Gallica, la bibliothèque numérique gratuite de la Bibliothèque nationale de France, est ralentie depuis plusieurs semaines par des robots d’intelligence artificielle qui aspirent ses contenus. La BnF reconnaît une intensification massive du moissonnage et prépare des mesures pour protéger l’accès des lecteurs humains.
Le message d’erreur est devenu familier aux habitués. « Trop de requêtes. » Depuis plusieurs semaines, les pages de Gallica mettent un temps fou à s’afficher, quand elles s’affichent. Le 28 octobre, la BnF a fini par mettre un mot sur le problème. Sur X et Bluesky, l’établissement a reconnu faire face à « une intensification massive du moissonnage des contenus de Gallica par des robots IA », qui dégrade le service pour les utilisateurs.
La bibliothèque assure travailler à des mesures correctives, avec un objectif : se protéger des collectes automatisées tout en maintenant un accès libre et gratuit, rapporte le site IA Tech au Quotidien. Aucun chiffre de trafic n’a été communiqué. Certains utilisateurs assurent que les lenteurs existaient déjà, mais que l’intensification récente rend parfois la plateforme tout simplement inutilisable.
Des millions de pages en libre accès
Le butin a de quoi attirer. Lancée en 1997, Gallica donne accès à des millions de documents numérisés : livres, journaux anciens, manuscrits, cartes, estampes, partitions. Pour les historiens, les généalogistes et les étudiants, c’est un outil de travail quotidien. Pour les entreprises qui entraînent des modèles d’IA générative, c’est un gisement de textes en français, souvent tombés dans le domaine public et soigneusement océrisés.
Le moissonnage consiste à envoyer des programmes parcourir un site page après page pour en copier le contenu. Quand des milliers de robots le font en même temps, jour et nuit, les serveurs saturent. Les lecteurs humains, eux, attendent. Pour un doctorant qui dépouille la presse du XIXe siècle ou une généalogiste qui remonte un arbre familial, chaque page bloquée est une heure perdue. La gratuité du service ne protège pas de la file d’attente.
Le CAPTCHA n’a pas suffi
Le problème n’est pas nouveau. Depuis le 18 décembre 2025, Gallica impose un CAPTCHA lors de la première recherche de la journée, pour vérifier que l’utilisateur n’est pas un robot, rappelait ActuaLitté en janvier. La BnF invoquait déjà une forte hausse des requêtes automatisées, dont des scripts de téléchargement en masse et des agents liés à l’entraînement de modèles d’IA.
Dans les commentaires d’ActuaLitté, des chercheurs racontent un blocage par adresse IP de plus en plus strict : ouvrir deux ou trois documents en même temps, ou télécharger plusieurs PDF en quelques minutes, peut suffire à être bloqué. Un internaute dit avoir dû recourir à un VPN et changer d’adresse tous les trois documents. Le remède finit par gêner ceux qu’il devait protéger.
Un problème mondial pour le web patrimonial
La BnF n’est pas seule. Des responsables suédois parlent d’une charge invisible pesant sur les infrastructures culturelles ouvertes, et des analyses britanniques constatent que le fichier robots.txt, censé indiquer aux robots ce qu’ils peuvent visiter, est de moins en moins respecté, selon ActuaLitté. D’autres institutions en ligne subissent des difficultés comparables tout en maintenant un service acceptable.
Le débat dépasse la technique. Les collections numérisées l’ont été avec de l’argent public. Leur aspiration massive sert à entraîner des LLM commercialisés par des entreprises privées, sans contrepartie pour les institutions qui ont financé la numérisation. Entre l’accès libre, principe fondateur de Gallica, et la nécessité de filtrer, la BnF doit trouver un équilibre que personne n’a encore vraiment trouvé.
Gallica a été pensée pour ouvrir les rayonnages au plus grand nombre. Elle découvre que le plus grand nombre, désormais, ce sont des machines qui ne lisent pas, mais qui avalent.
Sources :