ISBNdb vend aux labos IA des livres pré-2022 « non contaminés »

L'ironie est propre à cette phase du cycle IA : pour continuer à améliorer les modèles, les laboratoires reviennent à un support que le web ne peut plus fournir à l'état pur, le livre imprimé. Un reportage de 404 Media documente comment ISBNdb, qui exploite ce qu'elle présente comme la plus grande base de données de livres au monde, commercialise auprès des labos IA les ouvrages antérieurs à l'ère des LLM comme un corpus « structurellement garanti » sans texte généré par IA.

Le raisonnement commercial est simple. La crainte d'un « model collapse », la dégradation d'un modèle entraîné sur ses propres sorties, pousse à chercher des sources humaines et non contaminées. ISBNdb vante des livres « curatés, revus par des pairs, spécifiques à un domaine », et positionne le pré-2022 comme la seule frontière fiable. Les identités clientes sont couvertes par NDA, ce que l'entreprise justifie elle-même : « le problème d'image est réel », le titre « une entreprise IA détruit deux millions de livres » ne suscitant pas la sympathie.

Sur le terrain, un libraire raconte à 404 Media être passé d'environ vingt livres vendus par semaine à des centaines depuis avril, avec des commandes sans « aucune rime ni raison » quant au sujet, du moment que l'ouvrage a un ISBN. Le signal ressemble davantage à un ramassage algorithmique qu'à une politique d'acquisition documentaire classique. Anthropic, exposée par ses propres pièces judiciaires, est citée comme ayant sourcé une partie de son stock via Better World Books, et Google figure également parmi les acheteurs pointés par le média. Le juge fédéral William Alsup a jugé « clairement transformatif » le fait d'acheter des exemplaires imprimés, de les numériser et de détruire l'original, ce qui a en pratique blanchi la méthode côté fair use.

Le lecteur honnête notera ce que le reportage ne quantifie pas : combien exactement chaque laboratoire achète, à quel budget, et quelle part du stock mondial de livres pré-2022 a déjà été passée au massicot. La couverture s'appuie sur un libraire, la page marketing d'ISBNdb et le dossier Anthropic, ce sont des signaux convergents, pas une comptabilité.

Le point à surveiller n'est donc plus la légalité, Alsup a tranché, mais la logistique. Les acteurs qui gagneront cette phase sont ceux qui peuvent scanner à l'échelle industrielle et sécuriser une chaîne d'approvisionnement de livres physiques, un avantage structurel que les concurrents plus petits, dépendants du web scraping, n'ont pas les moyens de reproduire.