IA4SKILLS

L’objectif général est de développer et d’évaluer une démarche d’exploitation via l’IA des rapports de stage et des entretiens d’étudiants TLM afin d’identifier les difficultés rencontrées en situation réelle, puis de les convertir en cas cliniques réalistes et pédagogiquement pertinents, destinés à la conception de scénarios dans la formation initiale.

Le dispositif méthodologique du projet IA4Skills s'articule en une séquence d'étapes interdépendantes, allant de la constitution de l'ensemble documentaire à la production de cas cliniques validés à des fins pédagogiques. Cet ensemble documentaire est constitué des rapports de stage cliniques des trois dernières années, collectés auprès de trois Hautes Écoles de la région liégeoise et complétés par des entretiens à mi-parcours et des retours de supervision. Les documents sont préalablement contextualisés selon le bloc de formation concerné dont les consignes et compétences attendues diffèrent sensiblement.

La préparation des données repose sur une désidentification stricte combinant repérage informatisé des éléments identifiants et contrôle manuel sur échantillon, conformément aux exigences du RGPD. Cette étape s'inscrit dans une logique de génération de données synthétiques en santé, visant à produire de nouvelles instances de cas cliniques qui préservent les propriétés structurelles et sémantiques utiles à l'apprentissage tout en étant dépourvues d'informations identifiantes, répondant ainsi au compromis entre confidentialité et réalisme pédagogique.

Des techniques de traitement automatique du langage (NLP) permettent ensuite d'extraire et d'organiser les difficultés rencontrées en stage sous forme de profils structurés, qui servent de base à la génération de cas cliniques par des modèles génératifs, en intégrant des paramètres de variation portant sur la complexité, le contexte et les ambiguïtés réalistes. La qualité des cas produits est enfin évaluée selon un protocole de validation par triangulation impliquant enseignants, étudiants de bloc 3, pédagogues et professionnels de laboratoire, au moyen de grilles d'évaluation et de focus groupes. Des ajustements itératifs sont réalisés avant l'intégration finale des cas en scénarios pédagogiques destinés à la formation initiale, la littérature soulignant que l'utilité des données synthétiques demeure conditionnée à des contrôles rigoureux de fidélité clinique.

• Ensemble documentaire sécurisé, anonymisé et mis en forme de manière cohérente, accompagné d'une procédure documentée garantissant la conformité RGPD ;

• Taxonomie commune des difficultés rencontrées en stage par les étudiants TLM, intégrant définitions, exemples et règles de classement pour les dimensions techniques et non techniques ;

• État des lieux structuré et hiérarchisé des difficultés, contextualisé par type de stage, cohorte et établissement, débouchant sur un référentiel de situations-problèmes prioritaires avec descriptions, contextes typiques et pistes de remédiation ;

• Banque de cas cliniques structurés, non identifiants et validés, incluant scénarios textuels, résultats simulés, ambiguïtés réalistes, objectifs d'apprentissage et critères de réussite, assortie d'un modèle standard facilitant la réutilisation ;

• Grilles d'évaluation portant sur le réalisme clinique, la pertinence pédagogique et la capacité à stimuler le raisonnement diagnostique, complétées par la synthèse des retours d'enseignants et de professionnels ;

• Grille de correspondance entre les difficultés identifiées et les compétences du référentiel TLM, assurant la cohérence avec le programme de formation initiale ;

• Cartographie du parcours de travail TLM (pré-analytique, analytique, post-analytique, validation et communication), indiquant pour chaque étape les difficultés observées et les compétences associées ;

• Guide de mise en œuvre et de pérennisation, comprenant recommandations d'usage, points de vigilance et protocole de mise à jour annuelle de la banque de cas.

Sonia El Guendi (maitre-assistante département paramédical - Cursus TLM)

Arnaud Tillieux : (maitre-assistant département informatique et technique - Cursus Informatique)

Du 14/09/2026 au 14/09/2029

• Les publics internes (HELMo, Hautes Écoles partenaires) et externes (conférences européennes en simulation, XR et IA, publications scientifiques) ;

• Production de cinq écrits scientifiques et pédagogiques, diffusés via les newsletters institutionnelles et aboutissant à un article dans une revue à facteur d'impact ;

• Livrables directement exploitables en enseignement : banque de cas cliniques, référentiel de situations problèmes, grilles d'évaluation et guide de mise en œuvre ;

• Transférabilité de la démarche à d'autres cursus de HELMo à forte composante stage, soutenue par des ateliers inter-cursus en fin de projet ;

• Transférabilité dans le développement des cas cliniques en VR.