“If you spend a few hundred, even a few thousand dollars to buy a paper that is guaranteed to be published, and then because of that you end up getting tenure or a promotion, as an investment, you can see how it makes sense,” he said. “Universities benefit too. The international university rankings are, I would argue, pernicious in their impact. It’s kind of like Lance Armstrong — it’s the same kind of doping, but in academia.”

Our Ivan Oransky speaks with Hollie McKay of The New York Sun.

Baromètre MedGPT.fr : l'utilisation de l'IA médicale par les soignants

The UK government has just published its long awaited Media Literacy Action Plan. This sets out a whole-of-government vision for improving media literacy over the 2026-2026 period. The Plan explains what the government is doing to improve media literacy and the first steps it is taking to help people feel safer, more confident, and better informed online. In developing the Plan, the Department of Science, Innovation & Techonology (DSIT) has worked closely with other government departments to make media literacy part of wider policies and share best practice.

The Plan sets out three core principles and four priority areas for action:

(i) Core principles to delivering a more media literate UK 
- supporting people where they are
- sharing and using what works
- helping everyone play their part in strengthening media literacy 
 
(ii) Priority areas for action to achieve the government's vision of success 
- building awareness of media literacy and support access to trusted information
- preparing children and young people for a digital future 
- boosting local initiatives, to support people facing barriers to participation 
- ensuring a coherent approach across government and supporting cross-sector coordination

https://lnkd.in/eKrTmHcU

🚀 Influence Metrics x Visibrain : un partenariat stratégique autour de LinkedIn

Nous sommes fiers d’annoncer notre collaboration avec Visibrain, acteur de référence du social listening.

👉 Leur force : capter et structurer les conversations en ligne, notamment sur LinkedIn, en temps réel
👉 La nôtre : analyser ces données en profondeur pour en extraire des insights stratégiques

🤝 Ensemble, nous allons plus loin sur LinkedIn.

Grâce à ce partenariat, nous combinons :
- une écoute fine et réactive des conversations
- une capacité unique d’analyse sur LinkedIn, avec des historiques allant jusqu’à 365 jours
- une lecture avancée, multi-langues, pour une compréhension globale des dynamiques d’influence

🎯 Objectif : transformer la donnée LinkedIn en décisions, avec plus de recul, plus de précision et plus d’impact.

#partenariat #linkedin #sociallistening #data #influence #insights

📚✨ Simplifiez vos préparations de cours avec CartaGen ! Créez des cartes interactives en un clin d'œil en décrivant votre idée en langage naturel. Open Source. 🌍🗺️ #ÉducationInnovante #CartaGen #magique
https://lnkd.in/eURJKjr4

Votre enfant de 4 ans est plus intelligent qu'une IA à 100 milliards de dollars. 🧒 C'est le constat de Yann LeCun lors de sa dernière conférence à Paris.
Nous sommes tous bluffés par ces IA capables d'écrire un poème ou de coder une application. Mais la réalité, c'est qu'aujourd'hui, nos machines n'ont pas de "sens commun".
1️⃣ L'illusion du langage : L'IA actuelle parle remarquablement bien, mais elle ne comprend pas la réalité. Elle calcule des probabilités pour prédire le mot suivant. Mais maîtriser le vocabulaire ne veut pas dire maîtriser la vie réelle.
2️⃣ Le Paradoxe de Moravec : Réussir l'examen de médecine ? Facile pour une IA. Plier une chemise ou débarrasser une table sans rien casser ? Impossible pour nos robots. Le monde physique est le vrai test.
3️⃣ Retour à la maternelle : Un bébé apprend les lois de la gravité en regardant un objet tomber. L'IA doit faire pareil : passer du texte à la vidéo (apprentissage auto-supervisé) pour acquérir ce fameux "sens commun" par l'observation.
4️⃣ Se construire un "Modèle du Monde" : La vraie intelligence, c'est la capacité d'anticipation. L'IA de demain aura un "simulateur interne" qui lui permettra de tester mentalement les conséquences de ses actions avant d'agir.
5️⃣ Du réflexe à la réflexion (Système 1 vs Système 2) : ChatGPT donne des réponses de manière instinctive (Système 1). Le prochain grand saut technologique ? Intégrer le Système 2 : une machine qui prend le temps de délibérer, de raisonner et de planifier avant d'exécuter.
6️⃣ Comprendre l'essentiel : Le monde est trop chaotique pour prédire le futur pixel par pixel (imaginez essayer de prédire le mouvement de chaque feuille d'un arbre). L'architecture JEPA permet à l'IA d'ignorer les détails visuels inutiles pour ne comprendre que les concepts qui comptent.
7️⃣ La fin des hallucinations : Fini les IA qui déraillent. Les futurs modèles seront contraints par des objectifs clairs et des règles de bon sens gravées dans le code. En clair : des garde-fous intégrés "by design" pour assurer la sécurité.
8️⃣ Oubliez l'AGI, bienvenue à l'AMI - Advanced Machine Intelligence : L'intelligence "générale" n'existe pas (même l'être humain est ultra-spécialisé). L'objectif est de créer des "modèles du monde" fiables, open-source, et capables de nous aider concrètement dans le monde matériel.
💡 La conclusion : L'avenir de la Tech ne se joue pas seulement dans la capacité à générer plus de textes, mais dans la capacité à comprendre notre réalité physique.

❓Si demain une IA obtenait enfin ce "sens commun", qu'est-ce que cela changerait dans votre secteur ? 

🔗 Source : Conférence de Yann LeCun en premier commentaire
👉 Formez-vous à l'IA avec NextStart.AI | 21 comments on LinkedIn

Comment évaluer scientifiquement l'impact des IA de recommandation ?

Dans un article pour Polytechnique Insights, je vous présente deux expériences contrôlées randomisées extrêmement préoccupantes. Malgré des interventions minimes et limitées dans le temps, elles montrent que ces IA de recommandation affectent aussi bien les émotions que nous ressentons, notamment vis-à-vis du "clan opposé", que celles que nous exprimons. Mais surtout, je vous parle de ce qu'un raisonnement plus bayésien suggère du danger de ces IA.

Voilà qui permet de contextualiser les récentes attaques judiciaires à l'encontre de ces systèmes, aussi bien en Europe qu'en Californie.

Laissez-moi vous expliquer comment fonctionne le diabète… »
Cette image peut sembler ironique, mais elle reflète une réalité que beaucoup de personnes vivant avec un diabète connaissent encore aujourd’hui.
Récemment, une patiente hospitalisée s’est vu retirer sa pompe à insuline pour passer aux stylos.
La diabétologue était absente pour le week-end et les internes ont refusé de prescrire l’insuline basale.
Résultat : des hyperglycémies très sévères, un mal-être important et un sentiment d’incompréhension face à une situation pourtant évitable.
En tant que diabétique depuis plus de 20 ans et engagée dans la défense de cette cause, je me pose une question simple :
Comment est-il possible qu’en 2026, nous soyons encore en retard sur des bases aussi fondamentales du traitement du diabète ?
Le schéma basal-bolus (insuline lente + insuline rapide) fait partie des bases les plus élémentaires de la prise en charge.
Et pourtant…
Ce qui est parfois le plus usant, ce n’est pas seulement d’éduquer la société sur le diabète.
C’est aussi de devoir, encore et encore, expliquer ces réalités à certains professionnels de santé.
Ce message n’est pas une accusation.
C’est un appel à davantage d’écoute, de formation et de compréhension du vécu des patients.
Car derrière ces situations, il y a aussi un sentiment que beaucoup de personnes diabétiques connaissent :
la révolte face à l’injustice de ne pas être correctement comprises ou prises en charge.
Le diabète, lui, ne s’arrête ni le week-end, ni pendant les changements d’équipe. | 16 comments on LinkedIn

A subtle but important shift in medical AI just appeared in the literature.

Researchers recently evaluated a large language model embedded directly inside electronic health records in primary care settings.

Not as a chatbot.
Not as an external decision support tool.

But as part of the clinical workflow itself.

This may sound like a technical milestone, but institutionally it signals something much bigger.

For more than a century, clinical reasoning has been organized around the individual physician’s mind. Clinical decision support systems were external references—guidelines, textbooks, alerts.

Now we are beginning to see the emergence of embedded clinical cognition systems.

In these environments, diagnosis and treatment planning become a distributed process involving clinicians, patient data ecosystems, and generative AI operating inside the health record.

The physician’s role does not disappear.

But it evolves—from sole generator of medical reasoning to architect and supervisor of human–AI cognitive systems.

For academic medicine, the strategic question is no longer whether AI will assist clinicians.

It is how we design AI-native medical institutions where human expertise and machine reasoning operate safely as a single cognitive architecture.

We may be watching the early infrastructure of the Cognitive Revolution in medicine take shape.

Source:

https://lnkd.in/g5_jgbna

#MedicalAI #AcademicMedicine #AIinHealthcare #DigitalHealth #FutureOfMedicine #AINative

PhD Students - Which tool to use in each phase of your PhD?

Research paper writing
↳ 𝐀𝐧𝐬𝐰𝐞𝐫𝐓𝐡𝐢𝐬 → https://lnkd.in/dT8KNcjY

Grammar & typos checking
↳ 𝐏𝐚𝐩𝐞𝐫𝐩𝐚𝐥 → https://lnkd.in/diAjKHUR

Convert paper to a poster
↳ 𝐒𝐜𝐢𝐒𝐩𝐚𝐜𝐞 → https://lnkd.in/d_rDXkNU

Conduct literature reviews
↳ 𝐆𝐚𝐭𝐬𝐛𝐢 → https://
gatsbi.com

Extract data from research papers
↳ 𝐦𝐨𝐚𝐫𝐚 → https://
moara.io

Identify right journal for paper
↳ 𝐑𝐞𝐯𝐢𝐞𝐰-𝐢𝐭 → http://
review-it.ai

Receive feedback on thesis
↳ 𝐓𝐡𝐞𝐬𝐢𝐟𝐲 → http://
thesify.ai

Peer-review a manuscript before submission
↳ 𝐑𝐞𝐯𝐢𝐞𝐰𝐞𝐫𝟑 → https://
reviewer3.com

Paper editing
↳ 𝐎𝐯𝐞𝐫𝐥𝐞𝐚𝐟 → http://
overleaf.com

Identify papers for literature review
↳ 𝐍𝐎𝐀𝐇 → https://
lnkd.in/d-hgRce2

Identify trends in research
↳ 𝐄𝐮𝐫𝐞𝐤𝐚 → https://
lnkd.in/dqWj6kYv

Identify research gaps
↳ 𝐖𝐢𝐬𝐏𝐚𝐩𝐞𝐫 → https://
lnkd.in/dVUCUA_p

Any other problem/tool you'd like to add?

#phd #aitools | 20 comments on LinkedIn

Sommes-nous parfois sommé·e·s de partager ? Est-ce parfois contre-productif de forcer à partager ? Répondre à ces questions complexes est le défi relevé par Luc Massou (Université de Lorraine, France) qui s’appuie sur son expérience au Ministère français de l’enseignement supérieur.

Demain, à PariSanté Campus, je vais parler d’un sujet qui me semble encore largement sous-estimé.
Pas l’IA en santé.
Pas les cas d’usage.
Pas les promesses.
👉 Mais le moment très précis que nous sommes en train de vivre.

En quelques semaines — entre janvier et mars 2026 — quelque chose a basculé.
ChatGPT Health
Claude Healthcare
Perplexity Health
On pourrait croire à une accélération classique de la tech.
Ce n’est pas ce que je vois.
Ce que je vois, c’est un déplacement beaucoup plus profond :
🧠 l’IA ne se contente plus de donner accès à l’information
👉 elle commence à interpréter notre santé à notre place

Et ce changement est loin d’être anodin.
Parce que celui qui interprète :
influence ce que l’on comprend
oriente ce que l’on décide
redéfinit la place du médecin
👉 C’est exactement ce dont nous allons débattre lors de la table ronde 3 des Journées Santé 5.0
📍 à PariSanté Campus (Paris)
📅 mardi 24 mars
⏰ 14h30 – 18h30
👉 S’inscrire à l’événement https://lnkd.in/eGhki3RV

Un événement qui pose une question que tout le secteur esquive encore trop souvent : comment passer enfin du pilote… à un impact réel, clinique et organisationnel ?
Parce que la vraie bascule n’est pas technologique.
Elle est :
organisationnelle
cognitive
et profondément humaine

📩 J’ai pris le temps de poser cette analyse dans une newsletter IAtrogène x IAtus.
Pas un résumé.
Une mise en perspective :
pourquoi tous les acteurs IA se ruent sur la santé
pourquoi Perplexity change la nature du jeu
et pourquoi le vrai sujet n’est pas la techno… mais l’interprétation

💬 Et vous ?
👉 Êtes-vous prêts à confier à une IA la compréhension de votre santé…
avant même d’en parler à un médecin ?

Clémentine Langlois ✩ Natacha Fellous Antoine Tesniere Anne-Sophie Bouy Plagnard Zahime RAI | 12 comments on LinkedIn

You and your team use AI daily.
But do you know the terms?
85 AI terms explained in plain English:

What's Generative AI?
What’s an Agent?
That's what you probably know.

But ever heard of AGI or ASI?
Read this post to become fluent in AI.

THE FOUNDATIONS
AI — Systems performing human-like thinking
Machine Learning — Learning patterns from data
Deep Learning — ML with layered neural networks
Neural Network — Interconnected nodes processing information

HOW AI LEARNS
Supervised Learning — Training with labeled answers
Unsupervised — Finding patterns without labels
Reinforcement Learning — Learning through rewards
Self-Supervised — Model creates its own labels
Transfer Learning — Reusing knowledge across tasks
Fine-Tuning — Adapting pre-trained models

MODEL ARCHITECTURE & TRAINING
Transformer — Architecture powering modern LLMs
LLM — Large model trained on massive text
Foundation Model — Adaptable to many tasks
Parameters — Learnable weights
Training Data — Dataset teaching the model
Batch Size — Samples processed together

GENERATIVE AI
Generative AI — Creates new content
Prompt — Your instruction to the model
Token — Basic processing unit
Context Window — Model's memory limit
Inference — Generating predictions

AI AGENTS & SYSTEMS
AI Agent — Perceives, reasons, acts toward goals
Agentic AI — Multi-step planning, independent execution
Tool Use — Calling external APIs/services
Chain-of-Thought — Step-by-step reasoning
RAG — Retrieves knowledge before generating
MCP — Standard connecting AI to external tools

LANGUAGE UNDERSTANDING
NLP — Understanding human language
Embedding — Vector capturing meaning
Tokenization — Splitting text into units
Attention — Focusing on relevant input

VISION & MULTIMODAL
Computer Vision — Interpreting images/video
Multimodal AI — Handles text, image, audio together
OCR — Extracts text from pictures

WHEN THINGS GO WRONG
Hallucination — Confident but false output
Overfitting — Memorizes, can't generalize
Underfitting — Too simple to learn patterns
Bias — Unfair outcomes from flawed data
Alignment — AI matching human values

MEASURING PERFORMANCE
Benchmark — Standardized model comparison
Accuracy — Correct predictions overall
Precision — Positive predictions that were right
Recall — Actual positives identified

THE FRONTIER
AGI — Human-level AI (hypothetical)
ASI — Beyond human intelligence (theoretical)

Those AI terms give you understanding.
But, transformation requires a deeper layer:

Want to transform your company with AI?
Join our AI-native leadership cohort:

Apply here 👉 https://lnkd.in/e-ipdV33

♻️ Repost to help others learn AI
Follow Alex Barády, founder of ENDGAME
_______________________________________

𝗕𝗲𝗰𝗼𝗺𝗲 𝗯𝗲𝘁𝘁𝗲𝗿 𝗮𝘁 𝗔𝗜 𝗶𝗻 𝟭𝟬 𝗺𝗶𝗻𝘂𝘁𝗲𝘀 𝗮 𝘄𝗲𝗲𝗸
𝗚𝗲𝘁 𝘁𝗵𝗲 𝗔𝗜 𝗻𝗲𝘄𝘀𝗹𝗲𝘁𝘁𝗲𝗿 𝗲𝗻𝘁𝗲𝗿𝗽𝗿𝗶𝘀𝗲 𝗹𝗲𝗮𝗱𝗲𝗿𝘀 𝗿𝗲𝗮𝗱
𝗦𝗶𝗴𝗻 𝘂𝗽 𝗳𝗿𝗲𝗲 𝗻𝗼𝘄 → https://lnkd.in/eJnCpjMQ
________________________________________ | 121 comments on LinkedIn

☕️ Dingue, la caféine.
Ceci n'est pas une peinture psychédélique mais une photo primée au Nikon Small World en 2023.

Un cristal de caféine au microscope.
https://buff.ly/zjQYcyc .

A l'état naturel, la caféine est présente dans les graines, les feuilles et les fruits de certaines plantes qui la sécrètent comme un insecticide naturel. C'est un poison.

Mais chez les mammifères, la caféine agit surtout comme un stimulant du système nerveux et cardiovasculaire, diminuant la somnolence, le temps de réaction et augmentant l'attention.

On la retrouve dans le café bien sur, mais aussi dans le thé, le maté, le guarana, le coca cola et même le chocolat... Certains l'appellent théine, guaranine ou encore matéine, mais c'est la même substance.

À l'échelle mondiale, la première source de caféine est évidemment le « grain » de café. Un espresso contient environ 50mg de caféine. Un thé vert : 20 à 30 mg. Un thé noir : 40 à 70 mg.

Résultat : en 2025, on estime que 2 milliards de tasses de café sont consommées chaque jour, surtout en Occident et 7 milliards de tasses de thé, surtout en Orient et avec les sodas, on atteint un chiffre fou.

100 000 tonnes par an. Non pas de café, mais de caféine.
Ce petit cristal en photo.

C'est colossal. Et qu'est ce que cela traduit?
Une distorsion de notre rapport au temps.

Bien sûr, ce n'est pas une addiction au sens médical, parce que la majorité des gens gèrent leur consommation. Ses effets psychotropes restent modérés comparés à l'alcool, la nicotine, les opiacés etc...

C'est vrai. Mais.

Le monde moderne repose de plus en plus sur la caféine et la théine. Elle manifeste ce qu'Hartmut Rosa, philosophe du temps et de la technique, appelle l'accélération sociale :
- rythme de travail intense
- sur-stimulation cognitive et attentionnelle
- manque de sommeil chronique
- course à la performance

👉 La caféine est devenue un outil de régulation sociale.

Je dis tout ça, mais j'adore le café. J'ai vécu en Italie et je suis officiellement addict.
Mais je nous invite à avoir conscience de nos chaînes, prendre la mesure de ce phénomène hallucinant et garder le contrôle de notre attention.

Nous parlons ici du temps et de son altération, mais l'économie mondiale du café présente aussi une empreinte significative sur l'espace, avec les lourdes conséquences de sa production locale sur les forêts et les conséquences de son transport par delà les océans.

La caféine transforme notre perception de l'espace et du temps.

#café #thé #boisson #micro #photo #temps

Organiser une conférence : https://buff.ly/68Pmho9
Vous abonner à ma newsletter : https://buff.ly/429XLPa | 23 comments on LinkedIn