Cet essai a été rédigé par Stéphane Barbati, Maître de conférences HDR à Aix-Marseille Université et fondateur de Kalyzée. Il est publié ici avec son accord, sous licence CC BY-NC-ND 4.0.

Les études supérieures supposaient jusqu’ici une lente conquête du savoir. L’élève apprenait, retenait, restituait ; l’étudiant approfondissait, spécialisait, validait ; le professionnel exerçait. Cette architecture reposait sur une rareté : accéder au savoir exigeait du temps, des institutions, des maîtres, des bibliothèques, des laboratoires, des années.

Cette organisation n’a pas disparu. Mais elle a cessé d’être évidente.

Une question s’impose : pourquoi consacrer des années à apprendre ce qu’une machine produit en quelques secondes ? Pourquoi étudier longtemps si le diagnostic, la synthèse, le calcul, le code, la traduction, l’analyse d’images ou la conception moléculaire deviennent progressivement automatisables ?

La question est plus aiguë encore pour les étudiants en sciences, et particulièrement pour ceux qui ont échoué à l’entrée des études de médecine. À la douleur d’un échec s’ajoute une interrogation plus sourde : le concours manqué ouvrait-il vraiment sur un monde stable, ou sur une profession déjà travaillée par sa propre métamorphose ?

La médecine comme lieu de bascule

La médecine condense cette transition mieux que d’autres domaines. Elle est longue, sélective, prestigieuse, socialement valorisée. En France, les études médicales durent généralement de dix à douze ans selon les spécialités, mêlant enseignements universitaires, stages, internat et spécialisation.

Cette durée a longtemps trouvé sa justification dans la complexité du corps humain, la difficulté du diagnostic, la gravité des décisions et l’exigence de responsabilité. Or c’est précisément ce cœur cognitif que l’intelligence artificielle commence à concurrencer.

Une étude publiée en 2024 dans JAMA Network Open a comparé des médecins utilisant des ressources conventionnelles, des médecins disposant d’un grand modèle de langage, et le modèle seul, sur des cas diagnostiques. L’accès au modèle n’a pas significativement amélioré la performance des médecins, tandis que le modèle seul obtenait une performance supérieure dans ce protocole expérimental. Le dispositif a ses limites : vignettes cliniques écrites, sans patient réel, sans incertitude perceptive ni contrainte de temps. Mais le résultat reste troublant. Dans ce protocole, l’IA fait mieux que le médecin sur une tâche pourtant centrale du métier.

Il serait trop simple d’en conclure à la fin de la médecine. La clinique réelle ne ressemble pas à des cas bien rédigés : elle est épaisse, faite de patients confus, de symptômes incomplets, de comorbidités, de contraintes sociales et morales, d’erreurs de mesure, de refus de soins. Mais cette prudence ne doit pas masquer l’évidence : une transformation majeure est engagée.

La rupture déborde le diagnostic. Le prix Nobel de chimie 2024 a récompensé David Baker pour la conception computationnelle de protéines, et Demis Hassabis avec John Jumper pour AlphaFold, qui prédit les structures protéiques. L’enjeu n’est plus seulement diagnostique. Il devient méthodologique : la maladie elle-même se laisse-t-elle traduire en problème de modélisation biologique, de conception moléculaire, de simulation thérapeutique ?

L’Agent Hospital de Tsinghua va dans le même sens. Ce projet représente patients, médecins et infirmiers sous forme d’agents autonomes, qui simulent l’ensemble du parcours de soin. Personne ne remplace encore l’hôpital réel par un hôpital autonome. Mais la santé devient un champ d’expérimentation pour des systèmes qui simulent, orientent, proposent et parfois décident.

L’ancienne promesse des études médicales tient mal dans ce paysage. On ne peut plus dire à un étudiant : « travaille dix ans, tu seras celui qui sait ». Le savoir médical n’est plus enfermé dans l’institution, ni même dans le cerveau du praticien. Il circule, se calcule, se modélise, se recombine.

Le médecin ne disparaît pas pour autant. Mais il cesse d’être seul détenteur d’une encyclopédie clinique. La figure du praticien savant, seul face à l’énigme du corps, laisse la place à celle d’un professionnel inséré dans une architecture technique, algorithmique et biologique beaucoup plus vaste.

L’externalisation de l’intelligence

Cette transformation dépasse la médecine. Michel Serres avait déjà décrit cette logique à propos de l’écriture, puis de l’imprimerie, puis du numérique. Chacun de ces supports a déplacé une fonction cognitive hors de la tête humaine – d’abord la mémoire, puis la diffusion, puis l’accès. La « tête bien faite » a peu à peu remplacé la « tête bien pleine ».

La psychologie cognitive a nommé ce phénomène : cognitive offloading – l’usage d’objets et d’outils externes pour décharger la cognition interne. L’être humain n’a jamais pensé seul. Il a pensé avec des tablettes, des manuscrits, des livres, des cartes, des calculatrices, des ordinateurs, des smartphones.

L’IA introduit pourtant une différence de degré telle qu’elle devient presque une différence de nature. Là où l’écriture externalisait la mémoire, l’imprimerie la reproduction, le smartphone l’accès – l’IA externalise désormais la formulation elle-même, et avec elle l’analyse, le raisonnement apparent, le diagnostic, la conception, la décision. Elle ne range plus le savoir sur une étagère. Elle produit. Et parfois elle semble savoir quoi en faire.

Le risque, alors, est de devenir habile à obtenir des effets sans plus en comprendre les moyens. Un texte clair peut être produit sans maîtrise de l’écriture, une hypothèse diagnostique sans raisonnement clinique, un graphique convaincant sans compréhension statistique. Une synthèse élégante peut dissimuler l’absence de lecture, une réponse correcte une incompétence profonde.

L’IA ne produit pas que de la connaissance disponible. Elle produit aussi de la compétence apparente.

La fin de la production comme preuve

Le système scolaire et universitaire a longtemps supposé qu’un livrable attestait une compétence : la dissertation prouvait une capacité d’analyse, le compte rendu une compréhension, le devoir de programmation une maîtrise technique, le diagnostic proposé un raisonnement.

Cette hypothèse ne tient plus.

Produire ne suffit plus à prouver qu’on sait. Le document peut être propre, structuré, convaincant, et l’étudiant n’avoir rien compris à ce qu’il rend. L’évaluation ne peut plus se borner aux effets visibles ; elle doit revenir aux causes – la méthode, le raisonnement, la vérification, et la capacité à défendre un choix, corriger une erreur, transférer un principe.

L’enjeu des études se déplace. On n’apprend plus seulement à produire une réponse, mais à reconnaître ce qui en fait la qualité – la solidité d’une méthode, la pertinence d’un modèle, la limite d’une conclusion, la responsabilité d’un choix.

La valeur ne réside plus seulement dans la production : elle réside dans le jugement qu’on porte sur elle.

Après l’échec en médecine

Imaginons une étudiante engagée dans le parcours PASS-LAS, deux années de travail intensif, dix heures par jour. À quelques rangs près, elle n’est pas admise en deuxième année de médecine. Un an plus tard, dans une licence d’adossement où elle s’est repliée, elle suit une unité d’enseignement intitulée « projet professionnel personnel étudiant ». L’intitulé administratif sonne comme une mauvaise plaisanterie : on lui demande de construire ce qui vient précisément de se défaire.

Poursuivre, abandonner, se réorienter ? La question n’est pas seulement scolaire – elle est identitaire.

La scène est statistiquement banale. Selon les données du ministère, trois étudiants sur cinq inscrits en PASS ou en LAS n’accèdent pas à une deuxième année des filières de santé, et seul un quart des admis y entre par médecine.

L’échec à l’entrée des études médicales est souvent vécu comme une exclusion du monde du soin. Il peut même prendre la forme d’une défaite personnelle : ne pas être admis en médecine serait ne pas être à la hauteur d’une vocation scientifique ou humaine.

Cette lecture se comprend. Elle perd pourtant de sa pertinence : la santé cesse d’être exclusivement médicale au sens traditionnel. La transformation du soin mobilise déjà des compétences qui débordent largement la formation du médecin – biologie computationnelle, chimie médicinale, bioinformatique, imagerie, robotique, dispositifs médicaux, simulation, réglementation, éthique, santé publique.

Le soin de demain sera produit par des collectifs hybrides, où cliniciens, biologistes, chimistes, ingénieurs, statisticiens, juristes et entrepreneurs travailleront ensemble.

L’étudiant recalé n’est donc pas rejeté hors de la santé. Il peut se trouver à l’entrée d’un autre versant du même continent : celui où l’on conçoit les outils, les méthodes et les modèles qui transformeront demain le diagnostic, le traitement et la prévention.

Ce déplacement n’est pas une consolation facile. L’échec existe ; il blesse ; il oblige à renoncer à une trajectoire imaginée. Mais il ne détermine ni la valeur scientifique d’un individu, ni sa capacité à contribuer au monde médical.

Un concours mesure une adéquation à un système de sélection, dans un temps et selon des critères donnés. Il ne mesure pas la créativité scientifique, ni la capacité de travail à long terme, ni l’aptitude à inventer des dispositifs utiles.

À l’ère de l’IA, la question n’est plus seulement : comment devenir médecin ? Elle devient : comment participer à la transformation scientifique, technique et humaine du soin ?

Les autres portes du monde médical

La voie médicale n’est qu’une porte parmi d’autres. La chimie conçoit les molécules ; la biologie élucide les mécanismes du vivant ; les mathématiques modélisent l’épidémie et l’essai clinique ; l’informatique fournit les systèmes d’aide à la décision et l’analyse d’images ; la physique alimente l’imagerie et la radiothérapie. Chacun de ces métiers participe au soin sans porter la blouse.

L’orientation ne se réduit d’ailleurs pas aux sciences dures. Beaucoup d’étudiants se tournent vers les filières paramédicales – kinésithérapie, soins infirmiers, sage-femme, imagerie médicale, orthophonie, ergothérapie. Ces métiers sont traversés par les mêmes mutations : aide à la décision, télésuivi, dispositifs connectés, protocoles assistés par algorithme. Ce sont des voies pleinement légitimes d’engagement dans le soin, souvent plus exposées au contact direct du patient que la trajectoire médicale.

La médecine reste une voie essentielle, sans être la seule.

Il serait toutefois illusoire de remplacer une mythologie par une autre. L’IA ne garantit pas mécaniquement un avenir à tous les étudiants scientifiques. Elle peut aussi banaliser certaines compétences, accélérer l’obsolescence de formations mal construites et accroître la concurrence.

Les données de l’OCDE montrent encore un avantage salarial moyen important pour les diplômés du supérieur : en moyenne, un bachelor est associé à un avantage de revenu de 39 % par rapport au niveau secondaire, et un master ou doctorat à un avantage de 83 %. Mais ces chiffres ne signifient pas que tous les diplômes protègent également. Ils rappellent seulement qu’une formation supérieure reste précieuse lorsqu’elle construit de vraies compétences, une capacité d’adaptation et une insertion dans des domaines porteurs.

Les études utiles seront celles qui apprennent à ne pas devenir interchangeable avec une machine.

Étudier autrement

Il ne suffit plus d’accumuler des cours et de produire des devoirs conformes. Il faut apprendre à manipuler les outils d’IA sans leur abandonner son jugement : vérifier une sortie, comprendre une hypothèse, identifier un biais, refaire un calcul, distinguer un résultat plausible d’un résultat robuste.

L’étudiant scientifique du XXIe siècle ne peut plus être seulement un bon élève. Il devient constructeur de modèles, vérificateur, interprète, parfois contradicteur de la machine. Produire vite, mais vérifier lentement ; automatiser, mais savoir ce qui ne doit pas l’être ; travailler avec l’IA, mais reconnaître ce qu’elle ne voit pas – le contexte, le corps, la relation, le consentement, la dignité.

La souveraineté humaine ne se mesure plus à une supériorité de principe sur la machine. Sur certaines tâches, cette supériorité est déjà perdue ou le sera bientôt. Défendre la lenteur humaine quand le système est plus rapide, plus précis, moins faillible serait absurde.

Mais il serait tout aussi dangereux d’accepter que l’humain devienne un simple validateur passif, chargé de porter juridiquement ou moralement des décisions qu’il ne comprend plus.

La compétence humaine ne se mesurera plus à la capacité de tout faire seul, mais à celle de savoir ce qu’il faut déléguer, conserver, contrôler – et refuser.

La délégation est une force. La dépossession est un danger.

Utiliser une IA pour explorer des hypothèses, accélérer une recherche ou comparer des options peut renforcer l’intelligence humaine. S’en remettre à elle sans comprendre ni pouvoir contester produit l’effet inverse : une dépendance confortable, mais intellectuellement appauvrissante.

L’alternance nécessaire

L’avenir des études se jouera dans cette tension. Il faudra conserver des moments d’entraînement sans IA – lecture difficile, calcul, rédaction, raisonnement causal, démonstration – non par nostalgie, mais parce qu’aucune intelligence externe ne peut être gouvernée par un esprit vide.

Il faudra aussi intégrer des moments avec IA – critique de réponses, audit de résultats, détection d’erreurs, co-conception de solutions – non par fascination, mais parce que le monde professionnel sera structuré par ces outils.

L’interdiction totale serait naïve, l’abandon total irresponsable. Il faut articuler entraînement interne et augmentation externe.

Pour les étudiants qui n’ont pas obtenu médecine, cette perspective ouvre une autre forme d’ambition. L’enjeu n’est plus seulement de rejoindre une profession ancienne, mais de participer à la recomposition d’un domaine entier.

L’avenir du soin se jouera dans les hôpitaux, mais aussi dans les laboratoires, les entreprises technologiques, les plateformes de données, les institutions de régulation, les équipes de recherche.

Rater médecine, ce n’est pas s’éloigner du soin ni de l’utilité sociale. C’est parfois emprunter un autre chemin vers les mêmes questions fondamentales : comprendre le vivant, réduire la souffrance, améliorer le diagnostic, concevoir des traitements, former les soignants.

L’époque demande moins de résignation que de repositionnement.

Conclusion

L’IA ne rend pas les études inutiles. Elle rend inutiles les études qui se contentent de former à la restitution et à la production standardisée.

L’IA ne supprime ni la science, ni la médecine, ni l’étudiant – elle change ce qu’on attend d’eux. La science doit redoubler de rigueur. La médecine se redéfinit. L’étudiant devient autre chose qu’un exécutant.

L’avenir n’appartient pas à ceux qui chercheront à battre l’IA sur son terrain. Il appartiendra à ceux qui sauront comprendre les machines, les critiquer, les auditer, les relier au réel – et assumer les conséquences de leurs usages.

Les études ne doivent plus être pensées comme une course contre l’intelligence artificielle, mais comme l’apprentissage d’une responsabilité nouvelle : travailler avec une intelligence extérieure sans perdre la capacité intérieure de comprendre, de juger, d’agir.

Pour un étudiant en sciences, et plus encore pour celui qui a connu l’échec d’un concours, cette époque est moins une menace qu’une invitation à déplacer son ambition. La question n’est plus seulement de savoir si l’on deviendra médecin, mais quelle place l’on prendra dans le monde qui transformera la médecine.

Cette place reste largement à inventer.

Références

  1. Onisep. Les études de médecine : fiche d’orientation sur la durée et l’organisation des études médicales en France.
  2. Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning : a randomized clinical trial. JAMA Network Open. 2024;7(10):e2440969. doi:10.1001/jamanetworkopen.2024.40969.
  3. Royal Swedish Academy of Sciences. The Nobel Prize in Chemistry 2024 : David Baker, Demis Hassabis, John M. Jumper. Communiqué officiel, octobre 2024.
  4. Isomorphic Labs. An AI-first approach to drug discovery.
  5. Tsinghua University, Institute for AI Industry Research. AIR Creates a Virtual Hospital, Enabling AI Doctors to Self-Evolve.
  6. Serres M. Petite Poucette. Les nouveaux défis de l’éducation. Académie française, séance du 1er mars 2011.
  7. Risko EF, Gilbert SJ. Cognitive Offloading. Trends in Cognitive Sciences. 2016;20(9):676-688. doi:10.1016/j.tics.2016.07.002.
  8. OCDE. Education at a Glance 2025 : section « What are the earnings advantages to education? ».
  9. MESR-SIES. Réussite en PASS et L.AS — cohortes 2020, 2021 et 2022. Note Flash n°2025-31, novembre 2025.

Stéphane Barbati
Maître de conférences HDR, Aix-Marseille Université
Fondateur de Kalyzée
MMXXVI — CC BY-NC-ND 4.0