L'entraînement de l'IA chez Amazon détruit des livres rares, selon des rapports

Amazon, l'entreprise qui a débuté comme librairie en ligne, se trouve au cœur d'une controverse croissante : des livres rares seraient détruits pour alimenter ses programmes d'entraînement en intelligence artificielle. Ces textes, souvent introuvables en ligne, sont d'une valeur inestimable pour entraîner les grands modèles de langage (LLM), car ils contiennent des schémas linguistiques uniques, un contexte historique et des connaissances spécialisées que les données web classiques ne possèdent pas.

## Le coût caché du développement de l'IA

Cette pratique consiste à numériser des livres rares, mais dans de nombreux cas, les exemplaires physiques sont jetés ou détruits après la numérisation. Bien qu'Amazon n'ait pas publiquement détaillé l'ampleur de cette opération, des rapports suggèrent que l'immense inventaire de l'entreprise, accumulé au fil des décennies, est systématiquement traité à des fins d'IA. Cela soulève de sérieuses questions sur la préservation des artefacts culturels, car beaucoup de ces livres sont irremplaçables et ont une signification historique qui dépasse leur valeur commerciale.

Les critiques soutiennent que détruire des livres physiques, même après numérisation, compromet l'intégrité des archives. Les copies numériques peuvent être perdues à cause de la corruption de fichiers, de l'obsolescence des formats ou de pannes de serveurs, ce qui fait de l'original physique le seul enregistrement vraiment permanent. De plus, les implications éthiques de la priorité donnée au progrès de l'IA sur la préservation culturelle sont profondes, surtout pour une entreprise qui a les ressources pour soutenir les deux.

Les partisans de cette pratique rétorquent que la numérisation rend les textes rares plus accessibles que jamais, permettant aux chercheurs et aux développeurs d'IA d'étudier et d'analyser des œuvres qui étaient auparavant confinées dans les archives des bibliothèques. Ils affirment que les avantages des modèles d'IA améliorés, allant d'une meilleure compréhension du langage à une analyse historique plus précise, l'emportent sur la perte des copies physiques.

## Implications plus larges pour l'industrie technologique

Cette controverse met en évidence une tension plus large au sein de l'industrie technologique : la course à la construction de modèles d'IA plus performants entre souvent en conflit avec la nécessité de préserver les ressources historiques et culturelles. Alors que des entreprises comme Amazon, Google et Microsoft se précipitent pour acquérir des données d'entraînement, le sort des livres rares et autres supports physiques devient une préoccupation pressante.

Pour les bibliothèques, les universités et les archivistes indépendants, cette tendance est alarmante. Ils craignent que si les entités commerciales continuent de détruire des textes physiques au nom du progrès de l'IA, la connaissance collective mondiale pourrait devenir de plus en plus fragile, ne reposant que sur des formats numériques vulnérables à la dégradation et à l'obsolescence.

La situation appelle à une approche équilibrée. Les entreprises devraient investir dans des stratégies robustes de préservation numérique et envisager de faire don des exemplaires physiques aux bibliothèques ou aux archives avant leur destruction. Un dialogue public et des politiques transparentes sont essentiels pour garantir que le développement de l'IA ne se fasse pas au détriment de notre patrimoine culturel.

Alors que l'IA continue d'évoluer, la question de la provenance des données d'entraînement restera controversée. Les actions d'Amazon, qu'elles soient délibérées ou incidentes, ont déclenché une conversation nécessaire sur l'éthique de l'utilisation d'artefacts physiques irremplaçables pour un gain technologique. L'industrie technologique doit trouver des moyens d'innover sans effacer le passé.