Artificial Intelligence, Large Language Models, and Machine Learning in African Health Professions Education: A Systematic Review of Adoption, Literacy, Institutional Feasibility, and Ethical Perceptions
Cette revue systématique révèle que, bien que la sensibilisation à l'IA et aux grands modèles de langage soit élevée parmi les étudiants en professions de santé en Afrique, l'adoption demeure largement informelle et non soutenue par une formation formelle, des infrastructures ou des orientations éthiques, soulignant un besoin urgent d'intégration curriculaire structurée et d'investissement institutionnel.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans les salles de classe et les hôpitaux d'Afrique, une transformation silencieuse est en cours. Elle n'est pas portée par de nouveaux manuels scolaires ou des programmes mis à jour, mais par une technologie qui a déferlé sur le monde ces dernières années : l'intelligence artificielle. Il ne s'agit pas du futur robotique lointain de la science-fiction, mais d'un ensemble d'outils déjà entre les mains des étudiants et des enseignants. Parmi ces outils figurent les modèles de langage étendus, qui sont des programmes informatiques capables de comprendre et de générer le langage humain, ainsi que l'apprentissage automatique, une méthode où les ordinateurs apprennent à partir de données pour faire des prédictions ou prendre des décisions. Pour les étudiants en médecine, en soins infirmiers et en pharmacie, ces outils promettent d'être aussi essentiels que les stéthoscopes ou les microscopes dans les décennies à venir. Ils peuvent aider à diagnostiquer des maladies, organiser la recherche et même rédiger des notes de patients. Pourtant, alors que les pays à revenu élevé ont commencé à construire des structures formelles pour enseigner comment utiliser ces outils de manière sûre et efficace, la situation à travers le continent africain reste un mélange complexe d'adoption enthousiaste et d'incertitude significative. La question à laquelle font face les éducateurs et les décideurs politiques n'est plus de savoir si ces étudiants utiliseront l'intelligence artificielle, mais comment ils l'utilisent, ce qu'ils en comprennent réellement, et si leurs institutions sont prêtes à les guider.
Une nouvelle revue systématique, un type de recherche qui rassemble et analyse de nombreuses études différentes pour dégager une vision globale, s'est donné pour mission de répondre spécifiquement à ces questions pour l'Afrique. Les chercheurs, une équipe de universitaires provenant du Nigeria, du Royaume-Uni et des États-Unis, ont examiné dix-neuf études distinctes impliquant des milliers d'étudiants et d'éducateurs des professions de santé à travers le continent. Ils ont cherché des preuves de la familiarité de ces étudiants avec l'intelligence artificielle, s'ils avaient reçu une formation formelle, quels outils ils préféraient, et quelles préoccupations éthiques les empêchaient de dormir. L'objectif était de dépasser les rapports éparpillés pour construire une compréhension claire de la réalité du terrain, des écoles de médecine animées du Nigeria et de l'Égypte jusqu'aux universités du Ghana et du Soudan.
Ce que les chercheurs ont découvert est une contradiction frappante, un écart entre ce que les étudiants pensent savoir et ce qu'ils savent réellement. À travers les études, la sensibilisation à l'intelligence artificielle était élevée. Dans certains groupes, presque tous les étudiants savaient ce que ces outils étaient et en avaient entendu parler. Cependant, cette familiarité ne se traduisait pas par une compétence. Lorsque les étudiants étaient interrogés sur leurs propres capacités, beaucoup se sentaient confiants, mais lorsqu'ils étaient testés avec des questions objectives, leurs connaissances étaient souvent très faibles. C'est comme si un étudiant pouvait reconnaître le nom d'un instrument célèbre mais ne pouvait jouer une seule note. Ce « paradoxe connaissance-perception » suggère que les étudiants apprennent sur ces outils par eux-mêmes, par la curiosité et la conversation entre pairs, plutôt que par des leçons structurées. Dans une grande enquête auprès d'étudiants en médecine de quarante-huit pays, moins de un pour cent ont déclaré avoir reçu une éducation formelle substantielle sur l'intelligence artificielle, même si la plupart affirmaient avoir au moins une compréhension modérée du sujet.
L'outil qui conduit cette révolution informelle est massivement ChatGPT. Lorsque les chercheurs ont examiné quels programmes spécifiques les étudiants utilisaient, cette application unique dominait le paysage, dépassant de loin ses concurrents. Les étudiants s'en servaient pour des raisons pratiques : c'était facile à utiliser, cela faisait gagner du temps et leurs amis le recommandaient. Ils l'utilisaient pour rédiger des essais, préparer des examens, rechercher de la littérature médicale et même pour rédiger des articles de recherche. Cette adoption s'est produite largement en dehors des murs de la salle de classe. Il y avait peu de preuves que les universités intégraient ces outils dans leurs programmes officiels ou fournissaient des directives sur la manière de les utiliser de façon responsable. Au lieu de cela, les étudiants naviguaient seuls dans ce nouveau terrain numérique, poussés par l'initiative individuelle plutôt que par une direction institutionnelle.
Ce manque de guidance est aggravé par une dure réalité d'infrastructure. La revue a souligné que pour de nombreux étudiants, les conditions de base nécessaires pour utiliser ces outils ne sont pas garanties. L'électricité peu fiable, les forfaits de données coûteux et les connexions Internet instables ont été fréquemment cités comme des obstacles majeurs. Dans certains endroits, l'absence d'un approvisionnement stable en électricité ou le coût élevé de l'accès à Internet signifiaient que même lorsque les étudiants voulaient utiliser ces outils avancés, ils ne pouvaient tout simplement pas le faire de manière constante. Pourtant, l'histoire n'est pas uniquement une histoire de limitation. Dans quelques cas, les chercheurs ont découvert que l'intelligence artificielle était utilisée pour résoudre ces problèmes d'infrastructure mêmes. Par exemple, une étude a montré comment l'IA pouvait générer des arrière-plans pour des vidéos éducatives, éliminant ainsi le besoin de studios physiques et de fonds verts coûteux. De cette façon, la technologie agissait parfois comme un contournement pour les contraintes de ressources qui entravent habituellement son utilisation.
La conclusion la plus constante, cependant, était la profonde inquiétude que les étudiants ressentaient concernant les implications éthiques de ces outils. Malgré leur volonté d'utiliser l'intelligence artificielle, les étudiants étaient pleinement conscients des risques. Ils s'inquiétaient de la malhonnêteté académique, de la possibilité de trop dépendre de l'ordinateur et de perdre leurs propres capacités de pensée critique, ainsi que du danger que les outils fournissent des informations médicales incorrectes ou inventées. Ces craintes n'étaient pas seulement abstraites ; les étudiants ont admis utiliser l'IA pour terminer des examens et pour vérifier leurs réponses avant de les soumettre. Ils ont également exprimé de l'anxiété quant à l'avenir de leurs professions, se demandant si ces outils finiraient par remplacer les médecins humains ou déshumaniser les soins aux patients. Curieusement, plus les étudiants en savaient sur l'intelligence artificielle, plus ils s'inquiétaient souvent de ces risques, suggérant que la familiarité apporte une conscience plus aiguë des dangers potentiels.
La revue conclut que, bien que les étudiants en sciences de la santé en Afrique adoptent rapidement l'intelligence artificielle, ils le font dans un vide de soutien formel. La technologie est adoptée de manière informelle, poussée par la curiosité des étudiants et l'accessibilité manifeste d'outils comme ChatGPT, mais elle progresse plus vite que les institutions ne peuvent s'adapter. Il existe un besoin clair d'une éducation structurée qui va au-delà de l'apprentissage de la simple pression d'un bouton. Les chercheurs soutiennent que les universités doivent intervenir pour fournir une formation formelle qui couvre non seulement les compétences techniques, mais aussi les dimensions éthiques de l'utilisation de ces outils. Cela inclut l'enseignement aux étudiants comment repérer les erreurs, comment maintenir l'intégrité académique et comment utiliser l'intelligence artificielle comme un partenaire d'apprentissage plutôt que comme un remplacement de leur propre jugement. Sans cette guidance, l'écart entre la dépendance croissante des étudiants envers la technologie et la capacité de leurs institutions à les préparer ne fera que s'élargir, laissant une génération de futurs travailleurs de la santé naviguer dans un paysage numérique complexe sans carte.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.