Depuis 2020, la vision par ordinateur a fait un bond en avant considérable : les modèles sont devenus plus précis et plusieurs musées les intègrent désormais dans leurs pratiques. La question clé n'est plus « Est-ce que cela fonctionne ? », mais plutôt « Comment pouvons-nous l'adapter à nos besoins spécifiques ? ». Cas d’usage récents illustrant une maturité technique croissante * Accessibilité visuelle augmentée — Houston Museum of Natural ScienceLe Houston Museum of Natural Science (HMNS) a lancé l’application ReBokeh, conçue pour les visiteurs malvoyants. En temps réel, elle améliore le contraste, la luminosité et le zoom, tout en intégrant des descriptions audio et textuelles générées par IA pour les objets exposés. Le personnel du musée est formé à accompagner les visiteurs utilisant l’application, dans le cadre d’un programme plus large d’accessibilité sensorielle.Source : Houston Chronicle * Exploration visuelle des collections numériques — SMKExplore (National Gallery of Denmark)Le projet SMKExplore repose sur un pipeline de détection d’objets appliqué à des collections numériques. L’application permet une exploration intuitive : l’utilisateur navigue dans les œuvres à partir des objets détectés dans les images, favorisant une approche visuelle et ouverte, au-delà des entrées cataloguées.Source : arXiv * Optimisation dynamique des espaces d’expositionUne étude publiée en 2025 propose un modèle associant reinforcement learning, vision par ordinateur et affective computing. Ce système ajuste en temps réel la mise en espace des expositions en fonction du comportement des visiteurs, de l’affluence et des interactions. Les résultats montrent une amélioration de 18,1 % de la fluidité spatiale, une hausse de 50 % du taux de visite, et une adaptation des contenus aux émotions détectées.Source : Nature * Authentification d’œuvres via vision par ordinateur — Art RecognitionLa startup suisse Art Recognition utilise l’IA et la vision par ordinateur pour authentifier des œuvres et détecter des contrefaçons. En mai 2024, elle a identifié avec succès de faux Monet et Renoir vendus sur eBay. En novembre, une maison de ventes a accepté une œuvre authentifiée exclusivement par l’IA, marquant un tournant dans l’usage de ces technologies sur le marché de l’art.Source : Wikipedia * Raisonnement image–langage à grande échelleUne équipe internationale a compilé un jeu de données massif comprenant 65 millions d’images muséales et 200 millions de paires question–réponse. À partir de cette base, elle a entraîné des modèles vision–langage (BLIP, LLaVA) afin d’évaluer leur capacité à comprendre finement des objets d’exposition, y compris des questions nécessitant un ancrage sémantique de type humain.Source : arXiv Synthèse des progrès et des enjeux persistants Les avancées récentes démontrent que la vision par ordinateur n’est plus un gadget expérimental, mais un outil crédible et opérationnel pour les musées. Les projets mentionnés révèlent plusieurs grandes orientations : * Accessibilité renforcée, à travers des applications comme ReBokeh qui améliorent directement l’inclusion des publics malvoyants. * Exploration visuelle des collections, qui rompt avec la logique figée du catalogage pour offrir une découverte plus intuitive et ouverte. * Gestion adaptative des espaces, où l’usage conjoint de l’apprentissage par renforcement et du computingémotionnel permet aux expositions de s’ajuster dynamiquement. * Authentification des œuvres, qui introduit de nouvelles garanties — mais aussi de nouveaux débats — dans le marché de l’art. * Raisonnement multimodal, qui combine vision et langage pour enrichir l’interprétation et l’accès aux savoirs. Cependant, des enjeux majeurs persistent : disparités dans les compétences numériques au sein des équipes, difficulté à enrichir et standardiser les métadonnées, biais persistants dans les jeux de données (notamment pour le patrimoine non occidental), limites dans la capacité à restituer un contexte historique et culturel riche, et adoption institutionnelle encore prudente en raison de contraintes budgétaires et organisationnelles. Conclusion et recommandations professionnelles La vision par ordinateur s’impose aujourd’hui comme un pilier stratégique de l’IA appliquée aux musées. Pour en tirer pleinement parti, les institutions devraient : * Identifier les cas d’usage à fort impact, tels que l’accessibilité, la médiation numérique, la conservation préventive ou la gestion des flux de visiteurs. * Constituer des équipes hybrides associant conservateurs, médiateurs, ingénieurs et spécialistes en éthique. * Mutualiser les ressources entre musées afin de développer des jeux de données partagés et interopérables. * Définir des indicateurs clairs pour mesurer à la fois la performance technique et la valeur culturelle, sociale et éducative. * Anticiper les enjeux éthiques et juridiques en adoptant des chartes d’usage de l’IA et en intégrant les questions de protection des données, de responsabilité et de diversité patrimoniale. En somme, la vision par ordinateur consolide sa place comme composante essentielle du musée du XXIᵉ siècle. La question n’est plus de savoir si l’IA peut fonctionner, mais comment l’intégrer de manière stratégique et éthique dans la mission de préservation, de médiation et d’engagement des publics. Get full access to MuseumWeek Magazine at museumweek2h1r4.substack.com/subscribe
