L’Université d’Oxford a accordé à OpenAI l’autorisation d’utiliser des textes historiques de la Bibliothèque Bodléienne pour entraîner ses modèles d’IA. La collaboration, lancée en mars 2025, était initialement présentée comme un projet de numérisation destiné aux étudiants et aux chercheurs.
Des documents obtenus grâce à une demande de liberté d’information montrent qu’une partie de la collection numérisée a été ajoutée aux ensembles de données d’entraînement d’OpenAI. Le matériel comprend environ 125 000 images numérisées de thèses historiques et environ 10 000 ballades imprimées du XVIᵉ siècle contenant des paroles et des annotations musicales. D’autres éléments prévus pour la numérisation incluent des papiers d’État irlandais du XVIIIᵉ siècle, des lettres privées de l’écrivaine Marie Edgeworth et les carnets de Dorothy Hodgkin sur la recherche de la pénicilline.
L’accord a suscité des inquiétudes parmi certains membres de la communauté universitaire, qui soulignent les risques réputationnels d’un partenariat avec une entreprise technologique controversée et la forte consommation énergétique des systèmes d’IA à grande échelle. Oxford affirme que le projet est limité en portée, n’utilise que des œuvres dont les droits d’auteur sont expirés, et que l’université conserve les droits sur les copies numériques, qu’elle prévoit de rendre publiques en ligne prochainement.
L’entente reflète une évolution plus large du secteur, les entreprises d’IA se tournant vers les collections physiques de livres et de documents après que la prolifération de contenus générés par l’IA a diminué la valeur du Web comme source de données. OpenAI détient des accords similaires avec la Boston Public Library, le MIT et l’University of Michigan.
Si elle s’étend, le partenariat pourrait augmenter substantiellement la numérisation des quelque 23 million d’objets estimés de la Bodléienne, suscitant un débat plus large sur les conditions dans lesquelles les bibliothèques et les universités devraient collaborer avec les entreprises d’IA pour préserver et diffuser le patrimoine historique.