Ce numéro explore comment l’intelligence artificielle transforme les pratiques de la recherche culturelle, de la création artistique aux patrimoines, archives et bibliothèques, en articulant nouvelles méthodologies, enjeux pédagogiques et impératifs éthiques.
Ministère de la Culture – Délégation générale à la transmission, aux territoires et à la démocratie culturelle | 140 pages, 40+ contributions
Cet article est une synthèse réalisée à l’aide d’une IA (Claude, Anthropic) :
Présentation du document
Culture & Recherche est la revue scientifique du ministère de la Culture. Ce numéro thématique, coordonné par Catherine Graindorge, réunit plus de quarante contributions d’acteurs académiques, institutionnels et professionnels. Il s’organise autour de trois axes transversaux qui structurent l’ensemble des articles : susciter de nouveaux usages d’intelligence collective, conscientiser l’impact de l’IA sur les méthodes d’enseignement et de recherche, et se positionner face aux enjeux et défis.
| Support | Thématique centrale | Public visé |
| Revue semestrielle (n° 147) | IA et recherche culturelle (création, patrimoine, archives, architecture, musées) | Chercheurs, enseignants, professionnels de la culture |
| 140 pages | 40+ auteurs | Trois axes : méthodologies, pédagogie, risques & éthique | Académique, institutionnel, décideurs publics |
Axes thématiques et principaux enseignements
Axe 1 – Susciter de nouveaux usages d’intelligence collective (pp. 6-49)
Cet axe illustre comment l’IA devient un catalyseur de production collective de savoirs dans les domaines culturels. Le cas emblématique est celui du chantier scientifique de Notre-Dame de Paris, où une équipe interdisciplinaire (archéologie, chimie, informatique, histoire de l’art) mobilise simultanément l’IA symbolique et l’apprentissage machine pour documenter, analyser et restituer un patrimoine en reconstruction. L’IA y est définie non comme une intelligence autonome, mais comme « le résultat cumulatif de l’intelligence collective de l’ensemble des humains qui génèrent les données ».
D’autres contributions montrent l’essor des chatbots et assistants conversationnels pour faciliter l’accès aux archives (projet algérien, SIMARA aux Archives nationales), la lutte contre le trafic de biens culturels (projet ANCHISE, plateforme ICONEM), ou encore la valorisation du patrimoine photographique (projet HikarIA). L’IA générative ouvre aussi de nouveaux champs dans la création musicale et les arts visuels, posant la question de la co-créativité computationnelle.
Axe 2 – Conscientiser l’impact de l’IA sur les méthodes d’enseignement (pp. 50-109)
Cet axe dresse un panorama des transformations pédagogiques induites par l’IA dans l’enseignement supérieur culturel. Plusieurs établissements d’architecture expérimentent l’IA générative pour la conception (laboratoire MAP, ENSA Nantes), tandis que des communautés numériques émergent autour de la transcription automatique (eScriptorium), de la reconnaissance d’images (consortium pictorIA) ou de l’analyse LiDAR en archéologie. Le chatbot ArchéoBot, développé pour l’enseignement de l’archéologie à Paris 1, illustre une approche « auditabilité-first » : chaque réponse est sourcée, l’étudiant peut remonter aux documents d’origine, et le choix du modèle de langage reste paramétrable.
Les auteurs convergent sur un constat : la maîtrise des agents conversationnels repose autant sur la hiérarchisation des idées et la vérification des données que sur la simple maîtrise technique. Quatre leviers de formation sont identifiés : le programme France 2030, la trilatérale recherche-formation-innovation, les centres de ressources IA pour les SHS, et les chatbots pédagogiques spécifiques.
Axe 3 – Se positionner face aux enjeux et défis (pp. 110-133)
Le troisième axe aborde les risques et le cadre normatif. Sur le plan de la cybersécurité, trois menaces principales pèsent sur les systèmes d’IA culturels : l’empoisonnement des données d’entraînement, l’extraction de modèles par des attaquants, et les attaques adverses visant à fausser les classifications. Le droit d’auteur constitue un autre point de friction majeur : l’utilisation de corpus protégés pour entraîner des modèles génératifs soulève des questions non résolues que les travaux du CSPLA et de la Commission IA s’efforcent d’encadrer. Enfin, l’AI Act européen, entré en vigueur en août 2024, constitue la première législation mondiale générale sur l’IA, imposant sept exigences pour une IA de confiance.
Tableau de synthèse des enjeux transversaux
| Domaine d’enjeu | Risques identifiés | Réponses / cadres existants |
| Cybersécurité | Empoisonnement de données, extraction de modèles, attaques adverses | Recommandations ANSSI (avril 2024), normes ISO/IEC |
| Propriété intellectuelle | Données d’entraînement protégées par copyright, paternité des œuvres générées | AI Act (août 2024), travaux CSPLA, Commission IA française |
| Intégrité scientifique | Falsification de contenus, hallucinations, deepfakes | Charte ministère de la Culture (juin 2024), pratiques réflexives |
| Souveraineté & écologie | Dépendance aux LLM étrangers, empreinte carbone des modèles | SNIA France 2018, supercalculateur Jean Zay, PEPR IA, modèles frugaux |
| Éthique & inclusion | Biais algorithmiques, exclusion numérique, multilinguisme | 7 exigences AI Act, approche anthropologique et critique |
Points saillants et perspectives
Plusieurs contributions convergent vers une même conviction : l’IA n’est pas « intelligente » au sens cognitif du terme, elle prédit statistiquement le mot suivant, sans compréhension du contexte, mais ce qu’elle réalise est d’une importance considérable pour la recherche culturelle. Trois usages sont en forte croissance : les IA spécifiques (entraînées sur des corpus disciplinaires), les LLM guidés par prompt, et les IA générales adaptées à des champs spécialisés comme la génération d’images patrimoniales.
Le numéro souligne également l’urgence de formation des communautés enseignante et étudiante, face à une transformation rapide des métiers. La recherche exploratoire, expérimenter pour apprendre, analyser et inventer, est présentée comme une pratique indispensable d’encapacitation. La transparence des données d’entraînement et des usages y est posée comme préalable non négociable à toute démarche responsable.