Usage Responsable de l’IA dans les Institutions Culturelles
Introduction
Les institutions culturelles — musées, galeries, bibliothèques et archives — ont pour mission de préserver et transmettre l’histoire, l’art et la créativité humaine. Si elles disposent souvent de collections riches et d’un patrimoine inestimable, elles sont en revanche limitées par des flux financiers restreints. Cette tension entre richesse en actifs et pauvreté en liquidités rend la recherche de nouveaux leviers d’efficacité et d’engagement cruciale. L’intelligence artificielle (IA), appliquée avec discernement, peut contribuer à renforcer le lien avec les publics, accroître les adhésions, optimiser les opérations et amplifier la portée des missions éducatives.
Cependant, l’adoption de l’IA ne doit pas se faire au détriment de l’authenticité, de la rigueur scientifique et de l’expérience culturelle. Ce document propose des orientations sur ce qu’il faut faire — et ce qu’il faut éviter — pour garantir une utilisation responsable et fructueuse de l’IA dans le secteur culturel.
Bonnes pratiques : Applications Responsables de l’IA
Modèles Traditionnels de Machine Learning pour l’Optimisation
Outre les LLM, les modèles de machine learning « classiques » restent très efficaces pour améliorer la performance opérationnelle. Le Museum of Fine Arts de Boston a, par exemple, employé des modèles prédictifs pour anticiper la fréquentation et ajuster la programmation des visites guidées. Harvard Data Science Review
Ces approches peuvent aussi être appliquées pour la prévention du désabonnement des membres, la personnalisation des offres ou l’optimisation de l’utilisation des espaces.
Recommandations :
Déployer des modèles prédictifs pour comprendre la propension à renouveler une adhésion ou visiter de nouveau.
Optimiser la gestion des offres spéciales, des horaires et des expériences personnalisées.
LLM pour la Recherche et la Création de Contenu (avec Supervision d’Experts)
Les grands modèles de langage (LLM) peuvent accélérer la recherche, l’interprétation et la médiation culturelle. Par exemple, le Medici Archive Project a exploité des outils d’indexation et de génération de résumés pour rendre accessible une vaste correspondance de la Renaissance, ouvrant de nouvelles perspectives pour les chercheurs comme pour le grand public. LIST
Cependant, une expérimentation menée au Nasher Museum of Art (Université Duke) a révélé que ChatGPT produisait des descriptions erronées ou anachroniques d’œuvres d’art, rappelant que l’IA peut « halluciner » si elle n’est pas supervisée par des spécialistes. AAM
Recommandations :
Utiliser les LLM pour générer des textes introductifs, des notices, ou des traductions rapides.
Imposer une relecture systématique par des conservateurs ou chercheurs.
Considérer l’IA comme un assistant de rédaction et non comme un auteur autonome.
Agents Multi-Acteurs pour Simuler le Public et Tester des Offres
Les systèmes d’agents IA, tels que TinyTroupe ou des outils de simulation de personas, permettent de modéliser la réaction des visiteurs face à des expositions, des campagnes de communication ou des programmes d’adhésion.
Un exemple intéressant est SimViews, qui a utilisé des agents générés par IA pour représenter des profils variés de visiteurs (familles, étudiants, amateurs d’art, touristes) et tester leurs réactions à différents artefacts. Ces méthodes permettent de réduire les coûts des études de marché traditionnelles et d’obtenir des retours avant d’investir dans des dispositifs coûteux.
Recommandations :
Expérimenter des réactions virtuelles pour affiner les offres culturelles.
Employer les simulations comme compléments, non substituts, aux études réelles avec des publics.
Dialogue Continu et Conversationnel avec les Publics
Traditionnellement, l’interaction entre institutions et visiteurs se limite à la durée d’une visite. Or, les outils conversationnels permettent d’instaurer un lien continu.
L’Académie des Beaux-Arts de Varsovie a expérimenté un « Chatbot Artistique » capable de répondre aux questions du public en langage naturel. Malgré un taux de pertinence limité (60 %), l’initiative a démontré l’appétit des publics pour un échange plus constant. arXiv
Recommandations :
Mettre en place des chatbots ou assistants conversationnels pour prolonger l’expérience culturelle au-delà des murs du musée.
Utiliser ces outils pour informer sur les expositions, gérer des programmes de fidélisation et stimuler la participation.
Mauvaises pratiques : Ce Qu’il Faut Éviter
Générer des Œuvres Dérivées à Partir d’Œuvres Existantes
L’utilisation de l’IA pour « prolonger » une œuvre (par exemple, transformer une peinture en version 3D ou générer de nouveaux chapitres d’un roman classique) constitue une violation de l’intégrité artistique et pose des problèmes éthiques et juridiques. Les institutions n’ont pas vocation à devenir co-créatrices de contenus dérivés qui ne respectent pas l’intention de l’artiste.
Multiplier les Expériences « Immersives » Gimmick
Les expositions qui misent uniquement sur des projections spectaculaires ou des dispositifs interactifs gadgets ont souvent rencontré des limites. Si certaines expositions immersives de Van Gogh ont suscité une curiosité initiale, de nombreux critiques et visiteurs ont jugé ces expériences superficielles et déconnectées des œuvres originales. YouTube
Les technologies doivent enrichir la compréhension et non distraire par des effets spectaculaires.
Conclusion : L’IA comme Levier d’Avenir
Les institutions culturelles doivent conjuguer rigueur, responsabilité et innovation. Les bons usages de l’IA — LLM supervisés, agents de simulation de publics, dialogue conversationnel, modèles prédictifs — peuvent aider à surmonter la contrainte budgétaire et créer davantage de valeur pour les visiteurs. Les mauvais usages — créations dérivées artificielles, expériences immersives gadgets — risquent en revanche d’affaiblir la mission fondamentale des institutions : préserver et transmettre l’authenticité culturelle.
En résumé, l’IA est un outil puissant pour élargir l’accès, renforcer l’engagement et assurer la viabilité des institutions culturelles, à condition d’être guidée par l’expertise humaine, l’éthique et le respect des œuvres.
Références
Curatorial Chatbot: An Experiment with AI at the Nasher Museum of Art — American Alliance of Museums / Nasher Museum American Alliance of Museums
SimViews: An Interactive Multi-Agent System Simulating Visitor-to-Visitor Conversational Patterns to Present Diverse Perspectives of Artifacts in Virtual Museums — Zhang, Liu, Su et al. (preprint) arXiv
Act As If You Are a Curator: An AI-Generated Exhibition — Nasher Museum, Duke University (exhibition description) Nasher Museum of Art at Duke University+1
RSSi-based visitor tracking in museums via cascaded AI classifiers and coloured graph representations — Onofri & Corbetta (Galleria Borghese case) arXiv
Optimisation using Natural Language Processing: Personalized Tour Recommendation for Museums — Mathias, Moussa, Zhou, Torres-Moreno, Poli, Josselin, El-Bèze, Linhares, Rigat arXiv
Artwork Identification from Wearable Camera Images for Enhancing Experience of Museum Audiences — Zhang, Tas, Koniusz arXiv