Formation Training
De la salle de cours aux modèles génératifs : comment l’IA transforme l’enseignement de la dermatologie, chiffres d’enquêtes à l’appui. From the classroom to generative models: how AI is transforming dermatology education, backed by survey data.
Un intérêt étudiant massif, une formation structurée encore rare Massive student interest, structured training still rare
L’enseignement de la dermatologie est directement concerné par l’essor de l’intelligence artificielle, à double titre : comme sujet à enseigner, et comme outil pédagogique en soi. Les enquêtes menées ces dernières années auprès des étudiants en médecine dressent un tableau cohérent : un intérêt et un usage massifs des outils d’IA générative, contrastant avec une formation structurée encore très limitée. Dermatology education is directly affected by the rise of artificial intelligence in two ways: as a subject to be taught, and as a teaching tool in itself. Recent surveys of medical students paint a consistent picture: massive interest in and use of generative AI tools, contrasting with still very limited structured training.
Ce que disent les enquêtes internationales What international surveys show
Une enquête transversale menée en Arabie saoudite en 2025 auprès de 170 étudiants en médecine rapporte que 95,9 % d’entre eux connaissaient l’IA et que 94,1 % avaient déjà utilisé ChatGPT ; 61,2 % percevaient l’IA comme un outil de soutien plutôt qu’un substitut au professionnel de santé. Mais 55,3 % des répondants déclaraient n’avoir reçu aucune formation formelle sur l’IA, ce qui souligne le décalage entre l’adoption spontanée de ces outils et leur intégration réelle dans les cursus. Une enquête comparable menée en Égypte la même année, auprès de 423 étudiants de dix universités, confirme cette tendance à large échelle. A 2025 cross-sectional survey of 170 medical students in Saudi Arabia reports that 95.9% were aware of AI and 94.1% had already used ChatGPT; 61.2% viewed AI as a supportive tool rather than a substitute for the healthcare professional. Yet 55.3% of respondents reported having received no formal AI education, highlighting the gap between spontaneous adoption of these tools and their actual integration into curricula. A comparable survey conducted in Egypt the same year, among 423 students across ten universities, confirms this trend at scale.
Les internes en dermatologie spécifiquement interrogés Dermatology residents specifically surveyed
Plus proche de la pratique spécialisée, une enquête transversale dédiée aux internes en dermatologie sur l’intégration de l’IA dans leur formation rapporte une attitude globalement positive envers un enseignement enrichi par l’IA, tout en insistant sur la nécessité de garde-fous éthiques explicites et de programmes structurés de littératie algorithmique — plutôt qu’une adoption informelle et non encadrée des outils. Closer to specialized practice, a cross-sectional survey dedicated to dermatology residents on AI integration into their training reports a broadly positive attitude toward AI-enhanced education, while stressing the need for explicit ethical safeguards and structured algorithmic literacy programs — rather than informal, unsupervised adoption of these tools.
Des applications concrètes déjà décrites Concrete applications already described
Une note pratique publiée en 2024 dans Clinical and Experimental Dermatology décrit des applications concrètes de l’IA dans la formation en résidanat : entraînement à la reconnaissance de lésions sur des banques d’images annotées, retour immédiat sur les erreurs de classification, et personnalisation du rythme d’apprentissage selon le niveau de l’interne. A 2024 practice note in Clinical and Experimental Dermatology describes concrete AI applications in residency training: lesion-recognition practice on annotated image banks, immediate feedback on classification errors, and pacing personalized to the resident’s level.
Des limites reconnues dès le premier cycle Limits acknowledged even at undergraduate level
Cette intégration reste toutefois débattue au niveau du deuxième cycle des études médicales : un article de synthèse publié dans Clinical Dermatology en 2024 souligne à la fois le potentiel de l’IA pour l’enseignement dermatologique en faculté de médecine, et des limites persistantes — absence de cursus structuré sur l’IA, hétérogénéité des outils disponibles, et risque de dépendance excessive à des suggestions automatisées non vérifiées par un enseignant. This integration remains debated at the undergraduate medical education level, however: a 2024 review article in Clinical Dermatology highlights both the potential of AI for dermatology teaching in medical school and persistent limitations — the absence of a structured AI curriculum, heterogeneity of available tools, and the risk of excessive reliance on automated suggestions not verified by an instructor.
Le potentiel — encore émergent — de l’IA générative The still-emerging potential of generative AI
Plus récemment, l’usage de grands modèles de langage pour générer du contenu pédagogique original — une approche parfois qualifiée de « formation synthétique » — a été proposé comme moyen de produire un nombre potentiellement illimité de cas cliniques d’entraînement, sans dépendre uniquement de banques d’images existantes. Cette piste, publiée dans npj Digital Medicine en 2025, reste à un stade précoce d’évaluation clinique et nécessite une validation par des experts avant tout déploiement à grande échelle. More recently, using large language models to generate original educational content — an approach sometimes called ‘synthetic education’ — has been proposed as a way to produce a potentially unlimited number of training clinical cases, without relying solely on existing image banks. This avenue, published in npj Digital Medicine in 2025, remains at an early stage of clinical evaluation and requires expert validation before any large-scale deployment.
Un usage qui dépasse la seule formation médicale A use that extends beyond medical training alone
Le même type d’outils est également exploré du côté de l’éducation thérapeutique des patients, où l’IA générative permettrait de produire des explications personnalisées selon le type de peau, la langue ou le niveau de littératie en santé du patient — un prolongement naturel de la pédagogie médicale vers la pédagogie patient, qui pose toutefois les mêmes exigences de validation et de supervision. The same type of tools is also being explored for patient therapeutic education, where generative AI could produce explanations personalized to a patient’s skin type, language, or health literacy level — a natural extension of medical pedagogy toward patient pedagogy, which nonetheless carries the same validation and supervision requirements.