 | Retrouvez cet article dans notre magazine Professionnels du patrimoine : quelles innovations pour aujourd’hui et demain ? Découvrir le numéro → |
Découvrez toutes les newsletters thématiques gratuites d'Archimag dédiées aux professionnels de la transformation numérique, des bibliothèques, des archives, de la veille et de la documentation.Ce que l’institution ne peut pas faire à votre place
On parle beaucoup d’acculturation. Les directions organisent des ateliers, achètent des abonnements, commandent des journées de sensibilisation. C’est utile. Mais cela ne suffit pas.
Comprendre vraiment ce que fait un modèle de langage ne s’apprend pas en lisant une documentation. Cela s’apprend en cassant des choses. Pourquoi un prompt donne-t-il tel résultat plutôt qu’un autre ? Pourquoi une vectorisation échoue sur des notices trop courtes ? Pourquoi un résumé glisse-t-il imperceptiblement vers le contresens ?
L’institution ne peut pas offrir ce type d’apprentissage. Elle doit livrer, justifier, ne pas rater. Elle accompagne l’usage des outils. Ce n’est pas un reproche : c’est une réalité structurelle. Et c’est précisément pourquoi il faut, ailleurs, un espace où l’on peut se permettre de rater.
Mon labo depuis 2015
J’anime depuis 2015 un site de veille dédié à la littérature contemporaine. Au départ, il s’agissait de cartographier la réception critique des romans à partir des chroniques du web. Rapidement, c’est devenu autre chose : un laboratoire.
Chaque nouvelle technologie y a été testée avant d’être proposée en contexte professionnel : d’abord, les protocoles bibliographiques (SRU, SPARQL, JSON-LD). Ensuite, les API. Puis différentes briques de NLP et de génération de texte, en français. Et, plus récemment, la vectorisation et la recherche sémantique.
Ce n’est pas une accumulation de gadgets. C’est une progression logique où chaque couche technique instruit la suivante. Mais l’essentiel est ailleurs : ce terrain fonctionne sans livrable imposé. Des centaines de prompts testés, des dérives observées, des paramètres affinés dans un contexte où l’erreur ne coûte rien, sinon du temps. Ce type de liberté est rare en institution.
L’utilité professionnelle est immédiate. Quand j’ai rejoint FranceAgriMer en 2024 pour déployer un nouvel outil de veille, j’ai pu mobiliser en quelques semaines des usages de l’IA générative, fort d’expérimentations menées en amont sur ce corpus indépendant. Le labo avait absorbé les erreurs à l’avance.
Ce que l’on apprend nulle part ailleurs
La qualité des données, avant tout
Identifiants normalisés, liens vers des référentiels ouverts, données sémantiques exploitables. Dès lors qu’on structure finement ses propres métadonnées, on comprend de l’intérieur pourquoi la notice bibliographique classique résiste mal aux usages actuels de l’IA. La notice Unimarc sans résumé, sans descripteurs riches et sans texte libre produit des vecteurs pauvres. Ce diagnostic, je n’aurais pas pu le formuler sans avoir d’abord buté contre ce mur sur mes propres données.
Le prompt comme compétence documentaire
Formuler une instruction précise à un LLM, c’est le même geste qu’une équation de recherche, le choix des bons descripteurs, l’arbitrage entre "recall" et précision. Sauf que cette analogie reste abstraite tant qu’on ne l’a pas pratiquée sans enjeu immédiat. Dans un environnement sans contrainte de production, on apprend à détecter les glissements de sens, à évaluer la cohérence d’un résumé automatique. Ce n’est pas une compétence de formation d’une journée. Elle se construit dans la durée.
La visualisation comme révélateur
Travailler sur des barres interactives, cartographies, nuages de mots d’un un corpus maîtrisé apprend à voir des données, à détecter des déséquilibres, des biais, des angles morts dans un ensemble documentaire. Compétence directement transférable dans tout centre de documentation qui veut piloter ses collections par les données plutôt que par l’intuition.
Un professionnel sans labo sera en retard
C’est une idée simple. Peut-être provocatrice. À l’heure de l’IA, un professionnel de l’information sans espace d’expérimentation personnelle sera structurellement en retard sur quelqu’un qui en a un. Pas par manque de formation ou d’intelligence. Par manque de ce que les ingénieurs appellent le "hands-on" : la connaissance qui ne passe que par les mains.
Ce labo n’a pas besoin d’être public ni ambitieux. Un corpus de textes structurés, une collection de prompts annotés, une API testée dans son coin. Ce qui compte, c’est la régularité, la liberté de rater et la volonté de documenter ce que l’on observe. J’ai toujours eu besoin d’expérimenter. On considère parfois ce temps de "bidouillage" comme un luxe, voire un manque de rigueur dans nos métiers axés sur les livrables. Pourtant, c’est ce qui permet, aujourd’hui, de ne pas subir les outils.
Ce que les institutions devraient faire
1- Accorder du temps de veille libre à leurs équipes : non fléché, non reporté et sans livrable. Investir dans la compréhension plutôt que dans le seul usage. Car cette compétence ne s’acquiert pas par la seule formation collective. On peut organiser une journée sur les LLM, diffuser une note de synthèse, abonner l’équipe à un outil : aucune de ces actions ne produit autant qu’une heure passée à comprendre seul pourquoi un résultat est mauvais. L’expérimentation personnelle a une part irréductiblement solitaire, et c’est précisément pour cela qu’elle doit être soutenue structurellement : du temps dégagé, une tolérance explicite à l’exploration non productive, une culture où montrer ce qu’on a cassé vaut autant que montrer ce qu’on a livré.
2 - Le collectif n’est pas l’ennemi de cette démarche, il en est parfois le meilleur accélérateur. Un projet mené à plusieurs, avec des rôles distincts, des choix techniques discutés, des erreurs partagées, produit un apprentissage que le travail solitaire ne permet pas toujours. C’est ce que les écoles pourraient saisir en premier : intégrer des modules de type "labo documentaire", où les étudiants construisent ensemble un projet réel, dans la durée. Non pas pour livrer un produit fini, mais pour traverser les étapes : la donnée mal structurée, le prompt qui dérive, le résultat qu’on ne sait pas évaluer. Ces projets, une fois documentés, peuvent devenir des cas pédagogiques vivants : non pas des modèles à reproduire, mais des traces de ce que l’on apprend quand on se donne les moyens de tester.
3 - Nos métiers de l’information continuent de s’ignorer, alors qu’ils convergent. Bibliothécaires, documentalistes, archivistes, libraires. Chacun dispose d’un fragment de compétence que les autres n’ont pas, et dont ils ont pourtant besoin. L’IA accélère cette convergence et la rend urgente : les modèles de langage ne distinguent pas les silos professionnels, ils aspirent des données, et la qualité de ce qu’ils produisent dépend directement de la qualité de ce qu’on leur fournit. Un professionnel formé à plusieurs cultures disciplinaires est plus agile. Les institutions devraient activement encourager les mobilités, des projets transversaux, des espaces où les cultures professionnelles se frottent plutôt que de coexister séparément.
La différence entre un professionnel qui utilise l’IA et un professionnel qui la comprend se jouera dans les prochaines années sur cette marge-là. L’IA n’est pas un raccourci. C’est un miroir. Et pour le regarder avec lucidité, encore faut-il avoir appris à le tenir.
Bernard Strainchamps
[Administrateur du site de veille littéraire Bibliosurf]
