Éducation & IA
October 24, 2026
Au Québec, cinq ressources pour aider les parents à comprendre l’IA à l’école
Collections, médiation et accès à la culture : comment l'IA peut renouveler les musées sans remplacer l'expertise ni les relations humaines.
Explorer les réserves d’un musée, interroger une œuvre dans sa langue, dialoguer avec un témoignage historique : l’intelligence artificielle ouvre de nouvelles possibilités aux institutions culturelles. Mais ces innovations rendent-elles vraiment la culture plus accessible ? Et comment les utiliser sans affaiblir l’expertise scientifique ni la rencontre humaine qui font la valeur d’un musée ?
La question dépasse la technologie. Les musées conservent des collections considérables, dont une partie reste peu visible, insuffisamment documentée ou difficile à comprendre pour les non-spécialistes. L’IA pourrait aider à les valoriser. Encore faut-il partir de la mission des musées et des besoins de leurs publics, plutôt que de chercher à adopter un nouvel outil parce qu’il existe.
Inventorier, décrire, rapprocher des œuvres, transcrire des archives : ces tâches mobilisent des compétences spécialisées et beaucoup de temps. L’IA peut faciliter certaines opérations documentaires, notamment en suggérant des mots-clés, en analysant des images ou en aidant à rechercher dans de vastes ensembles de documents.
Dans son rapport Experimental Culture, publié en 2018, la fondation Nesta présentait déjà plusieurs expérimentations. Au National Museum of Natural History de Washington, des chercheurs ont testé des réseaux de neurones pour classer des spécimens botaniques. À la Tate, le projet Recognition rapprochait des photographies d’actualité de Reuters et des œuvres des collections, invitant le public à proposer d’autres associations et à intervenir dans le fonctionnement du dispositif.
Ces exemples reposaient principalement sur des technologies de reconnaissance et d’apprentissage automatique, avant la popularisation actuelle de l’IA générative. Mais ils montrent une évolution essentielle : au-delà de la numérisation des collections, les musées peuvent concevoir de nouvelles façons de les explorer.
Les travaux présentés par Stanford HAI sur l’IA et les archives prolongent cette perspective : transcription de documents, enrichissement des métadonnées, meilleure navigation dans des fonds patrimoniaux ou témoignages oraux. Les outils génératifs pourraient rendre certaines recherches plus intuitives, en permettant de formuler une question plutôt que de maîtriser les codes d’un catalogue spécialisé.
La prudence reste indispensable. Un rapprochement d’images n’est pas une interprétation historique, et une description générée n’est pas une notice scientifique validée. Les erreurs, les biais et les contextes culturels mal compris doivent être contrôlés par des professionnels. L’enjeu est d’augmenter la capacité de recherche et de médiation des équipes, non de déléguer aux algorithmes l’autorité sur les collections.
Pour le visiteur, l’intérêt de l’IA peut être immédiat : poser une question dans sa langue, demander une explication plus simple, explorer les liens entre deux œuvres ou préparer une visite correspondant à ses centres d’intérêt. Une même collection devient accessible par plusieurs portes d’entrée.
Mais rendre un contenu plus facile à consulter ne suffit pas à créer une expérience culturelle réussie. Une visite de musée est aussi faite de surprise, d’émotion, de discussions et de découvertes inattendues. Les dispositifs les plus intéressants pourraient donc moins ressembler à des guides omniscients qu’à des invitations à regarder, comparer, questionner et échanger.
L’exemple du National Holocaust Centre au Royaume-Uni, documenté par Nesta, illustre cette ambition. Le projet Interact a filmé des survivants de la Shoah en trois dimensions et utilisé la reconnaissance du langage naturel pour permettre à des élèves de poser des questions et d’obtenir des réponses extraites des témoignages enregistrés. Dix survivants avaient participé au projet présenté en 2018, pour plus de 200 heures d’enregistrement.
Il ne s’agit pas d’une IA générative capable d’inventer librement des réponses : la distinction est fondamentale lorsque l’on transmet une mémoire aussi sensible. L’innovation vise à préserver l’accès à des paroles humaines authentiques, lorsque les témoins ne pourront plus venir eux-mêmes rencontrer les visiteurs.
Cette logique ouvre des pistes pour d’autres publics : visiteurs qui ne maîtrisent pas la langue du musée, personnes ayant besoin de ressources adaptées, familles souhaitant prolonger la visite ou habitants éloignés géographiquement des grandes institutions. Pour autant, il faut tester les dispositifs avec les personnes concernées. La technologie peut également introduire de nouveaux obstacles lorsqu’elle suppose un smartphone, des compétences numériques ou une connexion permanente.
L’objectif n’est pas de remplacer le médiateur culturel par un chatbot, mais de multiplier les occasions d’entrer en relation avec les œuvres, les savoirs et les autres visiteurs.
L’IA promet des gains d’efficacité et de nouvelles expériences, mais une institution culturelle ne se résume pas à un stock de données ni à une offre de services. Sa mission consiste également à préserver, interpréter et partager un patrimoine commun, avec une attention particulière à la diversité des récits et à l’accès de tous à la culture.
Une question se pose donc avant chaque expérimentation : quel problème concret souhaitons-nous résoudre ? Mieux documenter une collection ? Permettre à de nouveaux publics de découvrir le musée ? Faciliter les échanges autour d’une œuvre ? Accompagner un travail scolaire ? Le choix de l’outil devrait venir ensuite.
Les risques sont réels. Une IA peut produire des informations erronées avec assurance, répliquer des angles morts des catalogues historiques ou privilégier les récits les plus présents dans ses données d’entraînement. Les contenus générés doivent être signalés, les sources rendues vérifiables et les interprétations importantes conservées sous responsabilité scientifique.
Se pose aussi une question d’équité. Les grandes institutions disposent davantage de moyens pour expérimenter. Pour les musées plus modestes, des partenariats, des outils mutualisés et le partage de retours d’expérience peuvent éviter que l’innovation élargisse les écarts. Nesta soulignait déjà l’importance de partenariats technologiques construits autour de l’intérêt culturel et de la valeur publique, plutôt que des seules priorités commerciales.
Une démarche raisonnable consiste à commencer par un besoin identifié, expérimenter à petite échelle, associer conservateurs, médiateurs et visiteurs, puis observer les effets réels : compréhension des œuvres, diversité des publics, qualité de l’expérience, temps libéré pour les équipes. Les indicateurs de fréquentation ou de productivité ne suffisent pas.
L’IA ne sera pas une réussite pour les musées simplement parce qu’elle saura expliquer davantage d’objets ou répondre à plus de questions. Elle le sera si elle aide chacun à découvrir, comprendre, discuter et s’approprier le patrimoine commun. Le véritable progrès ne serait pas un musée où les machines savent tout, mais un musée où davantage de personnes peuvent construire leur propre rencontre avec les œuvres.
Les projets historiques cités illustrent des usages de l’apprentissage automatique et du traitement du langage antérieurs au développement récent de l’IA générative. Les applications génératives évoquées dans l’article sont des perspectives à évaluer, non des résultats démontrés par ces projets.