Nous ne présentons plus les guides AMEE, outils précieux à destination des formateurs par les synthèses qu’ils proposent sur des thématiques phares en éducation médicale. Si vous ne les connaissez pas encore, je ne peux que vous encourager à parcourir la liste des 178 guides publiés à ce jour dans la revue Medical Teacher.

Pour ce guide, la promesse n’est rien de moins qu’alléger les peurs face au changement et révéler toutes les possibilités pour que formateurs et apprenants domptent pleinement l’IA en évaluation.
 
Dans le champ constamment évolutif de l’IA, le constat principal est donc la nécessité d’une adaptation et de réévaluations, elles aussi permanentes. Le fil conducteur de la démarche reste la validité de l’interprétation des données d’évaluation : dans un monde idéal, les résultats de l’évaluation devraient refléter avec exactitude les apprentissages réalisés et les compétences développées.
 
Plusieurs thématiques sont abordées dans le guide. À une période où nous nous interrogeons beaucoup sur le tutorat et ses modalités au sein de mon équipe, je vous propose de concentrer cette analyse sur la partie dédiée du guide. Ce dernier aborde toutefois également les théories de l’apprentissage en rapport avec l’IA, les questions de standardisation, de modalité d’évaluation, mais aussi les enjeux éthiques en lien avec l’utilisation de l’IA. En résumé, les auteurs nous rappellent que des cadres et modèles pédagogiques permettant d’intégrer l’IA de façon réfléchie dans les curricula existent. Ils insistent en outre sur le risque d’anthropomorphisme dans le rapport aux nouveaux outils d’IA, et sur la nécessité de naviguer avec réflexivité dans le continuum, allant de la peur panique envers l’IA à un enthousiasme débordant qui n’est pas forcément plus approprié. 
 
Les auteurs soulignent les apports des outils d’IA pour fournir des feedbacks adaptés aux besoins spécifiques de chaque apprenant, et ce, de manière réactive, en temps réel… jusqu’à la possibilité de «?compagnons virtuels personnalisés d’apprentissage?». Il semble toutefois que ce tuteur du futur n’existe pas encore tout à fait. Ses caractéristiques?? Participer à un dispositif d’évaluation programmatique avec de nombreuses évaluations à faibles enjeux, dites formatives, dont l’intérêt majeur réside dans la rétroaction pour appuyer les apprentissages de façon individualisée à chaque étudiant. Comme souvent, dans ce domaine, il s’agit surtout de mobiliser des outils, de manière réfléchie, pour un usage pertinent et adapté, afin d’améliorer l’efficience pédagogique pour les formateurs et les apprenants. Les auteurs proposent notamment de s’appuyer sur des patients simulés par l’IA, fournissant une rétroaction sur la communication, le raisonnement clinique, ou encore la prise de décisions. Toutefois, les auteurs soulignent que l’IA ne maîtrise pas (encore) toute la richesse des nuances émotionnelles et des subtilités qui façonnent la complexité des relations humaines. Elle peut de ce fait constituer un outil d’accompagnement utile pour certaines phases d’apprentissage nécessitant un scaffolding important, mais ne saurait remplacer les interactions authentiques.
 
Finalement, la proposition nuancée serait celle de tuteurs augmentés par l’IA, ayant à disposition des outils permettant d’accroître les mises en situation d’évaluation formative, et donc, les feedbacks associés de façon personnalisée, tout en consacrant grâce à cela plus de temps aux activités pour lesquelles leur valeur ajoutée est plus importante : la prise en compte des facteurs de complexité et des nuances dans l’évaluation. Par ailleurs, il demeure essentiel de confirmer par un regard humain que les conclusions d’une IA en termes d’évaluation, notamment si celle-ci est associée des enjeux élevés, sont correctes et appropriées.
 
Ces évolutions ouvrent un espace de possibilités. Elles nécessitent impérativement d’être intégrées dans les programmes de formation de formateurs, mais aussi de développement professoral, pour permettre de réaliser des choix réfléchis et pertinents dans l’usage (ou non-usage) de ces outils. Il reste en outre indispensable de rappeler — et les auteurs de ce guide le distillent au fur et à mesure des paragraphes — les limites et précautions en lien avec l’usage de l’IA : risque d’hallucinations, enjeux de propriété et de confidentialité de données, et risque de creuser des inégalités entre étudiants et universités. N’oublions pas non plus l’empreinte écologique majeure de ces outils, à une époque où le changement climatique et la santé planétaire sont l’un des principaux défis, si ce n’est LE défi du monde actuel et de demain. Cela doit être pris en compte dans l’usage, afin de réserver ce dernier aux situations où une réelle plus-value peut être argumentée, au-delà de l’enthousiasme pour la nouveauté.