Un tracker caché dans une commande a révélé qu'Amazon détruisait des livres rares dans une installation de Las Vegas pour les numériser et les utiliser comme données de formation pour son IA, relançant ainsi le débat sur le droit d'auteur et la provenance des données.
Faites de nous votre source préférée sur
gsoitsoitgjeet
Un dispositif de traçage caché dans une commande de livres a fini par révéler quelque chose d'inconfortable : Amazon détruit des livres rares pour alimenter ses modèles d'intelligence artificielle. Le colis, secrètement suivi par des journalistes, s'est retrouvé dans un établissement de Las Vegas où l'entreprise a arraché les reliures et scanné les pages pour les convertir en données de formation.
La révélation découle d'une enquête menée par 404 Media, qui a documenté le parcours physique d'un lot de livres jusqu'à un centre où les exemplaires sont irréversiblement démontés. Une fois les couvertures séparées du bloc de pages, le matériel est numérisé à grande vitesse et, selon les rapports, les livres physiques ne survivent plus au processus.
Comment Amazon a été découvert en train de détruire des livres rares
La découverte n'était pas fortuite. Les chercheurs ont placé un traceur GPS à l’intérieur d’une expédition pour savoir où aboutissaient certaines commandes. Le signal les a conduits à une installation liée au traitement de contenu pour la formation en IA à Las Vegas, un type d'opération rarement révélé.
La méthode – connue dans l’industrie de la numérisation sous le nom de « numérisation destructive » – est courante lorsque la vitesse est recherchée : couper le dos permet de passer page par page sans la friction d’un livre fermé. La différence ici est la destination de ces pages. Il ne s’agit pas de préserver une bibliothèque, mais de générer des corpus de textes pour alimenter des modèles de langage.
Pour les copies courantes, les dégâts sont discutables mais réversibles à l'échelle du marché : il existe des milliers d'exemplaires. Le problème se pose lorsqu’entrent en jeu des livres rares ou à tirage limité, où chaque volume détruit réduit définitivement le nombre d’exemplaires physiques laissés en circulation.
Le dilemme des données et du droit d’auteur
L’épisode rouvre une discussion qui hante l’ensemble de l’industrie de l’IA : d’où proviennent les données avec lesquelles ces systèmes sont entraînés. Les grandes technologies ont besoin d’énormes quantités de textes de qualité, et les livres, bien édités, révisés et structurés, sont l’une des sources les plus convoitées. Cette demande a donné lieu à des pratiques d’acquisition de contenu de plus en plus agressives.
La tension avec le droit d’auteur est évidente. Auteurs et éditeurs sont en justice depuis des mois contre plusieurs sociétés d’IA pour avoir utilisé des œuvres protégées sans licence ni compensation. L’achat de livres physiques puis leur numérisation pose une zone grise juridique différente de celle du téléchargement de textes piratés, mais cela ne dissipe pas les doutes sous-jacents quant au consentement des créateurs.
Il y a aussi une dimension culturelle qui dépasse le juridique. Détruire des spécimens rares pour les convertir en lignes de base de données implique un échange silencieux : du matériel de formation est acquis et un patrimoine physique est perdu, qui, dans certains cas, n'a aucun remplacement.
Pourquoi c'est important pour le monde de la cryptographie
Le débat est directement lié aux conversations qui traversent le monde de la blockchain, où la traçabilité et la propriété vérifiable des données et du contenu sont des thèmes récurrents. La provenance des informations – savoir d’où proviennent les données et qui a le droit de les utiliser – est précisément l’un des problèmes que de nombreux projets décentralisés disent vouloir résoudre.
La sécurité et l'utilisation responsable de l'IA sont également sur le radar du secteur. Récemment, OpenAI a proposé de renforcer la cybersécurité avec l'IA après avoir admis des vulnérabilités lors de tests internes, signe que l'industrie commence à assumer les risques associés aux modèles formés avec des données d'origine douteuse.
Au niveau des entreprises, la fièvre de l’IA a déjà déplacé les capitaux vers les entreprises exposées à la cryptographie. Des cas tels que l'acquisition par Stripe d'OpenRouter pour plus de 7 milliards de dollars montrent à quel point les infrastructures de données et d'IA sont devenues des actifs stratégiques, avec des implications pour les paiements et les pièces stables.
Amazon n'a pas fourni publiquement de détails sur la portée de ces opérations ni sur les critères qu'il utilise pour décider quels livres il numérise et détruit. Sans réponse officielle, la question reste ouverte : quelle part du patrimoine imprimé est sacrifiée, à l’insu de tous, pour former la prochaine génération de machines qui apprendront à écrire comme les humains.
Cette affaire rappelle un coût rarement visible de l’essor de l’intelligence artificielle. Derrière chaque réponse générée par un modèle se cachent des décisions sur les données, les droits et, c'est désormais prouvé, sur les objets physiques qui disparaissent à jamais au cours du processus.
Voir l’article original en espagnol
