Et si on apprenait la médecine deux fois plus vite ? Repenser le cursus à l'ère de l'IA

TL;DR. Les études de médecine ne sont pas longues parce que la médecine est difficile, mais parce qu’on l’enseigne en silos, hors contexte clinique, et au gré du hasard des stages. On gaspille des années à ré-apprendre, à oublier et à attendre. Cet essai propose une architecture en quatre couches, des méta-briques de raisonnement aux systèmes intégrés, du programme spiralaire à l’IA et la VR qui densifient et personnalisent l’apprentissage. De quoi gagner plusieurs années sans rien retirer à la sécurité du patient, avec une frontière nette : l’IA est un copilote, pas un pilote automatique.

Les mêmes briques. En vrac, ou dans le bon ordre.

J’ai appris le fonctionnement du rein au moins cinq fois.

L’anatomie une année, la physiologie une autre, la pharmacologie plus tard, la pathologie encore après, puis la néphrologie clinique tout à la fin. Cinq passages, cinq enseignants, cinq blocs qui ne se parlaient pas. Entre chaque, l’oubli faisait tranquillement son travail.

On m’a toujours dit que les études de médecine sont longues parce que la médecine est immense. C’est à moitié vrai. La médecine est immense, oui. Mais la durée de nos études ne tient pas tant à la difficulté de la matière qu’à la façon dont on l’enseigne.

Je le dis d’autant plus librement que j’ai traversé ce cursus, et que je le pratique aujourd’hui. Ma conviction est simple : on ne perd pas des années à apprendre, on les perd à ré-apprendre, à oublier, et à attendre. Et l’intelligence artificielle, loin d’être un gadget de plus, nous donne l’occasion de tout repenser.

Voici comment je crois qu’on pourrait apprendre la médecine beaucoup plus vite. Sans jamais transiger sur ce qui compte vraiment : la sécurité du patient.

Le vrai problème : on n’apprend pas lentement, on gaspille

Avant de proposer quoi que ce soit, il faut poser le diagnostic. Le cursus médical classique souffre, selon moi, de trois pathologies structurelles.

1. Les cours vivent en silos

L’anatomie d’un côté, la physiologie de l’autre, puis la biochimie, la pharmacologie, la pathologie. Chacune dans son bloc, à son moment, avec son enseignant. Reprenons le rein. L’anatomiste ignore ce que dira le pharmacologue deux ans plus tard, qui lui-même n’a pas en tête le cours de néphrologie clinique de la cinquième année.

Et il y a le problème en miroir. Une maladie ne reste pas sagement dans le module où on l’a rencontrée. Le diabète, on le croise d’abord en endocrinologie, puis il revient en néphrologie quand le rein s’abîme, en ophtalmologie quand la rétine souffre, en neurologie quand les nerfs lâchent, en cardiologie pour le risque vasculaire. Chaque fois sous un autre visage, dans un autre cours, avec un autre enseignant. Sur le moment, l’étudiant voit cinq problèmes séparés. Il lui faudra des années pour comprendre que c’est une seule maladie qui parle cinq langues. Faire ce lien, et le faire tôt, c’est précisément ce qui sépare le débutant de l’expert.

Résultat : l’étudiant accumule des fragments. Et le lien entre ces fragments, qui est précisément ce qui fait l’expertise médicale, il ne le tisse que tard, souvent à l’internat. On passe des années avec des briques en vrac, en attendant le moment où le tableau d’ensemble se dessine enfin.

2. La théorie et la clinique vivent séparées

On empile deux ou trois ans de savoir abstrait avant de toucher un patient. L’intention est louable : poser les fondations avant de construire. Mais la science cognitive va à rebours de cette logique. Un savoir appris hors contexte s’oublie vite (la fameuse courbe d’oubli d’Ebbinghaus) et, plus grave encore, il ne se transfère pas à la situation réelle.

Autrement dit : on mémorise pour l’examen, on oublie pendant l’été, on ré-apprend en stage. Deux fois le travail pour la moitié du résultat.

3. L’exposition clinique est laissée au hasard

Pour devenir un bon clinicien, il faut voir beaucoup de cas. Beaucoup de cas fréquents, pour installer des automatismes. Mais aussi assez de cas rares et de pièges, pour ne pas se faire surprendre le jour venu. Or aujourd’hui, cette exposition est opportuniste. On apprend en tombant sur les bons cas, au gré des stages, des gardes, de la chance. Si votre semestre ne vous a pas mis face à telle pathologie rare, tant pis. Vous la rencontrerez peut-être pour la première fois sur un vrai patient.

Le point commun de ces trois maux ? Ce n’est pas que la médecine soit lente à apprendre. C’est qu’on gaspille : on ré-apprend ce qu’on a oublié, on oublie ce qu’on n’a pas ancré, et on attend passivement une exposition qu’on pourrait organiser.

La bonne nouvelle, c’est que le gaspillage, ça se supprime.

L’intuition de départ : les bonnes briques, dans le bon ordre

Si je devais résumer toute la stratégie en une phrase : on accélère l’apprentissage en posant d’abord les bonnes briques, pour que chaque notion nouvelle vienne s’accrocher à une structure déjà là, au lieu de flotter seule dans la mémoire.

C’est ce qui se passe quand on apprend une langue. On n’apprend pas le vocabulaire en vrac : on installe d’abord une grammaire, une structure, et chaque mot nouveau trouve ensuite sa place. En médecine, on fait souvent l’inverse. On déverse le vocabulaire avant la grammaire.

Plutôt que de chercher le principe organisateur unique, je crois qu’il faut un mélange séquencé : chaque principe est optimal à un moment différent de l’apprentissage. Concrètement, ça donne une architecture en quatre couches qui s’empilent.

Une architecture en quatre couches

Couche 0 — Les méta-briques : la grammaire de la médecine

Avant les organes, avant la clinique, on installe les grands invariants. Ces principes qui se retrouvent absolument partout en médecine. Je les appelle des méta-briques, parce qu’une fois maîtrisées, elles rendent une immense partie du reste déductible plutôt que mémorisable.

Quelques exemples :

• L’homéostasie et les boucles de régulation. Le principe du feedback (positif ou négatif) explique d’un coup la glycémie, la tension artérielle, la thyroïde, le calcium, la température, les axes hormonaux. On le comprend une fois, et on tient la clé de dizaines de chapitres.
• Les gradients et le transport. Pression, concentration, électrochimie : c’est le moteur de la respiration, de la filtration rénale, du potentiel d’action, des œdèmes.
• Les grands mécanismes lésionnels. Inflammation, ischémie, dérégulation proliférative (le cancer), auto-immunité, infection, dégénérescence. J’en compte six principaux, mais la liste n’a rien de sacré : on pourrait la raffiner, en ajouter (le traumatique, le toxique, le métabolique, le génétique). L’essentiel n’est pas le nombre exact, c’est l’idée. La quasi-totalité de la pathologie n’est qu’une combinaison d’un petit nombre de mécanismes.
• La pharmacologie fondamentale. Agoniste, antagoniste, pharmacocinétique, dose-réponse, demi-vie. Une fois ces principes en place, chaque nouveau médicament devient simplement l’instance d’une règle qu’on connaît déjà.
• Le raisonnement sous incertitude. Probabilités, prévalence, sensibilité, spécificité, le théorème de Bayes. C’est, ni plus ni moins, le squelette de tout raisonnement diagnostique. Et c’est, soit dit en passant, l’une des choses les plus mal enseignées du cursus actuel.

L’idée force est là : maîtriser le raisonnement bayésien une seule fois vaut bien mieux que de mémoriser deux cents valeurs prédictives positives séparées. Cette couche transforme la médecine d’un exercice de mémoire en un exercice de raisonnement. C’est l’effet de levier maximal.

Couche 1 — Les systèmes intégrés : assembler au lieu d’empiler

Vient ensuite le cœur du cursus : des blocs verticaux, organisés par système. Cardiovasculaire, rénal, respiratoire, et ainsi de suite. Mais avec une différence radicale par rapport au modèle actuel. Chaque bloc fusionne en une seule unité cohérente l’anatomie, la physiologie, l’histologie, la pharmacologie, la pathologie, la sémiologie et l’imagerie du même organe, en même temps.

Fini, donc, les cinq passages séparés sur le rein. On l’apprend une fois, mais en profondeur, et de façon intégrée. Le lien entre la structure et la fonction, entre le médicament et la maladie, on le fait immédiatement, parce qu’il est sous les yeux.

Et l’ordre des blocs n’est pas anodin : on va du fondamental au dérivé. On commence par les systèmes dont la physiologie est la plus généralisable, le cardiovasculaire et le rénal, là où règnent les gradients et la régulation, puis on construit dessus. Les systèmes les plus intégratifs, comme la neurologie ou l’endocrinologie, viennent ensuite, parce qu’ils réutilisent les briques déjà posées.

Ce n’est pas une utopie. Plusieurs facultés organisent déjà leur enseignement par systèmes, et les données suggèrent que c’est à la fois plus efficace en temps et mieux vécu. Dans l’une d’elles, le taux d’abandon a chuté de près de 40 % à 1,3 %, et l’environnement d’apprentissage y est jugé excellent par les étudiants (un score de 152,5 sur 200 à l’échelle DREEM, une mesure standardisée du climat pédagogique) (Journal of Medical Education and Curricular Development).

Couche 2 — La spirale : revisiter plutôt que terminer

Dans cette architecture, le cas clinique n’est pas la récompense finale qu’on s’autorise après des années de théorie. Il devient le point d’entrée de chaque notion, dès la première semaine. On part du patient, du problème, et on remonte vers les mécanismes. C’est l’inverse exact de l’ordre habituel.

Et le programme est spiralaire, au sens où l’entendait le pédagogue Jerome Bruner : chaque thème est revisité deux ou trois fois, à des niveaux de complexité croissants, plutôt que « bouclé » en une seule fois. La première rencontre pose les bases, la deuxième ajoute la nuance clinique, la troisième intègre la complexité du cas réel.

Cette répétition espacée n’est pas du temps perdu. C’est justement ce qui combat l’oubli et automatise les liens. Un essai mené sur 26 258 médecins et internes l’a montré : la répétition espacée surpasse l’étude répétée, nettement pour l’apprentissage, plus modestement pour le transfert des connaissances (American Board of Family Medicine).

Couche 3 — L’IA et la VR : densifier l’exposition, personnaliser l’apprentissage

C’est ici que se cache le levier d’accélération le plus puissant, et le plus neuf. Il agit sur deux fronts.

Premier front : densifier l’exposition. Voir mille patients prend aujourd’hui des années. Imaginez un patient virtuel génératif, piloté par une IA, capable de simuler une consultation réaliste, de répondre à vos questions, de présenter des symptômes, de réagir à vos décisions. D’un coup, l’exposition clinique cesse d’être une loterie. Elle devient curatée : séquencée par difficulté croissante, avec une sur-représentation délibérée des cas rares et des pièges diagnostiques que la vraie vie ne garantit jamais.

L’idée, on l’emprunte directement à d’autres mondes :

• À l’aviation, le simulateur de vol. Un pilote « vit » cinquante crashs en simulateur avant d’en éviter un seul dans le réel. Pourquoi le médecin de demain ne ferait-il pas ses heures de raisonnement sur des patients synthétiques, avant et pendant son contact avec les vrais ?
• Au jeu vidéo, la courbe de difficulté adaptative et la répétition espacée gamifiée. La logique d’un Anki ou d’un Duolingo, appliquée au raisonnement clinique.
• À la réalité virtuelle, pour les gestes techniques : une anatomie en 3D qu’on manipule, des procédures qu’on répète à l’infini, sans aucun risque pour un patient.

Là encore, ce n’est pas de la science-fiction. En médecine, de premiers essais randomisés suggèrent que s’entraîner sur des patients virtuels pilotés par IA améliore des compétences cliniques mesurées objectivement, comme la conduite de l’interrogatoire du patient (l’anamnèse), même si ces études restent de petite taille (McCarrick et al., Journal of Surgical Education 2025 ; Brügge et al., BMC Medical Education 2024). Et pour les gestes techniques, un essai pilote en réalité virtuelle a montré que les étudiants entraînés surpassent les groupes témoins sur les scores de performance procédurale (46 contre 39 sur une échelle de 55), après moins d’une heure d’exercice (Surgical Innovation, Sage).

Second front : personnaliser. Et c’est peut-être le plus sous-estimé.

Un cours est écrit pour une promotion entière. Or personne n’apprend exactement comme son voisin. L’un a besoin de plus de biochimie pour accrocher, l’autre d’un schéma, le troisième d’une analogie, le quatrième d’un cas concret posé avant la théorie.

Une IA générative peut prendre le même contenu et le reformuler à volonté. Transformer un chapitre dense en schéma, en histoire, en série de questions, en cas clinique, jusqu’à ce que ça fasse tilt pour cet étudiant-là. Elle s’ajuste à son niveau, repère précisément où il bloque, et comble ce trou-là, pas un autre. Elle est disponible à trois heures du matin, infiniment patiente, et ne juge jamais la question « bête ».

C’est le vieux rêve de la pédagogie : un précepteur particulier pour chacun. Benjamin Bloom l’avait déjà mesuré dans les années 80, un élève suivi en tête-à-tête progresse bien plus qu’en classe. Ce qui était impossible à grande échelle, un tuteur par élève, devient soudain possible.

Une nuance, et elle est capitale : le tuteur reformule, il ne dispense pas d’apprendre. Le but n’est pas que l’IA comprenne à votre place, c’est qu’elle vous amène à comprendre plus vite. Cette distinction n’est pas un détail. C’est tout l’objet de la section suivante.

Le rôle de l’IA : un copilote, pas un pilote automatique

Reste une question essentielle, presque philosophique : si l’IA peut tout retenir, que reste-t-il à apprendre au médecin ?

Ma conviction est qu’il faut tenir un équilibre clair, avec une frontière nette. D’un côté, un socle dur, incompressible, à maîtriser sans aucune assistance. De l’autre, une délégation assumée de tout ce qui est volumineux et consultable sans risque.

Le socle dur, c’est tout ce qui engage la sécurité immédiate du patient :

• Les méta-briques de raisonnement de la Couche 0.
• Les gestes d’urgence vitale et la conduite face au patient instable.
• Le raisonnement diagnostique de première intention, parce qu’on ne peut pas dépendre d’un outil qui peut tomber en panne, ou pire, halluciner.
• Et surtout, la capacité à détecter quand l’IA se trompe. Car pour repérer l’erreur d’une IA, il faut comprendre soi-même le raisonnement. On ne supervise pas ce qu’on ne maîtrise pas.

Ce qu’on délègue, en revanche : les doses exactes, les scores cliniques, les arbres décisionnels détaillés, les interactions médicamenteuses, la mise à jour des recommandations (qui changent de toute façon plus vite qu’on ne peut les ré-apprendre).

La frontière n’est donc pas « facile contre difficile ». Elle est « ce qui engage la sécurité immédiate du patient » contre « ce qui se consulte sans danger ». On ne forme plus des disques durs. On forme des processeurs, capables de superviser un copilote.

Pourquoi tout cela ferait gagner des années

Reprenons les trois sources de gaspillage du début, et regardons ce que chaque couche vient résoudre :

• Le ré-apprentissage des cinq passages sur le rein ? Éliminé par l’intégration (Couche 1) et la spirale (Couche 2).
• L’oubli du savoir décontextualisé ? Réduit par l’ancrage clinique précoce (Couche 2).
• L’attente passive du bon stage ? Compressée par l’exposition densifiée en IA et en VR (Couche 3).
• La mémorisation brute du volumineux ? Libérée par les méta-briques (Couche 0) et la délégation intelligente à l’IA.

Le gain de temps ne vient donc pas d’un apprentissage « plus rapide » au sens brutal. On ne va pas faire avaler les mêmes cours à double vitesse. Il vient de la suppression méthodique du gaspillage.

Et ce gain est réel, mesuré. NYU Grossman fait déjà tourner un cursus intégré, condensé sur trois ans au lieu de quatre. Les résultats sont nets : les diplômés réussissent aussi bien aux examens de connaissances, obtiennent leurs mentions de stage au même rythme, et 100 % d’entre eux ont atteint ou dépassé les attentes en début d’internat, contre 96,9 % au niveau national. Et pour la promotion 2022, le score à un examen normalisé de connaissances (le HSS NBME) est passé de 66 à l’entrée à 83 en fin de cursus (Medical Education Online ; AAMC). Sans surcoût de burnout, sans perte de satisfaction.

Si on gagne déjà un an en réorganisant à la marge, qu’est-ce qu’on gagnerait en repensant tout l’édifice, IA et VR comprises ?

Les questions qui restent ouvertes

Je ne prétends pas détenir une solution clé en main. Plusieurs questions méritent encore d’être tranchées, et je les pose ici autant pour vous que pour moi :

• Comment évalue-t-on ? Comment mesurer séparément la maîtrise du socle dur (sans IA) et la compétence assistée (avec IA) ?
• Quel ratio de patient réel reste incompressible ? Aussi performante soit la simulation, une part de contact humain réel restera irremplaçable. Où placer le curseur ?
• Comment éviter que la béquille n’atrophie le muscle ? Si l’IA reformule tout et comble tous les trous, comment s’assurer qu’elle entraîne le raisonnement au lieu de le remplacer ?
• Quand bifurquer vers une spécialité ? À partir de quel moment l’étudiant qui se destine à l’oncologie, à la chirurgie ou à la médecine générale doit-il commencer à diverger ?

Ce sont de vraies questions, et je n’ai pas toutes les réponses. Mais d’une chose je suis convaincu : la durée actuelle de nos études n’est pas une fatalité gravée dans la nature de la médecine. C’est le produit d’une organisation héritée, que rien ne nous oblige à conserver telle quelle.

L’IA ne va pas remplacer les médecins. Mais elle pourrait bien nous aider à les former mieux, et plus vite. À condition qu’on accepte de repenser l’ordre des briques.

En somme, la longueur de nos études n’est pas écrite dans la médecine. Elle est écrite dans une organisation. Et une organisation, ça se réécrit.

PS : ceci est une réflexion ouverte, pas une thèse fermée. Les contre-exemples m’intéressent plus que les approbations. C’est en se confrontant qu’une idée devient solide.