La face cachée de l'IA : pourquoi des millions de livres ont-ils été détruits pour entraîner les IA ?

Au début de l'année 2024, Anthropic fait face au même défi que l'ensemble des laboratoires d'intelligence artificielle de la Silicon Valley, celui de trouver toujours plus de données de qualité pour entraîner ses modèles.

Si Internet fournit déjà des milliards de données issues de sites web, d'encyclopédies comme Wikipédia, d'images, de vidéos ou encore de contenus audio, les livres restent une ressource particulièrement précieuse pour entraîner les modèles d'intelligence artificielle.

Contrairement à une grande partie des contenus publiés en ligne, les livres sont généralement plus longs, plus structurés, relus par des éditeurs et couvrent des domaines de connaissance très variés. Pour un modèle de langage comme Claude, ils constituent donc une source de données particulièrement riche et de grande qualité.

C'est dans ce contexte qu'Anthropic lance un projet interne baptisé Project Panama.

Selon les documents judiciaires rendus publics, son objectif est de constituer une immense bibliothèque numérique privée en achetant des millions de livres physiques, puis en les numérisant à grande échelle.

Pour mener à bien ce projet, Anthropic recrute notamment Tom Turvey, ancien responsable des partenariats stratégiques de Google Books, chargé de piloter cette opération industrielle et de constituer une bibliothèque numérique destinée à l'entraînement des modèles de l'entreprise.

Bien que cette stratégie peut sembler spectaculaire de par son ampleur, elle répond à une logique simple, dans la course à l'intelligence artificielle, la qualité des données est devenue un avantage concurrentiel majeur.

Plus un laboratoire dispose de contenus variés, fiables et difficiles à obtenir, plus il est susceptible d'améliorer les performances de ses modèles.

Dans cette affaire, Anthropic ne cherchait pas à préserver les livres, mais à en extraire le contenu afin de constituer une immense bibliothèque numérique destinée à entraîner ses modèles d'intelligence artificielle.

Pour y parvenir, l'entreprise a privilégié la numérisation destructive. En retirant la reliure, les pages pouvaient être numérisées automatiquement à l'aide de scanners industriels, une méthode adaptée au traitement de millions d'ouvrages.

Une fois le contenu numérisé, les exemplaires physiques étaient recyclés. Si cette approche permet de traiter rapidement de très grands volumes de livres, elle a également pour conséquence de retirer ces exemplaires du marché, empêchant d'autres acteurs de les acquérir par la suite.

Les documents publics ne précisent toutefois pas si cet effet constituait un objectif recherché par Anthropic.

À première vue, cette pratique peut sembler immorale, éthiquement discutable, voire illégale. Pourtant, la réalité juridique est beaucoup plus nuancée qu'il n'y paraît.

Dans sa décision rendue le 23 juin 2025, le juge fédéral William Alsup a estimé que la numérisation de livres légalement achetés ainsi que leur utilisation pour entraîner les modèles d'Anthropic pouvaient relever du Fair Use, une exception du droit d'auteur américain qui autorise, dans certaines circonstances, l'utilisation d'œuvres protégées sans l'autorisation préalable de leurs auteurs lorsqu'il s'agit d'un usage considéré comme suffisamment « transformateur ».

Dans cette affaire, la destruction des ouvrages de Project Panama n'a donc pas été déclarée illégale par la justice américaine.

En revanche, le tribunal a distingué cette pratique du téléchargement de plus de 7 millions de livres issus de bibliothèques pirates comme LibGen et Pirate Library Mirror.

Cette partie du litige s'est finalement conclue par un accord transactionnel de 1,5 milliard de dollars entre Anthropic et les ayants droit, sans remettre en cause la décision du juge concernant les livres légalement achetés et utilisés dans le cadre de Project Panama.

Si Project Panama est aujourd'hui le cas le mieux documenté, plusieurs éléments laissent penser que la course à la numérisation des livres ne se limite pas à Anthropic.

Au printemps 2026, plusieurs libraires européens ont signalé des achats massifs inhabituels réalisés par une société nommée “Zoom Books”, une entreprise canadienne spécialisée dans le commerce de livres d'occasion. Les commandes portaient parfois sur des ouvrages anciens, épuisés ou très spécialisés, suscitant des interrogations quant à leur utilisation pour l'entraînement de modèles d'intelligence artificielle.

Zoom Books dément toutefois travailler pour un laboratoire d'IA et affirme exercer une activité classique d'achat, de revente, de don et de recyclage de livres. À ce jour, aucun élément public ne permet d'établir un lien entre l'entreprise et Anthropic, OpenAI ou un autre acteur de l'IA.

Même si le rôle exact de Zoom Books reste incertain, cette affaire pourrait n'être que la partie visible de l'iceberg. À mesure que les données de qualité se raréfient sur Internet, les livres, les archives et les publications spécialisées deviennent un avantage concurrentiel majeur pour les laboratoires d'intelligence artificielle.

L'aspect le plus préoccupant de cette affaire n'est peut-être pas la destruction des livres, mais ce qu'il advient de leur contenu.

Une fois numérisés, les ouvrages de Project Panama ne rejoignent pas une bibliothèque publique accessible à tous. Ils alimentent une immense bibliothèque numérique privée, contrôlée par Anthropic et utilisée pour entraîner ses modèles d'intelligence artificielle.

Autrement dit, des connaissances produites pendant des décennies, parfois des siècles, sont progressivement intégrées à des systèmes commerciaux dont le fonctionnement reste largement opaque. Le public ne peut alors ni consulter cette bibliothèque, ni connaître précisément les ouvrages qui la composent ou la manière dont ils influencent les modèles.

Au-delà de Project Panama, cette affaire soulève une question fondamentale :

À qui appartiendra la connaissance lorsque les plus grandes bibliothèques numériques seront contrôlées par quelques entreprises privées ?