Préserver ou dissoudre : l'IA face aux corpus patrimoniaux

Une distinction réelle, qui ne suffit pas à clore le sujet

Détruire des livres pour supprimer des idées et découper des livres pour en extraire de la matière première ne relèvent pas de la même intention. La première vise le contenu, la seconde l'ignore. Confondre les deux serait une facilité rhétorique, et elle affaiblirait l'argument plutôt que de le servir.

Mais la distinction d'intention ne règle pas la question du résultat. Un exemplaire découpé pour être scanné plus vite ne se recompose pas. Ce qui distingue les deux gestes est l'intention ; ce qui les rapproche est l'irréversibilité.

La question à poser n'est donc pas celle de la moralité de l'intention, mais celle de la proportionnalité : ce que l'on gagne en vitesse de numérisation justifie-t-il ce que l'on perd définitivement ?

Ce qui se perd quand une oeuvre devient un jeu de paramètres

Trois choses disparaissent, et elles ne sont pas récupérables depuis le modèle entraîné.

L'intégrité éditoriale d'abord : une édition est un objet daté, avec ses choix, ses erreurs, ses préfaces et ses notes. Une fois le texte fondu dans un corpus d'entraînement, l'édition dont il provient cesse d'être identifiable, et avec elle la possibilité de citer, de vérifier et de contester.

La matérialité ensuite : la reliure, le papier, les annotations manuscrites, les traces d'usage. Ces éléments ne sont pas décoratifs, ils sont des sources pour les historiens du livre et de la lecture.

Le contexte enfin : un fonds documentaire tient sa valeur de sa cohérence. Un fonds dispersé en fragments statistiques perd ce que sa constitution même documentait, c'est-à-dire l'histoire d'une institution et de ses choix.

Un critère simple pour trancher

Nous proposons un critère opérationnel, applicable par une direction d'établissement sans expertise en apprentissage automatique. Le progrès consiste à faire en sorte que, dans cinquante ou cent ans, il soit encore possible de retrouver l'oeuvre.

Toute opération qui préserve cette possibilité est légitime, y compris lorsqu'elle est coûteuse et lente. Toute opération qui la supprime doit être justifiée par un bénéfice d'une ampleur exceptionnelle, documentée, arbitrée à un niveau approprié, et jamais décidée par considération de délai ou de budget seule.

Ce critère a l'avantage de ne pas dépendre de l'état de la technique. Il resterait valide si les modèles devenaient dix fois meilleurs, et il resterait valide s'ils devenaient obsolètes.

Qui décide, et à quel niveau

La plupart des décisions de numérisation destructive ne sont pas prises par des dirigeants ayant pesé un choix de civilisation. Elles sont prises par des équipes projet confrontées à un calendrier, à un budget contraint et à un prestataire qui propose une méthode deux fois plus rapide.

C'est pourquoi le sujet relève de la gouvernance avant de relever de l'éthique. Une décision irréversible sur un fonds patrimonial doit être prise au niveau où l'on répond de la conservation, c'est-à-dire la direction de l'établissement, et non au niveau où l'on répond du planning.

Une règle écrite suffit à produire cet effet, et elle coûte peu : toute opération portant atteinte à l'intégrité physique d'un document du fonds fait l'objet d'une décision nominative, motivée, versée au dossier de la collection et conservée aussi longtemps que le fonds lui-même.

Cette trace est utile deux fois. Elle oblige à formuler la justification au moment où on la croit évidente. Et elle permet, dans cinquante ans, de comprendre pourquoi un document manque.

L'alternative opérationnelle

L'intelligence artificielle est un excellent outil de préservation, et c'est l'usage que nous défendons. Elle permet de transcrire des écritures manuscrites que peu de personnes savent encore lire, de restaurer des documents dégradés sans les toucher, d'indexer des fonds qui n'ont jamais été catalogués faute de moyens, et de rendre interrogeable en langue naturelle ce qui n'était accessible qu'à des spécialistes.

Ces usages augmentent l'accessibilité sans réduire la source. Ils créent une couche de description qui s'ajoute à l'oeuvre au lieu de s'y substituer, et cette couche est elle-même un objet à conserver.

C'est très exactement ce que fait un système d'interrogation de corpus bien conçu : il donne accès et il renvoie à la source, chaque réponse pointant vers le document et le passage dont elle provient. Un système qui ne sait pas dire d'où vient sa réponse n'est pas un outil patrimonial, quelles que soient ses performances.