Détruire des livres pour entraîner une IA : ce n'est pas un autodafé, mais c'est un choix de civilisation

L’affaire des livres achetés, déreliés, scannés puis recyclés pour entraîner des modèles d’intelligence artificielle a remis dans le débat public un mot très chargé, « autodafé ». L’image frappe immédiatement, parce qu’elle associe la technique contemporaine à l’un des gestes les plus sombres de l’histoire culturelle. Pourtant, employer ce terme sans nuance risque de brouiller l’analyse.

Un autodafé vise à détruire des écrits parce que leurs idées sont jugées dangereuses, subversives ou impures. Dans le cas de la numérisation destructive pour l’entraînement de modèles, l’objectif n’est pas de supprimer le texte, mais de l’extraire, de le convertir et de l’exploiter sous forme de données. La différence est décisive. Elle ne suffit pas, en revanche, à innocenter une pratique qui révèle une manière profondément extractive de traiter les œuvres, les bibliothèques et, plus largement, la culture écrite.

Le mot « autodafé », ce qu’il désigne vraiment

Le terme renvoie historiquement à la destruction rituelle ou publique de livres et d’écrits. Dans son sens politique moderne, il désigne surtout un geste de censure, faire disparaître des textes pour faire taire des auteurs, discipliner une société ou imposer une orthodoxie intellectuelle.

Employer ce mot pour chaque destruction de livre est, selon moi, un peu abusif. Tous les livres détruits ne le sont pas pour les mêmes raisons, et toute disparition matérielle d’un ouvrage n’équivaut pas à une entreprise d’effacement idéologique. C’est précisément pourquoi il faut distinguer les autodafés historiques des pratiques industrielles contemporaines.

Deux exemples historiques à regarder en face

Berlin, 10 mai 1933, l’autodafé comme théâtre politique

L’exemple le plus connu reste celui de l’Allemagne nazie. Le 10 mai 1933, des organisations étudiantes pro-nazies orchestrent des autodafés dans de nombreuses villes allemandes. À Berlin, sur l’Opernplatz, devenue aujourd’hui Bebelplatz, environ 40 000 personnes assistent à la destruction d’environ 20 000 volumes.

Les ouvrages visés étaient associés à des auteurs juifs, à des œuvres pacifistes, au socialisme, au communisme ou à tout ce que le régime qualifiait de pensée « non allemande ». Le but n’était pas seulement de supprimer des exemplaires physiques. Il s’agissait de montrer publiquement qui avait le droit de parler, d’écrire, d’enseigner et d’être lu.

Cet épisode demeure central parce qu’il résume l’autodafé dans sa forme la plus nette, un acte public, spectaculaire, humiliant, destiné à fabriquer la peur et à signaler la victoire d’un pouvoir sur la pluralité intellectuelle.

Sarajevo, 25 août 1992, détruire une bibliothèque, viser une mémoire

Dans la nuit du 25 août 1992, pendant le siège de Sarajevo, la Bibliothèque nationale et universitaire de Bosnie-Herzégovine est délibérément visée depuis les collines qui entourent la ville. Le feu détruit le bâtiment historique et l’essentiel de collections évaluées à près de deux millions de volumes.

Il ne s’agit pas d’un autodafé rituel au sens strict. Il n’y a ni mise en scène de purification, ni cérémonie publique de censure. Mais il s’agit bien d’une destruction culturelle intentionnelle. L’UNESCO rappelle que cette bibliothèque incarnait le caractère multiculturel, multiethnique et multireligieux de la Bosnie-Herzégovine.

Ce cas montre pourquoi la destruction des livres dépasse toujours la seule question du support. Ce qui brûle, ce sont aussi des liens entre des langues, des traditions, des communautés et une mémoire commune. Une bibliothèque attaquée est souvent une société attaquée dans ce qu’elle conserve d’elle-même.

D’autres précédents historiques

D’autres épisodes permettent de situer cette violence dans une histoire longue.

En 213 avant notre ère, sous la dynastie Qin, des livres sont brûlés pour contenir des pensées jugées politiquement subversives et renforcer l’autorité impériale.
En 1562, à Maní dans le Yucatán, Diego de Landa participe à la destruction de codex mayas dans une logique coloniale et religieuse de répression culturelle.
En 1497, à Florence, le « bûcher des vanités » lié à Savonarole détruit des objets et certains écrits considérés comme moralement corrupteurs.
À partir de 1559, l’Index Librorum Prohibitorum institutionnalise une censure durable par l’interdiction de lire, posséder ou diffuser certaines œuvres, la publication de l’Index cesse en 1966.

Tous ces cas n’ont ni la même échelle, ni la même intention, ni la même forme. Mais ils ont un point commun, un pouvoir s’arroge le droit de décider quelles œuvres doivent disparaître, être invisibilisées ou devenir inaccessibles.

Ce que change l’IA, du livre à la ressource extractive

L’affaire récente autour d’Anthropic n’entre pas dans cette logique d’effacement idéologique. Les éléments publics indiquent au contraire une logique industrielle, acheter des livres, les dérelier, scanner rapidement leurs pages, recycler le papier, puis utiliser les fichiers obtenus pour entraîner des modèles.

Dans Bartz v. Anthropic, une décision du 23 juin 2025 du juge William Alsup (District nord de Californie) a estimé que l’emploi de livres légalement acquis pour l’entraînement pouvait relever du fair use et a considéré que la numérisation destructive de volumes papier achetés pouvait être juridiquement admissible lorsque la copie numérique interne remplaçait le support physique sans être redistribuée. La même décision a en revanche refusé le fair use pour les sept millions de livres piratés qu’Anthropic avait par ailleurs téléchargés pour constituer sa bibliothèque interne, ce qui a débouché à l’automne 2025 sur un règlement présenté comme le plus important de l’histoire du droit d’auteur américain.

La question n’est donc pas d’abord, « l’IA brûle-t-elle les livres comme les régimes totalitaires ? ». La vraie question est plus troublante, une fois le texte capturé, l’industrie considère-t-elle encore que le livre, comme objet culturel, a de la valeur ?

L’œuvre survit-elle à la tokenisation ?

Pas totalement, mais pas de la manière qu’on imagine spontanément. La tokenisation ne détruit pas le sens au point de transformer un texte en débris incohérents. Les modèles traitent des séquences ordonnées de tokens et apprennent des régularités qui incluent des relations de contexte et de sens à l’intérieur des chaînes textuelles.

En revanche, une œuvre cesse d’exister dans le modèle comme totalité stable, consultable et attribuable. Elle devient une contribution diffuse à un ensemble de paramètres statistiques. Le modèle n’archive pas un roman comme une bibliothèque l’archive, il n’en conserve ni l’intégrité éditoriale, ni la matérialité, ni le contexte de publication, ni les traces de lecture déposées sur les exemplaires.

C’est ici que se situe la vraie perte. Le texte ne disparaît pas purement et simplement, mais l’œuvre est décontextualisée, fragmentée et dissoute dans un système qui apprend à prédire le token suivant plutôt qu’à préserver une voix dans sa singularité.

Un livre n’est pas seulement son texte

Un livre, ce n’est pas uniquement un contenu verbal. C’est aussi une édition précise, une traduction, une mise en page, parfois des illustrations, une reliure, une provenance, des annotations, des dédicaces, des traces d’usage et une inscription dans une histoire matérielle.

Détruire un exemplaire courant, largement conservé ailleurs, n’a pas la même portée que détruire une édition épuisée, un tirage local, un livre annoté ou un volume rare. Or une chaîne industrielle capable de traiter des centaines de milliers de livres pose précisément ce problème, elle tend à aplatir ces différences au nom de la vitesse, du coût et de l’échelle.

Le danger n’est donc pas seulement bibliographique. Il est moral et politique. Une culture devient vulnérable dès lors qu’elle traite ses supports comme de simples emballages remplaçables, sans politique de provenance, de conservation ou de responsabilité.

Le bon usage de l’IA serait exactement l’inverse

C’est ici que le débat doit être retourné. L’intelligence artificielle ne devrait pas servir à accélérer la transformation des bibliothèques en gisements de données propriétaires. Elle devrait servir à conserver, documenter, relier, restaurer et transmettre.

Une IA bien orientée pourrait aider à identifier les ouvrages rares, comparer les variantes d’une même édition, améliorer l’OCR d’imprimés anciens, transcrire des marginalia, relier des traductions, cartographier des filiations littéraires, restaurer des fonds endommagés et rendre visibles des corpus oubliés. Elle pourrait devenir un instrument de pluralité culturelle, non un accélérateur de réduction patrimoniale.

Elle pourrait surtout préserver ce que la seule tokenisation ne sait pas garder, la diversité des voix, des styles, des langues, des contextes éditoriaux et des traditions d’écriture. L’essence d’une œuvre ne se résume pas à sa décomposabilité en tokens. Elle tient aussi à une voix, à une époque, à une syntaxe, à une texture, à une matérialité, à une traduction, à une circulation et à une réception.

Préserver plutôt qu’extraire

Le bon horizon pour l’IA n’est pas l’absorption silencieuse de millions de livres dans des modèles opaques. C’est la construction d’infrastructures de connaissance capables de préserver les œuvres, d’en documenter la provenance, d’en respecter les auteurs et d’en rendre la diversité accessible dans la durée.

Le progrès ne consiste pas à faire disparaître le livre dès que son texte a été capturé. Le progrès consiste à faire en sorte que, dans cinquante ou cent ans, il soit encore possible de retrouver l’œuvre, sa généalogie, ses variantes, son contexte et cette part irréductible de singularité que l’on appelle une écriture.

C’est précisément l’ambition portée chez LINAGORA avec la communauté OpenLLM France, construire des modèles, des corpus et des infrastructures ouverts qui ne traitent pas la culture comme une ressource à épuiser, mais comme un bien commun à conserver, documenter et faire vivre. L’enjeu n’est pas seulement d’avoir des IA performantes, il est d’avoir des IA qui renforcent la pluralité, la transmission et la souveraineté culturelle au lieu de les fragiliser.

Sources et références

L’affaire Anthropic

Bartz v. Anthropic, Order on Fair Use (23 juin 2025) , décision du juge William Alsup, District nord de Californie.
The Bartz v. Anthropic Settlement, understanding America’s largest copyright settlement , Kluwer Copyright Blog.
Bartz v. Anthropic Settlement, What Authors Need to Know , Authors Guild.

Autodafés et destructions de bibliothèques

Book Burning, 10 May 1933 , United States Holocaust Memorial Museum, Holocaust Encyclopedia.
Bebelplatz, mémorial de Micha Ullman « Bibliothèque » (1995) , Ville de Berlin.
Memory of the World, Bosnia and Herzegovina , UNESCO, sur la valeur patrimoniale de la Bibliothèque nationale et universitaire de Sarajevo.
Index Librorum Prohibitorum , Encyclopædia Britannica, sur la censure catholique 1559-1966.

Communs numériques ouverts en France

OpenLLM France , le consortium coordonné par LINAGORA autour de modèles réellement ouverts, poids, données, code d’entraînement.
Collection Lucie et Luciole sur Hugging Face , modèles fondations multilingues 1B, 8B et 23B entraînés sur Jean Zay.
GENCI et supercalculateur Jean Zay , l’infrastructure publique française qui rend ces communs possibles.