Les points saillants à retenir :

• Le mirage de l'autonomie : Derrière les 1,5 million d'agents de Moltbook, on ne trouve en réalité que 17 000 humains. L'autonomie affichée est souvent une orchestration humaine ou un simple mimétisme statistique de patterns appris, rappelant l'argument de la « Chambre Chinoise » de John Searle : les IA manipulent des symboles sans en comprendre le sens.
• Risques et zones d'ombre : L'article souligne des failles de sécurité majeures (exposition de clés API) et des risques de désinformation automatisée à grande échelle. À cela s'ajoute le danger de « model collapse » si les IA futures sont entraînées sur des données massivement synthétiques.
• Lueurs d'espoir et opportunités : À l'opposé du chaos de Moltbook, des avancées scientifiques rigoureuses, comme celles de l'Université de Genève sur la communication entre réseaux de neurones, ouvrent des perspectives en robotique et en santé.
• Le modèle européen et l'éducation : Face aux modèles américain (dérégulation) et chinois (contrôle étatique), l'Europe propose une troisième voie avec l'AI Act. L'auteur cite également l'exemple finlandais, où l'éducation aux médias et à l'IA commence dès le plus jeune âge pour forger l'esprit critique comme compétence civique.

Conclusion : Une boussole pour l'avenir

Le message central de l'article tient en une formule : « L'Algorithme Copilote, Jamais Pilote ». L'IA doit assister et augmenter les capacités humaines, mais les décisions fondamentales engageant la dignité et la liberté doivent rester sous supervision humaine.

Lire l'article : Agents IA et réseaux sociaux

Ses promesses sont nombreuses : gain de temps administratif, amélioration de la qualité des soins, soutien à la décision, outils de communication plus inclusifs… Mais ces technologies requièrent un cadre d’usage rigoureux pour garantir sécurité, éthique et pertinence.

C’est dans cette perspective que la Haute Autorité de santé (HAS) vient de publier « Premières clefs d’usage de l’IA générative en santé », un guide destiné à accompagner les premiers pas des professionnels vers une utilisation raisonnée et maîtrisée de ces outils.

Un cadre simple et didactique : A.V.E.C.

La HAS articule ses recommandations autour d’une méthode claire, A.V.E.C. – Apprendre, Vérifier, Estimer, Communiquer :

Apprendre : comprendre le fonctionnement de l’IA générative, se former, choisir les bons outils.

Vérifier : rester vigilant sur la qualité des données, la conformité réglementaire et la pertinence des usages.

Estimer : analyser dans la durée les bénéfices réels, les risques et les impacts organisationnels.

Communiquer : favoriser le dialogue entre professionnels, usagers, développeurs et institutions pour une amélioration continue.

Un levier de qualité… à condition d’un usage raisonné

Le guide rappelle que l’IA générative ne remplace pas le jugement clinique ou professionnel : elle agit comme un appui à la décision, et non comme un substitut à l’humain.
Son utilisation doit être supervisée, contextualisée et éthique, notamment pour éviter les biais, les erreurs ou les « hallucinations » de contenu.

La HAS souligne également les enjeux environnementaux liés à l’usage de ces systèmes et invite les acteurs du numérique en santé à intégrer la sobriété numérique dans leurs pratiques.

Un socle pour la confiance et l’innovation en santé

Ce guide s’inscrit dans le cadre du projet stratégique 2025–2030 de la HAS, qui fait du numérique et de l’intelligence artificielle un axe prioritaire de développement de la qualité des soins.
Il sera prochainement complété par d’autres travaux, notamment un guide à destination des usagers et patients.

📘 Télécharger le guide complet :
Premières clefs d’usage de l’IA générative en santé – HAS, octobre 2025

🗺️ Découvrir l’infographie A.V.E.C. :
A.V.E.C. – Infographie HAS

Ce guide constitue une boussole précieuse pour tous les acteurs — professionnels de santé, concepteurs d’outils numériques, formateurs, établissements — qui souhaitent intégrer ces technologies de manière responsable et efficace au service de la qualité des soins et du bien-être des patients.

[Consulter la fiche →]

Un article récemment publié dans eClinicalMedicine (The Lancet) insiste sur l’urgence d’intégrer l’IA dans les formations médicales, de l’université à la formation continue. Les auteurs y proposent un cadre structurant basé sur trois niveaux d’expertise en IA :

• Compétences de base : utiliser les outils IA dans un cadre clinique défini,

• Compétences avancées : comprendre, évaluer et intégrer de manière critique et éthique les solutions IA,

• Compétences expertes : participer activement à l’innovation et au développement de nouveaux outils.

👉 Le défi est clair : accompagner les soignants pour qu’ils deviennent des acteurs éclairés de la transformation numérique, capables de garantir une utilisation sûre, éthique et centrée sur les patients.

🔗 Lire l’article original (en anglais) :
“AI Education for Clinicians” – eClinicalMedicine (The Lancet)
https://doi.org/10.1016/j.eclinm.2024.102968

L’Intelligence Artificielle générative transforme progressivement de nombreux secteurs, et l’éducation en santé ne fait pas exception. Pour mieux comprendre son impact sur la formation des futurs professionnels, l’Institute for SmartHealth a mené une enquête auprès de 267 étudiants en médecine, pharmacie, maïeutique et dentaire. Voici les principaux enseignements.

Une adoption massive, mais une utilisation encore ponctuelle

Près de 90 % des étudiants interrogés ont déjà utilisé un outil d’IA générative, principalement pour leurs études et à titre personnel. Toutefois, moins de 10 % l’intègrent dans un cadre professionnel, probablement en raison de leur statut encore en formation.

Si l’adoption est forte, la fréquence d’utilisation reste modérée : 45 % l’utilisent moins d’une fois par semaine et 30 % plusieurs fois par semaine. Ce constat suggère une phase d’expérimentation plutôt qu’une intégration systématique dans les pratiques académiques.

Entre intérêt et prudence : quelles perceptions ?

L’IA est perçue comme un outil complémentaire plutôt qu’un substitut, notamment pour la recherche bibliographique, la structuration des idées et la rédaction. 56,6 % des répondants considèrent qu’elle améliore leur productivité, mais des préoccupations persistent.

Les principales inquiétudes concernent :

• La fiabilité des résultats et des sources.
• L’éthique et la gestion des données personnelles.
• Le risque d’une dépendance excessive pouvant nuire aux compétences cliniques.

Un fort besoin de formation

Un enseignement adapté sur l’IA en santé apparaît comme une priorité. 90 % des étudiants se disent intéressés par une formation dédiée, avec une préférence pour des approches concrètes :

• Des études de cas appliquées aux métiers de la santé.
• Des ateliers pratiques sur l’usage des outils IA.
• Un volet éthique et réglementaire pour un usage sécurisé.

Conclusion

L’IA générative s’impose comme un atout potentiel pour les étudiants en santé, à condition de l’encadrer par des formations adaptées et une réflexion éthique approfondie. Son intégration progressive dans les cursus académiques pourrait préparer les futurs professionnels à un usage responsable et efficace de ces outils.