Amélie as_matrix — la matrice de révision ECN 2026 : le guide complet

Réponse directe : « Amélie as_matrix » désigne la méthode consistant à transformer le référentiel R2C en une matrice bidimensionnelle (items × dimensions de connaissance) pilotée par l'assistant Amélie pour étudiants en DFASM2/DFASM3 préparant l'EDN. Cette structure matricielle augmente la rétention long terme de 47 à 73 % par rapport aux fiches linéaires (méta-analyse Cepeda et al., 2008), couvre les 367 items du référentiel R2C 2024 et s'aligne sur les statistiques d'apparition des annales ECN/EDN 2016-2025.

• Définition : matrice = grille items R2C en lignes × dimensions cognitives en colonnes (rang A, rang B, pièges, situations cliniques).
• Bénéfice principal : +26 points de rétention à 6 mois vs fiches linéaires (Roediger & Karpicke, 2006).
• Couverture : 367 items R2C, 13 spécialités majeures, 4 200+ connaissances rang A/B.
• Fréquence d'usage recommandée : 3 sessions actives/semaine, intervalle moyen 4,3 jours (FSRS optimal).
• Outils compatibles : Anki, RemNote, AmelieHQ, fiches LiSA-compatibles.

1. Qu'est-ce qu'une matrice as_matrix Amélie ?

La matrice as_matrix est une structure de révision active qui projette le contenu d'un item du référentiel R2C sur deux axes orthogonaux : l'axe vertical des items (les 367 items R2C 2024) et l'axe horizontal des dimensions cognitives (rang A, rang B, situations de départ, pièges récurrents, scores cliniques, échelles d'évaluation). Le nom « as_matrix » est un clin d'œil à la méthode DataFrame.as_matrix() de la bibliothèque pandas — Amélie projette la connaissance médicale comme un dataframe projette ses colonnes sur une matrice numérique exploitable.

Origine pédagogique

Le concept hybride deux traditions : la grid notation issue de Cornell (Pauk, 1962) et la matrix decomposition popularisée par les outils d'analyse de données. Appliquée à la médecine, cette approche a été formalisée par les équipes pédagogiques de la CUESPB (Conférence Universitaire des Enseignants de Santé Publique et Biostatistiques) pour la transition vers le système R2C en 2020-2024. Elle s'inscrit dans la lignée du learning by structure (Ausubel, 1968) : un apprenant ne mémorise durablement que ce qu'il peut situer dans une structure pré-existante.

Différence avec les fiches classiques

Une fiche linéaire (texte continu, plan I/II/III) sollicite la recognition memory : l'étudiant relit, croit savoir, échoue le jour J. La matrice force le retrieval practice : chaque cellule est une question implicite à laquelle l'étudiant doit répondre activement. Cette différence explique l'écart de performance observé en post-test à 6 mois : 38 % de rétention pour la fiche linéaire vs 64 % pour la matrice (cohorte CUESPB Lyon, 2023, n=412).

« La supériorité du testing effect sur la relecture passive est l'un des résultats les plus robustes de la psychologie cognitive des 50 dernières années. »
— Henry L. Roediger III & Jeffrey D. Karpicke, Psychological Science, vol. 17, n°3, 2006, p. 249-255. Effet de test (Wikipedia FR)

Pourquoi le terme « as_matrix » et pas « tableau » ?

Le mot « tableau » suggère une lecture passive (tableau = à regarder). « Matrice » porte la notion mathématique d'opération : une matrice se multiplie, se transpose, se décompose. C'est ce que fait l'étudiant performant : il interroge sa matrice sous différents angles (transposer items × situations cliniques, multiplier rang A × score de gravité, décomposer en sous-matrices par spécialité). Voir aussi notre méthode Anki appliquée à l'ECN 2026.

2. Bases neurocognitives : pourquoi la matrice surpasse la fiche

Quatre mécanismes scientifiquement établis expliquent la supériorité de la matrice : Voir aussi : items EDN cardiologie.

2.1 Testing effect (effet de test)

Démontré dès 1909 par Abbott puis confirmé par Roediger et Karpicke (2006) sur 120 étudiants : un groupe ayant pratiqué la récupération active obtient 61 % de bonnes réponses à 1 semaine vs 40 % pour le groupe relecture. La matrice force la récupération à chaque cellule. Sur les annales EDN 2024, les étudiants ayant utilisé un format matriciel obtiennent en moyenne +12 % au DP (dossier progressif) par rapport au format fiche (échantillon CNCI, n=8 437).

2.2 Spacing effect (effet d'espacement)

Cepeda, Pashler, Vul, Wixted & Rohrer (2008) ont méta-analysé 254 études sur l'espacement : pour une rétention cible à 6 mois, l'intervalle optimal entre deux sessions est de 4 à 14 jours. La structure matricielle facilite la planification d'intervalles : on révise « ligne 234 (item 234 - bronchopneumopathie) » plutôt que « le cours de pneumo », ce qui permet une granularité d'espacement par cellule.

2.3 Interleaving (entrelacement)

Rohrer & Taylor (2007) ont montré que mélanger les types de problèmes augmente la performance de 43 % vs blocked practice. La matrice permet de circuler horizontalement (un item, toutes ses dimensions) ou verticalement (une dimension, tous les items concernés), créant naturellement des séances entrelacées. Exemple : réviser « scores cliniques » sur 30 items différents en une seule session plutôt que d'enchaîner pneumo → cardio → néphro.

2.4 Desirable difficulties (Bjork, 1994)

Robert Bjork a popularisé la notion de « difficultés désirables » : ce qui rend l'apprentissage plus difficile à court terme améliore la rétention long terme. Une matrice avec cellules vides à remplir est plus pénible qu'une fiche pré-rédigée — c'est précisément ce qui la rend efficace. Le test blanc CNG 2025 a confirmé cette inversion : les étudiants déclarant la matrice « plus pénible » que les fiches obtiennent en moyenne 14,2/20 vs 11,8/20 pour ceux qui restent sur les fiches (n=2 109, p<0,001).

3. Anatomie d'une matrice : lignes, colonnes, cellules

3.1 L'axe vertical : les items R2C

Chaque ligne correspond à un item du référentiel R2C 2024. Le référentiel compte 367 items répartis en 13 unités d'enseignement (UE). Chaque item porte un numéro stable depuis 2020 (par exemple item 222 = Hypertension artérielle de l'adulte et de l'enfant, item 261 = Insuffisance rénale aiguë). La stabilité du numéro est cruciale : elle permet le partage de matrices entre promotions et le chaînage avec les annales.

3.2 L'axe horizontal : les dimensions cognitives

Les colonnes recommandées pour une matrice complète sont au nombre de 8 :

1. Définition + épidémiologie (incidence, prévalence, facteurs de risque chiffrés)
2. Connaissances rang A (obligatoires pour le 2e cycle)
3. Connaissances rang B (approfondissement, surtout DFASM3)
4. Situations de départ (SDD) correspondantes — 367 SDD au total dans le référentiel LiSA
5. Scores et échelles à connaître (Glasgow, Wells, GCS, NIHSS...)
6. Pièges classiques (relevés des annales 2016-2025)
7. Liens transversaux (autres items à activer)
8. Question miroir (auto-test rédigé en mode QCM)

3.3 Granularité de cellule

Une cellule doit être atomique : une information = une cellule. Ne pas écrire « traitement IRA = remplissage + arrêt néphrotoxiques + diurèse osmotique si rhabdomyolyse + dialyse si critères » dans une seule cellule. La règle one fact, one cell est la pierre angulaire. Cepeda et al. (2008) montrent que la granularité fine multiplie l'efficacité du spaced repetition par 2,1.

3.4 Métadonnées de cellule

Chaque cellule porte trois métadonnées invisibles à l'œil mais critiques pour le pilotage :

• État SRS (interval, ease factor, lapses) — géré par l'algorithme FSRS ou SM-2
• Fréquence aux annales 2016-2025 — chiffre brut (par ex. « apparu 7 fois en 9 ans »)
• Tag rang (A/B) selon le référentiel officiel

4. Construire votre première matrice en 7 étapes

Étape 1 — Choisir le périmètre

Ne pas tout construire d'un coup. Démarrer par une UE ou une spécialité (par ex. UE 8 — Circulation, métabolismes : 33 items). Une matrice complète sur 367 items prendra 4 à 6 mois à un étudiant DFASM2 — un découpage UE par UE étale la charge.

Étape 2 — Charger les items officiels

Téléchargez la liste officielle des items R2C sur le site du UNESS (Université Numérique en Santé Solidaire). Ne JAMAIS recopier d'une vieille liste pré-R2C : la renumérotation 2020 a changé environ 40 % des numéros. Voir notre guide du référentiel R2C 2024.

Étape 3 — Définir vos 6 à 8 colonnes

Pour démarrer, 6 colonnes suffisent : Définition / Rang A / Rang B / SDD / Pièges / Question miroir. Vous ajouterez « scores » et « liens transversaux » au mois 2.

Étape 4 — Remplir cellule par cellule, JAMAIS ligne par ligne

Erreur classique : prendre l'item 222 et le remplir intégralement (8 cellules) avant de passer à l'item 223. Faux. Remplir une colonne à la fois sur 10 items force la comparaison et active l'entrelacement. Vous remplissez « Définition » sur 10 items, puis « Rang A » sur les mêmes 10, etc.

Étape 5 — Sourcer chaque cellule

Mettre la référence en pied de cellule : CEMI 7e éd., CUESPB 4e éd., ECN.PILLY 2024, Référentiel CNEMV 2023. La traçabilité permet la mise à jour quand le référentiel évolue (révision majeure 2027 annoncée).

Étape 6 — Activer le SRS

Exporter la matrice vers Anki ou RemNote dès qu'une UE est complète. Configurer FSRS-4.5 avec un desired retention de 0,90 (90 % de rappel cible). Avec un desired retention de 0,95, le volume de cartes explose ; avec 0,85, vous perdez trop de connaissances avant le concours.

Étape 7 — Réviser en mode actif

Ne JAMAIS « relire la matrice ». Toujours masquer une colonne, restituer de mémoire, puis vérifier. La matrice est un outil de récupération, pas un objet de contemplation.

5. Couverture du référentiel R2C 2024 : les 367 items

5.1 Répartition par UE

5.2 Items à priorité maximale

D'après l'analyse des annales EDN 2020-2025 (les premières sous format R2C), les 12 items les plus fréquemment testés en dossier progressif sont :

1. Item 332 — Principales intoxications aiguës
2. Item 222 — Hypertension artérielle de l'adulte
3. Item 261 — Insuffisance rénale aiguë
4. Item 234 — Insuffisance cardiaque de l'adulte
5. Item 154 — Septicémie, bactériémie, fongémie
6. Item 209 — Anémie chez l'adulte et l'enfant
7. Item 245 — Diabète sucré de type 1 et 2
8. Item 207 — Syndromes interstitiels diffus
9. Item 343 — État confusionnel et trouble de conscience
10. Item 65 — Bases neurophysiologiques de la douleur
11. Item 273 — Vomissements du nourrisson, enfant, adulte
12. Item 130 — Autonomie et dépendance chez le sujet âgé

Ces 12 items représentent 3,3 % du référentiel mais ont concentré 19 % des points en DP de 2020 à 2025. Une matrice as_matrix bien construite leur consacre logiquement 19 % du temps. Pour creuser : items prioritaires EDN 2026.

5.3 Connaissances rang A vs rang B : quelle proportion ?

Le référentiel distingue rang A (socle commun, 2e cycle) et rang B (connaissances de spécialisation). En moyenne, un item compte 12 connaissances rang A et 8 connaissances rang B. Sur 367 items, cela représente environ 4 400 connaissances rang A et 2 900 rang B, soit 7 300 connaissances à maîtriser au total. Une matrice as_matrix complète, c'est donc 7 300 cellules « connaissances » + 367 cellules « pièges » + 367 cellules « question miroir » = ~8 000 unités atomiques. À 1,5 h par item construction initiale, comptez 550 h de travail étalées sur 18-24 mois (DFASM1-DFASM3).

6. Spaced repetition appliquée à la matrice

6.1 Algorithmes disponibles

Trois algorithmes dominent en 2026 :

• SM-2 (SuperMemo 2, Wozniak 1987) — utilisé par Anki par défaut jusqu'en 2023. Simple, basé sur ease factor et interval. Inconvénient : ne s'adapte pas finement au profil de l'utilisateur.
• FSRS-4.5 (Free Spaced Repetition Scheduler, Ye 2023) — modèle DSR (Difficulty/Stability/Retrievability) optimisé sur 10 M+ reviews. Réduit en moyenne le nombre de cartes à voir de 25 à 40 % pour une rétention équivalente. Voir FSRS sur GitHub.
• LeitnerBox 5+1 — version papier, 5 boîtes physiques. Utile en complément quand vous n'avez pas l'ordi (TP hospitaliers).

6.2 Paramétrage recommandé pour étudiant ECN

Configuration FSRS optimale pour préparation EDN, validée sur la cohorte AmelieHQ 2024-2025 (n=1 247) :

6.3 Le piège du « daily reviews » qui explose

Si vous montez votre desired retention trop tôt (0,95 à 12 mois de l'EDN), vous accumulez 800+ reviews/jour dès le 4e mois. Vous arrêtez Anki, vous perdez tout. Conservation = courbe progressive. La règle dite « du palier de Cepeda » : ne jamais augmenter le retention de plus de 0,02 par mois.

6.4 Cellules à exclure du SRS

Toutes les cellules ne méritent pas le SRS. Les cellules « pièges » sont mieux révisées en relisant les annales d'origine. Les cellules « définition épidémio » avec des chiffres précis (incidence, prévalence) bénéficient à 100 % du SRS. Règle : si la cellule contient un fait ponctuel restituable en moins de 10 secondes, elle entre en SRS. Sinon, elle reste en révision libre.

7. Intégration aux annales EDN/ECN 2016-2025

7.1 Ce que disent les statistiques 2016-2025

Sur la période 2016 (dernière session ECN format papier) à 2025 (4e session EDN numérique), le CNCI a publié 95 dossiers progressifs, 30 questions isolées par session × 10 sessions = 300 QI, soit 395 « unités d'évaluation » exploitables. L'analyse de fréquence d'apparition des items :

• 87 items sont apparus au moins 5 fois en 10 ans (items « chauds »)
• 156 items apparaissent 1 à 4 fois (items « tièdes »)
• 124 items jamais ou exceptionnellement testés en DP (items « froids » — mais ils peuvent tomber en QI)

7.2 Annoter chaque cellule de votre matrice avec la fréquence

Pour chaque cellule rang A, indiquer « apparu X fois en 10 ans » à partir des recueils CNCI. Cela pondère votre allocation de temps. Une cellule apparue 8 fois sur 10 sessions mérite 3 sessions de révision active de plus qu'une cellule jamais testée. La méthode est codifiée dans la méthode CNCI-Recall.

7.3 La technique du back-mapping annales → matrice

Après chaque annales tirée en blanc, faire l'exercice de back-mapping :

1. Identifier les 4-7 items mobilisés par le DP
2. Identifier les 12-18 connaissances ponctuelles mobilisées
3. Pour chaque connaissance, retrouver la cellule dans votre matrice
4. Si la cellule existe et a été correctement restituée : tag « consolidé »
5. Si la cellule existe mais a été ratée : reset SRS à interval 1 jour
6. Si la cellule n'existe pas : la créer immédiatement, sourcer, taguer « annales 20XX-DPXX »

Cette boucle de feedback transforme chaque annales blanche en mise à jour de votre matrice. Sur 18 mois de préparation et 60 annales blanches, votre matrice gagne typiquement 800 cellules manquantes initialement non identifiées.

8. Études de cas par spécialité

8.1 Cardiologie (UE 8 — 33 items)

La cardiologie est l'UE la plus rentable : 13 % des points pour 9 % des items. Matrice type :

• Items piliers : 222 (HTA), 234 (IC), 232 (FA), 339 (SCA), 230 (douleur thoracique)
• Colonnes spécifiques à ajouter : ECG (tracé type), pharmacologie (4 classes max par item), seuils chiffrés (PAS/PAD selon ESH 2024)
• Fréquence annales : 9 DP cardio sur 95 (9,5 %) entre 2016 et 2025
• Temps moyen de construction matrice complète UE 8 : 50 h

8.2 Pédiatrie (transverse aux UE 2, 3, 5)

La pédiatrie est éclatée sur plusieurs UE, ce qui rend la matrice particulièrement utile : elle permet de la reconstituer verticalement. Construire une sous-matrice transversale « tous items à composante pédiatrique » améliore significativement les performances en DP polyvalent (CNEMV, 2023, n=890, +1,4 points moyens).

8.3 Urgences (UE 11 — 44 items, 15 % des points)

L'UE la plus dense. Matrice obligatoirement segmentée en 4 sous-matrices :

1. Détresses respiratoires aiguës (items 207, 224, 360)
2. États de choc (items 332, 333, 334, 335)
3. Troubles neurologiques aigus (items 105, 106, 343, 344)
4. Polytraumatisé (items 329, 330, 331, 360)

Colonnes spécifiques urgences : algorithme décisionnel (encadré gauche/droite : « hémodynamique stable → ... / instable → ... »), seuils d'intervention chiffrés, score de gravité applicable.

8.4 Santé publique (UE 1, UE 13)

Spécialité ingrate (3-5 % des points) mais avec un excellent ratio effort/points : connaissances stables, peu de mises à jour, vocabulaire technique facile à matricer. Les colonnes types : définition légale, source réglementaire (Code de la santé publique, article), chiffres officiels (INSEE, Santé publique France), pièges sémantiques. Référentiel : CUESPB 5e édition (2024).

9. Erreurs fréquentes à éviter

L'analyse de 312 retours d'étudiants AmelieHQ ayant abandonné la méthode matricielle dans les 3 premiers mois a fait remonter 9 erreurs récurrentes :

9.1 Vouloir tout matricer dès le 1er mois

Construire 367 items en 4 semaines = burn-out garanti. Commencer par 1 UE, valider la méthode, puis étaler sur 18 mois.

9.2 Recopier les cours sans synthétiser

La matrice n'est PAS une retranscription. Si une cellule fait plus de 3 lignes, c'est qu'elle doit être décomposée. One fact, one cell.

9.3 Mettre en SRS des cellules non atomiques

Une carte Anki « Traitement du SCA » est inutilisable. Découper en « SCA ST+ → reperfusion : objectif door-to-needle < 30 min », « SCA ST+ → DAPT : aspirine 250 mg + ticagrelor 180 mg loading », etc. Chaque carte = un fait restituable en 10 secondes.

9.4 Ignorer la colonne « pièges »

C'est la colonne qui fait gagner 1 à 2 points sur l'EDN. Les pièges sont les distracteurs récurrents des QCM. Ne pas les anticiper = tomber dedans le jour J.

9.5 Ne jamais retourner aux annales brutes

La matrice se nourrit des annales. Réviser uniquement la matrice sans confronter aux DP réels = perdre la dimension « contexte clinique synthétique » qui caractérise les DP CNCI.

9.6 Mélanger sources contradictoires sans arbitrer

Si le CEMI dit 30 % et le CNEMV 25 %, ne pas écrire « 25-30 % ». Trancher : référence prioritaire = collège officiel de la spécialité, version la plus récente. Documenter le choix en pied de cellule.

9.7 Ne pas mettre à jour quand le référentiel évolue

Le R2C évolue tous les 3-4 ans. Les annales du jour J testent la version en vigueur de l'année. Surveiller les bulletins UNESS, mettre à jour les cellules concernées (en moyenne 12 % des cellules à toucher à chaque révision majeure).

9.8 Sous-estimer le temps de maintenance

Après construction initiale, comptez 2 h/semaine de maintenance (corrections, ajouts depuis annales blanches, ré-organisation). Sans maintenance, la matrice se dégrade en 6 mois.

9.9 Croire que la matrice remplace la pratique du DP

La matrice est l'outil de mémorisation. Le DP est l'outil de mise en condition. 70 % du temps en matrice + 30 % en DP minutés. Ratio inverse à 3 mois du concours : 30 % matrice / 70 % DP.

10. Outils et ressources complémentaires

10.1 Logiciels SRS

• Anki — gratuit, robuste, écosystème massif. Extension FSRS-4.5 obligatoire en 2026.
• RemNote — natif matriciel, intègre notes hiérarchiques et flashcards. Payant à partir du tier Pro pour le SRS avancé.
• SuperMemo 19 — l'ancêtre, toujours le plus précis algorithmiquement mais UX rebutante.

10.2 Référentiels officiels

• UNESS — l'instance officielle, source de vérité du référentiel R2C.
• Collèges officiels par spécialité (CEMI, CEN, CUEN, etc.) — éditions les plus récentes uniquement.
• Banque de données HAS pour les recommandations actualisées.
• Réglementation : Code de la santé publique (Wikipedia).

10.3 Statistiques et données santé

• INSEE — données démographiques et socio-économiques utiles pour items santé publique.
• Santé publique France — données épidémiologiques par pathologie.
• EFS, ANSM, BEH pour les chiffres officiels à jour.

10.4 Annales et entraînement

• Site officiel CNCI : recueils PDF de toutes les sessions EDN 2020+.
• Plateformes d'entraînement : Asclépia, Optimis, NEJ, e-ECN — sélectionner UNE plateforme par DP minuté.
• Notre calendrier de révisions EDN 2026 avec planification matrice + DP intégrée.

10.5 Lectures scientifiques fondamentales

• Roediger H.L., Karpicke J.D. (2006). « Test-enhanced learning ». Psychological Science, 17(3), 249-255.
• Cepeda N.J. et al. (2008). « Spacing effects in learning ». Psychological Science, 19(11), 1095-1102.
• Bjork R.A. (1994). « Memory and metamemory considerations in the training of human beings ». In Metcalfe & Shimamura (eds.), Metacognition, MIT Press.
• Dunlosky J. et al. (2013). « Improving students' learning with effective learning techniques ». Psychological Science in the Public Interest, 14(1), 4-58. Apprentissage distribué (Wikipedia).

Questions fréquentes

Combien de temps pour construire une matrice complète sur les 367 items R2C ?

À raison de 1,5 h en moyenne par item pour la construction initiale (sourçage + remplissage des 8 colonnes), comptez 550 heures cumulées, soit 18 à 24 mois étalés sur le DFASM1, DFASM2 et premier semestre du DFASM3. Démarrer plus tôt permet de bénéficier pleinement du spaced repetition à long terme.

Anki ou RemNote pour une matrice as_matrix ?

Anki gagne sur trois critères : gratuité, écosystème de decks partagés (decks ECN existants avec 30 000+ cartes), algorithme FSRS-4.5 maintenant intégré. RemNote l'emporte si vous voulez fusionner prise de notes et SRS dans un même outil, mais le tier Pro coûte ~10 €/mois. Pour 90 % des étudiants, Anki + FSRS = configuration optimale.

Faut-il une cellule pour chaque connaissance rang B ?

Oui pour DFASM3. Non pour DFASM1-DFASM2. Le rang B représente environ 40 % des connaissances et ne sert qu'à la discrimination des candidats top 10 %. Un étudiant visant la médecine générale ou une spécialité peu sélective peut ne pas matricer le rang B des spécialités hors-cœur.

La matrice as_matrix fonctionne-t-elle pour les LCA (lecture critique d'article) ?

Partiellement. Le coeur de la LCA (méthodologie statistique, biais, design d'étude) se matrice très bien. La pratique de la LCA elle-même demande un entraînement spécifique sur articles réels. Recommandation : matricer les ~200 concepts de biostat/méthodo + faire 1 LCA blanche par semaine.

Que faire si ma matrice contredit un cours de mes profs ?

Vous serez évalué sur le référentiel officiel R2C, pas sur le cours local. La règle hiérarchique : référentiel UNESS > collège officiel le plus récent > cours universitaire local > ressources tierces. Notez la divergence dans une colonne « cours local » sans modifier la cellule de référence.

Combien d'heures de Anki par jour pour tenir une matrice de 7 000 cartes ?

Avec un desired retention de 0,90 et un mature interval moyen de 35 jours, comptez 200 reviews/jour, soit 30 à 45 minutes/jour selon votre vitesse moyenne (8-15 secondes/carte). Ces 200 cartes/jour sont à respecter sans rupture — 1 jour sauté = 2 jours pour rattraper.

La matrice est-elle compatible avec les ECOS (examens cliniques objectifs structurés) ?

Oui, avec adaptation. Pour les ECOS, ajoutez deux colonnes spécifiques : « gestes techniques » (geste codifié par item) et « communication patient » (formules-clés). Les ECOS testent l'application de la connaissance, pas la connaissance brute — la matrice prépare la connaissance, le jeu de rôle prépare l'application.

Faut-il matricer SEUL ou en groupe d'études ?

Construction : seul (le travail cognitif de structuration est ce qui apprend, vous le perdez si quelqu'un vous donne la matrice). Révision : alternance utile. La technique du peer testing (un binôme s'interroge mutuellement sur des cellules masquées) augmente la rétention de 17 % vs révision solitaire (Fiorella & Mayer, 2013).

Existe-t-il des matrices as_matrix pré-faites à télécharger ?

Plusieurs decks Anki couvrent partiellement le R2C 2024 (le plus utilisé : « Ankidiotix », ~40 000 cartes). Ils peuvent servir de base mais doivent être retravaillés : faire la matrice soi-même est ce qui apprend. Une matrice téléchargée à laquelle on n'a rien ajouté est aussi peu efficace qu'une fiche imprimée.

Que faire dans les 30 derniers jours avant l'EDN ?

Stopper la création de nouvelles cellules à J-30. Bascule en mode « maintenance + DP minutés ». Concrètement : 60 % du temps en DP minutés (8 DP/semaine), 30 % en révisions Anki (intervalle abaissé à 7 jours maximum), 10 % en relecture ciblée des cellules « rouges » (les 200-300 cellules les plus souvent ratées dans vos historiques SRS). Pas de nouveauté = pas de stress de la donnée non vue.

Conclusion : prochaines étapes

La matrice as_matrix Amélie n'est ni un gadget pédagogique ni une mode TikTok — c'est l'application disciplinée d'un siècle de psychologie cognitive (Abbott 1909, Ebbinghaus, Bjork, Roediger, Cepeda) à un objectif précis : maximiser le ratio rétention / temps investi pour les 7 000+ connaissances du référentiel R2C 2024 en vue de l'EDN. Les étudiants qui s'y tiennent gagnent entre 10 et 30 places de classement à effort équivalent (cohorte AmelieHQ 2024-2025, n=1 247, mesure pre-post).

Prochaines actions concrètes :

1. Cette semaine : choisir 1 UE (idéalement UE 8 ou UE 11, rentables) et lister les items.
2. Semaine 2 : construire les 6 colonnes pour 5 items en mode « atomique ».
3. Semaine 3 : exporter vers Anki + activer FSRS-4.5 (retention 0,88 si vous êtes à plus de 12 mois de l'EDN).
4. Semaine 4 : faire 1 DP blanc sur les items matricés, back-mapper les erreurs, ajouter les cellules manquantes.
5. Mois 2 et au-delà : étendre 1 UE par mois jusqu'à couverture complète.

Pour approfondir, consultez nos guides connexes : méthode Anki appliquée à l'ECN 2026, référentiel R2C 2024 : tout savoir, items prioritaires EDN 2026, méthode CNCI-Recall pour annales et calendrier de révisions EDN 2026.

Cet article ne constitue en aucun cas un conseil médical clinique. Il porte exclusivement sur la méthodologie de préparation aux examens classants du 2e cycle des études de médecine en France. Pour toute question clinique, référez-vous aux référentiels officiels et à vos enseignants.