Dans cet article sur l'intelligence artificielle, j'utilise les musées comme exemple. Les musées présentent de nombreuses caractéristiques propres aux institutions culturelles, ce qui en fait une bonne ‘référence’.
À première vue, la plupart des musées semblent bien loin de l'intelligence artificielle. Des peintures vieilles de plusieurs siècles sont accrochées dans les salles, des objets provenant d'autres environnements sont exposés dans les vitrines et les visiteurs passent devant des histoires soigneusement sélectionnées par les conservateurs. Pourtant, l'intelligence artificielle joue rapidement un rôle dans les activités quotidiennes des institutions culturelles.
Non seulement sous la forme d'applications expérimentales, mais aussi dans des systèmes qui font partie de l'infrastructure numérique des musées depuis des années : systèmes de gestion des collections, plateformes de billetterie, moteurs de recherche et analyse de l'audience. La technologie modifie donc imperceptiblement la façon dont les musées travaillent.
C'est précisément la raison pour laquelle il existe un besoin croissant d'une politique explicite en matière d'IA. Il ne s'agit pas d'un ajout à la mode aux stratégies existantes, mais d'un élément de bonne gouvernance. Ceux qui utilisent l'IA sans cadre clair courent des risques qui vont au-delà des erreurs techniques. Ils portent atteinte à la réputation, aux droits d'auteur, à la gestion des collections et à la confiance du public.
L'authenticité à l'ère des images de synthèse
L'une des questions les plus fondamentales touche au cœur même du musée : l'authenticité. Les musées sont construits sur l'idée de préserver et de présenter des objets dont l'authenticité a été établie au mieux. Les historiens de l'art, les conservateurs et les archivistes ont passé des décennies à mettre au point des méthodes permettant de reconnaître les faux et de reconstituer la provenance.
L'IA générative change la donne. Il est désormais possible de créer des images qui se distinguent à peine, voire pas du tout, d'œuvres d'art existantes. Des documents - par exemple sur la provenance d'un objet - peuvent également être générés de manière convaincante. Cela crée un nouveau type de falsification : produite numériquement, mais souvent destinée à paraître crédible dans le monde physique.
- L'affaire de la princesse d'Amarna est un exemple classique de la manière dont les musées peuvent être trompés. En 2003, le British Bolton Museum a acheté une statue présentée comme un objet égyptien rare. Il s'est avéré par la suite que l'œuvre avait été réalisée par le faussaire britannique Shaun Greenhalgh et sa famille. La statue est restée au musée pendant trois ans avant que l'on découvre qu'il s'agissait d'un faux. (Princesse d'Amarna)
- Ce type de fraude existait avant l'IA, mais les experts avertissent que l'IA générative exacerbe le problème. Les criminels utilisent des outils d'IA pour générer des documents de provenance convaincants, des certificats et des factures de vente qui donnent une fausse provenance à une œuvre d'art. L'IA est une aubaine pour les criminels qui fabriquent de faux objets d'art
Pour les musées, cela signifie que l'expertise traditionnelle ne suffit plus. Les conservateurs doivent non seulement avoir des connaissances en histoire de l'art, mais aussi comprendre comment les images synthétiques sont créées et comment les manipulations numériques peuvent être détectées. Les politiques en matière d'intelligence artificielle commencent souvent par quelque chose de simple : des procédures de vérification. Tout comme les musées ont des règles pour la provenance des objets, ils devront également déterminer comment l'authenticité numérique est vérifiée.
Technologie et dépendance à l'égard des fournisseurs
Un deuxième problème est moins évident, mais au moins aussi important : la dépendance à l'égard des fournisseurs de technologie. De nombreux logiciels utilisés par les musées intègrent désormais des fonctionnalités d'IA. Celle-ci est parfois clairement visible, par exemple dans les systèmes de reconnaissance automatique d'images ou de recommandation de visiteurs. Dans d'autres cas, l'IA est cachée à l'arrière-plan d'un système.
- Le musée Amon Carter d'art américain est un exemple de la manière dont les institutions gèrent cette question. Dans ce musée, le débat sur l'IA a été lancé après que les employés ont réalisé que les outils d'IA pouvaient potentiellement accéder à des informations internes et à des données de collection. Le musée a donc commencé à élaborer des lignes directrices internes sur la manière dont les employés devaient utiliser l'IA et sur les informations qui ne devaient pas être saisies dans les systèmes d'IA. Cultiver l'IA : élaboration de lignes directrices sur l'IA et de ressources d'alphabétisation à la Fondation Carter
- Des organisations telles que Fonds pour l'art ont désormais élaboré des politiques formelles en matière d'IA afin de déterminer comment la technologie et les fournisseurs doivent être évalués et quelles données peuvent être utilisées. La politique du Fonds pour l'art en matière d'intelligence artificielle : pourquoi, comment et quoi ?
Pour les conducteurs, cela signifie que les processus d'achat sont en train de changer. Alors qu'auparavant la fonctionnalité et le prix étaient principalement pris en compte, il faut désormais se poser des questions sur les données et les algorithmes. Quelles données un système utilise-t-il pour apprendre ? Les données de collecte sont-elles utilisées pour former des modèles commerciaux ? Et qu'advient-il de ces données lorsqu'un contrat est résilié ? Et à une époque où les cyber-risques augmentent : comment savoir si les intrus ne peuvent pas pénétrer par le biais du partenaire logiciel ? De telles questions montrent clairement que la politique en matière d'IA n'est pas seulement une question technique. Elle touche également aux accords juridiques, à la gestion des données et à l'autonomie stratégique.
Les biais invisibles des données muséales
Une troisième dimension de l'utilisation de l'IA réside dans le contenu des collections muséales elles-mêmes. Les musées détiennent de grandes quantités de données numériques : descriptions d'objets, catalogues, métadonnées et archives. Lorsque les systèmes d'IA travaillent avec ces données, ils adoptent également les hypothèses historiques et les inégalités qu'elles contiennent. De nombreuses collections ont été constituées à une autre époque. Certains artistes ou communautés sont sous-représentés, les descriptions contiennent des termes obsolètes et certaines perspectives sont absentes. Les systèmes d'IA qui recherchent, classent ou font des recommandations renforcent souvent ces schémas. Ce qui est peu présent dans l'ensemble de données a également moins de chances d'apparaître dans les résultats.
- Un exemple concret est la recherche menée dans les herbiers de l'université de Harvard, où l'analyse de données et l'IA ont été utilisées pour identifier les descriptions obsolètes ou problématiques dans les collections d'histoire naturelle. Ce projet montre comment l'IA peut à la fois reproduire les biais et contribuer à les rendre visibles. Améliorer la recherche : découvrir les biais de l'IA dans les collections numériques
Pour les musées, cela signifie que la politique en matière d'IA ne concerne pas seulement la technologie, mais aussi la responsabilité du contenu. La question de la description et de l'interprétation des collections redevient donc d'actualité.
L'IA et l'avenir du travail muséal
Au-delà du contenu et de la technologie, l'IA touche également l'organisation elle-même. Dans le secteur culturel, l'IA est souvent présentée comme un outil : un moyen d'écrire des textes plus rapidement, d'analyser des images ou d'interpréter des données sur les visiteurs. Cette image est en partie correcte. De nombreuses applications soutiendront le travail plutôt que de le remplacer. Mais en même temps, la nature de certaines tâches est en train de changer. Les travaux de routine dans les domaines de la recherche, de la communication ou de l'administration peuvent de plus en plus être automatisés. D'autres tâches, au contraire, s'orientent vers l'interprétation et l'encadrement. Pour les musées, cela signifie que les politiques de ressources humaines doivent évoluer en même temps. Les employés ont besoin de nouvelles compétences pour travailler avec les outils d'IA, mais aussi pour comprendre leurs limites.
- L'IA modifie également la nature du travail dans les musées. Par exemple, les discussions sur “l'IA pratique pour les musées” soulignent que l'IA peut être utilisée pour automatiser des tâches telles que l'analyse des collections, la génération de textes ou l'analyse du public, mais que, dans le même temps, les organisations doivent investir dans de nouvelles compétences et dans la formation du personnel. Cela signifie que l'IA n'est pas seulement un projet technologique, mais aussi une question de ressources humaines et d'organisation : quelles sont les tâches qui changent et quelles sont les nouvelles compétences dont les conservateurs, les éducateurs ou les équipes de communication ont besoin ? L'IA pratique pour les musées : 20 idées
Le débat sur l'IA ne porte donc pas seulement sur l'efficacité, mais aussi sur la confiance. Les employés doivent savoir comment la technologie est déployée et quel rôle ils y jouent.
Gouvernance : qui est responsable ?
La question la plus importante concernant l'IA est peut-être celle de la gestion : qui est responsable ? Dans de nombreuses organisations, les employés utilisent déjà des outils d'IA générative pour leurs tâches quotidiennes. Des textes sont générés, des images sont éditées, des analyses sont effectuées. Souvent, cela se fait sans directives formelles. Cela peut sembler inoffensif, mais comporte des risques.
Un employé peut-il saisir des documents internes dans un outil d'IA public ? Qui détient les droits d'une image créée à l'aide de l'IA ? Et qui vérifie l'exactitude des informations générées avant leur publication ?
Une politique en matière d'IA apporte de la clarté à cet égard. Non pas en restreignant l'innovation, mais en créant des cadres. Des lignes directrices sur les données, les droits d'auteur et les responsabilités aident les employés à utiliser la technologie en toute sécurité.
C'est pourquoi de plus en plus d'organisations culturelles élaborent des lignes directrices officielles en matière d'IA. Par exemple, MuseumWeek a élaboré un guide spécial de politique d'IA pour les musées afin de définir les outils que les employés sont autorisés à utiliser, comment la transparence doit être assurée et qui est responsable de la supervision. L'objectif de ces lignes directrices n'est pas de restreindre l'innovation, mais de clarifier des questions telles que :
- Quels sont les outils d'IA autorisés ?;
- Quelles données peuvent être partagées ;
- La transparence des institutions en matière de contenu généré par l'IA.
De l'expérience à la stratégie
De nombreux musées se trouvent actuellement dans une phase de transition. L'IA fait l'objet de recherches, est parfois appliquée, mais est rarement gérée de manière structurelle. Cette situation est compréhensible. La technologie évolue rapidement et le secteur culturel dispose souvent de ressources limitées pour suivre tous les développements. Pourtant, on se rend de plus en plus compte que l'IA n'est plus une expérience. Elle touche des aspects fondamentaux du musée : l'authenticité, la production de connaissances, les relations avec le public et la gouvernance.
C'est précisément la raison pour laquelle la politique en matière d'IA doit être mise en place au niveau du conseil d'administration. Il ne s'agit pas d'un manuel technique, mais d'un document stratégique qui définit la manière dont une institution gère les nouvelles technologies. Au cours de leur histoire, les musées ont connu le plus souvent des changements technologiques. De la photographie à la numérisation des collections, le secteur a dû à chaque fois déterminer comment l'innovation s'inscrivait dans sa mission publique. L'intelligence artificielle est la prochaine étape de ce processus.
Le défi pour les musées et toutes les autres institutions culturelles n'est pas d'éviter l'IA, mais de l'utiliser de manière à renforcer le cœur de leur travail : la préservation, l'interprétation et le partage du patrimoine culturel. Ensuite, bien sûr, il est important de mettre en place des politiques solides qui peuvent non seulement être mises en œuvre, mais aussi contrôlées.
Nederlands 
English (UK) 
Français 