Des médecins d’Amérique latine ont été répartis au hasard pour répondre à quatre cas cliniques simulés, comportant chacun quatre questions ouvertes, soit avec l’aide d’un système d’IA conversationnelle aux sources traçables, soit avec leur méthode de recherche habituelle. Deux spécialistes en aveugle par domaine ont noté chaque réponse selon une grille à six dimensions, et le critère principal était un score composite de validité par médecin. Sur 202 médecins ayant commencé, 71 ont terminé l’exercice et ont été analysés (26 assistés, 45 en pratique habituelle), soit 1 136 réponses.
Les médecins assistés ont obtenu de meilleurs scores, avec une médiane de 2.83 contre 2.46 sur 3 (différence 0.38 ; IC 95 % 0.17 à 0.54 ; P < .001), et avaient plus de chances d’atteindre le seuil de validité après ajustement sur le diplôme universitaire (odds ratio 3.61 ; IC 95 % 1.16 à 11.17). L’effet se maintient pour les quatre critères ayant la meilleure concordance entre évaluateurs, mais pas pour l’exactitude seule, qu’un évaluateur externe a également trouvée non significative ; le temps de réponse et le nombre de recherches ne différaient pas, et l’acceptabilité était élevée (2.92 sur 3). L’échantillon se compose de volontaires ayant terminé l’exercice, si bien que les auteurs qualifient les résultats d’exploratoires ; il s’agit d’un preprint pas encore évalué par les pairs.
