Le médiateur scientifique et l’IA : vulgariser à l’ère des machines qui expliquent
Le médiateur scientifique travaille dans les musées, les centres de science, les associations de culture scientifique, les festivals ou les institutions de recherche. Sa mission : rendre la science accessible, vivante et désirable pour des publics non spécialistes — scolaires, familles, adultes, décideurs. Ce métier de transmission et de relation humaine est traversé par l’IA de façon ambivalente : elle lui offre des leviers inédits tout en bousculant sa raison d’être apparente.
Ce que l’IA change dans la préparation des contenus
La phase de conception — recherche documentaire, rédaction de supports, fabrication d’illustrations pédagogiques — est la première à bénéficier des outils d’IA générative.
- Recherche bibliographique accélérée : synthèse rapide de la littérature scientifique sur un sujet, identification des controverses actuelles, repérage des angles mal couverts dans la vulgarisation existante.
- Reformulation à plusieurs niveaux : adapter un concept complexe pour un enfant de dix ans, un lycéen, ou un public adulte non initié — l’assistant génératif peut produire plusieurs versions d’une même explication que le médiateur ajuste et valide.
- Génération d’analogies et de métaphores : l’IA propose des comparaisons, le médiateur sélectionne celles qui fonctionnent dans son contexte culturel et local.
- Création de visuels pédagogiques : schémas, infographies, animations — les outils de génération d’image peuvent produire des bases que le médiateur retravaille.
Ces apports libèrent du temps pour l’essentiel : la relation directe avec le public, l’animation, l’improvisation pédagogique.
Les risques spécifiques à ce métier
Le médiateur scientifique doit être particulièrement vigilant car les modèles d’IA hallucinent des faits scientifiques avec une fluidité trompeuse. Un outil génératif peut citer une étude qui n’existe pas, attribuer une découverte au mauvais chercheur, ou simplifier jusqu’à déformer.
- Vérification obligatoire : tout contenu généré automatiquement doit être confronté aux sources primaires ou à des bases reconnues avant toute diffusion publique.
- Sensibilité aux controverses : sur les sujets socialement vifs (climat, vaccins, OGM), les résumés automatiques peuvent lisser des nuances essentielles ou reproduire des biais présents dans les données d’entraînement.
- Propriété intellectuelle : les illustrations générées peuvent mimer le style d’auteurs existants — un point à vérifier selon les chartes de l’institution.
L’IA dans l’animation et l’interaction avec les publics
Les structures de médiation scientifique expérimentent des dispositifs interactifs alimentés par l’IA : chatbots thématiques dans les expositions, bornes de questions-réponses, avatars pédagogiques. Le médiateur n’est pas remplacé par ces dispositifs — il les conçoit, les calibre, les déploie et les évalue.
- Conception de parcours augmentés : intégrer une borne conversationnelle dans un parcours d’exposition demande de définir le périmètre de réponse, les questions hors-sujet, le ton, et les limites à ne pas franchir.
- Animation hybride : utiliser un outil d’IA en direct pendant une séance (« posons la question à l’IA, puis critiquons sa réponse ensemble ») transforme la médiation en éducation à l’IA elle-même.
- Accessibilité : synthèse vocale, sous-titrage automatique, traduction — l’IA élargit le spectre des publics touchés sans multiplier les ressources humaines à l’identique.
Ce qui reste irréductiblement humain dans la médiation scientifique
La médiation scientifique repose sur des dimensions que l’IA ne peut pas simuler de façon convaincante à ce jour :
- L’enthousiasme contagieux : un médiateur passionné qui raconte une découverte avec ses yeux qui brillent crée une émotion mémorable. L’IA peut informer, elle n’émerveille pas.
- L’adaptation en temps réel : face à un groupe de CE2 qui s’agite ou à un retraité sceptique, le médiateur lit la salle, change d’angle, plaisante, ralentit. Cette agilité relationnelle reste humaine.
- La gestion des questions inattendues : la question du gamin qui demande « pourquoi les étoiles ne tombent pas sur nous » ouvre un espace d’exploration que le médiateur navigue avec sa propre sensibilité.
- La crédibilité incarnée : le public fait confiance à une personne physique qui assume ses sources, reconnaît les limites du savoir, et dit « je ne sais pas » — une posture épistémique que l’IA joue sans la vivre.
Comment le médiateur scientifique peut s’appuyer sur l’IA et rester pertinent
Quelques orientations concrètes pour intégrer l’IA sans se laisser dépasser :
- Maîtriser les outils de génération de contenu pour en être l’auteur-validateur, pas le simple utilisateur passif — comprendre les biais, les limites, et les documenter dans ses productions.
- Développer une expertise en évaluation de sources automatisées : c’est un angle pédagogique nouveau et très demandé, que peu de médiateurs proposent encore.
- Proposer des ateliers « science et IA » : le fonctionnement des modèles de langage, la génération d’images, la robotique — autant de sujets qui permettent d’élargir le répertoire thématique.
- Se former à la scénarisation d’expériences interactives pilotées par l’IA pour co-concevoir des dispositifs avec les équipes numériques des institutions.
Le médiateur scientifique qui fait de l’IA un sujet de médiation autant qu’un outil de travail occupe une position rare et précieuse. Sa valeur n’est pas dans la quantité d’information transmise — elle est dans la relation de confiance qu’il tisse entre la science et la société, un lien que les algorithmes peuvent amplifier mais jamais remplacer.