Amazon : des livres rares détruits pour entraîner ses IA
Original : Amazon, which started off selling books, is destroying rare texts to train AI
Pourquoi c'est important
La destruction de fonds rares soulève des questions éthiques et juridiques majeures pour l'industrie de l'IA.
Selon 404 Media, Amazon achète des livres rares, coupe leurs reliures et les numérise pour entraîner ses LLM. Un dispositif de suivi placé dans un ouvrage a permis de retracer son acheminement jusqu'à un entrepôt Amazon à Las Vegas, baptisé VGT3.
D'après une enquête de 404 Media, Amazon achète en masse des livres rares, leur coupe la reliure, puis les scanne afin d'en extraire des données d'entraînement pour ses modèles de langage (LLM). L'enquête a été menée grâce à un dispositif de géolocalisation dissimulé dans un livre rare, qui a abouti dans un entrepôt Amazon à Las Vegas, l'établissement VGT3, arborant comme symbole un dinosaure tenant un livre dans ses griffes. Interrogé par 404 Media, Amazon a déclaré qu'il « achète des livres via des circuits commerciaux afin d'améliorer les produits et services proposés aux clients ». Les livres rares, épuisés ou absents d'internet, représentent une source précieuse de données « propres » : aucun texte antérieur à 2022 ne peut avoir été généré par une IA. Or, les LLM qui ingèrent trop de textes générés par des IA risquent un phénomène dit de « model collapse », dégradant progressivement la qualité de leurs réponses. Cette pratique intervient dans un contexte où Anthropic est déjà accusé d'avoir utilisé des livres piratés illégalement pour entraîner ses modèles.