L’enthousiasme initial suscité par l’intelligence artificielle en médecine laisse place à une interrogation grandissante : comment préserver l’expertise clinique face à des outils de plus en plus performants ? Un jeune chercheur témoigne d’une résistance académique face à ses préoccupations concernant l’érosion du jugement diagnostique.
Lorsqu’il a commencé à explorer les outils d’IA clinique, Gerald Kuo, doctorant, a été frappé par leur potentiel. L’idée de soulager la surcharge cognitive des soignants, de révéler des tendances cachées et de leur permettre de se concentrer sur l’essentiel – le patient – semblait prometteuse. L’IA apparaissait alors comme un collaborateur bienvenu, et non comme une menace.
Comme beaucoup de jeunes cliniciens-chercheurs, Kuo s’est plongé dans l’étude de ces technologies, analysant leurs implications sur la prise de décision médicale. Il ne s’agissait pas de rejeter l’IA en bloc, mais plutôt de s’interroger sur la manière de préserver le jugement clinique à l’heure où les machines gagnent en fiabilité et en pertinence.
Cependant, en soumettant ses travaux à l’évaluation de la communauté académique, Kuo a rencontré un scepticisme inattendu. Il lui a été demandé à plusieurs reprises de prouver l’existence d’une érosion du raisonnement diagnostique, justifiant ainsi l’urgence de ses préoccupations. Certains examinateurs ont même mis en doute la plausibilité de tels risques, estimant que l’amélioration des résultats justifiait de relativiser les questions soulevées sur le jugement clinique.
Ce qui a le plus déstabilisé Kuo n’était pas tant le rejet de ses idées que l’absence de cadre de référence pour aborder cette problématique. Sans données longitudinales ni soutien institutionnel, ses alertes précoces étaient perçues comme de la spéculation plutôt que comme une contribution scientifique pertinente.
Il a alors réalisé que le véritable enjeu n’était pas de savoir si l’IA devait être utilisée – cette question étant déjà résolue – mais plutôt de comprendre comment les humains et l’IA peuvent collaborer sans compromettre l’essence même de l’expertise clinique. Le jugement clinique, selon lui, se forge dans l’incertitude, à travers l’erreur, la réflexion et la prise de responsabilité. Or, les systèmes d’IA offrent une clarté dénuée de responsabilité. En considérant leurs résultats comme des vérités établies plutôt que comme des avis consultatifs, le risque n’est pas la disparition des cliniciens, mais leur désengagement progressif des processus de raisonnement qui définissent leur compétence.
Pour Kuo, il est donc crucial de redéfinir le rôle du clinicien-chercheur, non pas comme un opposant ou un promoteur inconditionnel de l’IA, mais comme un traducteur entre ces systèmes. Les jeunes professionnels de la santé, par leur formation et leur expérience, sont en mesure de saisir à la fois le potentiel de la technologie et les subtilités de la pratique clinique, identifiant ainsi les aspects qui pourraient être perdus dans le processus.
L’espoir, conclut-il, ne réside pas dans un optimisme naïf, mais dans une collaboration éclairée. L’IA peut assister les cliniciens sans les remplacer, à condition de concevoir des formations, des flux de travail et des normes professionnelles qui encouragent l’engagement cognitif et la pensée critique.
À lire aussi
