À propos

Monument emblématique du patrimoine français, le Château de Chambord conjugue mission culturelle, accueil de publics très variés et exigences fortes en matière de rigueur, de transmission et de protection des données. Au sein de l’établissement, la direction du mécénat, du développement et de la communication pilote des sujets à fort impact, où l’intelligence artificielle peut vite devenir un accélérateur… à condition d’être comprise et encadrée.

Nos objectifs

Quand l’IA commence à se glisser dans les pratiques, un écart se creuse rapidement : certains testent, d’autres hésitent, et tout le monde se pose les mêmes questions. Qu’est ce qui est fiable ? Qu’est ce qui est risqué ? Qu’est ce qui est utile, concrètement, dans notre quotidien ? Et surtout, comment éviter que l’IA ne s’installe “par défaut”, sans règles claires, sans garde fous et sans alignement collectif ?

C’est précisément l’enjeu qui a conduit le Chateau de Chambord à solliciter Valentin Schmite, cofondateur et directeur général d’Ask Mona, avec trois objectifs très opérationnels :

• remettre tout le monde à niveau, malgré des niveaux très hétérogènes face à l’IA
• poser des règles de bonnes pratiques, notamment sur la sécurité des données et les usages à proscrire
• guider l’équipe vers une stack d’outils cohérente, afin de faire les bons choix et de s’équiper sans se disperser

Chiffres clés

• 1 journée de formation dédiée
• 20 participants
• Environ 15 outils d’IA testés, au delà de ChatGPT
• 4,97 de satisfaction à l’issue de la session
• Une adoption concrète observée deux mois après : l’IA est entrée dans les pratiques

La solution : une formation Ask Mona Academy qui combine cadre, culture et mise en action

Chez Ask Mona, nous donnons aux institutions culturelles les moyens d’adopter l’IA avec confiance, grâce à une approche créative, éthique et stratégique pensée pour intégrer l’innovation au quotidien.

Pour Chambord, l’intervention a été conçue comme un parcours complet, afin que la journée ne soit pas un simple “tour d’horizon”, mais un vrai point de bascule.

1) Une première partie pour comprendre, se repérer et se rassurer

‍La matinée a posé un socle commun, indispensable quand les perceptions de l’IA vont de l’enthousiasme à l’inquiétude. L’équipe a exploré l’impact de l’IA dans le monde de la culture, avec une lecture concrète des transformations déjà à l’œuvre. Un point juridique sur le droit et l’IA est venu clarifier les zones grises, tandis qu’un temps d’échange a permis d’aborder frontalement les préoccupations du terrain : enjeux environnementaux, questions d’éthique, doutes sur la fiabilité, et même les “billets” qui reviennent souvent dès qu’on parle d’outils payants, de budgets et d’arbitrages.

2) Une deuxième partie pour pratiquer, comparer et repartir avec des réflexes

‍L’après midi a basculé dans l’action. L’objectif n’était pas de “montrer des outils”, mais de faire pratiquer chaque participant, pour que l’IA devienne un geste professionnel, pas une curiosité. À travers des exercices progressifs, l’équipe a appris à mieux prompter, à repérer les cas d’usage vraiment pertinents, et à comprendre les limites des modèles, afin d’éviter les mauvaises surprises au moment de produire, publier ou décider.

Surtout, la session a volontairement dépassé ChatGPT : Chambord a pu expérimenter une quinzaine d’outils, comparer leurs forces, comprendre ce qui se vaut, ce qui se complète, et ce qui n’a pas de sens dans leur contexte. Ce travail de “tri” est souvent ce qui manque, et c’est pourtant ce qui fait gagner du temps ensuite : moins de dispersion, plus de cohérence, et des choix techniques assumés.

Résultats : une montée en compétence mesurable, puis une adoption réelle

Le premier signal est immédiat : un score de satisfaction de 4,97, qui reflète une journée perçue comme utile, claire et directement applicable.

Le second signal est le plus important, parce qu’il se joue dans la durée : deux mois après la formation, l’usage s’est concrétisé. Autrement dit, l’IA n’est pas restée au stade du test isolé, elle s’est installée dans les pratiques, avec des repères partagés, des règles de prudence, et une capacité collective à choisir le bon outil pour le bon besoin.

Pourquoi ça fonctionne

Ce cas illustre un point clé : former à l’IA ne consiste pas à empiler des démonstrations, mais à combiner trois ingrédients qui se renforcent mutuellement.

• Un socle commun qui aligne les niveaux et désamorce les peurs par la compréhension
• Un cadre clair sur la sécurité des données, les usages acceptables et les limites à respecter
• Une pratique guidée qui transforme l’apprentissage en réflexes, et les réflexes en usages durables