IA seraient présents au sein des principaux flux de travail éditoriaux, tandis que les employés, agents et auteurs ne partagent pas une vision commune des usages autorisés.

Un article de suivi a accentué le conflit en se concentrant sur la conception des couvertures et la promotion. Il avance que les éditeurs qui s’opposent aux livres d’IA de faible qualité risquent désormais d’utiliser une technologie similaire autour de leurs propres ouvrages.

La question n’est pas de savoir si chaque phrase ou image générée mérite l’étiquette de « slop ». Il s’agit de savoir si les éditeurs peuvent exiger de la transparence de la part d’acteurs extérieurs tout en gardant leurs propres pratiques difficiles à examiner.

L’usage de l’IA par les Big Five crée un déficit de consentement

L’usage de l’IA par les éditeurs du Big Five devient un problème de gouvernance lorsqu’une œuvre inédite d’auteur entre dans un modèle sans autorisation explicite ni information significative.

Des agents auraient ajouté aux contrats des clauses empêchant les éditeurs de soumettre des manuscrits à des LLM. Cette restriction répond à un risque concret plutôt qu’à une peur générale de l’automatisation.

Un manuscrit inédit contient bien plus que du texte. Il peut renfermer des idées commercialement sensibles, des informations personnelles, des enquêtes confidentielles ou des éléments dont les droits n’ont pas encore été entièrement clarifiés.

Téléverser ce manuscrit vers un service d’IA grand public peut l’exposer à l’infrastructure et aux politiques de conservation d’un tiers. Les produits d’entreprise peuvent offrir des contrôles plus solides, mais ces protections dépendent du contrat, de la configuration et du flux de travail réellement appliqué.

La distinction entre un environnement fermé et un outil de cloud public est donc importante. Un système fermé conserve les données au sein d’un réseau contrôlé ou d’une frontière technique approuvée. Un service ouvert envoie le contenu vers une infrastructure exploitée par un fournisseur extérieur.

Cependant, « entreprise » ne signifie pas automatiquement absence de risque. Les éditeurs doivent toujours définir quels employés peuvent téléverser du contenu, quels documents sont autorisés, combien de temps les données persistent et si les fournisseurs peuvent les utiliser.

Un employé de HarperCollins aurait déclaré que des éditeurs avaient demandé s’ils pouvaient coller des manuscrits entiers dans des LLM ouverts. Selon cette source, l’équipe juridique de l’entreprise leur aurait répondu de ne pas le faire.

Cette intervention rapportée est encourageante, mais elle montre aussi avec quelle facilité la question peut surgir. Lorsqu’un outil apparaît à côté des logiciels bureautiques ordinaires, les employés peuvent traiter un manuscrit sensible comme un simple document à résumer.

La même préoccupation s’applique à la promotion. Un modèle ne peut pas produire un texte de jaquette exact sans recevoir des détails sur le livre. Si le manuscrit complet fournit ces détails, ce raccourci marketing devient une décision de gouvernance des données.

Les agents veulent que les éditeurs révèlent cette décision, car les auteurs ont accordé des droits de publication dans le cadre de contrats précis. Ces accords n’anticipaient pas nécessairement le traitement des manuscrits par des fournisseurs externes de modèles.

Le consentement importe également lorsque l’IA contribue à une couverture. La couverture fait partie de l’identité publique d’un auteur, et les lecteurs considèrent de plus en plus les images synthétiques comme un signal concernant le livre lui-même.

Des controverses précédentes montrent à quel point un approvisionnement peu clair peut nuire à cette identité. Le label Bramble de Tor a essuyé des critiques après qu’un créateur a identifié des ressources de stock génératives dans la couverture de Gothikana.

Une analyse de la couverture a constaté que les annonces de stock concernées étaient signalées comme générées avec l’IA. Bramble n’a pas commenté avant la publication de ce rapport.

Tor avait rencontré un litige similaire concernant Fractal Noise de Christopher Paolini. L’éditeur a indiqué que son designer avait concédé sous licence une image auprès d’un fournisseur de stock réputé sans savoir que l’actif pouvait être synthétique.

Bloomsbury a formulé une affirmation semblable après qu’une image de stock marquée IA est apparue dans la conception d’un livre de poche de Sarah J. Maas. Son équipe de conception a déclaré ne pas avoir su comment l’image avait été produite.

Ces incidents révèlent un problème de chaîne d’approvisionnement. Les éditeurs peuvent introduire du contenu généré sans qu’un employé saisisse une requête. Des bibliothèques de stock, agences, freelances et partenaires étrangers peuvent tous intégrer des ressources d’IA dans un design finalisé.

Des règles claires doivent donc couvrir la provenance, et non le seul accès aux outils. Un éditeur doit savoir d’où vient une image, comment elle a été étiquetée et quels droits l’accompagnent.

Le même principe s’applique au texte. Les équipes ont besoin de traces montrant quels contenus ont été fournis à un modèle et comment le résultat a été modifié avant publication. Sans cette provenance, la divulgation devient un exercice de conjecture une fois la controverse déclenchée.

Les organisations confrontées à des risques d’information similaires ont souvent besoin d’un flux de travail de connaissances contrôlé. La version destinée à l’édition doit y ajouter des autorisations contractuelles, des contrôles fournisseurs et un registre auditable des décisions humaines.

La position anti-slop se heurte désormais aux pratiques des éditeurs

L’argument le plus fort du secteur contre le slop IA repose sur la paternité humaine, l’autorisation et la confiance — précisément les valeurs que l’usage interne discret de l’IA met sous pression.

Les éditeurs ont des raisons légitimes de s’opposer aux livres synthétiques produits en masse. Des auteurs ont découvert des biographies d’imitation, de faux titres et des ouvrages d’accompagnement générés associés à des noms et à des publics déjà établis.

Lorsque les mémoires de Kara Swisher approchaient de leur publication, des recherches auraient fait apparaître de nombreuses biographies non officielles aux couvertures suspectes et aux textes génériques. Une recherche plaçait 16 livres de tiers après les mémoires authentiques.

Le problème des livres d’imitation a démontré comment l’édition automatisée peut exploiter la visibilité d’un auteur. Même des livres médiocres peuvent détourner l’attention, semer la confusion chez les acheteurs et imposer aux auteurs un travail de contrôle supplémentaire.

Amazon impose aux éditeurs utilisant sa plateforme en libre-service d’identifier les contenus générés par IA lors de la soumission. Cependant, ces informations n’ont pas toujours été affichées sous la forme d’une étiquette visible pour les clients.

Amazon a également limité le nombre de livres qu’un autoéditeur peut publier chaque jour et restreint certains résumés ou cahiers d’exercices. Ces mesures ciblent le spam et les annonces trompeuses plutôt que d’interdire purement et simplement les outils génératifs.

Les éditeurs traditionnels se présentent comme un filtre d’une autre nature. Ils sélectionnent les manuscrits, vérifient les droits, éditent les textes, commandent les designs et associent la crédibilité d’une institution à un livre achevé.

Ce rôle rend l’usage non divulgué de l’IA plus lourd de conséquences. Les lecteurs n’abordent pas une marque éditoriale du Big Five avec les mêmes attentes qu’une annonce inconnue sur une place de marché.

Le conflit touche aussi au droit d’auteur. Les éditeurs et les auteurs ont contesté l’utilisation de livres dans l’entraînement des modèles par les entreprises technologiques. Des sociétés de distribution ont réagi à la demande de livres physiques émanant de développeurs d’IA.

Ingram Content Group a indiqué à ses clients que les entreprises d’IA achetaient de plus en plus d’ouvrages physiques, potentiellement afin de les numériser et d’entraîner des modèles. Le groupe a offert aux éditeurs un moyen de se retirer des ventes dont il avait connaissance comme étant directement réalisées à ces entreprises.

Ingram a également reconnu ne pas pouvoir toujours déterminer l’objectif d’un acheteur. Son option de retrait pour les éditeurs promettait des efforts raisonnables plutôt qu’une barrière totale.

Cet épisode illustre la position publique du secteur de l’édition. Les livres contiennent une expression humaine précieuse, et les entreprises ne devraient pas traiter cette expression comme une entrée technique dépourvue de gouvernance.

Les auteurs peuvent raisonnablement se demander pourquoi ce principe change à l’intérieur de la maison d’édition. Si l’intégration d’un livre dans un modèle exige une autorisation lorsqu’une entreprise technologique s’en charge, la commodité du marketing interne ne fait pas disparaître cette préoccupation.

Les éditeurs peuvent répondre que l’usage opérationnel diffère de l’entraînement d’un modèle de fondation commercial. Cette distinction est juridiquement et techniquement pertinente.

Un système contrôlé peut résumer un manuscrit sans l’ajouter à un jeu de données d’entraînement. Un accord avec un fournisseur peut également interdire l’entraînement des modèles et limiter le stockage.

Pourtant, les auteurs ne peuvent pas évaluer ces garanties sans savoir quel système a été utilisé. Le secret transforme une distinction défendable en une assurance non étayée.

C’est pourquoi l’adversaire central n’est pas simplement les éditeurs contre les entreprises d’IA. C’est la promesse de l’industrie de l’édition d’une gestion humaine face à une réalité de plus en plus automatisée.

Cette promesse n’exige pas d’interdire tous les modèles. Elle exige d’appliquer des normes cohérentes aux acteurs externes, aux fournisseurs, aux dirigeants et aux employés juniors.

La pression d’efficacité atteint les éditeurs, les attachés de presse et les designers

Les éditeurs introduisent l’IA dans un contexte de charges de travail accrues, de réduction des effectifs et de pression de la direction pour automatiser, ce qui rend difficile la distinction entre adoption « volontaire » et contrainte au travail.

Des employés ont décrit des équipes réduites, tandis que le personnel restant gérait davantage de titres. L’un d’eux a déclaré que certains grands groupes étaient tombés à cinq ou six personnes, alors que les charges de travail avaient doublé ou triplé.

Ce témoignage n’a pas été vérifié de manière indépendante dans l’ensemble du secteur. Il explique néanmoins pourquoi les outils génératifs peuvent se diffuser même parmi des employés qui s’en méfient.

Un attaché de presse qui gère davantage de livres peut demander à un modèle un premier brouillon, car l’alternative est de manquer une échéance. Un éditeur peut résumer des documents parce qu’il n’a pas le temps de relire un autre document interne.

Ces choix peuvent sembler volontaires dans une politique logicielle tout en paraissant obligatoires dans la pratique. La pression vient de la charge de travail, pas nécessairement d’un ordre direct d’utiliser un modèle précis.

Des employés de HarperCollins seraient devenus des « AI Champions » chargés d’identifier des cas d’usage pour des outils achetés par la direction. L’intitulé suggère une participation, mais les employés ont indiqué avoir été désignés plutôt que de s’être portés volontaires librement.

Simon & Schuster avait auparavant invité ses employés à soumettre des idées liées à l’IA dans le cadre d’un concours interne. Des employés ont ensuite déclaré que l’entreprise avait réduit certaines pressions promotionnelles après les objections répétées du personnel lors de réunions.

Le différend le plus aigu concerne la surveillance des flux de travail. Des employés de Simon & Schuster ont appris que l’entreprise avait étudié le produit Blueprint de Skan AI, apparemment à la suite d’un intérêt manifesté par son propriétaire KKR.

Les logiciels d’analyse des flux de travail observent la manière dont les employés accomplissent leurs tâches et identifient les processus que les dirigeants pourraient automatiser. Ils peuvent révéler des goulets d’étranglement, mais les employés peuvent percevoir ce même système comme de la surveillance.

Les employés ont organisé une lettre ouverte s’opposant à l’introduction de Skan AI ou de produits similaires. Ils craignaient que l’identification des possibilités d’automatisation ne cartographie leurs emplois en vue de leur remplacement.

Le PDG de Simon & Schuster, Greg Greeley, a ensuite déclaré aux employés qu’aucune décision n’avait été prise concernant le déploiement de Blueprint ou d’un autre système de surveillance de la productivité. Il a présenté cet examen comme une exploration préliminaire.

Cette réponse limite l’affirmation vérifiée. L’entreprise a examiné le produit, mais les informations disponibles ne montrent pas qu’elle ait mis en œuvre un programme de surveillance.

L’épisode révèle néanmoins ce que les employés estiment être en jeu. L’IA n’entre pas dans l’édition uniquement comme assistant d’écriture. Elle apparaît aussi comme un outil de gestion capable de mesurer le travail et de recommander l’automatisation.

Les illustrateurs de couverture, traducteurs, éditeurs et attachés de presse font face à différentes versions de la même incertitude. Chaque rôle comporte des tâches répétitives, mais dépend aussi d’un contexte que les dirigeants peuvent sous-estimer.

Une description de quatrième de couverture, par exemple, est courte. La produire exige néanmoins une compréhension du genre, des attentes du public, des limites factuelles et de la voix de l’auteur.

La traduction présente un compromis encore plus net. Le PDG de HarperCollins, Brian Murray, avait auparavant soutenu que l’IA offrait aux éditeurs davantage d’opportunités que de risques, notamment pour les livres traduits et les livres audio.

Des employés ont ensuite déclaré avoir vu des manuscrits traduits par IA comportant des mentions d’information lors de grands salons internationaux du livre. Cela suggère qu’au moins certains vendeurs de droits testent des usages transparents.

La traduction peut élargir l’accès à des titres qui, autrement, resteraient indisponibles. Elle peut aussi uniformiser le style, mal interpréter des références culturelles et réduire les opportunités rémunérées pour les traducteurs humains.

Un éditeur ne peut pas évaluer ce compromis uniquement à l’aune de la vitesse de production. Il doit évaluer les taux d’erreur, la supervision éditoriale, les droits, l’attribution et la question de savoir si le lecteur connaît le processus qui a façonné le texte.

L’éditrice indépendante Meg Reid a clairement formulé la division émergente. Les grandes maisons d’édition devraient probablement rechercher l’efficacité, tandis que les petits éditeurs pourraient rivaliser en soulignant que la participation humaine constitue le produit.

Cette fracture offre aux maisons indépendantes un positionnement potentiel sur le marché. Un processus humain vérifié peut devenir une caractéristique plutôt qu’un coût invisible.

La détection de l’IA ne peut pas résoudre le débat sur les éditeurs qui utilisent l’IA

Les outils de détection ne peuvent pas fournir la certitude dont les éditeurs ont besoin ; les contrats, les registres de provenance et les politiques de divulgation doivent donc assumer cette responsabilité.

La controverse actuelle repose largement sur des témoignages d’employés et des schémas d’écriture reconnaissables. Aucune de ces formes de preuve ne peut mesurer l’ensemble du marché.

Les sources anonymes méritent d’être protégées lorsque leur emploi est en jeu. Leur anonymat empêche également les lecteurs d’évaluer chaque rôle, document ou observation directe à l’origine d’une affirmation.

Les reportages doivent donc être considérés comme des allégations crédibles étayées par plusieurs employés, et non comme un audit de chaque flux de travail des Big Five.

Les détecteurs d’IA ajoutent une couche supplémentaire d’incertitude. Ils estiment si des schémas ressemblent à un texte généré par machine, mais ces estimations ne prouvent pas comment un document a été créé.

L’écriture humaine peut déclencher des faux positifs. Un résultat de modèle édité peut échapper à la détection. Un court e-mail ou une formule marketing fournit encore moins d’éléments probants qu’un long manuscrit.

Ce problème est devenu visible lors de la controverse Shy Girl. Le label Wildfire de Hachette a publié le roman d’horreur au Royaume-Uni avant d’en interrompre ultérieurement la commercialisation.

Le label Orbit de Hachette a également suspendu la publication prévue aux États-Unis après un examen interne. L’auteur a nié avoir écrit le livre avec l’IA et a déclaré qu’une connaissance impliquée dans l’édition y avait eu recours.

Une enquête du secteur sur les limites de la détection de l’IA a décrit des éditeurs utilisant plusieurs outils tout en reconnaissant qu’ils étaient tous faillibles. Des chercheurs ont également expliqué comment les résultats de modèles peuvent être modifiés pour éviter la détection.

Cette affaire montre pourquoi un score de détection ne peut pas remplacer les preuves relatives au processus. Il n’identifie pas qui a utilisé un modèle, quels passages ont été modifiés ni si cet usage a enfreint un contrat.

La détection crée aussi un risque d’iniquité. Les écrivains au style formulaïque, présentant des caractéristiques propres à des personnes dont l’anglais n’est pas la langue maternelle, ou ayant des styles non conventionnels peuvent être soupçonnés sans preuve fiable.

Les éditeurs ont besoin de preuves recueillies avant la publication. Les contrats devraient définir le contenu généré, l’édition assistée par IA, la traduction, l’imagerie et les téléversements de manuscrits interdits.

Les systèmes de production devraient consigner les outils approuvés et préserver l’origine des ressources commandées. Les fournisseurs devraient divulguer les composants synthétiques avant de livrer un travail fini.

Les auteurs devraient recevoir une explication lorsque l’IA affecte matériellement leur texte, leur couverture, leur marketing, leur traduction ou leur édition audio. Les lecteurs ont besoin d’une divulgation lorsque la méthode change ce qu’ils pensent raisonnablement acheter.

Toutes les actions automatisées ne nécessitent pas une étiquette d’avertissement. La correction orthographique, la recherche, la planification et la conversion de fichiers soutiennent depuis longtemps l’édition sans modifier la paternité de l’œuvre.

La frontière devrait se concentrer sur la contribution matérielle et le risque. Un modèle qui rédige le texte de quatrième de couverture diffère d’un logiciel qui corrige la ponctuation. Générer une image de couverture diffère du redimensionnement d’une illustration humaine.

Même ces catégories exigent un jugement. Un attaché de presse peut utiliser un modèle pour trouver des idées de formulations, puis rédiger un texte entièrement nouveau. Un autre peut publier le premier résultat après avoir corrigé un titre.

Une politique utile devrait décrire les deux cas plutôt que de déclarer identiques tous les usages de l’IA. Elle devrait aussi indiquer qui prend la décision finale et qui examine le résultat.

La plus grande incertitude concerne le véritable taux d’adoption. Les informations disponibles n’établissent pas combien de livres contiennent du matériel généré ni à quelle fréquence les résultats de modèles parviennent au public sans modification.

Elles ne prouvent pas non plus que les entreprises nommées n’ont pas de politiques internes. Certaines peuvent avoir des règles que les employés considèrent comme incomplètes, peu claires ou appliquées de manière incohérente.

Ces limites affaiblissent les affirmations générales selon lesquelles la grande édition est déjà automatisée. Elles n’éliminent pas le besoin démontré d’une gouvernance transparente.

Trois signaux montreront si l’édition choisit la confiance

La prochaine phase sera déterminée par les politiques de divulgation, un langage contractuel exécutoire et des preuves que l’automatisation modifie les effectifs ou les livres publiés.

Le premier signal sera de savoir si HarperCollins, Simon & Schuster et Hachette publient des normes détaillées relatives à l’usage de l’IA. Une politique pertinente doit aller au-delà de l’affirmation selon laquelle des outils approuvés sont disponibles.

Elle devrait expliquer si les manuscrits peuvent entrer dans des systèmes externes, dans quels cas les auteurs doivent consentir et comment les illustrations générées sont identifiées. Elle devrait également couvrir les traducteurs, les freelances, les agences, les fournisseurs d’images de stock et les partenaires d’édition étrangers.

Une politique publique renforcerait l’argument selon lequel les éditeurs peuvent utiliser l’IA sans abandonner la gestion humaine. Une ambiguïté persistante renforcerait l’accusation selon laquelle les entreprises n’exigent de transparence que des autres.

Le deuxième signal sera la diffusion de clauses contractuelles sur l’IA. Des agents restreindraient déjà l’usage des manuscrits, mais le libellé et son application restent largement privés.

Des clauses standard pourraient distinguer le traitement opérationnel de l’entraînement, définir les environnements approuvés et exiger une notification avant tout usage génératif. Elles pourraient également préciser les recours lorsqu’un éditeur ou un prestataire enfreint ces conditions.

Si ces clauses deviennent courantes, le secteur aura admis que le consentement de l’auteur n’est pas implicite dans une licence générale de publication. Si les éditeurs y résistent, le conflit de confiance s’aggravera.

Le troisième signal sera l’impact mesurable sur le travail et les produits finis. Les lecteurs devraient surveiller les objections supplémentaires du personnel, les essais de surveillance des flux de travail et les changements documentés dans les équipes éditoriales ou de promotion.

Ils devraient également examiner les crédits et les divulgations sur les couvertures, les traductions, les livres audio et les supports marketing. Un registre visible permettrait de distinguer plus facilement une assistance prudente d’une substitution non divulguée.

Des preuves que l’IA réduit le travail administratif répétitif sans remplacer les rôles créatifs soutiendraient l’argument d’efficacité des éditeurs. Davantage de licenciements accompagnés d’objectifs de production plus élevés confirmeraient les craintes des employés.

Le même test s’applique à la qualité. Les éditeurs devront montrer que le texte marketing généré reste exact, que les couvertures comportent des droits défendables et que les traductions préservent le sens voulu par l’auteur.

Pour les auteurs, l’action immédiate consiste à demander ce qu’il advient d’un manuscrit après sa soumission. Ils devraient clarifier si les éditeurs, attachés de presse et fournisseurs externes peuvent le traiter avec des systèmes génératifs.

Pour les employés de l’édition, la question clé est de savoir si un outil approuvé reste facultatif lorsque les charges de travail rendent le travail manuel impossible. Une politique volontaire a peu de sens si les décisions de personnel imposent son adoption.

Les lecteurs peuvent également exercer une pression sur le marché en demandant la provenance. Ils n’ont pas besoin de rejeter chaque livre touché par un logiciel. Ils peuvent exiger suffisamment d’informations pour faire ce choix eux-mêmes.

La controverse autour de l’usage de l’IA par les cinq grands éditeurs est, au fond, un test de crédibilité institutionnelle. Les éditeurs vendent davantage que des pages imprimées. Ils vendent la confiance qu’une personne a sélectionné, vérifié et présenté l’œuvre de manière responsable.

Le secteur documentera-t-il cette responsabilité humaine avant que l’automatisation ne devienne invisible, ou attendra-t-il qu’une nouvelle couverture, un contrat ou un manuscrit contesté impose une nouvelle explication ?