En bref
- Un AirTag d'Apple caché dans une commande importante de livres a conduit à une enquête qui a suivi l'expédition jusqu'à l'entrepôt VGT3 d'Amazon à Las Vegas.
- Les travailleurs y coupent les dos des livres pour que les pages alimentent plus rapidement un scanner, détruisant ainsi le livre imprimé.
- Amazon a confirmé qu'elle « achète des livres par des canaux commerciaux » et a déclaré que cette opération n'avait pas été signalée auparavant.
Les entreprises d'IA scannent des chargements entiers de livres, parfois des livres rares, et les détruisent souvent au passage pour entraîner leurs modèles — et nous avons maintenant une idée des entreprises concernées et de la manière dont elles procèdent.
La publication technologique indépendante 404 Media a placé un dispositif de suivi dans un envoi de livres rares et l'a regardé voyager jusqu'à une installation d'Amazon à Las Vegas où l'entreprise scanne et détruit des livres imprimés pour entraîner l'IA.
L'enquête, publiée lundi, est la première à identifier publiquement où aboutissent les achats en gros de livres liés à l'entraînement de l'IA.
La dernière étape était l'équipe VGT3 d'Amazon. Les employés ont déclaré au média qu'ils ne font que recevoir d'énormes expéditions de livres imprimés, puis couper les reliures afin que les pages alimentent plus rapidement un scanner. Le livre est détruit au cours du processus. Le logo de l'équipe, très approprié, est un dinosaure tenant un livre dans ses griffes.
Pourquoi les livres imprimés sont soudainement demandés
Les livres imprimés avant 2022 contiennent des textes qui ne sont pas en grande partie facilement disponibles en ligne et, surtout, qui ne sont pas écrits par des machines. Entraîner un modèle sur son propre type de sortie risque un « effondrement du modèle », où la qualité se dégrade à chaque boucle récursive.
Ainsi, le papier d'avant 2022 est un carburant propre pour l'entraînement de l'IA.
Amazon n'est pas le seul. Une industrie artisanale s'est formée pour fournir aux laboratoires d'IA des livres physiques qui sont dépouillés, numérisés et jetés — la scène « Fahrenheit 451 » de textes détruits pour nourrir les machines, que le « Projet Panama » interne d'Anthropic a déjà exécutée à grande échelle, numérisant des millions de livres par numérisation destructive.
Cette course au texte propre a déjà abouti devant les tribunaux. Un juge fédéral a statué que l'entraînement de l'IA sur des livres achetés légalement peut être considéré comme un usage équitable, une victoire partielle pour Anthropic que Meta et OpenAI ont également revendiquée. Les copies piratées sont une autre affaire : Anthropic a accepté un accord de 1,5 milliard de dollars concernant des titres piratés numérisés, et Salesforce fait maintenant face à une action collective pour piratage présumé de livres.
L'opération d'Amazon est restée discrète pour une raison structurelle. Les libraires ont remarqué une augmentation des commandes en gros au cours de l'année écoulée et ont soupçonné que des entreprises d'IA étaient derrière elles—les acheteurs n'étaient pas sensibles au prix et choisissaient des titres apparemment au hasard. Leurs inquiétudes ont finalement été confirmées par un AirTag révélant la destination.
Amazon a déclaré qu'il « achète des livres par des canaux commerciaux pour aider à développer et améliorer les produits et services que nos clients utilisent ».
