Anthropic accusé d’un autodafé numérique pour entraîner ses modèles

Anthropic se retrouve au centre d’une polémique liée à sa méthode de constitution de données pour l’IA : selon des documents judiciaires et des enquêtes de presse, l’entreprise a acheté des millions de livres d’occasion, les a découpés pour les scanner puis a jeté les originaux. L’enjeu dépasse le symbole, car cette « numérisation destructive » touche à la fois au droit d’auteur, au coût de l’entraînement des modèles et à la façon dont l’industrie de l’IA se fournit en textes. À ce stade, l’affaire reste liée à des éléments de procédure et à des révélations documentées, pas à une déclaration officielle d’Anthropic sur l’ensemble du projet.

Une polémique née de documents judiciaires, puis amplifiée sur X

Le bruit est monté d’un cran en juillet 2026, après un message vu des centaines de milliers de fois sur X accusant les entreprises d’IA de racheter des livres rares pour les « broyer ». Derrière l’emballement, il y a un fond réel : en juin 2025, dans une affaire opposant Anthropic à trois auteurs américains, des pièces judiciaires ont déjà montré que la société avait acheté des millions de livres d’occasion, les avait découpés pour les scanner, puis détruits. Le Washington Post a ensuite détaillé, en janvier 2026, plus de 4 000 pages de documents internes et judiciaires sous le nom de code Project Panama.

Ce projet aurait démarré début 2024. Il serait resté discret, réservé à des circuits internes, et financé à hauteur de dizaines de millions de dollars pour constituer un corpus de livres physiques. Rien n’indique, en revanche, qu’Anthropic soit le seul acteur concerné : les commandes anormales décrites par plusieurs libraires européens passent souvent par des intermédiaires qui refusent de nommer leurs clients. [à vérifier]

Pourquoi des livres papier intéressent encore les laboratoires d’IA

Les modèles de langage ont besoin de volumes massifs de textes pour apprendre à prédire, résumer et rédiger. Les livres restent attractifs parce qu’ils sont relus, édités et structurés. Surtout, les ouvrages publiés avant 2022 sont censés ne pas contenir de texte généré par IA, alors que le web est de plus en plus saturé de contenus artificiels. Dans ce contexte, les livres servent de source plus propre pour éviter le « model collapse », ce phénomène où un modèle s’entraîne trop sur des textes produits par d’autres modèles et finit par se dégrader.

ISBNdb, une base de données de livres, a même transformé ce besoin en argument commercial. Son site dit faciliter des commandes allant de 1 000 à un million d’ouvrages et promet un accord de confidentialité à chaque client. « les meilleures données d’entraînement au monde dorment sur une étagère », peut-on lire sur sa plateforme. Ce marché de l’accès aux livres reste flou dans ses contours, mais il montre une chose simple : la donnée utile se vend désormais aussi dans des rayonnages.

Scanner sans vendre, une zone grise qui arrange tout le monde

Le procédé décrit par les documents est industriel. Une machine tranche la reliure, les pages passent dans des scanners à grande vitesse, puis le papier est recyclé. Ce choix n’est pas seulement une question de rendement. Il semble aussi répondre à une lecture juridique précise. En juin 2025, le juge fédéral William Alsup a estimé que le téléchargement de plus de 7 millions de livres piratés n’entrait pas dans le fair use, mais que la numérisation de livres achetés légalement pouvait, elle, relever de cette exception si la copie numérique remplaçait la copie papier, détruite après scan.

Autrement dit, conserver le livre original après numérisation fragiliserait la défense d’Anthropic, car cela créerait une copie supplémentaire. Détruire l’ouvrage reviendrait alors à transformer un support en un autre, sans circulation nouvelle. La décision reste toutefois une première instance, non confirmée en appel, et elle ne s’applique pas automatiquement aux autres tribunaux américains. [à vérifier]

La pression publique peut-elle changer la méthode ?

Le débat n’est plus seulement juridique. Il est aussi politique et réputationnel. Elon Musk a réagi au thread viral en disant avoir demandé à SpaceXAI de préserver les livres rares dans une bibliothèque et de les scanner « à la dure », sans découper les reliures. La promesse est invérifiable à ce stade, mais elle marque un tournant : un grand nom de l’IA juge utile de se distinguer publiquement d’une pratique désormais perçue comme brutale.

Anthropic peut-il continuer à assumer une méthode aussi impopulaire ? Les critiques disposent d’un symbole facile à comprendre : des livres broyés pour nourrir des modèles. Le dossier réunit piratage présumé, coûts de calcul, rareté des données propres et pression sur le droit d’auteur. Si la destruction physique devient la norme pour sécuriser l’entraînement, la loi finira sans doute par devoir suivre. Ou l’inverse, ce qui serait moins confortable pour les juristes.