Pourquoi le prêt de livres entre voisins bat les fils de lecture algorithmiques
La dernière fois qu’un algorithme vous a recommandé un livre, il ignorait sans doute que vous veniez de traverser un divorce, que vous détestez les narrateurs peu fiables, ou que vous aviez lu ce mois-ci trois romans à chute et que vous n’en pouviez plus. Le prêt de livres entre voisins, l’art de prêter, de conseiller et de débattre de livres avec des gens qui vous connaissent vraiment, fonctionne sur une information d’une tout autre nature. Une information qu’aucune plateforme n’a su récolter, Dieu merci.
Le problème bien précis des recommandations algorithmiques
Un livre n’est pas une chanson. Une mauvaise recommandation musicale vous coûte quatre minutes. Une mauvaise recommandation de livre vous coûte huit à douze heures de votre existence, plus la culpabilité diffuse de le laisser inachevé sur la table de nuit pendant trois mois, où il vous juge en édition de poche. L’enjeu d’une mauvaise reco est assez élevé pour que le recommandeur ait des comptes à rendre, et les algorithmes n’ont de comptes à rendre à personne.
Les grandes plateformes de lecture, Goodreads, Amazon, et même StoryGraph aux meilleures intentions, optimisent des signaux qui approchent l’engagement, pas l’adéquation. Elles observent ce que vous cliquez, ce que vous ajoutez à vos étagères, ce que vous notez. Elles pistent les étiquettes de genre, la vitesse de lecture, et les livres qu’ont aimés les gens qui ont noté les six mêmes romans que vous. C’est une machinerie de corrélation sophistiquée, et elle produit des recommandations qui sont, au mieux, statistiquement défendables.
Mais une moyenne de 4,2 étoiles attribuée par 47 000 inconnus ne vous dit rien sur la question de savoir si ce livre précis vous convient, à vous, maintenant. Votre voisin qui vous l’a prêté la semaine dernière, lui, peut vous glisser : « Saute les cinquante premières pages, c’est de la mise en place. Ça commence quand elle monte dans le train. » Cette phrase vaut plus que tout le corpus d’avis de Goodreads, parce qu’elle vise une personne et non un segment de marché.
Ce que votre voisin optimise vraiment
Quand quelqu’un qui vous connaît vous recommande un livre, il fait tourner un modèle mental bâti sur des années d’observation. Il sait que vous n’avez pas aimé le dernier livre que vous prétendiez avoir aimé. Il se souvient de cette remarque lâchée en passant sur votre relation avec votre père, et il vous conseille ce roman précisément parce qu’il l’a lu en pensant à vous. Il a quelque chose à perdre. Si la recommandation est mauvaise, il en entendra parler.
C’est un signal fondamentalement différent des mesures d’engagement. Amazon recommande des livres qui vous font acheter des livres. Goodreads recommande des livres qui vous font laisser des avis. Votre jumeau d’étagère, cette personne à deux rues de chez vous dont l’historique de lecture recoupe le vôtre de façon statistiquement improbable, vous recommande des livres parce qu’il pense sincèrement que vous allez les adorer. La structure des incitations est inversée.
L’asymétrie de confiance, ici, n’a rien de subtil. Un voisin qui possède le même roman obscur que vous avez noté cinq étoiles, qui l’a lu dans la même ville que vous, qui pourrait même vouloir en discuter avec vous autour d’un café, relève d’une tout autre catégorie de recommandation qu’une suggestion algorithmique générée parce que 12 % des gens ayant acheté les trois mêmes livres ont aussi acheté celui-ci.
La matérialité du prêt
Il y a une chose qu’aucune plateforme ne saura jamais reproduire : se voir tendre un exemplaire physique couvert d’annotations dans les marges.
Quand vous lisez un livre que quelqu’un d’autre a annoté, vous lisez deux choses à la fois : le texte, et la rencontre d’une autre personne avec ce texte. Vous voyez où elle a souligné, où elle a écrit « NON » en marge, où elle a corné les pages auxquelles elle voulait revenir. Vous lisez la lecture d’un autre. Le livre devient l’archive de son attention, un petit gisement fossile de réactions.
Ce n’est pas une simple coquetterie esthétique. Cela change votre façon de lire. Vous êtes en dialogue avec le lecteur précédent. Vous vous disputez avec ses notes en marge. Vous vous demandez pourquoi il a souligné cette phrase-là plutôt que la plus évidente, deux paragraphes plus loin. Le livre devient un objet social, et plus seulement une expérience individuelle.
Le prêt de livres entre voisins est aussi un acte de confiance. Vous prêtez une chose qui vous appartient, une chose qui ne reviendra peut-être pas en parfait état. L’emprunteur le sait. Et ce savoir-là change la manière dont il tient le livre entre ses mains.
Le prêt de livres comme infrastructure communautaire
Les clubs de lecture ont progressé de 31 % sur Eventbrite en 2024 par rapport à 2023. Les lecteurs ne s’enfoncent pas davantage dans l’isolement algorithmique ; ils recherchent activement des expériences de lecture en chair et en os, enracinées dans la communauté. L’essor des Petites Bibliothèques Libres, la résilience des librairies indépendantes face à la domination d’Amazon, la persistance des cercles de lecture de quartier : tout cela n’est pas de la nostalgie. Ce sont des lecteurs qui votent avec leur temps pour une autre culture de la lecture.
Les librairies indépendantes comptent ici parce qu’elles sont, dans le meilleur des cas, des moteurs de recommandation curatés par des humains qui lisent. Un libraire qui travaille dans le même quartier depuis dix ans connaît ses habitués, sait ce qu’ils ont déjà lu, sait quelles nouveautés sont réellement bonnes et lesquelles ont seulement une jolie couverture. Il optimise votre confiance à long terme en lui comme recommandeur, pas le taux de clics du jour.
L’approche de biblocal consiste à faire de cette découverte de livres locale et fondée sur la confiance une véritable infrastructure : une étagère vivante qui vous relie aux lecteurs proches dont les goûts recoupent les vôtres, vous oriente vers les librairies du coin, et vous permet de prêter et d’emprunter sans frottement transactionnel. Pas de publicité, pas d’intégration Amazon, pas d’optimisation de l’engagement. Le signal reste propre.
La version manifeste
Voici l’argument dans sa forme la plus simple : la meilleure recommandation de livre que vous recevrez jamais viendra de quelqu’un, à deux rues de chez vous, qui a adoré le même roman obscur que vous avez noté cinq étoiles, qui veut bien vous prêter son exemplaire, et qui aimerait peut-être en parler avec vous ensuite.
Ce n’est pas une fonctionnalité. C’est une relation. Et les plateformes qui en sont venues à dominer la culture de la lecture ont, presque sans exception, optimisé pour le passage à l’échelle d’une manière qui rend cette relation plus difficile à trouver, pas plus facile.
Le prêt de livres entre voisins ne passe pas à l’échelle de la façon qui intéresse les capital-risqueurs. Un cercle de prêt de huit personnes dans un quartier ne génère pas le genre de mesures d’engagement qui justifient une levée de fonds en série B. Mais il produit de meilleures vies de lecteur : des découvertes plus surprenantes, plus de livres qui tombent exactement au bon moment, plus de ce sentiment que lire est un acte communautaire et non une simple habitude de consommation solitaire.
L’algorithme ne sait pas ce que vous avez besoin de lire ensuite. Votre voisin, peut-être. Cette asymétrie mérite qu’on bâtisse une infrastructure autour d’elle.
Si vous songez à lancer un cercle de prêt de quartier, lisez comment lancer un cercle de prêt de livres de quartier. Et si vous comparez biblocal aux plateformes existantes, voyez biblocal face à Goodreads.