Introduction : les séances de Groupe d’Echange et d’Analyse de Pratique sont une des méthodes utilisées pour la formation des internes du DES de médecine générale. Elles permettent d’échanger sur des situations cliniques vécues en stage. Pour garder une trace de ces séances, un « interne-secrétaire » est désigné pour réaliser une retranscription écrite. Ce rôle bien qu’ayant un intérêt pédagogique, n’est pas toujours plébiscité par les internes. L’utilisation de l’intelligence artificielle pourrait constituer une aide pour la rédaction de compte-rendu.
Sujets et Méthodes : une étude quantitative analytique a été réalisée de novembre 2025 à mai 2026. Elle comparait les comptes-rendus de séances réalisés par les internes et par l’application d’intelligence artificielle GEREMY. Une grille critériée a été créé en s’appuyant sur la grille d’évaluation des RSCA. Le critère de jugement principal était l’apparition du diagnostic de situation dans le compte-rendu.
Résultats : les comptes rendus de 6 séances ont été analysés. Le diagnostic de situation était retrouvé dans 60% des cas avec le compte-rendu humain contre dans 20% des cas dans le compte-rendu par IA. Il n’existait pas de différence concernant les messages d’actualités ou les recherches bibliographiques entre les comptes-rendus. Il existait également une différence en faveur des comptes-rendus humain concernant la problématisation, la démarche diagnostique décisionnelle ou les apprentissages réalisés.
Conclusion : le compte-rendu par intelligence artificielle se montrait performant dans la restitution des messages d’actualités mais critiquable dans la retranscription des situations cliniques et des discussions . Elle ne peut pour l’instant pas remplacer le compte rendu écrit par l’interne.
Introduction : peer review group sessions are one of the methods used for the training of residents in General Medicine. They provide an opportunity to discuss clinical situations encountered during internships. To keep a record of these sessions, a ‘resident secretary’ is assigned to produce a written transcript. Although this role has educational value, it is not always popular with residents. The use of artificial intelligence could be useful in writing reports.
Materials and Methods : an analytical quantitative study was conducted from November 2025 to May 2026. It was comparing the session reports produced by the residents and by the GEREMY artificial intelligence application. A criteria grid has been developed based on the RSCA assessment grid. The primary outcome measure was the presence of the situational diagnosis in the report.
Results : the recordings of six sessions were analysed. The situational diagnosis was identified in 60% of cases in the human report, compared with 20% of cases in the AI report. There was no difference between the reports with regard to news messages or bibliographic searches. There was also a difference in favour of the human reports in terms of problem-identification, the diagnostic decision-making process, and the knowledge acquired.
Conclusion : the AI-generated reports were effective at relaying news items but questionable when it came to transcribing clinical situations and discussions. For the time being, it cannot replace the written report produced by the intern.