2025 a apporté une étrange convergence : les essais universitaires et les coloscopies ont tous deux démontré ce qui peut se passer lorsque l'intelligence artificielle (IA) dirige le travail.

Tout d'abord, les données du collège : Une équipe du MIT a rapporté en juin que lorsque les étudiants utilisaient ChatGPT pour écrire des essais, ils contractaient une dette cognitive et "les utilisateurs étaient constamment sous-performants aux niveaux neuronal, linguistique et comportemental", ce qui a entraîné une "diminution probable des compétences d'apprentissage".

Puis est venu l'écho clinique. Dans une étude prospective de Pologne publiée le mois dernier dans The Lancet Gastroenterology and Hepatology, les gastro-entérologues qui s'étaient habitués à un système de coloscopie assisté par l'IA semblaient être environ 20 % moins nombreux pour repérer les polypes et autres anomalies lorsqu'ils travaillaient par la suite sur eux-mêmes. En seulement 6 mois, les auteurs ont observé que les cliniciens sont devenus "moins motivés, moins concentrés et moins responsables lorsqu'ils prennent des décisions cognitives sans l'aide de l'IA".

Pour la médecine, ce mélange soulève des questions inconfortables.

Qu'arrive-t-il à l'esprit d'un médecin lorsqu'il y a toujours un moteur de recommandation entre la pensée et l'action ?

À quelle vitesse les habitudes d'attention s'estompent-elles lorsque la machine fait la pré-lecture, le tri, même le premier coup de poignard à un diagnostic ?

S'agit-il simplement d'un revers temporaire pendant que nous nous habituons aux outils, ou est-ce le début d'un changement plus profond dans ce que font les médecins ?

Comme beaucoup de choses liées à l'IA, les réponses dépendent de la personne à qui vous demandez.

Une pièce avec plusieurs côtés

En apparence, tout type d'érosion cognitive chez les médecins en raison de l'utilisation de l'IA est alarmant. Cela suggère un certain désengagement avec les tâches à un niveau fondamental et même un biais d'automatisation - une dépendance excessive aux systèmes de machines sans même savoir que vous le faites.

Ou est-ce le cas ? Les données de l'étude "semblent aller à l'encontre de ce que nous voyons souvent", soutient Charlotte Blease, PhD, professeure agrégée à l'Université d'Uppsala, en Suède, et auteure du Dr. Bot : Pourquoi les médecins peuvent nous faire échouer - et comment l'IA pourrait sauver des vies. « La plupart des recherches montrent que les médecins sont algorithmiquement opposés. Ils ont tendance à tenir leur nez aux sorties d'IA et à les remplacer, même lorsque l'IA est plus précise. »

Si les cliniciens ne font pas défaut à la confiance aveugle, pourquoi les performances se sont-elles affaissées lorsque l'IA a été supprimée ?

Une possibilité est que les attitudes et les habitudes changent avec une exposition soutenue. « Nous pourrions commencer à voir un changement dans certains domaines, où les médecins commencent à se reporter à l'IA », dit-elle. « Et ce n'est peut-être pas une mauvaise chose. Si la technologie est toujours meilleure dans une tâche technique étroite, alors s'appuyer sur elle pourrait être souhaitable. »

La clé, à son avis, est le « point idéal judicieux de l'engagement critique ».

L'optique sociale peut couper dans l'autre sens.

Une récente expérience randomisée de la Johns Hopkins Carey Business School avec 276 cliniciens en exercice a révélé que les médecins qui s'appuyaient principalement sur l'IA générative pour prendre des décisions encouraient une "pénalité de compétence" aux yeux de leurs collègues. Ils étaient considérés comme moins capables que les pairs qui n'utilisaient pas l'IA, avec seulement un soulagement partiel lorsque l'IA a été présentée comme un deuxième avis.

Si vous acceptez l'IA, vous risquez le statut ; si vous la remplacez, vous risquez la précision. C'est un problème de conception et de gouvernance, et un problème d'attitude.

« L'érosion » dépend de la tâche.

Nigam Shah, MBBS, PhD, professeur de médecine à l'Université de Stanford, en Californie, et scientifique en chef des données pour Stanford Health Care, soutient que le point de départ est faux.

« La question à poser est de savoir dans quelle fidélité les outils d'IA peuvent-ils retirer complètement le travail de mon assiette », dit-il. « Par exemple, lorsque je m'entraînais, nous avions l'habitude de compter manuellement les globules blancs au microscope à l'aide d'un compteur de cellules. Aujourd'hui, nous utilisons un trieur de cellules. Nous ne demandons pas si la compétence d'un clinicien à faire le nombre différentiel de cellules manuellement a été atrophiée. »

En d'autres termes, toutes les tâches ne méritent pas la même préoccupation concernant l'érosion. Shah recommande d'éviter le diagnostic comme première frontière. « Il y a tellement de tâches simples à réparer qui sont négligées. » Pourquoi voulons-nous aller directement aux tâches les plus difficiles, comme la perspicacité du diagnostic et la planification du traitement, pour lesquelles nous passons 10 ans à former le médecin ? »

Ethan Goh, MD, directeur exécutif de Stanford ARISE (IA Research and Science Evaluation), convient que le recadrage de la liste des tâches modifie les enjeux. Mais il insiste également sur le fait que "différent" ne signifie pas nécessairement "diminué", ce qui "implique que les compétences cognitives d'un médecin se détérioreront", dit-il. La route vers "différent" commence par une cartographie explicite des tâches.

« Par exemple, une fois que nous avons commencé à cartographier les différentes façons dont les médecins utilisent l'IA - il s'agit d'une orientation d'étude en cours à Stanford et à Harvard pour laquelle ARISE a remporté une subvention Macy's AI in Education - nous pouvons commencer à mesurer la performance de l'IA seule par rapport à l'IA avec les médecins pour chacune de ces tâches », dit-il.

Ensuite, vous attribuez de l'attention avec un but. « Nous pouvons prendre une décision éclairée sur les tâches sur lesquelles appliquer les efforts cognitifs limités des médecins et sur quelles tâches nous devons nécessairement continuer à former et à tester les étudiants en médecine, les résidents et les médecins, afin que leurs compétences cognitives dans ces domaines ne se détériorent pas », poursuit Goh.

Il utilise l'aviation comme une analogie, soulignant que le pilote automatique a rendu le vol plus sûr, "mais les pilotes enregistrent toujours le temps manuel de "stick-and-dudder" dans les simulateurs, pratiquent les modes d'échec et subissent des contrôles de compétence réguliers", dit Goh.

Où les compétences commencent à glisser

Goh soutient que ce n'est pas que les compétences des médecins disparaissent simplement ; le vrai défi est de déterminer lesquels doivent être protégés. « Les robots et les procédures automatisées sont encore loin d'longtemps par rapport au travail de la connaissance », dit-il.

Il signale un risque cognitif à court terme. « Alors que l'IA devient si bonne, ou plus précise à 99 %, les experts humains se souviennent tellement à l'IA et deviennent sensibles aux biais d'automatisation et aux biais d'ancrage », dit-il. Ce n'est pas une raison d'arrêter ; c'est une raison de façonner comment et quand l'aide apparaît.

Si l'adoption dépasse la préparation, c'est un écart de leadership et d'éducation à combler, déclare Bertalan Meskó, PhD, directeur de l'Institut médico-futuriste, Budapest, Hongrie. « L'IA, et en particulier ceux qui développent l'IA, ne se soucient pas des compétences des médecins, mais se concentrent sur le remplacement des tâches basées sur les données et répétitives afin de réduire le fardeau des professionnels de la santé », dit-il. « Il serait de la responsabilité de ceux qui conçoivent des programmes médicaux de s'assurer que, tandis que les médecins apprennent à utiliser une gamme de technologies basées sur l'IA, leurs compétences et leur compréhension ne s'éroderont pas. »

Le résultat de la coloscopie souligne l'urgence, et il ne s'agit pas seulement d'un litige d'encadrement.

« L'utilisation de stéthoscopes a conduit à des niveaux de confiance et d'efficacité beaucoup plus élevés pour les professionnels de la santé dans le diagnostic des maladies cardiaques et pulmonaires », dit Meskó. « L'utilisation de l'IA devrait conduire à la même chose. Ce qui est déjà clair maintenant, c'est que la mise en œuvre élémentaire de l'IA dans les flux de travail médicaux ne soutiendra pas cette vision car cette technologie est beaucoup plus compliquée et moins intuitive qu'un stéthoscope. Cela nécessite un tout nouveau niveau de connaissances, de compétences et d'un état d'esprit pour que cela fonctionne en notre faveur. »

Si vous voulez une carte de l'endroit où les compétences vacillent en premier, Chiara Natali, doctorante à l'Université de Milan-Bicocca, en a une. Dans un récent examen, elle et ses collègues ont constaté que l'IA menace certaines des parties les plus centrales de la pratique clinique : la compétence pratique de l'examen des patients, la capacité à communiquer clairement et à gérer leurs préoccupations, l'art de construire un diagnostic différentiel et le jugement plus large qui lie tout cela.

Elle a également souligné deux vulnérabilités qui traversent toutes ces zones. L'un est particulièrement lié à l'IA : le risque que les cliniciens se méfient trop ou rejettent par réflexe les conseils algorithmiques. L'autre est plus collective : à mesure que les équipes s'appuient sur des machines, elles risquent de perdre la conscience partagée, ce qui rend plus difficile la détection des erreurs ou le soutien des autres lorsque les compétences commencent à s'estomper.

« L'IA n'étend pas seulement ce que les cliniciens peuvent voir (la couche sensorielle) ; elle façonne également ce qu'ils sont enclins à décider (la couche de décision) », dit Natali. Les outils qui « classent les différentiels, suggèrent les prochaines étapes ou pré-remplissent les rapports » peuvent pousser la déférence et « risquer d'éroder la méta-compétence de juger quand ne pas suivre une recommandation ».

Pouvons-nous récupérer les compétences perdues ? « Les principes de la neuroplasticité suggèrent « de l'utiliser ou de le perdre » », dit Natali. « Et inversement, utilisez-le délibérément pour le récupérer. »

L'hypothèse de Goh est que cela a moins à voir avec la formation et l'éducation et plus à voir avec la "conception réfléchie des interactions entre l'homme et l'ordinateur", dit-il. « Comment concevons-nous un produit d'IA ou un soutien à la décision clinique qui s'intègre dans le flux de travail existant du médecin ? Comment pouvons-nous introduire des signaux visuels et autres qui alertent un médecin si nécessaire ? »

Il souligne des modèles pratiques - files d'attente de triage pour la radiologie ; alertes de « filet de sécurité » de feux de circulation ; eConsults rédigées par l'IA qui maintiennent le fournisseur de soins primaires (PCP) en charge. « Cela signifie que le PCP a toujours le contrôle, tout en bénéficiant d'une éducation et d'une sensibilisation aux mesures qu'il pourrait prendre plus tôt au nom du patient. »

L'avenir : les inévitabilités, bonnes et mauvaises

L'horizon plus long revient à l'identité. Blease est direct sans excuses. « Je crois qu'au fil du temps, un certain degré de déqualification est inévitable, et ce n'est pas nécessairement une mauvaise chose », dit-elle. « Si l'IA s'améliore constamment dans certaines compétences techniques, insister pour que les médecins continuent à effectuer ces tâches juste pour préserver l'expertise pourrait en fait nuire aux patients. »

Elle met en garde contre un double standard qui "tient l'IA à un niveau beaucoup plus élevé que nous, les médecins humains". Et elle pose la question que la plupart des institutions esquivent. « Nous devons commencer à penser à un monde post-docte. Nous aurons besoin d'une variété de professionnels de la santé informés de l'IA. Une grande variété de nouveaux rôles émergeront, y compris dans la formation, les tests et la surveillance éthique de ces outils, dans la conservation des ensembles de données et dans le travail aux côtés de ces outils, pour fournir des soins et améliorer les résultats pour les patients. »

À plus court terme, elle veut "des conseils clairs et une formation courte et pratique pour les cliniciens", y compris "les dimensions éthiques de l'IA : parti pris, transparence, vie privée".

Alors, où cela laisse-t-il un interniste, un chirurgien ou un gastro-entérologue qui sera exhorté (et peut-être même contraint) à utiliser plus d'IA au cours des 5 prochaines années ?

Les experts ne sont pas toujours d'accone à œil, mais leurs conseils pointent dans une direction similaire. Choisissez d'abord les bons travaux pour la machine. Utilisez l'IA impitoyablement pour enlever la traînée administrative afin que peu d'attention humaine puisse être dépensée là où elle compte. Mesurer la dépendance et la performance ; séquencer l'assistance après l'effort initial ; protéger la pratique délibérée sans l'outil. Attendez-vous à ce que les compétences soient redistribuées et prévoyez-le dans les programmes d'études, les diplômes et la conception d'équipe. Concevoir des produits qui tiennent les cliniciens tichiens au bon moment et une explicabilité au premier plan. Apprenez aux cliniciens à dire aux patients quand ils ont fait confiance à la machine et quand ils ne l'ont pas fait.

Le meilleur résultat est que l'IA remodèle la médecine de manière intentionnelle : nous choisissons les tâches qu'elle devrait accomplir, nous mesurons quand elle aide ou nuit, et nous formons les cliniciens à rester profondément humains pendant que les machines effectuent un travail de modélisation évolutive. Dans cet avenir, le jugement clinique est moins déplacé que redéployé, les médecins passant moins d'heures à lutter contre les logiciels et plus de temps à donner un sens aux gens.

SYNTHÈSE
L'article examine la question de l'érosion des compétences cognitives chez les médecins due à l'utilisation de l'intelligence artificielle (IA), citant des études montrant une diminution des performances lorsque l'IA est retirée, notamment dans le domaine de la coloscopie. Des experts proposent différentes perspectives, certains considérant une certaine désaffection des compétences inévitable et potentiellement bénéfique si l'IA excelle dans certaines tâches techniques. D'autres soulignent que le problème réside dans le choix des tâches confiées à l'IA et la nécessité de protéger les compétences fondamentales telles que le jugement clinique et le diagnostic. Le texte insiste sur la nécessité d'une conception réfléchie des interactions homme-machine et d'une réforme des programmes de formation médicale pour maintenir les compétences et la conscience partagée au sein des équipes de soins. En fin de compte, l'objectif est de redéfinir le rôle du jugement clinique pour que les médecins puissent se concentrer sur les aspects humains des soins.

UN CONTRE-EXEMPLE

Tu, T., Schaekermann, M., Palepu, A. et al. Vers une intelligence artificielle diagnostique conversationnelle.  Nature 642 , 442–450 (2025). https://doi.org/10.1038/s41586-025-08866-7
https://www.nature.com/articles/s41586-025-08866-7#citeas
Article libre d'accès


Au cœur de la médecine se trouve le dialogue médecin-patient, où une anamnèse habile permet un diagnostic et une prise en charge efficaces, ainsi qu'une confiance durable .

Les systèmes d'intelligence artificielle (IA) capables de dialoguer diagnostiquement pourraient améliorer l'accessibilité et la qualité des soins.

Cependant, se rapprocher de l'expertise des cliniciens constitue un défi majeur.

Nous présentons ici AMIE (Articulate Medical Intelligence Explorer), un système d'IA basé sur un modèle de langage étendu (LLM) optimisé pour le dialogue diagnostique.

AMIE utilise un environnement simulé basé sur le jeu en libre-service ^{https://arxiv.org/abs/2305.10142 (2023)." data-track="click" data-track-action="reference anchor" data-track-label="link" data-test="citation-ref" aria-label="Référence} avec un retour d'information automatisé pour adapter l'apprentissage à différentes pathologies, spécialités et contextes.

Nous avons conçu un cadre d'évaluation des axes de performance cliniquement significatifs, notamment l'anamnèse, la précision diagnostique, la prise en charge, les compétences en communication et l'empathie. Nous avons comparé les performances d'AMIE à celles des médecins généralistes dans une étude croisée randomisée en double aveugle portant sur des consultations textuelles avec des patients-acteurs validés, similaires à un examen clinique objectif structuré  .

L'étude comprenait 159 cas cliniques de prestataires de soins au Canada, au Royaume-Uni et en Inde, 20 médecins de premier recours comparés à AMIE, ainsi que des évaluations de médecins spécialistes et de patients-acteurs. AMIE a démontré une plus grande précision diagnostique et une performance supérieure sur 30 axes sur 32 selon les médecins spécialistes et 25 axes sur 26 selon les patients-acteurs. Notre recherche comporte plusieurs limites et doit être interprétée avec prudence. Les cliniciens ont utilisé le clavardage textuel synchrone, qui permet des interactions à grande échelle entre les patients et les étudiants en médecine, mais cette méthode est peu courante en pratique clinique. Bien que des recherches supplémentaires soient nécessaires avant qu'AMIE puisse être transposé en situation réelle, les résultats représentent une étape importante vers l'IA diagnostique conversationnelle.