Implanter l’IA dans des organismes culturels

Cette initiative, qui s’inscrit plus largement dans le projet ArtIA porté par Sporobole, la Société des arts technologiques (SAT) et Projet collectif, s’est penchée sur les usages de l’intelligence artificielle (IA) en contexte organisationnel et a été pilotée par notre développeur en technologies numériques Nicolas Trudeau neuf mois en 2025. Avec son acolyte Andy Bourgeois, ils ont accompagné en tout six organisations culturelles québécoises, dont cinq issues du Réseau des agents de développement culturel numérique (RADN). Les organismes qui ont participé activement à l’initiative et avec qui on a vraiment eu beaucoup de fun pendant la moitié de l’année, sont : 

• l’Association des galeries d’art contemporain (AGAC)
• le Conseil de la culture de l’Abitibi-Témiscamingue (CCAT)
• le Conseil de la culture de l’Estrie (CCE)
• le Regroupement des artistes en arts visuels (RAAV) 
• Xn Québec 
• le Festival Vue sur la Relève

LE POURQUOI ET LE COMMENT

L’objectif de l’initiative « Implanter l’IA dans des organismes culturels » était de tester sur le terrain des outils d’IA afin de réduire la charge de travail administrative des organismes culturels, souvent débordés et en manque de ressources humaines ou financières, en tentant d’optimiser certains aspects spécifiques de leurs tâches comme : 

• la gestion des documents et des connaissances;
• les communications;
• la reddition de comptes;
• divers processus administratifs.

C’est ainsi que Nandy (un surnom affectueux inventé par l’équipe de Sporobole pour parler du binôme composé de Nicolas et Andy) a testé un grand nombre d’outils d’IA avec les organismes participants, dont, entre autres, ChatGPT (général et personnalisé), NotebookLM, n8n, DeepL, WPML, Canva IA, Gemini, Claude, GenSpark, Marqo AI et Copilotkit.

COUPS SÛRS ET RETRAITS

Quoi de mieux qu’une analogie de baseball pour présenter les bons coups et les gains en efficacité versus les défis rencontrés de ce projet!

Coups sûrs

• Accélération de la rédaction et de la traduction de contenu web et de rapports annuels;
• Optimisation de la gestion des documents et des archives via la fusion de fichiers, l’indexation sémantique et la structuration des données (ex. Google Drive, Airtable);
• Amélioration de l’analyse de données, de sondages et de la synthèse de commentaires post-événements;
• Développement de prototypes fonctionnels, comme l’outil de documentation DocBot et des outils d’automatisation des flux de travail;
• Création de GPTs personnalisés pour des tâches spécifiques.

Retraits

• Fiabilité des IA génératives : problèmes d’hallucinations (informations inventées), résultats inconsistants ou incapacité à fournir des réponses fiables pour des questions précises; 
• Défis techniques et limitations des outils : difficultés avec les formats de données complexes (Excel, PDF), les limites de taille de contexte des modèles, la complexité du web scraping pour la veille de subventions et des problèmes d’intégration entre différentes plateformes; 
• Coûts d’infrastructure et complexité de l’auto-hébergement pour les solutions open source; 
• Obstacles organisationnels et humains : résistance au changement, manque de temps et de ressources (humaines et financières) pour l’expérimentation et la formation, une courbe d’apprentissage parfois élevée et la nécessité d’une validation humaine constante pour les contenus générés par l’IA; 
• Enjeux éthiques et impact sur les compétences humaines : inquiétudes sur la sécurité et la confidentialité des données, biais des modèles et risque d’atrophie des compétences cognitives (pensée critique, rédaction) des utilisateur·ices à long terme. 

EN CONCLUSION

Tout ce beau travail nous a amené à tirer des conclusions sous forme de leçons et de conseils que voici :

• Adoption et déploiement : Progresser pas à pas en réalisant des « quick wins » pour susciter l’engagement, impliquer toutes les parties prenantes dès le départ avec une communication continue et mutualiser les ressources et licences nécessaires à l’implantation d’outils d’IA;
• Formation et littératie numérique : Opter pour une courbe d’apprentissage lente et soutenue, repenser les formations pour réduire l’écart entre apprentissage et application, faire de la veille un effort collectif et offrir un accompagnement et des espaces d’expérimentation à son personnel pour développer leur esprit critique;
• Interaction avec l’IA : Améliorer ses « prompts » avec la pratique, structurer les échanges par dossiers thématiques, revoir et reformuler souvent les requêtes pour des résultats optimaux. Surtout, prendre en compte que la validation humaine est indispensable : l’IA invente parfois, donc il faut établir des protocoles de vérification pour chaque processus;
• Éthique et impact humain : Déclarer de façon transparente l’utilisation de l’IA avec mention de révision humaine, préserver les compétences humaines et ralentir le rythme si nécessaire, maintenir une vision nuancée des enjeux de l’IA et favoriser la souveraineté et la sécurité des données (solutions locales / open source);
• Gestion et structuration des données : Nettoyer les données, car des données propres et standardisées sont essentielles bien que longues à préparer, on le concède! Utiliser Markdown pour structurer et limiter les « chunks » à 300–500 tokens et répondre au besoin d’outils IA multisources (PDF, Excel, Google Sheets, Airtable, Slack, etc.);
• Choix des outils : Évaluer les outils en conditions réelles, car leur qualité est très variable selon les cas. Favoriser l’open source, qui encourage l’autonomie et la sécurité, mais qui vient avec un besoin d’infrastructure, mutualiser les licences pour réduire les coûts et, finalement, éviter la course à la nouveauté pour adopter une posture stratégique.

Nous identifions donc que la littératie numérique, la formation continue et l’expérimentation sont cruciales pour une adoption réussie et éthique de l’IA dans les processus de travail d’une organisation.

Toutes les informations se retrouvant dans cet article de blogue proviennent d’un bilan complet du projet (78 pages!). On remercie nos amies de Projet Collectif pour la mise en ligne du bilan sur la plateforme Praxis et pour le sommaire du bilan duquel on a retiré beaucoup de contenu de façon intégrale.