Réponse directe : parce que le web public est épuisé et que la donnée rare, jamais numérisée, est devenue le nouvel or noir de l’IA. Amazon et Anthropic achètent des ouvrages d’occasion, les scannent, puis les jettent — une pratique dite de « scan destructif » que la justice américaine a paradoxalement validée.

Le « scan destructif », méthode choc

La méthode est brutale : acheter des livres rares d’occasion, arracher les reliures, faire défiler les pages à toute vitesse devant un scanner, puis tout jeter à la poubelle. Ce n’est pas une scène absurde, mais la réalité documentée de la course à la donnée chez les géants de l’IA.

Ce geste révèle un basculement économique : le coût du support matériel est devenu dérisoire face à la valeur de l’information brute qu’il contient. Un livre de niche, jamais publié en ligne, vaut plus démonté et scanné que conservé sur une étagère.

L’épuisement des données d’entraînement

Pourquoi en arriver là ? Parce que le web public a déjà été entièrement aspiré par les acteurs de la tech. Selon l’analyse de ZDNET, l’épuisement des données d’entraînement de qualité pousse désormais les modèles à cibler les savoirs de niche, imprimés en faible quantité ou rédigés dans des langues rares.

Les livres rares concentrent exactement ce que les modèles cherchent : du contenu non dupliqué, dense, structuré, absent des corpus en ligne. C’est la différence entre une donnée générique et une donnée à forte valeur de signal.

La subtilité juridique qui rend la destruction légale

Le plus troublant est d’ordre juridique. Attaqué pour violation du droit d’auteur, Anthropic a obtenu gain de cause devant la justice américaine. Le raisonnement du juge est glaçant : c’est précisément parce que l’ouvrage physique est détruit après le scan qu’il n’y a pas de copie illégale.

Selon le principe du fair use, l’entreprise « modifierait le format » d’un produit légalement acheté. Conserver le papier et le fichier numérique constituerait un délit ; détruire le support physique rend l’opération légale. Le droit, ici, récompense la destruction.

Une barrière à l’entrée industrielle

Cette affaire dessine une chaîne d’approvisionnement industrielle de la donnée. Amazon, investisseur d’Anthropic, mobilise sa puissance logistique et son accès unique au marché du livre d’occasion pour alimenter des centres dédiés au traitement de l’IA.

La capacité à capter du contenu tangible à la source, à le numériser massivement et à l’injecter dans des supercalculateurs devient une barrière à l’entrée colossale. Les acteurs qui n’ont ni la logistique ni l’accès au marché du livre sont structurellement exclus de cette source de données.

Ce que cela signifie pour vos organisations

La leçon est directe : vos archives physiques, vos manuels et vos documentations internes constituent le capital intellectuel le plus précieux. Ce qui n’est pas encore numérisé est, pour les modèles, une matière première rare.

Protéger et valoriser ce capital n’est plus une question d’archivage, mais de stratégie. La donnée que vous possédez déjà vaut peut-être plus que vous ne le pensez — et sa valeur ne cesse d’augmenter à mesure que le web public s’épuise.

FAQ

Le scan destructif est-il vraiment légal ?

Oui, selon la décision américaine obtenue par Anthropic : détruire l’ouvrage après numérisation est interprété comme une simple modification de format (fair use), pas comme une copie illégale. Le raisonnement reste contestable et propre au droit américain.

Pourquoi cibler spécifiquement les livres rares ?

Parce qu’ils contiennent du contenu jamais numérisé, imprimé en faible tirage ou dans des langues rares. C’est exactement la donnée non redondante que les modèles recherchent pour progresser.

Amazon et Anthropic sont-ils liés ?

Oui. Amazon est un investisseur majeur d’Anthropic et fournit la logistique (accès au marché du livre d’occasion, centres de traitement) qui rend le scan destructif industrialisable.

Cette pratique pourrait-elle arriver en Europe ?

Le RGPD ne protège pas directement le droit d’auteur sur des œuvres physiques achetées, mais le cadre européen du droit d’auteur est plus strict que le fair use américain. La destruction pour numérisation y serait bien plus difficile à faire valider.