Frédérique :
Peux-tu nous parler des retombées des deux initiatives menées par Sporobole dans le cadre du projet ArtIA, soit le Chantier IA (résidences d’artistes) et l’expérimentation d’outils IA avec des organisations culturelles?
Éric :
📍 Une approche centrée sur l’artiste
Dans nos résidences, ce sont toujours les artistes qui décident. Mon rôle, avec l’équipe, est d’être au service de leurs choix. Contrairement à d’autres structures qui orientent vers des projets prédéfinis ou des axes de recherche précis, on adopte la démarche inverse : l’artiste fixe sa direction et on l’accompagne pour l’amener le plus loin possible. Cela implique d’être constamment en mode développement, d’adapter nos outils, d’itérer, d’accélérer leur travail quand c’est nécessaire.
Avec ArtIA, une dimension particulière s’est ajoutée : le partage de connaissances. Ce que les artistes développent ou apprennent — réussites comme échecs — n’est pas seulement pour eux et elles. On leur demande de penser à leurs collègues. Grâce au travail de documentation, leurs apprentissages deviennent accessibles à la communauté, ce qui accélère l’évolution collective.
2️⃣ Deux modèles complémentaires
On a expérimenté deux modèles de résidences. D’abord, le modèle individuel, où un·e artiste est accompagné·e de près par notre équipe (Guillaume, Renaud, Yan et moi). On met les mains à la pâte pour installer des outils, multiplier les itérations, doubler la vitesse d’exploration, etc.
Ensuite, le modèle en cohorte, qu’on aime particulièrement. Trois artistes travaillent en parallèle pendant plusieurs semaines. Cela crée une camaraderie forte : iels partagent leurs découvertes, mais aussi leurs découragements. Par exemple, une musicienne frôlait la crise de nerfs devant les limites de l’IA. Ces moments de tension deviennent des apprentissages précieux, qu’on aide à transformer en réflexions collectives.
👥 Une communauté vivante
Les résidences génèrent une vraie vie communautaire : rencontres hebdomadaires, présentations collectives, repas partagés, échanges informels. Les artistes se sentent chez eux et elles, intégré·es à une famille de travail. Cette proximité nourrit autant la créativité que le transfert de savoirs.
📈 Une demande croissante
La demande est forte : chaque appel à résidences reçoit près d’une centaine de candidatures pour une quinzaine de places. En parallèle, on développe aussi des programmes de coaching pour permettre à plus d’artistes de bénéficier de nos apprentissages, avec des formules adaptées à leurs besoins et à leur rythme.
En somme, les résidences ArtIA ne servent pas seulement les artistes accueilli·es : elles construisent, pas à pas, une communauté d’apprentissage et d’expérimentation qui profite à tout le milieu.
🏛 Organismes culturels – Identifier l’utilité réelle des outils IA
On a accompagné de façon soutenue six organismes culturels pendant six mois. Au départ, on s’imaginait qu’on allait automatiser facilement certaines tâches ou même remplacer des emplois. Ce qu’on a découvert, c’est que l’IA touche surtout à un enjeu central : la gestion des connaissances. Et ça, c’est véritablement le nerf de la guerre dans une organisation.
📚 L’impact sur la gestion des connaissances
Une des choses qui m’a frappé, c’est la puissance des analyses qualitatives rendues possibles par l’IA. Je prends un exemple extérieur au projet : mon frère, qui travaille dans un hôpital, me racontait que les sondages internes étaient autrefois seulement quantitatifs, parce qu’analyser du qualitatif était trop lourd. Aujourd’hui, grâce à l’IA, il ne fait presque plus que du qualitatif, et les résultats sont beaucoup plus riches. On a vu la même chose dans nos expérimentations : des sondages, des rapports, des données textuelles peuvent être traités en profondeur, et les organismes comprennent enfin ce qui se passe avec une finesse nouvelle. C’est véritablement révolutionnaire.
☢️ Une menace pour les organisations existantes?
Un autre constat est que, si un organisme naissait aujourd’hui, il se construirait d’emblée autour des automatisations basées sur l’IA : administration allégée, gestion des courriels automatisée, agent conversationnel en place. Résultat : cet organisme fonctionnerait avec peut-être un tiers des employé·es d’un organisme actuel. Sa compétitivité serait redoutable. C’est une menace réelle pour les organismes existants qui doivent réagir rapidement pour ne pas être dépassés.
🔁 Revoir les processus de travail
L’un des apprentissages majeurs, c’est que l’IA ne s’intègre pas simplement dans les processus existants. Si l’on essaye sans revoir les processus, ça échoue. On en a fait l’expérience à Sporobole avec la gestion des factures. On voulait que l’IA classe les documents directement dans le système comptable. Or, ce n'était pas suffisamment efficace et sans erreurs pour qu'on puisse dire que c’était fonctionnel. La solution, c’est de repenser le processus au complet : identifier l’input et l’output, puis définir où l’humain doit intervenir pour valider. De cette manière, une tâche qui prend trois jours pourrait être considérablement réduite. L’économie de temps est potentiellement gigantesque.
🔬 Une preuve de concept pour le milieu culturel
Cette expérimentation a servi de preuve de concept. On a vu que l’IA est particulièrement efficace dans l’automatisation, l’analyse, les synthèses et la production de rapports. Un exemple : l’un des organismes qu’on accompagnait avait besoin d’un rapport annuel basé sur de nombreuses réponses qualitatives. Habituellement, elle engageait chaque année une firme coûtant 10 000 $. Avec l’IA, on a pu produire une analyse en beaucoup moins de temps. C’est une différence énorme, qui change complètement l’échelle d’accessibilité.
Autre cas : avec un autre organisme qu’on a accompagné, l’IA agit maintenant comme une mémoire organisationnelle. On peut l’utiliser pour retrouver un manuel, comprendre l’histoire de l’organisme, former du nouveau personnel, ou encore centraliser les processus internes. Les applications sont multiples et concrètes.
💨 Un changement de paradigme
Ce qu’on a démontré avec ces six organismes, c’est que l’IA peut devenir un levier puissant, à condition de revoir nos façons de faire et de penser collectivement son appropriation. Il faut bien comprendre les forces de ces outils pour identifier où et comment ils interviendront. Et cette compréhension s'acquiert soit de façon proactive, en déployant et en essayant volontairement des outils, ou de façon fantôme et pernicieuse, certain·es employé·es se mettant à utiliser ces outils en catimini. Bref, on a besoin de projets structurants pour bâtir un écosystème qui reflète nos valeurs, qui conserve les bénéfices dans nos communautés, qui permette aux organisations de rester pertinentes, afin d’éviter que l’adhésion et que le déploiement de ces outils se fassent malgré nous.
Oui, c’est naïf et utopique de croire qu’on peut se structurer autrement. Mais je préfère cultiver cette naïveté-là. Parce que c’est en essayant qu’on saura si l’on est capables de transformer nos pratiques, nos organisations et, ultimement, notre rapport collectif à l’IA.
//
Frédérique:
Can you tell us about the impact of the two initiatives led by Sporobole as part of the ArtIA project, namely the AI Workshop (artist residencies) and the experimentation with AI tools with cultural organizations?
Éric:
📍 An artist-centered approach
In our residencies, it's always the artists who decide. My role, along with the team, is to support their choices. Unlike other structures that steer artists towards predefined projects or specific areas of research, we take the opposite approach: the artist sets their direction and we support them to take it as far as possible. This means constantly being in development mode, adapting our tools, iterating, and accelerating their work when necessary.
With ArtIA, a special dimension has been added: knowledge sharing. What artists develop or learn—both successes and failures—is not just for them. We ask them to think about their colleagues. Thanks to documentation, their learning becomes accessible to the community, which accelerates collective evolution.
2️⃣ Two complementary models
We experimented with two residency models. First, the individual model, where an artist is closely supported by our team (Guillaume, Renaud, Yan, and myself). We roll up our sleeves to install tools, increase iterations, double the speed of exploration, etc.
Then there is the cohort model, which we particularly like. Three artists work in parallel for several weeks. This creates a strong camaraderie: they share their discoveries, but also their discouragements. For example, one musician was on the verge of a nervous breakdown when faced with the limitations of AI. These moments of tension become valuable learning experiences, which we help to transform into collective reflections.
👥 A vibrant community
The residences foster a genuine sense of community: weekly meetings, group presentations, shared meals, informal exchanges. Artists feel at home and part of a working family. This closeness nurtures both creativity and knowledge transfer.
📈 Growing demand
Demand is high: each call for applications receives nearly a hundred submissions for around fifteen places. At the same time, we are also developing coaching programs to enable more artists to benefit from our learning, with formulas tailored to their needs and pace.
In short, ArtIA residencies don't just serve the artists they host: they are gradually building a community of learning and experimentation that benefits the entire community.
🏛 Cultural organizations – Identifying the real usefulness of AI tools
We provided ongoing support to six cultural organizations for six months. Initially, we imagined that we would easily automate certain tasks or even replace jobs. What we discovered was that AI mainly addresses one central issue: knowledge management. And that is truly the lifeblood of an organization.
📚 The impact on knowledge management
One of the things that struck me was the power of qualitative analysis made possible by AI. Let me give you an example from outside the project: my brother, who works in a hospital, told me that internal surveys used to be purely quantitative because analyzing qualitative data was too cumbersome. Today, thanks to AI, he now does almost exclusively qualitative analysis, and the results are much richer. We saw the same thing in our experiments: surveys, reports, and textual data can be processed in depth, and organizations can finally understand what is happening with a new level of detail. It's truly revolutionary.
☢️ A threat to existing organizations?
Another observation is that if an organization were to be created today, it would be built around AI-based automation from the outset: streamlined administration, automated email management, and conversational agents in place. As a result, this organization would operate with perhaps a third of the employees of a current organization. Its competitiveness would be formidable. This is a real threat to existing organizations, which must react quickly to avoid being left behind.
🔁 Reviewing work processes
One of the key lessons learned is that AI cannot simply be integrated into existing processes. If you try to do so without reviewing the processes, it will fail. We experienced this at Sporobole with invoice management. We wanted AI to classify documents directly in the accounting system. However, it wasn't efficient or error-free enough to be considered functional. The solution is to rethink the entire process: identify the input and output, then define where humans need to intervene to validate. This way, a task that takes three days could be significantly reduced. The time savings are potentially enormous.
🔬 A proof of concept for the cultural sector
This experiment served as a proof of concept. We saw that AI is particularly effective in automation, analysis, synthesis, and report generation. For example, one of the organizations we worked with needed an annual report based on numerous qualitative responses. It usually hired a firm at a cost of $10,000 each year. With AI, we were able to produce an analysis in much less time. This is a huge difference, which completely changes the scale of accessibility.
Another case: with another organization we supported, AI now acts as an organizational memory. It can be used to find a manual, understand the history of the organization, train new staff, or centralize internal processes. The applications are numerous and concrete.
💨 A paradigm shift
What we have demonstrated with these six organizations is that AI can become a powerful lever, provided we review our ways of doing things and collectively think about how to adopt it. We need to fully understand the strengths of these tools in order to identify where and how they will be used. And this understanding can be acquired either proactively, by deliberately deploying and testing tools, or passively and perniciously, with some employees starting to use these tools on the sly. In short, we need structuring projects to build an ecosystem that reflects our values, keeps the benefits in our communities, and allows organizations to remain relevant, so that the adoption and deployment of these tools does not happen against our will.
Yes, it is naive and utopian to believe that we can structure ourselves differently. But I prefer to cultivate that naivety. Because it is by trying that we will know if we are capable of transforming our practices, our organizations, and ultimately, our collective relationship with AI.
