Le débat de l’AAMC sur l’éducation à l’IA place le jugement clinique avant des réponses plus rapides

L’AAMC a réuni, le 7 novembre, des enseignants en médecine et le responsable de l’IA en santé d’OpenAI pour aborder un conflit : des réponses cliniques plus rapides peuvent court-circuiter des exercices essentiels à la formation des étudiants. Le débat de l’AAMC sur l’éducation à l’IA porte sur ce que les futurs médecins doivent apprendre avant de s’appuyer sur des systèmes qui organisent l’information et suggèrent des décisions.

Lors de Learn Serve Lead 2026, Marc Triola de NYU Grossman, Robert Wachter de l’UCSF et Karan Singhal d’OpenAI ont discuté de l’évolution des contenus des cursus et de l’enseignement. Leur échange souligne une distinction pratique entre aider un médecin expérimenté à terminer son travail et aider un étudiant à développer son expertise.

Les approches concurrentes sont l’assistance immédiate par l’IA et des occasions protégées de raisonnement autonome. Ni une interdiction générale ni un accès sans restriction ne résolvent cette tension. Les facultés ont besoin d’éléments montrant que les diplômés peuvent évaluer une réponse, repérer des informations manquantes et expliquer leurs décisions, avec ou sans assistance.

La discussion de l’AAMC sur l’éducation à l’IA remet en question ce que les facultés devraient préserver

La discussion sur l’enseignement médical du 7 novembre était une table ronde et une interview rapportée, et non l’annonce d’exigences contraignantes pour les cursus. Cette distinction compte, car les recommandations d’intervenants reconnus ne constituent pas une norme institutionnelle.

Wachter a plaidé pour une réévaluation de la mémorisation tout en préservant le raisonnement diagnostique, c’est-à-dire le processus d’interprétation des observations afin d’identifier les explications possibles d’une maladie. Singhal a décrit un tutorat par IA qui guide les étudiants vers les réponses. Triola a insisté sur la nécessité de conserver des expériences d’apprentissage exigeantes tout en adaptant plus rapidement l’enseignement.

La proposition de fond consiste à réexaminer quels efforts développent l’expertise et lesquels ne font que consommer du temps.

C’est une mission plus difficile que d’ajouter un cours d’introduction à l’intelligence artificielle. Un cours peut expliquer la terminologie sans modifier ce que les étudiants pratiquent, ce que les enseignants observent ou ce que les examens valorisent.

Considérez la différence entre se rappeler un fait isolé et reconnaître qu’une explication contredit les antécédents d’un patient. Les deux reposent sur des connaissances. Ils imposent des exigences différentes en matière de mémoire, d’interprétation et d’attention.

La question des cursus ne peut donc pas se réduire à la quantité d’informations que les étudiants devraient mémoriser. Les facultés doivent décider quelles connaissances doivent être immédiatement disponibles lorsqu’une situation devient confuse, incomplète ou urgente.

Un système externe peut fournir une explication après qu’une question a été formulée. L’étudiant doit néanmoins comprendre suffisamment le sujet pour reconnaître le problème et poser une question utile.

C’est là que la discussion devient pertinente au-delà de la médecine. Toute profession qui forme des débutants aux côtés de logiciels performants rencontre un problème similaire : une excellente production assistée peut masquer une compréhension sous-jacente insuffisante.

Une réponse soignée renseigne un évaluateur sur la tâche achevée. Elle ne révèle pas automatiquement quelles parties l’apprenant a comprises, vérifiées ou acceptées sans examen.

Cette distinction modifie le sens de la modernisation des cursus. Remplacer d’anciens contenus par des contenus sur l’IA ne suffit pas si les évaluations continuent de récompenser une réponse sans examiner la manière dont les étudiants y sont parvenus.

Le changement le plus conséquent relierait l’enseignement, l’assistance autorisée et l’évaluation. Les étudiants sauraient quelles capacités ils doivent démontrer de manière autonome et quelles tâches exigent une collaboration efficace avec les logiciels.

Il s’agit d’implications du débat, plutôt que de politiques annoncées lors de la réunion. La discussion publique laisse aux facultés des décisions à prendre concernant la mise en œuvre et les preuves à réunir.

Elle laisse aussi une frontière non résolue. Réduire la mémorisation à faible valeur semble raisonnable, mais décider de ce qui a peu de valeur exige davantage que la certitude qu’un chatbot peut le retrouver.

Les connaissances médicales sont interconnectées. Un fait qui paraît superflu isolément peut contribuer ailleurs à la reconnaissance, à l’interprétation ou à une explication.

Les facultés doivent donc justifier de manière défendable ce qu’elles retirent. L’argument le plus solide montrerait que les étudiants conservent les capacités que les contenus supprimés contribuaient auparavant à développer.

L’adoption dans les cursus met les évaluations sous pression

Les facultés de médecine intégraient l’IA avant cette réunion. Le bilan des cursus consacrés à l’IA publié par l’AAMC en juin 2025 a fait état d’une hausse de 53 % à 77 % parmi les facultés répondantes au fil des années d’enquête.

Le nombre sous-jacent est passé de 88 facultés déclarant aborder l’IA en 2023 à 140 en 2024. Les enquêtes reposaient sur des populations de répondants différentes ; ces chiffres décrivent donc une adoption déclarée plutôt qu’une comparaison contrôlée.

Le bilan distingue également l’IA présente quelque part dans un cursus de l’IA incluse dans un enseignement obligatoire. Parmi les facultés déclarant aborder l’IA, l’enseignement obligatoire est passé de 61 à 107 facultés.

La couverture des cursus mesure l’activité institutionnelle ; elle ne prouve pas que les étudiants peuvent utiliser l’IA en toute sécurité ni raisonner efficacement sans elle.

Cet écart met les commissions des programmes sous pression. Elles doivent expliquer ce qu’une exigence liée à l’IA apporte au-delà d’une exposition à la terminologie ou d’une démonstration des outils disponibles.

Les enseignants font face à un problème d’évaluation connexe. Lorsqu’une assistance peut générer une réponse cohérente, le document final devient une mesure moins directe de la contribution de l’étudiant.

La question se déplace vers des décisions observables. Quelles informations l’étudiant a-t-il jugées importantes ? Quelle alternative a-t-il écartée ? Qu’est-ce qui le conduirait à reconsidérer sa position ?

Ces questions rendent le raisonnement plus visible, mais elles demandent également du temps aux enseignants. Une faculté ne peut pas supposer que l’achat de logiciels crée la capacité d’évaluer les étudiants qui les utilisent.

Les étudiants sont également confrontés à une incertitude quant aux attentes. L’autorisation d’utiliser l’IA pour étudier n’implique pas nécessairement celle de soumettre un travail assisté ou de saisir des informations sur des patients.

Une frontière floue peut produire des expériences d’apprentissage incohérentes. Un enseignant peut encourager l’assistance, tandis qu’un autre considère le même comportement comme la preuve qu’un étudiant n’est pas suffisamment préparé.

La réponse institutionnelle devrait expliciter ces limites. Des activités différentes peuvent justifier des règles différentes, à condition que celles-ci répondent à un objectif éducatif clair.

Un exercice autonome peut révéler ce qu’un étudiant comprend déjà. Un exercice assisté peut montrer si l’étudiant repère les défauts, intègre des suggestions utiles et assume la responsabilité des révisions.

Aucun de ces exercices ne remplace l’autre. Ensemble, ils offrent une image plus instructive qu’une déclaration générale selon laquelle les étudiants sont autorisés à utiliser l’IA.

Le même raisonnement s’applique aux décisions d’achat. Un produit qui fait gagner du temps dans le travail clinique ne fournit pas automatiquement de preuves sur le développement des étudiants.

Une institution qui évalue un logiciel éducatif devrait se demander quels comportements le produit rend visibles. Elle devrait aussi déterminer si les enseignants peuvent examiner une part suffisante de l’interaction pour évaluer ces comportements.

Une question pratique d’équité se pose ici. Si les attentes dépendent d’un accès informel à des outils particuliers, les étudiants peuvent se retrouver dans des conditions d’apprentissage différentes.

Une évaluation défendable devrait préciser l’assistance disponible et évaluer la capacité visée. Sinon, la performance peut refléter autant les différences de ressources que les différences de compréhension.

Le débat de l’AAMC sur l’éducation à l’IA place donc l’évaluation au même niveau que le contenu des cursus. Les facultés doivent définir un apprentissage réussi avant de décider de la part d’assistance appropriée à chaque activité.

Un modèle performant ne garantit pas une meilleure équipe clinique

La recherche donne déjà aux enseignants une raison de distinguer la performance d’un modèle de la performance avec un modèle. Un système peut bien répondre à un problème structuré sans aider chaque utilisateur à parvenir à une meilleure conclusion.

Un essai sur le raisonnement diagnostique de 2024 a réparti aléatoirement 50 médecins entre des ressources classiques ou ces mêmes ressources complétées par GPT-4. Un grand modèle de langage, tel que GPT-4, génère du texte à partir de modèles appris pendant son entraînement.

L’accès au modèle n’a pas amélioré de manière significative les performances de raisonnement diagnostique des médecins dans cette étude. Le modèle utilisé seul a obtenu un score plus élevé que les deux groupes de médecins.

L’essai portait sur des cas cliniques présentés sous forme de scénarios écrits. Il n’a pas établi qu’un logiciel autonome fournit de meilleurs soins aux patients, ni que toutes les formes d’assistance échouent.

La leçon éducative est que l’accès à un système performant et une collaboration efficace constituent deux réussites distinctes.

Un utilisateur doit décider quelles informations fournir, comment interpréter la réponse et s’il faut modifier une conclusion existante. Ces décisions créent des possibilités d’amélioration comme d’erreur.

Pour les enseignants, cela signifie que la maîtrise des logiciels ne peut pas se limiter à savoir où saisir une question. Les étudiants doivent démontrer comment ils évaluent les conseils obtenus.

Imaginez une évaluation dans laquelle un étudiant reçoit une explication plausible comportant une hypothèse non étayée. L’observation importante est de savoir si l’étudiant identifie cette hypothèse et en vérifie les conséquences.

Une reformulation fluide de la réponse ne démontrerait pas cette capacité. Le rejet non examiné de tout ce que le système a produit ne le démontrerait pas davantage.

Une collaboration utile exige un jugement sélectif. L’étudiant doit préserver un raisonnement solide, contester les affirmations faibles et expliquer pourquoi la réponse finale mérite confiance.

Le paysage plus large de la recherche complique aussi une séparation simpliste entre tâches techniques et communication humaine. Les développeurs d’IA évaluent les systèmes sur des conversations autant que sur des examens écrits.

Les travaux de chercheurs de Google sur une IA conversationnelle pour le diagnostic ont présenté AMIE, un système de recherche évalué au moyen de conversations textuelles avec des acteurs jouant des patients. Ils ont examiné les performances diagnostiques et de communication dans des conditions simulées.

Ces travaux constituent une comparaison de recherche, et non la preuve que le système peut remplacer les médecins dans la pratique courante. Leur pertinence ici tient à l’éventail des capacités examinées.

La participation d’OpenAI à la table ronde de l’AAMC et les recherches de Google illustrent des contributions différentes à la même question éducative. L’une apporte la perspective d’un développeur ; l’autre fournit des preuves expérimentales.

Elles n’établissent pas un classement définitif des produits. Elles ne définissent pas non plus une frontière permanente autour des tâches que les logiciels n’accompliront jamais.

Les facultés devraient donc se montrer prudentes avant de bâtir tout un cursus autour des faiblesses actuelles des modèles. Une faiblesse peut changer après une mise à jour du produit, rendant obsolète une stratégie éducative trop étroite.

L’objectif le plus durable consiste à évaluer les preuves et à gérer la responsabilité. Ces capacités restent nécessaires, qu’une réponse du système soit impressionnante, incomplète ou difficile à interpréter.

Cela redéfinit également ce que signifie enseigner la communication. Une réponse rassurante n’est qu’une partie d’un échange qui exige compréhension, clarification et accord.

Une évaluation doit examiner si l’apprenant découvre ce qui compte pour le patient. Elle ne devrait pas récompenser un langage soigné comme si cela suffisait à démontrer une conversation réussie.

Pour les acheteurs en entreprise, le parallèle est direct. Une démonstration impressionnante montre ce qu’un logiciel peut produire dans des conditions choisies.

Cela n’établit pas comment une équipe sera performante après l’introduction du produit. La formation, la conception des flux de travail et l’évaluation déterminent si cette capacité devient utile en pratique.

La difficulté productive doit trouver sa place aux côtés de l’automatisation

Le compromis central concerne le moment où l’assistance intervient. Une intervention peut améliorer une tâche achevée tout en réduisant la pratique disponible pour la personne qui l’exécute.

Cela crée une distinction entre la performance immédiate et l’apprentissage. La performance concerne ce qu’une personne accomplit maintenant. L’apprentissage concerne ce qu’elle pourra comprendre et faire plus tard.

Les établissements doivent disposer de preuves concernant ces deux résultats avant de considérer qu’une réalisation plus rapide constitue une amélioration pédagogique.

Prenons l’exemple hypothétique d’un exercice étudiant impliquant l’entretien d’un patient. Si un logiciel produit immédiatement le résumé, l’étudiant peut examiner un compte rendu cohérent sans devoir décider comment l’organiser.

Cette organisation peut soutenir une discussion sur la révision. Elle apporte moins d’éléments directs pour déterminer si l’étudiant peut identifier et structurer les informations importantes de manière autonome.

Modifier la séquence modifie la tâche pédagogique. L’étudiant pourrait d’abord produire un compte rendu, puis le comparer à une version assistée et expliquer les différences.

Il s’agit d’un exemple de conception d’évaluation, et non d’un protocole établi par la réunion de l’AAMC. Son objectif est de montrer pourquoi les règles d’accès nécessitent une justification pédagogique.

La même distinction s’applique à la génération de diagnostics possibles. Une première explication indépendante donne à l’enseignant un élément à comparer avec la réponse ultérieure de l’étudiant à l’assistance.

Cette comparaison peut révéler si un étudiant a révisé une conclusion fragile de manière réfléchie ou s’il a simplement adopté la suggestion du logiciel. Elle peut également mettre en évidence un désaccord justifié.

Toutefois, ajouter de la difficulté n’est pas automatiquement bénéfique. Un exercice qui prend du temps sans fournir de retour utile peut frustrer les apprenants sans renforcer leur compréhension.

La question pertinente est de savoir ce que cette difficulté amène les étudiants à pratiquer. Exige-t-elle l’interprétation, l’explication ou la reconnaissance de l’incertitude ? Le retour traite-t-il de ces capacités ?

Une exigence de réalisation autonome devrait répondre à ces questions. Sinon, elle risque de préserver un processus familier sans démontrer pourquoi celui-ci reste utile sur le plan pédagogique.

Le tutorat par IA introduit un autre choix de conception. Un tuteur peut demander l’explication de l’étudiant avant de fournir un retour, plutôt que de livrer immédiatement une réponse complète.

Mais retenir une réponse ne garantit pas la qualité de l’enseignement. Le retour peut toujours être inexact, mal synchronisé ou inadapté à la compréhension de l’étudiant.

Une évaluation pertinente examinerait ce que les étudiants retiennent et transfèrent à des problèmes inconnus. La satisfaction et la rapidité d’exécution décrivent différents aspects de l’expérience.

Le transfert, c’est-à-dire la capacité d’appliquer un apprentissage dans un nouveau contexte, importe parce que les problèmes cliniques se présentent rarement sous des formes identiques. Reproduire une explication constitue une preuve moins solide que l’adapter de manière appropriée.

Cette distinction compte aussi pour la gestion des connaissances. Les étudiants doivent pouvoir conserver les éléments probants à l’origine de leurs décisions, y compris les raisons pour lesquelles une interprétation antérieure a changé.

Pour les ressources d’étude non cliniques, une base de connaissances personnelle peut soutenir cette traçabilité. Conserver les sources reliées aux notes rend les révisions ultérieures plus instructives.

Ce rôle organisationnel doit rester distinct des décisions d’un établissement concernant le traitement des informations sur les patients. Un flux de travail d’étude pratique ne prouve pas qu’un outil a sa place en usage clinique.

La principale opportunité pédagogique consiste à rendre les révisions visibles. Les étudiants peuvent bénéficier du fait de voir comment les preuves modifient une explication, plutôt que de considérer une réponse terminée comme l’aboutissement.

Un exercice assisté bien conçu préserverait ce processus. Il aiderait un enseignant à distinguer la compréhension autonome, la collaboration utile et la dépendance non critique.

La supervision humaine exige des compétences que les établissements peuvent démontrer

Dire qu’un médecin est le décideur final n’explique pas comment la supervision fonctionnera. La supervision exige suffisamment de connaissances, d’attention et d’autorité pour remettre en question un résultat.

Les orientations de l’Organisation mondiale de la Santé sur l’IA en santé identifient des risques comprenant les réponses inexactes, les problèmes de confidentialité, les biais et la dégradation des compétences professionnelles. Elles abordent également le biais d’automatisation, soit la tendance à s’appuyer excessivement sur des recommandations automatisées.

Ces risques compliquent l’hypothèse selon laquelle maintenir une personne dans le processus rend automatiquement un flux de travail fiable. Cette personne doit pouvoir détecter un problème et y répondre efficacement.

La supervision humaine n’est un objectif pédagogique que lorsqu’un établissement peut observer ce que l’humain vérifie réellement.

Un étudiant peut reconnaître qu’une réponse semble plausible sans déterminer si son affirmation centrale est étayée. La confiance inspirée par le langage peut se substituer à l’examen des preuves.

Une évaluation plus solide demanderait à l’apprenant d’identifier l’affirmation la plus importante et de décrire ce qui permettrait de la vérifier ou de la contredire. Cela rend l’examen critique observable.

Elle distinguerait aussi l’incertitude justifiée de l’indécision. Un étudiant devrait pouvoir expliquer ce qui demeure inconnu et pourquoi cette incertitude influe sur l’étape suivante.

Un autre défi consiste à distinguer une conclusion correcte d’un raisonnement acceptable. Un système peut produire la réponse attendue tout en s’appuyant sur une hypothèse qui échoue dans un autre cas.

Si l’évaluation ne récompense que la conclusion, les étudiants ont peu de raisons d’examiner cette hypothèse. Les enseignants perdent alors l’occasion d’identifier une compréhension fragile.

Les biais ajoutent une autre dimension. Les étudiants doivent se demander si une affirmation apparemment générale s’applique à la population ou à la situation examinée.

Cela ne signifie pas qu’il faut attendre de chaque étudiant qu’il audite l’ensemble du processus de développement d’un modèle. Il s’agit de leur apprendre à reconnaître les situations où les preuves ne soutiennent pas une application générale.

La responsabilité s’étend également au-delà de l’apprenant individuel. Les établissements choisissent les outils, définissent les accès et mettent en place la supervision. Ces choix institutionnels déterminent ce que les étudiants peuvent raisonnablement évaluer.

Un étudiant ne peut pas corriger de manière autonome le comportement non documenté d’un produit. L’établissement a besoin d’un processus pour enquêter sur les problèmes et décider si une utilisation continue est appropriée.

Cela fait de la préparation du corps enseignant un élément central de la mise en œuvre. Les enseignants ont besoin d’attentes communes sur ce qui constitue une vérification pertinente et sur la manière dont les étudiants doivent documenter l’incertitude.

Sinon, la supervision peut devenir une consigne vide. On dit aux étudiants de tout vérifier sans leur donner suffisamment d’indications sur les affirmations qui comptent ou les preuves adéquates.

La recherche disponible ne peut trancher qu’un nombre limité de questions. Un essai fondé sur des cas écrits ne peut répondre à toutes les questions relatives à la performance dans un environnement clinique très actif.

De même, une simulation convaincante ne prouve pas l’apprentissage à long terme ni le bénéfice pour les patients. Chaque évaluation répond à une question plus circonscrite que ne le laisse parfois entendre le débat général.

La réponse appropriée consiste à faire correspondre les affirmations aux preuves. Les établissements peuvent reconnaître des capacités prometteuses tout en précisant ce qui n’a pas été évalué dans leur propre contexte pédagogique.

Cette approche rend l’adoption examinable. Elle protège également le programme contre une dépendance à l’optimisme généralisé comme au scepticisme généralisé à l’égard de l’IA.

Ce qu’il faut surveiller après le débat de l’AAMC sur l’éducation à l’IA

Les prochains signaux utiles concerneront les décisions et les résultats mesurés. Au cours des prochains mois, les documents de programme et les évaluations seront plus instructifs qu’une nouvelle approbation générale.

Les progrès deviendront visibles lorsque les établissements préciseront ce que les étudiants doivent démontrer et publieront des preuves de leur capacité à le démontrer.

Le premier signal concerne des règles d’évaluation explicites. Surveillez les établissements qui décrivent quelles tâches exigent une réalisation autonome et lesquelles autorisent ou requièrent une assistance par IA.

Une politique pertinente relierait ces règles à une capacité. Elle expliquerait pourquoi le travail indépendant importe dans un contexte et la performance assistée dans un autre.

De telles politiques renforceraient l’idée que les établissements transforment le débat en conception pédagogique. De vagues déclarations d’autorisation laisseraient sans réponse le problème central de l’évaluation.

Le deuxième signal porte sur les preuves d’apprentissage après le retrait de l’assistance. Recherchez des évaluations qui testent les étudiants sur des problèmes inconnus au lieu de simplement noter des travaux réalisés avec un outil.

Des résultats montrant une compréhension durable soutiendraient un usage pédagogique plus large. Des résultats montrant de meilleures productions assistées parallèlement à une performance indépendante plus faible nécessiteraient une approche plus sélective.

Aucun de ces résultats ne justifierait une conclusion universelle concernant chaque produit. La tâche, le moment de l’intervention, l’expérience de l’étudiant et le retour resteraient importants pour interpréter le résultat.

Le troisième signal est de savoir si les produits éducatifs exposent le raisonnement et la révision à l’évaluation. Recherchez des fonctions permettant aux enseignants d’examiner comment les étudiants répondent aux retours et corrigent leurs erreurs.

Un générateur de réponses soignées peut démontrer une certaine commodité. Un système éducatif utile doit également aider les enseignants à comprendre ce que l’apprenant a apporté et ce qu’il comprend encore mal.

Ces signaux offrent une lecture pratique du débat de l’AAMC sur l’éducation à l’IA sans prétendre qu’un programme établi existe déjà. Le travail non résolu consiste à définir et à mesurer la compétence.

Pour les développeurs, cela crée une exigence produit qui dépasse la génération de réponses exactes. La valeur pédagogique dépend de la capacité à rendre la compréhension de l’étudiant visible sans accomplir inutilement la tâche d’apprentissage à sa place.

Pour les acheteurs institutionnels, cela modifie la question d’évaluation. La comparaison pertinente inclut ce que les apprenants peuvent faire par la suite, et non seulement la vitesse à laquelle ils terminent pendant une démonstration.

Lisez la prochaine annonce de programme en gardant ces distinctions à l’esprit. Demandez quelles capacités restent des exigences autonomes, comment le travail assisté sera évalué et quelles preuves soutiennent les limites retenues. Suivez les évaluations qui font état d’une compréhension durable, de révisions utiles et de performances face à des problèmes inconnus. Considérez la rapidité d’exécution comme une mesure parmi d’autres, plutôt que comme un substitut à l’apprentissage. La question la plus éclairante pour la prochaine annonce d’un établissement ou d’un fournisseur est concrète : les étudiants peuvent-ils expliquer leurs décisions, contester une erreur plausible et transposer cette compréhension à un nouveau cas ? C’est la preuve nécessaire pour juger si l’assistance par IA contribue à former les médecins qui assumeront en définitive la responsabilité des soins.