L’intelligence artificielle est déjà entrée dans les musées, mais les règles sont restées à la porte. La première enquête mondiale menée par l’UNESCO et le Conseil international des musées, présentée cette semaine à Riyad, indique que 57 % des institutions répondantes utilisent l’IA. Dans le même temps, 55 % déclarent ne disposer d’aucune politique, stratégie ou ligne directrice interne. Plus de 400 musées répartis dans 90 pays ont participé. Ce décalage résume un problème qui dépasse la culture : l’expérimentation avance au rythme des outils, tandis que la gouvernance progresse au rythme des comités.
Une adoption réelle, mais encore dispersée
Les usages recensés ne se limitent pas aux images générées ou aux guides conversationnels visibles par le public. Les musées emploient l’IA pour l’administration, la traduction, la recherche dans les collections, la documentation, le développement d’expositions et l’engagement des visiteurs. Une partie importante de cette adoption reste exploratoire, souvent portée par quelques salariés curieux plutôt que par une décision institutionnelle.
Cette situation possède un avantage : les équipes peuvent tester rapidement une transcription, résumer des archives ou produire plusieurs versions d’un texte de médiation. Elle comporte aussi un risque de fragmentation. Deux départements peuvent utiliser des outils différents, envoyer des données sensibles vers des services incompatibles et créer des contenus sans procédure de vérification commune. L’innovation locale devient alors une dette organisationnelle.
Le musée travaille avec des données qui ne lui appartiennent pas toujours
Une collection rassemble des œuvres, des photographies, des inventaires, des correspondances, des récits oraux et des informations sur des personnes ou des communautés. Les droits associés peuvent être complexes. Un objet peut appartenir légalement au musée tout en restant lié à des droits moraux, à une histoire sensible ou à des savoirs que leurs détenteurs ne souhaitent pas voir absorbés par un modèle commercial.
Avant de téléverser un catalogue dans un assistant d’IA, l’institution doit donc savoir où les données seront stockées, si elles serviront à entraîner le système, combien de temps elles seront conservées et qui pourra les récupérer. La protection des données n’est pas un détail informatique. Elle engage la confiance entre le musée, les artistes, les donateurs, les chercheurs et les publics dont les histoires sont documentées.
L’exactitude devient une mission muséale
L’enquête cite l’exactitude parmi les principales préoccupations, avec le droit d’auteur et la protection des données. Cette inquiétude est particulièrement forte pour une institution dont l’autorité repose sur la vérification. Un cartel inexact, une attribution inventée ou une date fausse ne sont pas de simples erreurs de conversation. Ils peuvent modifier la compréhension d’une œuvre et se propager dans des travaux scolaires, des articles et d’autres bases de données.
La réponse ne consiste pas à interdire tout modèle génératif. Elle consiste à organiser la responsabilité. Chaque contenu destiné au public doit avoir une source identifiable, un niveau de confiance et un professionnel chargé de sa validation. L’IA peut proposer, classer ou reformuler ; elle ne doit pas effacer la chaîne éditoriale. Lorsque l’institution ignore la réponse correcte, le système doit pouvoir l’indiquer au lieu de produire une certitude élégante.
La traduction ouvre les portes et peut aplatir les voix
La traduction automatique représente l’un des usages les plus immédiatement utiles. Un petit musée peut proposer des descriptions dans plusieurs langues, créer des sous-titres ou améliorer l’accès à ses archives sans disposer d’une équipe éditoriale internationale. Pour les visiteurs, cette disponibilité réduit une barrière concrète. Elle permet aussi à une collection locale d’être découverte bien au-delà de son territoire.
Mais traduire n’est pas remplacer des mots un par un. Les noms d’objets, les concepts religieux, les identités et les expressions historiques portent des contextes que les modèles peuvent simplifier. Une version fluide peut être culturellement fausse. Les musées devront distinguer les contenus où une traduction automatisée relue suffit de ceux qui exigent un spécialiste, un locuteur de la communauté ou une consultation plus longue.
Les grands établissements partent avec une avance
L’UNESCO et l’ICOM soulignent les écarts d’infrastructure numérique, de financement, de compétences techniques et d’accès à l’expertise. Un musée national peut recruter un responsable des données, négocier un contrat et auditer un fournisseur. Une petite institution peut dépendre d’un abonnement grand public utilisé par une seule personne. Les deux apparaissent comme des utilisateurs d’IA dans les statistiques, mais leur capacité à maîtriser les risques n’a rien de comparable.
Cette asymétrie pourrait concentrer encore davantage la visibilité. Les collections les mieux numérisées et documentées nourriront plus facilement les outils de recherche, les recommandations et les expériences immersives. Les patrimoines disposant de moins de ressources risquent de devenir moins présents dans les interfaces qui organisent la découverte. La fracture numérique ne concerne donc pas seulement l’accès à la technologie ; elle influence ce que le public sera invité à regarder.
Une politique interne peut commencer simplement
Le chiffre de 55 % sans cadre interne ne signifie pas que chaque musée doit rédiger immédiatement un document de cent pages. Une première politique peut tenir sur quelques principes opérationnels : outils autorisés, données interdites au téléversement, validation humaine obligatoire, transparence envers le public, conservation des traces, procédure de signalement et responsable identifiable.
Cette base doit ensuite évoluer avec les usages. Un chatbot destiné aux visiteurs exige des tests de sécurité et d’exactitude différents d’un outil interne de classement. Une restauration assistée par ordinateur soulève d’autres questions qu’une campagne marketing. La gouvernance efficace ne traite pas toute IA comme une catégorie unique ; elle évalue le risque, le contexte et la possibilité de réparer une erreur.
Dire au public quand une machine intervient
La transparence doit devenir visible sans envahir l’expérience. Un visiteur mérite de savoir si une voix, une image, une traduction ou une recommandation a été générée ou fortement modifiée par un système. Cette information ne doit pas être cachée dans une longue page juridique. Un signal clair permet au public d’ajuster sa confiance et de comprendre la nature de ce qu’il consulte.
La transparence protège aussi les professionnels. Les conservateurs, documentalistes, traducteurs et médiateurs ne disparaissent pas lorsque l’IA intervient ; leur travail se déplace vers la sélection, la vérification, la contextualisation et la correction. Rendre cette contribution visible empêche la technologie de se présenter comme une source autonome et rappelle que chaque récit muséal résulte de choix humains.
Le musée peut devenir un lieu d’éducation à l’IA
Les institutions culturelles ne sont pas seulement des utilisatrices. Elles peuvent aider le public à comprendre comment les systèmes produisent leurs résultats. Une exposition peut comparer plusieurs descriptions d’une même œuvre, montrer les biais d’une base d’entraînement ou expliquer pourquoi un modèle confond corrélation et connaissance. Le musée possède déjà les compétences nécessaires pour rendre visible une infrastructure souvent invisible.
Cette fonction critique distingue une adoption réfléchie d’une simple course à la nouveauté. L’objectif n’est pas d’impressionner le visiteur avec un écran supplémentaire, mais d’améliorer l’accès, la recherche et la compréhension. Parfois, la meilleure décision sera d’utiliser l’IA. Parfois, ce sera de conserver une conversation humaine, une traduction lente ou un silence devant l’objet.
L’expérimentation a besoin d’une mémoire
Le rapport UNESCO-ICOM arrive au moment où le secteur doit transformer des essais individuels en apprentissage collectif. Les musées gagneraient à documenter non seulement les réussites, mais aussi les coûts, les erreurs et les projets abandonnés. Une base de cas partagés éviterait que des centaines d’institutions répètent séparément les mêmes tests et les mêmes échecs.
Le chiffre le plus important de l’enquête n’est peut-être ni 57 ni 55. C’est l’écart entre les deux. Il montre que l’IA est devenue assez ordinaire pour être utilisée, mais pas encore assez institutionnelle pour être gouvernée. Les musées conservent la mémoire des sociétés. Ils doivent maintenant apprendre à conserver aussi la mémoire de leurs propres décisions algorithmiques.
Sources
- UNESCO : résultats de la première enquête mondiale sur l’IA dans les musées
- ICOM : objectifs et lancement de l’enquête mondiale 2026
- UNESCO : Journée internationale des musées et transformation numérique
- UNESCO : Recommandation sur l’éthique de l’intelligence artificielle
- ICOM : Code de déontologie pour les musées