Catégorie : Chroniques

L’intelligence artificielle est déjà entrée dans l’industrie du livre. La vraie question n’est donc plus de savoir si elle existe, mais où il est raisonnable de l’utiliser — et où il vaut mieux lui fermer la porte.

Les données nord-américaines donnent une image moins spectaculaire que les discours sur le « remplacement » des métiers. L’étude 2025 de BookNet Canada et du Book Industry Study Group, publiée en avril 2026, comptait 559 répondants : 46 % déclaraient utiliser l’IA individuellement et 48 % disaient que leur organisation l’utilisait. Les usages les plus fréquents concernaient les tâches administratives ou opérationnelles, le marketing et l’analyse de données. La principale inquiétude, citée par 86 % des répondants, concernait les contrôles entourant l’utilisation de matériel protégé par le droit d’auteur.

Autrement dit : l’IA entre surtout par les côtés du livre. Et c’est probablement là qu’elle est la plus utile.

Une frontière simple : assister le travail, pas confisquer le jugement

Une maison d’édition produit des livres, mais elle produit aussi une masse d’information autour de chaque livre : courriels, fiches, métadonnées, calendriers, contrats, comptes rendus, dossiers de presse, biographies, suivis, versions de documents et archives.

C’est dans cette matière que l’IA peut faire gagner du temps. Elle est particulièrement efficace lorsqu’on lui demande de retrouver, comparer, classer, résumer, reformater ou préparer une information que la maison possède déjà.

Elle devient beaucoup plus problématique lorsqu’on lui demande de décider à la place de ceux dont le métier repose précisément sur le jugement, la relation et la responsabilité.

Là où l’IA a clairement sa place

Dans les tâches administratives répétitives. Résumer une réunion, extraire les prochaines actions, préparer une relance, transformer des notes en compte rendu ou comparer une liste de documents attendus avec ceux qui ont été reçus.

Dans la circulation de l’information. Retrouver une procédure, une fiche de livre, une décision ancienne ou la bonne version d’un document dans une base documentaire organisée.

Dans les métadonnées. Extraire des renseignements déjà validés, préparer une fiche structurée, repérer des incohérences entre plusieurs sources ou suggérer des mots-clés à vérifier.

Dans les transformations de format. Produire une version courte d’une présentation approuvée, adapter une information au catalogue, au site, à une infolettre ou à un document commercial.

Dans l’analyse de corpus internes. Regrouper des commentaires, faire ressortir des thèmes récurrents, comparer des documents ou permettre une recherche sémantique dans des archives auxquelles le système est autorisé à accéder.

Le BISG lui-même identifie en 2026 des applications dans la gestion éditoriale, le marketing, les métadonnées, les droits, l’accessibilité et les prévisions. Il insiste toutefois sur les questions de fiabilité, de qualité des données, de droit d’auteur et de gouvernance.

Là où l’IA peut aider, mais ne devrait pas décider

L’évaluation d’un manuscrit. Un système peut résumer un texte ou en cartographier certains éléments. Cela ne lui donne ni le goût éditorial de la maison, ni la connaissance vivante de son catalogue, ni la responsabilité d’engager une relation avec un auteur.

La révision et la correction. L’IA peut signaler des répétitions, des incohérences ou des problèmes possibles. La décision finale doit appartenir à une personne capable de comprendre la voix, le contexte, l’intention et les conséquences d’une correction.

Le marketing. Elle peut produire des variantes et accélérer certaines déclinaisons. Elle ne devrait pas inventer le positionnement d’un livre à partir de rien ni multiplier automatiquement du contenu générique simplement parce qu’elle le peut.

Les contrats et les droits. Elle peut aider à retrouver une clause ou extraire des dates et territoires pour vérification. Elle ne remplace ni l’interprétation juridique ni la décision contractuelle.

Là où je garderais l’humain au centre

Choisir de publier un livre. Refuser un manuscrit. Accompagner un auteur dans une réécriture difficile. Décider qu’une phrase doit survivre malgré son imperfection. Comprendre qu’un texte est meilleur que son potentiel commercial immédiat. Gérer un conflit. Assumer une décision éditoriale.

Ce ne sont pas simplement des opérations lentes qu’une technologie devrait accélérer. Ce sont des endroits où la lenteur, le doute, la discussion et la responsabilité font partie du travail.

Le BISG formule lui-même une règle utile dans sa déclaration de transparence : il utilise l’IA pour certaines tâches administratives et de communication avec révision humaine, mais dit ne pas l’utiliser pour prendre des décisions autonomes ou créer du contenu sans intervention humaine.

Le manuscrit inédit exige une prudence supplémentaire

Un manuscrit n’est pas un document banal. Avant de le transmettre à un outil d’IA, une maison devrait savoir où les données sont traitées, combien de temps elles sont conservées, si elles peuvent servir à améliorer un modèle, qui peut y accéder et quelles obligations contractuelles ou juridiques s’appliquent.

La question n’est pas seulement : « Est-ce que l’outil peut lire ce manuscrit? » Elle est : « Avons-nous le droit, le cadre et une bonne raison de lui donner accès à ce manuscrit? »

Commencer par le problème, pas par l’outil

Dans l’article précédent, j’ai recensé 25 tâches répétitives dans une maison d’édition que l’IA peut aider à alléger. La liste montre surtout une chose : une maison n’a pas besoin de vingt-cinq projets d’IA.

Elle doit trouver les quelques endroits où l’information se perd, où le travail se répète et où l’équipe consacre du temps à des opérations qui n’exigent pas son meilleur jugement.

Ensuite seulement, on choisit la solution : meilleure procédure, meilleure organisation documentaire, assistant interne, automatisation, outil spécialisé — ou aucune IA.

C’est aussi la logique de mon accompagnement : diagnostiquer avant d’automatiser, puis construire ce qui mérite réellement de l’être.

Pour la couche documentaire, voir aussi Quand l’information est partout, elle n’est plus nulle part : la mémoire documentaire d’une maison d’édition.

Voir l’accompagnement IA pour les maisons d’édition

Sources sectorielles

• BookNet Canada et Book Industry Study Group, AI Use Across the North American Book Industry, résultats publiés le 27 avril 2026.
• Book Industry Study Group, AI Working Group, charte et état des travaux 2026.
• Book Industry Study Group, AI Transparency Statement.

Une maison d’édition ne passe pas ses journées à choisir des manuscrits, travailler avec les auteurs et préparer de nouveaux livres.

Autour de chaque titre gravite une quantité considérable de petites opérations : retrouver un document, reprendre une information déjà écrite ailleurs, préparer une fiche, comparer deux versions, remplir des métadonnées, relancer quelqu’un, résumer un échange, produire une nouvelle déclinaison d’un texte, vérifier un échéancier.

Aucune de ces tâches n’est inutile. Mais leur accumulation finit par gruger du temps qui pourrait être consacré au véritable travail éditorial.

C’est précisément dans cette périphérie du livre que l’intelligence artificielle devient intéressante.

Non pas pour remplacer l’éditeur, l’auteur, le réviseur, le traducteur, l’illustrateur ou l’attaché de presse. Mais pour aider une équipe à retrouver, transformer, vérifier, classer et faire circuler plus efficacement l’information qu’elle possède déjà.

Voici 25 tâches où elle peut intervenir.

Manuscrits et information éditoriale

1. Retrouver la bonne version d’un manuscrit

Le problème : un manuscrit circule parfois entre l’auteur, l’éditeur, la révision et la correction. Les fichiers s’accumulent et les noms ne suffisent plus toujours à savoir lequel fait foi.

Ce que l’IA peut faire : dans un environnement documentaire bien organisé, elle peut aider à identifier les versions, comparer des documents et signaler les différences importantes.

Ce qui reste humain : décider quelle version est officielle et valider toute modification au texte.

2. Comparer deux versions d’un document

Le problème : lorsqu’un auteur retourne une nouvelle version, quelqu’un doit déterminer ce qui a changé.

Ce que l’IA peut faire : relever les ajouts, suppressions, déplacements ou changements significatifs et produire une synthèse des modifications.

Ce qui reste humain : interpréter ces changements et décider de leur pertinence éditoriale.

3. Préparer une synthèse de travail à partir d’un document

Le problème : certaines équipes doivent retrouver rapidement les personnages, lieux, thèmes, chapitres, éléments factuels ou informations déjà présentes dans un texte.

Ce que l’IA peut faire : créer une synthèse structurée ou répondre à des questions précises sur un document lorsque son utilisation est autorisée et que l’environnement choisi offre les garanties nécessaires.

Ce qui reste humain : l’analyse littéraire, le jugement éditorial et toute décision concernant le livre.

Il faut ici être particulièrement prudent : un manuscrit inédit n’est pas un banal fichier administratif. Avant de l’introduire dans un système d’IA, la maison doit savoir quelles données sont conservées, utilisées ou transmises et quelles autorisations sont nécessaires.

Métadonnées et information bibliographique

4. Préparer une première fiche de métadonnées

Le problème : titre, sous-titre, auteur, collection, résumé, mots-clés, catégories, prix, format et autres renseignements doivent être repris dans plusieurs systèmes.

Ce que l’IA peut faire : extraire ou reformater une information déjà validée et préparer une première fiche structurée.

Ce qui reste humain : vérifier chaque donnée avant diffusion.

5. Adapter une même information à plusieurs formats

Le problème : une description de livre peut devoir exister sous différentes longueurs pour le site, le distributeur, une plateforme, un catalogue ou un document commercial.

Ce que l’IA peut faire : produire plusieurs versions à partir du texte source approuvé.

Ce qui reste humain : choisir la formulation finale et s’assurer qu’elle respecte réellement le livre.

6. Suggérer des mots-clés et catégories

Le problème : la découvrabilité dépend en partie de la qualité des mots-clés et des catégories utilisées.

Ce que l’IA peut faire : analyser le contenu disponible et proposer des termes, thèmes ou regroupements à examiner.

Ce qui reste humain : comprendre le marché, le lectorat et les conventions utilisées par les distributeurs et plateformes.

7. Repérer les incohérences entre différentes fiches

Le problème : une date, un prix, une pagination ou une biographie peuvent différer entre le site, le catalogue et d’anciens documents.

Ce que l’IA peut faire : comparer plusieurs sources et signaler les contradictions.

Ce qui reste humain : déterminer quelle donnée constitue la source officielle.

Marketing et contenus autour des livres

8. Décliner un texte approuvé en plusieurs formats

Le problème : le même livre doit être présenté sur le site, dans l’infolettre, sur les réseaux sociaux, dans le catalogue et parfois dans les documents des représentants.

Ce que l’IA peut faire : transformer une information validée en plusieurs formats et longueurs.

Ce qui reste humain : préserver le positionnement du livre et la voix de la maison.

9. Préparer plusieurs angles promotionnels

Le problème : un même argument ne convient pas nécessairement au libraire, au journaliste, au lecteur ou à une bibliothèque.

Ce que l’IA peut faire : proposer différentes façons d’organiser les mêmes informations selon le destinataire.

Ce qui reste humain : choisir l’angle pertinent et éviter les promesses artificielles.

10. Remettre d’anciens titres du catalogue de l’avant

Le problème : après leur lancement, de nombreux livres deviennent difficiles à remettre en circulation simplement parce que personne n’a le temps de replonger dans plusieurs années de catalogue.

Ce que l’IA peut faire : rechercher des titres liés à un thème, une actualité, une saison, un auteur ou un événement.

Ce qui reste humain : comprendre pourquoi le titre mérite réellement d’être remis de l’avant.

11. Préparer un calendrier de contenu à partir du programme éditorial

Le problème : dates de parution, anniversaires, salons, lancements et campagnes doivent être coordonnés.

Ce que l’IA peut faire : transformer ces informations en propositions de calendrier et repérer les périodes chargées ou les occasions inexploitées.

Ce qui reste humain : déterminer les priorités et la stratégie de communication.

Contrats et documents internes

12. Retrouver rapidement un contrat ou une clause

Le problème : plusieurs années de contrats finissent par créer une archive difficile à consulter rapidement.

Ce que l’IA peut faire : avec une mémoire documentaire sécurisée, permettre de retrouver un document ou les passages correspondant à une recherche.

Ce qui reste humain : toute interprétation juridique et toute décision contractuelle.

13. Extraire les informations administratives d’un contrat

Le problème : dates, territoires, droits accordés, échéances et autres données doivent parfois être reportés dans des tableaux ou systèmes internes.

Ce que l’IA peut faire : préparer l’extraction de ces renseignements et signaler les éléments à vérifier.

Ce qui reste humain : valider l’exactitude et le sens juridique de l’information.

14. Retrouver une procédure interne

Le problème : une partie du fonctionnement quotidien finit par résider dans la mémoire des employés : comment préparer tel document, à qui transmettre tel fichier, quelle procédure suivre.

Ce que l’IA peut faire : interroger une base de procédures et retrouver rapidement l’information pertinente.

Ce qui reste humain : maintenir les procédures à jour et décider des exceptions.

Relations avec les auteurs

15. Résumer une longue chaîne de courriels

Le problème : après vingt messages concernant un manuscrit, une couverture ou un lancement, il devient difficile de retrouver les décisions prises.

Ce que l’IA peut faire : résumer l’échange, distinguer les décisions, les questions ouvertes et les prochaines actions.

Ce qui reste humain : interpréter le contexte humain de la relation et décider de la réponse.

16. Préparer une réponse à partir d’informations déjà approuvées

Le problème : certaines questions reviennent constamment : échéances, documents requis, étapes suivantes, modalités pratiques.

Ce que l’IA peut faire : préparer un brouillon à partir des informations et modèles de la maison.

Ce qui reste humain : personnaliser le message et l’envoyer.

17. Suivre les documents manquants

Le problème : biographie, photo, formulaire, texte de quatrième, corrections et autres pièces arrivent à des moments différents.

Ce que l’IA peut faire : comparer ce qui a été reçu avec une liste attendue et préparer les relances nécessaires.

Ce qui reste humain : choisir quand et comment relancer l’auteur.

Diffusion et distribution

18. Répondre plus rapidement aux demandes d’information sur un titre

Le problème : une question commerciale peut exiger de retrouver rapidement une fiche, un prix, un argumentaire, une date ou un visuel.

Ce que l’IA peut faire : chercher l’information dans une source documentaire approuvée et préparer une réponse.

Ce qui reste humain : valider l’information et gérer la relation commerciale.

19. Préparer des argumentaires pour différents interlocuteurs

Le problème : un même livre ne se présente pas de la même manière à un libraire généraliste, une bibliothèque ou un acheteur spécialisé.

Ce que l’IA peut faire : réorganiser les arguments existants selon le contexte.

Ce qui reste humain : connaître réellement le marché et ce qui peut convaincre l’interlocuteur.

20. Synthétiser les retours du terrain

Le problème : représentants, libraires, distributeurs et lecteurs produisent une grande quantité de commentaires dispersés.

Ce que l’IA peut faire : regrouper les remarques par thème et faire ressortir les récurrences.

Ce qui reste humain : déterminer ce qui constitue un véritable signal commercial plutôt qu’une anecdote.

Presse et communications

21. Préparer une première version de dossier de presse

Le problème : une grande partie de l’information nécessaire existe déjà dans la fiche du livre, la biographie, le catalogue et les textes promotionnels.

Ce que l’IA peut faire : rassembler et reformater cette matière dans une structure préétablie.

Ce qui reste humain : décider de l’angle, du ton et de ce qui mérite réellement l’attention des médias.

22. Adapter une présentation selon le média

Le problème : le même message générique envoyé partout donne rarement de bons résultats.

Ce que l’IA peut faire : aider à préparer un message adapté au sujet couvert par un média ou un journaliste à partir d’informations vérifiées.

Ce qui reste humain : comprendre pourquoi cette personne précise pourrait réellement s’intéresser au livre.

23. Produire une revue de presse interne

Le problème : entrevues, critiques et mentions s’accumulent et sont parfois difficiles à suivre.

Ce que l’IA peut faire : résumer les contenus recueillis, les classer par titre ou auteur et produire une synthèse.

Ce qui reste humain : évaluer l’importance de chaque couverture et décider des suites.

Administration et suivi

24. Préparer automatiquement les suivis après une réunion

Le problème : une réunion produit souvent une page de notes, quelques décisions et plusieurs tâches qui risquent ensuite de disparaître.

Ce que l’IA peut faire : transformer les notes ou la transcription en décisions, responsabilités et échéances proposées.

Ce qui reste humain : confirmer ce qui a réellement été décidé.

25. Repérer ce qui tombe entre deux chaises

Le problème : ce sont rarement les grandes décisions qui se perdent. Ce sont les petites choses : un document jamais reçu, une réponse promise, une date oubliée, une correction encore en attente.

Ce que l’IA peut faire : lorsqu’elle est reliée aux bonnes sources et aux bons outils, comparer ce qui était attendu avec ce qui a été réalisé et signaler les éléments encore ouverts.

Ce qui reste humain : décider de la priorité et agir.

Le véritable enjeu n’est pas d’utiliser davantage l’IA

Une maison d’édition n’a probablement pas besoin de vingt-cinq projets d’intelligence artificielle.

Elle a besoin d’identifier les trois ou quatre endroits où son équipe perd réellement du temps.

Parfois, la solution sera une meilleure organisation documentaire.

Parfois, un assistant capable d’interroger les informations internes.

Parfois, un formulaire, une automatisation, une procédure plus claire ou simplement un meilleur modèle de document.

Et parfois, l’IA n’aura rien à faire là.

La bonne démarche consiste donc moins à demander :

« Que pouvons-nous faire avec l’IA? »

qu’à demander :

« Où perdons-nous inutilement du temps, et quelle est la façon la plus simple et la plus sûre de régler le problème? »

La technologie vient ensuite.

Commencer par les irritants réels

Vous en avez reconnu cinq ou six?

C’est généralement là que commence mon diagnostic.

J’examine avec votre équipe les tâches répétitives, les documents, les outils, les habitudes de travail et les endroits où l’information circule mal. Nous déterminons ensuite ce qui peut être simplifié, ce qui peut être assisté par l’IA, ce qui mérite d’être automatisé — et ce qui doit rester entièrement humain.

Découvrir l’accompagnement IA au service des maisons d’édition