Contextual well-being and the perceived role of artificial intelligence among medical students and graduates: an interpretative phenomenological analysis

Résumé technique : Bien-être contextuel et rôle perçu de l'intelligence artificielle chez les étudiants en médecine et les jeunes diplômés

Énoncé du problème
L'enseignement médical est caractérisé par une pression académique soutenue, des attentes de haute performance et des transitions développementales qui mènent souvent à une détresse psychologique et un épuisement professionnel élevés. Bien que le bien-être soit de plus en plus reconnu comme une priorité, il est fréquemment conceptualisé comme un état interne stable ou un résultat discret. Cependant, la littérature existante suggère un persistant « écart entre le savoir et le faire » (knowing–doing gap), où les étudiants possèdent la connaissance des stratégies de bien-être mais ne parviennent pas à les mettre en œuvre. De plus, le rôle des technologies émergentes, spécifiquement l'intelligence artificielle (IA), dans le façonnement de ces expériences reste mal compris. La recherche actuelle examine souvent le bien-être au sein de domaines discrets (par exemple, mental, professionnel ou financier) plutôt que comme un processus dynamique négocié à travers des contextes éducatifs, professionnels et personnels qui se chevauchent. Cette étude aborde la lacune de compréhension sur la manière dont les étudiants en médecine et les jeunes médecins en début de carrière vivent le bien-être comme un phénomène changeant selon le contexte et comment ils perçoivent le rôle de l'IA au sein de ces réalités évolutives.

Méthodologie
Cette étude qualitative a employé une approche d'analyse phénoménologique interprétative (API), ancrée dans la phénoménologie herméneutique et une posture interprétativiste. L'étude visait à explorer comment les jeunes professionnels de la médecine (âgés de 18 à 30 ans) donnent sens à leurs expériences vécues concernant le bien-être et l'IA.

• Participants : La cohorte finale comprenait huit participants (quatre étudiants en médecine irlandais et quatre étudiants internationaux venant de Chine, d'Inde, du Nigéria et du Canada). L'échantillon comprenait à la fois des étudiants actuels et des médecins en début de carrière. L'échantillonnage était ciblé et basé sur la méthode de la boule de neige, privilégiant la richesse des données et la variation des contextes culturels et des étapes de formation plutôt que la taille numérique, conformément aux engagements idiographiques de l'API.
• Collecte de données : Des entretiens semi-directifs approfondis ont été menés entre mars et juillet 2025 en Irlande (contexte post-pandémique). Les entretiens duraient de 50 à 70 minutes et se déroulaient en ligne (Zoom) ou en personne. Le guide d'entretien était flexible, explorant le bien-être à travers les contextes académiques, cliniques, personnels et technologiques, avec des questions spécifiques concernant l'engagement envers l'IA. Les participants ont également fourni des scores auto-rapportés de bien-être subjectif et des niveaux de littératie en matière de bien-être.
• Analyse : L'analyse des données a suivi les principes de l'API, impliquant un engagement herméneutique itératif. Cela comprenait une lecture attentive répétée des transcriptions, un codage exploratoire détaillé et le développement de thèmes émergents au niveau de chaque cas individuel avant d'identifier des modèles à travers l'ensemble des données. Le processus a utilisé le « bracketing » (mise entre parenthèses) pour gérer le biais du chercheur, le débriefing par les pairs et une piste d'audit pour assurer la fiabilité.

Contributions clés
L'étude contribue à la littérature en recadrant le bien-être non pas comme un trait statique, mais comme une capacité contextuelle et négociée. Elle identifie une contrainte auparavant non articulée sous-jacente aux difficultés de bien-être : un écart de capacité qui opère en amont de comportements de bien-être spécifiques. La recherche pose que l'« écart entre le savoir et le faire » n'est pas simplement un manque de motivation ou de priorisation individuelle, mais le signal d'une déplétion de la méta-capacité de jugement contextuel, de régulation de l'action et de définition des priorités sous une pression soutenue. De plus, l'étude intègre le rôle émergent de l'IA comme un mécanisme de soutien pragmatique à faible seuil qui comble les lacunes des systèmes de soutien traditionnels, tout en soulignant l'ambivalence concernant sa fiabilité et son impact sur l'identité professionnelle.

Résultats
L'analyse des récits des participants a révélé trois thèmes superordonnés interreliés :

1. Fluctuation contextuelle du bien-être : Le bien-être était vécu comme fondamentalement dynamique, changeant en qualité et en intensité à travers des dimensions spatiales (physiques, sociales, numériques), temporelles (passé, présent, futur) et existentielles (identité, sens, valeurs). Les participants ont décrit des changements rapides de bien-être alors qu'ils naviguaient entre les amphithéâtres, les environnements cliniques et les espaces personnels. Pour les étudiants internationaux, le déplacement spatial ajoutait une couche de tension fondamentale. Le bien-être n'était pas un état stable, mais un recalibrage continu en réponse aux demandes environnementales.
2. L'écart entre le savoir et le faire : Un décalage persistant existait entre la compréhension des participants concernant les pratiques de soutien et leur capacité à les mettre en œuvre. Cet écart n'était pas attribué à l'ignorance, mais à des contraintes structurelles, notamment l'intensité de la charge de travail, les pressions liées à l'évaluation et l'espace de décision limité. Les participants décrivaient le soin de soi comme nécessitant une « permission » qui était souvent refusée par le calendrier académique ou comme une ressource (énergie) qu'ils ne possédaient plus. La régulation était caractérisée comme un processus actif et laborieux d'allocation de ressources finies (par exemple, la métaphore du « verre d'eau ») pour maintenir un fonctionnement minimal plutôt que de s'épanouir.
3. Un écart de capacité émergent et le rôle perçu de l'IA : Les participants ont décrit un « écart de capacité non articulé » où des ajustements intuitifs et sensibles au contexte étaient effectués pour maintenir le fonctionnement, bien que ceux-ci ne soient pas reconnus comme des compétences délibérées. Dans ce paysage, l'IA est apparue comme un soutien compensatoire potentiel. Les participants utilisaient l'IA pour la vérification de la réalité émotionnelle, la simulation de conversations thérapeutiques et la récupération d'informations. Cependant, l'engagement était caractérisé par une prudence pragmatique ; l'IA était perçue comme un outil situationnel pour des besoins immédiats plutôt que comme un remplacement de la connexion humaine. La confiance envers l'IA était conditionnelle, fortement dépendante de l'autorité institutionnelle et de la validation fondée sur des preuves.

Signification et revendications
L'article soutient que la conceptualisation du bien-être comme étant contextuel et lié à la capacité offre une explication plus précise de la raison pour laquelle la sensibilisation ne se traduit pas systématiquement en action. L'étude suggère que l'« écart entre le savoir et le faire » est un signal empirique d'une contrainte plus profonde : l'épuisement de la capacité à naviguer dans des environnements de décision complexes sous une pression soutenue.

La signification de ces résultats réside dans le passage d'un modèle de déficit individuel (par exemple, manque de résilience ou de motivation) à un examen de la manière dont les structures institutionnelles et les écologies de décision façonnent les conditions dans lesquelles les actions de soutien deviennent possibles. L'étude postule que la formation médicale sert de contexte concentré pour observer comment les demandes contextuelles façonnent le jugement et la faisabilité de l'action. Concernant l'IA, l'article conclut qu'elle devient une caractéristique entrelacée de la formation contemporaine, servant à la fois de soutien pragmatique pour gérer la pression et de source d'incertitude concernant l'identité et la supervision. La question clé identifiée n'est pas ce que les étudiants savent, mais les conditions contextuelles qui déterminent si les actions de soutien sont réalisables et comment l'IA est intégrée dans ces conditions.

Les auteurs reconnaissent les limites, notamment la petite taille de l'échantillon et le contexte institutionnel unique, ce qui limite la généralisabilité statistique mais soutient la génération d'idées théoriquement fondées applicables à d'autres contextes de transition et de haute pression.