Par Allan Conti
Comme dans de nombreux domaines de l’enseignement, il est de plus en plus courant que les étudiants en médecine utilisent des outils d’intelligence artificielle pour réviser des contenus, clarifier des doutes ou organiser des hypothèses diagnostiques lors de discussions cliniques. Ce mouvement se produit en grande partie à l’initiative des étudiants eux-mêmes, qui ont déjà intégré ces technologies dans leur routine d’étude, souvent sans l’aide formelle des établissements d’enseignement. En ce sens, la présence de l’IA dans l’environnement universitaire influence directement la manière dont les connaissances sont accessibles, interprétées et appliquées.
Dans la pratique clinique, l'utilisation de l'intelligence artificielle montre une tendance croissante, étant donné que 82% des hôpitaux fournissent déjà des ressources ou des solutions d'IA pour des processus préétablis, selon une recherche sur la qualité, la sécurité des patients et l'importance des outils d'aide à la décision clinique, préparée par l'Association nationale des hôpitaux privés (ANAHP), en partenariat avec Wolters Kluwer, à laquelle ont participé 102 hôpitaux privés, membres de l'association.
En général, la formation médicale a toujours nécessité une mise à jour continue, mais le volume actuel de la production scientifique impose un défi supplémentaire, étant donné que les directives cliniques sont régulièrement révisées, que de nouvelles données changent, que les recommandations consolidées et que la littérature spécialisée augmente régulièrement dans pratiquement tous les domaines de la santé.
Ce scénario rend impossible que la maîtrise des connaissances dépende uniquement de la mémorisation. La capacité à localiser des informations pertinentes, à évaluer la qualité méthodologique des études et à interpréter les résultats à la lumière du contexte clinique est devenue une compétence aussi essentielle que les connaissances techniques pour les étudiants en médecine.
Compte tenu de cela, les outils d’intelligence artificielle permettent d’organiser de grands volumes de données et de présenter des synthèses structurées sur certains sujets, ce qui modifie naturellement la dynamique de l’apprentissage. La rapidité avec laquelle l'information peut être consultée modifie le rapport de l'étudiant au contenu et déplace l'orientation de la formation vers l'analyse critique des réponses obtenues. Lorsqu’une recommandation est présentée de manière claire et organisée, le défi n’est plus de la trouver mais de comprendre la logique qui la sous-tend, d’identifier ses limites et de vérifier si elle est conforme aux lignes directrices les plus actuelles.
Le rôle des établissements d'enseignement
Cette évolution nécessite de revoir le rôle des facultés de médecine, car si l'accès à l'information est devenu quasi instantané, le rôle de l'enseignement ne peut se limiter à la transmission de contenus. Il est nécessaire d’approfondir la formation des étudiants en médecine en matière de méthodologie scientifique, d’interprétation des preuves, d’analyse des risques et de prise de décision. Ainsi, l’Intelligence Artificielle peut soutenir l’organisation du raisonnement, mais elle ne remplace pas la nécessité de comprendre pourquoi une certaine conduite est recommandée et dans quelles circonstances elle peut ne pas être la plus appropriée.
Dans de nombreux établissements, les étudiants utilisent différentes plateformes, avec des niveaux de fiabilité et de transparence variables quant aux sources consultées. En l’absence d’orientation formelle, l’environnement d’apprentissage se fragmente et la qualité du contenu accessible dépend exclusivement du choix individuel de chaque étudiant. Cette hétérogénéité rend difficile la standardisation de l’enseignement et rend plus complexe l’évaluation de la qualité des apprentissages.
Il existe également une dimension liée à la sécurité de l’information qui doit être soigneusement prise en compte. Au cours du processus d'études, en particulier au cours des deux dernières années d'études collégiales, il est courant que des exemples de cas cliniques soient utilisés pour contextualiser les questions, même sans identifier directement les patients. Sans environnement supervisé, il n’y a aucune garantie que ces données soient traitées conformément aux normes de protection et de confidentialité. Cependant, la responsabilité de l'utilisation appropriée des informations sensibles ne peut être déléguée uniquement à l'étudiant, en particulier dans un environnement qui devrait offrir des paramètres de conduite clairs.
Dans ce contexte, l’intégration structurée de l’intelligence artificielle dans l’enseignement médical est également une question de gouvernance académique. Il s'agit de sélectionner des plateformes alliant technologie et contenu validés par des experts, d'établir des critères d'utilisation et de proposer des formations aux enseignants et aux étudiants. À partir de là, l’objectif devient de garantir que la technologie est alignée sur les principes de la médecine factuelle (EBM) et les normes éthiques qui guident la pratique clinique.
Les décisions concernant le diagnostic et le traitement impliquent l'interprétation des données de laboratoire, l'analyse des antécédents, la prise en compte des facteurs sociaux et l'évaluation des risques et des avantages dans des situations souvent marquées par l'incertitude. Ainsi, les plateformes numériques peuvent organiser l’information et suggérer des parcours, mais elles n’assument pas la responsabilité des choix opérés. Cette responsabilité incombe au professionnel, et c'est précisément cette capacité de jugement qui doit être développée tout au long de l'obtention du diplôme et de la résidence.
De plus, il devient de plus en plus important que les étudiants comprennent, même de manière introductive, comment fonctionnent les technologies qu’ils utilisent. Comprendre que les réponses automatisées sont générées à partir de modèles formés avec de grands volumes de données et que ces modèles peuvent présenter des limites ou des biais permet d'empêcher les étudiants d'accepter des informations sans critères de vérification. La formation médicale inclut donc une dimension liée à la lecture critique des outils numériques, et pas seulement des articles scientifiques.
Opportunités pour les étudiants en médecine
En parallèle, l’Intelligence Artificielle offre des opportunités pédagogiques à ne pas négliger. Actuellement, les logiciels adaptatifs peuvent identifier des lacunes spécifiques dans les connaissances et cibler un contenu personnalisé, permettant ainsi un apprentissage plus individualisé. De plus, les simulations numériques permettent de former des situations cliniques complexes dans un environnement contrôlé, élargissant ainsi l'exposition à des scénarios qui ne sont pas toujours disponibles dans la pratique quotidienne. Ces ressources, lorsqu'elles sont intégrées au programme de manière planifiée, peuvent renforcer la formation sans remplacer l'expérience supervisée avec de vrais patients.
Un autre aspect pertinent concerne le rôle de l’enseignant et du précepteur dans ce nouveau contexte. Si l’étudiant en médecine a déjà un accès rapide à des réponses structurées, le professeur commence à jouer un rôle encore plus intense en guidant le raisonnement, en encourageant les questions et en approfondissant les discussions sur les limites et les controverses des preuves disponibles. Le temps consacré à l’exposition des contenus tend à se réduire, laissant place à des débats plus analytiques et au développement de compétences non automatisables.
Ainsi, le débat sur l’intelligence artificielle dans l’enseignement médical ne se limite pas à l’adoption de nouveaux outils technologiques, mais plutôt à la manière de garantir la qualité, la sécurité et la rigueur scientifique dans un environnement où l’accès à l’information est immédiat et médiatisé par des solutions numériques. Dans ce scénario, les institutions qui assumeront cette responsabilité, de manière rapide et structurée, seront mieux préparées à suivre la transformation en cours et à former des professionnels capables d'intégrer de manière équilibrée la technologie et le jugement clinique.
*Allan Conti est directeur commercial chez Wolters Kluwer.
