Amazon détruit des livres rares pour entraîner ses IA, révèle une enquête au traceur

Le 17 août 2026, 404 Media a publié une enquête qui relie Amazon à la destruction de livres rares : un traceur AirTag caché dans un ouvrage vendu dans une commande groupée a mené les journalistes jusqu'à un entrepôt Amazon de Las Vegas, où des employés décrivent découpe des reliures, scan des pages et mise au rebut des livres.

L'enquête confirme une suspicion des libraires vieille d'un an environ : des acheteurs anonymes commandent des lots de livres d'occasion sans négocier. Amazon ne confirme pas l'usage des scans. Voici ce qui est documenté, ce que dit Amazon, ce qui reste à prouver.

Un AirTag dans un livre rare : la méthode de l'enquête

L'enquête est signée Emanuel Maiberg, cofondateur de 404 Media, qui avait documenté en juillet 2026 l'afflux de commandes groupées passées par des acheteurs qui ne marchandaient pas. Cette fois, un libraire a reçu par Biblio, place de marché du livre ancien et d'occasion, une commande d'environ 1 000 ouvrages, et a glissé dans l'un d'eux un AirTag fourni par 404 Media, en échange de l'anonymat.

Le trajet est documenté : de Californie à Milwaukee, deux semaines dans un entrepôt du Wisconsin, puis la route jusqu'à l'entrepôt Amazon LAS8 de Las Vegas. Le traceur, un AirTag à 29 dollars localisé par les iPhone à proximité, n'a pas quitté le colis.

VGT3, l'atelier où l'on découpe les livres

LAS8 est pour l'essentiel un site d'impression à la demande, ce qui a surpris les enquêteurs. L'AirTag situait le livre à l'extrémité nord du bâtiment, où opère une équipe distincte, code VGT3, dont le logo peint à l'entrée montre un tyrannosaure tenant un livre entre ses griffes.

Les employés décrivent une activité sans détour : réception massive de livres imprimés, découpe des reliures pour accélérer le scan, mise au rebut des pages numérisées. Sur les forums de salariés, certains racontent une pénurie de livres début 2026, le site ayant failli manquer de matière première. Le média Inc. indique que des livraisons inhabituelles arrivaient déjà dans cet entrepôt en 2024. Consigne décrite comme systématique : scanner le code-barres, c'est-à-dire l'ISBN, avant chaque ouvrage.

La réponse d'Amazon : une déclaration qui ne mentionne pas l'IA

Amazon n'a pas démenti l'enquête. À 404 Media, Ars Technica et GeekWire, la société a répondu par la même déclaration :

Soit en français : « Amazon achète des livres par des canaux commerciaux pour aider à développer et améliorer les produits et services que nos clients utilisent ». Elle ne mentionne pas l'entraînement de modèles d'IA. Interrogée par Inc., Amazon n'a pas répondu sur le nombre de livres achetés, la date de lancement, les produits concernés, ni sur un filtrage des exemplaires rares.

Ce qui est prouvé, ce qui reste allégué

L'hypothèse de l'entraînement IA s'appuie sur plusieurs indices : 404 Media présente VGT3 comme un site dédié à l'entraînement, d'après les employés ; les livres visés sont introuvables en ligne ; Amazon développe des modèles dits frontier. Anthropic et xAI ont publiquement déclaré ne pas s'entraîner sur des livres rares ou anciens.

Pourquoi des livres rares intéressent les modèles

Les ouvrages visés ne sont pas des premières éditions de prestige, mais des livres anciens à faible valeur marchande, jamais traduits, jamais réédités. Leur intérêt tient à leur rareté numérique : leur texte n'existe nulle part en ligne, et tout ce qui a été publié avant l'ère de l'IA générative n'a pas été écrit par un modèle. Le libraire qui a participé à l'enquête résume : ces livres ont une valeur historique, intellectuelle et sentimentale que les entreprises d'IA ne remarquent pas ; « elles veulent juste le contenu, un paquet de mots mis bout à bout » (traduit de l'anglais).

Le précédent existe : en juin 2025, le juge fédéral William Alsup a jugé qu'Anthropic pouvait scanner des livres achetés légalement, reliures retirées, au titre du fair use, parce que l'exemplaire papier était détruit après numérisation. La même décision a condamné les copies issues de sites pirates, réglées pour 1,5 milliard de dollars.

Pour le lecteur français, la question est plus large : quels textes un modèle peut-il absorber, et à quelles conditions ? Elle se joue aussi en Europe, où l'AI Act impose aux fournisseurs une transparence sur les contenus d'entraînement. Amazon traite déjà les données de ses utilisateurs comme ressource d'entraînement, à l'image du réglage activé par défaut sur Twitch. L'accord des ayants droit reste la ligne de partage, comme dans la licence Merlin signée avec Spotify.