Des développeurs d'IA achètent des livres d'occasion en gros pour l'entraînement, puis les détruisent

Les développeurs d’IA achètent des millions de livres d’occasion via des intermédiaires pour constituer des ensembles de données d’entraînement de haute qualité pour leurs modèles, évitant ainsi le flot de contenus générés par l’IA de faible qualité sur Internet. Anthropic a dépensé plusieurs millions de dollars pour numériser un grand nombre de livres imprimés destinés à l’entraînement de Claude, puis a détruit les livres, les ayant achetés auprès de Better World Books. Un tribunal a jugé que l’utilisation était équitable, mais Anthropic risque une amende potentielle de 1,5 milliard de dollars pour une bibliothèque de 7 millions de livres électroniques piratés ; une plainte similaire a été déposée contre Google concernant l’entraînement de Gemini sur des copies de livres obtenues illégalement. La base de données ISBNdb, qui catalogue 111 millions de livres, propose désormais des services d’achat en gros pour les développeurs d’IA, avec des commandes allant de quelques milliers à un million d’exemplaires par transaction. Tom Harvey, qui a travaillé sur le projet Panama chez Anthropic, a confirmé que la numérisation utilise à la fois des méthodes de numérisation non destructives et destructives, cette dernière étant moins chère et plus rapide mais détruisant des millions de livres. Cette pratique soulève des préoccupations éthiques quant au retrait de livres précieux ou rares de la circulation et à la restriction de l’accès du public au contenu numérisé.