Professeure associée, directrice de la simulation
Université du Minnesota
Si vous travaillez dans la formation en soins infirmiers, vous savez que le jugement clinique reste l’une des compétences les plus essentielles en formation infirmière. Et vous savez aussi que c’est l’une des plus difficiles à enseigner et à évaluer de manière cohérente.
Lors de la conférence 2026 Simulation User Network (SUN), Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, professeure associée et directrice de la simulation à la faculté de sciences infirmières de l’Université du Minnesota, a expliqué comment la réalité virtuelle immersive dans la formation infirmière (IVR) et l’intelligence artificielle (IA) peuvent aider les formateurs en soins infirmiers à mieux comprendre et soutenir le développement du jugement clinique.
Dans cet article, nous proposons un résumé de la session SUN du Dr Bradley, « Jugement clinique, RV et IA : un trio gagnant. »
Le Dr Bradley a ancré sa session dans un défi que les formateurs en soins infirmiers connaissent bien. Le jugement clinique est essentiel à une pratique sûre et est directement lié aux résultats pour les patients, pourtant il est profondément complexe. Même lorsque les étudiants apprennent des étapes, des protocoles et des processus, « ils doivent encore acquérir ce raisonnement et cette part de réflexion », a souligné le Dr Bradley.
« Le jugement clinique est l’une des choses les plus difficiles que nous essayons d’enseigner », a-t-elle déclaré. « C’est très difficile à mesurer. »
Les expériences cliniques traditionnelles varient considérablement. Même des étudiants affectés au même service rencontrent des patients et des occasions d’apprentissage différents. L’évaluation dépend largement de l’observation des enseignants, ce qui peut être subjectif et incohérent.
La simulation aide à gérer la variabilité des expériences cliniques, mais le Dr Bradley a souligné que la réalité virtuelle immersive (IVR) dans la formation infirmière pousse encore plus loin la standardisation. En IVR, chaque apprenant est confronté au même environnement, aux mêmes indices et aux mêmes points de décision.
L’IVR modifie aussi l’évaluation, qui ne repose plus uniquement sur l’interprétation du corps enseignant. « L’IVR élimine toute cette subjectivité — parce qu’au bout du compte, c’est un programme informatique », a-t-elle déclaré.
Avant les plateformes IVR comme vrClinicals for Nursing, les enseignants avaient une vision limitée de ce que faisaient réellement les étudiants pendant les soins simulés aux patients. « Si nous ne pouvons pas vraiment comprendre ce qu’ils font, nous n’avons aucune idée de la manière de les aider à progresser », a-t-elle déclaré.
Les environnements IVR génèrent une énorme quantité de données sur les apprenants. Le Dr Bradley a qualifié ces données de télémétrie IVR. Cela comprend les actions entreprises, le timing, la séquence, les omissions et les réponses aux changements de l’état du patient.
« Nous pouvons voir leurs actions, nous voyons le timing de ce qu’ils ont fait, la séquence des événements », a-t-elle déclaré. « Nous voyons ce qu’ils ne font pas. Parfois, c’est aussi très important à savoir. »
Dans des plateformes comme vrClinicals for Nursing, les formateurs peuvent examiner comment les étudiants évaluent les patients, naviguent dans les protocoles et les prescriptions, et se préparent à faire escalader la prise en charge.
« Appellent-ils le prestataire de soins ? », a-t-elle demandé. « Ont-ils les données dont ils ont besoin pour passer cet appel, ou doivent-ils revenir en arrière et réévaluer ? »
Elle a souligné en particulier la valeur des environnements multi-patients. « Nous pouvons observer les schémas de priorisation », a-t-elle expliqué. « Comment gèrent-ils les interruptions ? »
En capturant ces schémas grâce à la télémétrie IVR, des plateformes comme vrClinicals fournissent aux formateurs des preuves objectives de la manière dont les apprenants repèrent les indices, priorisent les soins, réagissent aux interruptions et gèrent des exigences concurrentes.
« Nous avons une étudiante qui a dit : “J’ai pu répondre à certaines questions du NCLEX grâce à George [du scénario VR]”, » a-t-elle partagé. Des exemples comme celui-ci illustrent comment des plateformes telles que vrClinicals favorisent une compréhension et une application plus approfondies.
Pour transformer les données de télémétrie en enseignements, le Dr Bradley a souligné l’importance d’un cadre commun. Elle utilise le Clinical Judgment Measurement Model pour interpréter le comportement des apprenants à travers l’identification des indices, l’analyse des informations, la priorisation des hypothèses, la prise d’action et l’évaluation des résultats.
“La télémétrie ne s’interprète pas toute seule,” a expliqué le Dr Bradley. “Nous avons besoin d’une grille de lecture commune.”
Pour chaque scénario IVR, les formateurs doivent déterminer quels comportements démontrent le jugement dans ce contexte. L’apprenant a-t-il réévalué la situation après une intervention ? A-t-il escaladé la prise en charge de manière appropriée ? A-t-il rehiérarchisé les soins lorsque les conditions ont changé ?
En utilisant cette approche, le Dr Bradley a mis au jour un schéma chez les apprenants en difficulté. “Ils continuent simplement à réévaluer, encore et encore,” a-t-elle dit. “Ils n’agissent jamais.”
Parce que vrClinicals enregistre le timing et la séquence, ces schémas deviennent visibles et peuvent être discutés lors du débriefing, avec des actions de scénario et des interruptions conçues autour du Clinical Judgment Measurement Model.
L’IA joue un rôle de soutien en aidant les éducateurs à organiser et à interpréter de grands volumes de données de télémétrie générées par des plateformes VR immersives comme vrClinicals.
Mais l’IA ne remplace pas les formateurs en soins infirmiers. « L’IA ne remplacera jamais la réflexion infirmière », a souligné le Dr Bradley. Elle a insisté sur le fait que le jugement des éducateurs doit rester central.
Utilisée « avec des garde-fous », l’IA aide les éducateurs à passer plus rapidement des preuves à l’action. « Je veux savoir aujourd’hui : comment mes étudiants s’en sont-ils sortis ? », a déclaré le Dr Bradley. « Pas le semestre prochain, pas l’année prochaine, mais cette cohorte aujourd’hui. »
L’analyse assistée par l’IA peut faire ressortir des lacunes au niveau de la cohorte, comme des retards dans l’escalade, des contrôles de sécurité manqués ou des difficultés à évaluer les résultats. Ces informations permettent aux éducateurs d’ajuster le débriefing, les remédiations et même le programme en quasi temps réel.
« Est-ce que [l’analyse] change ma façon de faire le débriefing la prochaine fois que je fais ce scénario ? Est-ce que cela m’aide peut-être à ajuster leurs supports de préparation, ou quelque chose qu’ils doivent obtenir avant de refaire cette VR la prochaine fois ? », a-t-elle expliqué.
« Peut-être que cela s’intègre simplement à notre programme, là où nous devons répéter quelque chose », ajoute-t-elle. « La formation fondée sur les compétences n’est pas un acte unique. Nous voulons qu’ils démontrent de nouveau leurs compétences. »
Le Dr Bradley a exhorté les éducateurs à aborder la VR immersive avec réflexion.
« Voici mon meilleur conseil : commencez bas et lentement », a-t-elle conseillé. Elle a recommandé de commencer par un seul cours et un seul scénario, et d’investir dans une présentation approfondie du matériel et du logiciel.
Une mauvaise mise en œuvre peut entraîner de la frustration chez le corps enseignant et une baisse de la confiance des étudiants, a-t-elle averti. « Il est vraiment difficile de revenir en arrière après ça », a-t-elle déclaré. « Alors allez-y très lentement … et entourez-vous de personnes qui défendent l’ensemble du processus. »
Le Dr Bradley a conclu la séance en revenant à l’objectif. Le jugement clinique reste la priorité. Les plateformes de RV immersive, telles que vrClinicals for Nursing, fournissent l’environnement qui génère des preuves riches et objectives de la performance des apprenants. L’IA aide les enseignants à interpréter ces preuves de manière responsable.
Ensemble, le jugement clinique, la RV immersive et l’IA forment une puissante trifecta qui favorise une meilleure évaluation, des décisions pédagogiques plus solides et de meilleurs résultats d’apprentissage pour les formateurs en soins infirmiers et leurs étudiants.
