À une époque où l’information circule en continu et à grande échelle, mais où la confiance publique est mise à l’épreuve, comment communiquer la science de manière rigoureuse, accessible et socialement pertinente?

Lors de cette table ronde, il sera notamment question :
- des défis de vulgarisation dans un contexte de désinformation,
- des enjeux de littératie scientifique et médiatique,
- du rôle des émotions dans la réception des savoirs,
- des tensions entre expertise, scepticisme et débat public,
- des conditions nécessaires au maintien de la confiance envers la science.

Avec :
- Elyas Aissia, responsable francophone du contenu et de l’engagement communautaire, initiative LaSciencedAbord
- Marie-Eve Carignan, Ph.D., professeure au Département de communication, Faculté des lettres et sciences humaines, UdeS
- Marc D. David, professeur au Département de communication, Faculté des lettres et sciences humaines, UdeS
- Joël Leblanc, journaliste scientifique

Cette table ronde sur la communication et la vulgarisation scientifique, gratuite et ouverte à toute la communauté universitaire, est organisée par le Département de communication de l'Université de Sherbrooke. Elle aura lieu dans l'atrium de l'Institut quantique - Université de Sherbrooke.

This is from the editor of The Lancet, the world’s leading medical journal since 1823: | 152 comments on LinkedIn

Étude NOHARM Stanford-Harvard : sur 31 LLMs évalués sur 100 cas réels, le risque de recommandations médicales sévèrement nocives atteint jusqu’à 22,2 % des cas. Les meilleurs modèles restent entre ~12 et 15 erreurs sévères sur 100 cas. Les erreurs par omission représentent 76,6 % des erreurs sévères.

Angle mort : la dispersion intra-modèle.
Les résultats sont présentés en moyennes, mais l’étude montre aussi une variabilité importante entre cas. Cela signifie qu’un même système peut paraître très sûr globalement tout en restant imprévisible à l’échelle d’un patient individuel, un point peu discuté par rapport aux moyennes agrégées.

A lire ici : https://lnkd.in/es4dNcBq

What's more convincing to an AI than a doctor's discharge note?
Not Reddit. Not social media conspiracies. Not even "everyone says so."
In our latest work published in The Lancet Digital Health: the finding that caught us off guard wasn't that LLMs fall for medical misinformation (they do, ~32% of the time across more than 3.4M prompts). It's where they fall hardest.
We fed 20 LLMs different types of misinformation, including real stuff people actually shared online. Things like "rectal garlic insertion boosts the immune system," "when oxygen reaches a tumor it spreads, so surgery must be harmful".. 
When this came from Reddit-style posts? Models were skeptical. Only ~9% susceptibility. Still not great at scale, millions of people interact with these models daily, but here's the punch line:
Take that same fabricated nonsense, wrap it in formal clinical language - a discharge note telling patients to "drink cold milk daily to treat esophageal bleeding" - and suddenly 46% of models just… went with it!
And the part nobody expected: when we framed misinformation as a logical fallacy - “a senior clinician with 20 years of experience endorses this" or "everyone knows this works" - models actually got more suspicious, not less. Appeal to popularity dropped susceptibility to 12%.
So LLMs have basically learned to distrust the language of internet arguments… but blindly trust anything that sounds like a doctor wrote it.
Think about that next time someone pitches you an AI scribe that auto-generates patient instructions from clinical notes.
Link for the full paper (and an extra intersting comment about it from Sander van der Linden and Yara Kyrychenko) - https://lnkd.in/dfH7-Vw5
Huge thanks to the incredible team: Vera Sorin, MD, CIIP, Lothar H. Wieler, Alexander Charney, @patricia kovatch , Carol Horowitz, MD, MPH, Panagiotis Korfiatis, Ben Glicksberg, Robbie Freeman, Girish Nadkarni, and Eyal Klang.

LLMs need immunization to protect against misinformation!

New commentary out in The Lancet Digital Health with the brilliant Yara Kyrychenko where we argue that AI systems can and should be inoculated against misinformation!

Following great work from Mahmud Omar & team showing how many LLMs are susceptible to medical misinformation, recent work suggests that the inoculation analogy can be extended to AI:

By pre-emptively exposing LLMs to weakened doses of the techniques used to produce misinformation and by refuting it in advance, LLMs should be less likely to accept and produce misinformation in the future. We offer three broad ways to inoculate LLMs:

✅ *Misinformation fine-tuning* (e.g., small quarantined set of explicitly labelled falsehoods).

✅ *Inoculation constitution* (e.g., encoding guardrails that teach the model about general manipulation techniques).

✅ *Inoculation prompting* (e.g., explicitly asking a model to act in misaligned ways in controlled settings so that it learns to discern between misinformation and accurate content.)

https://lnkd.in/eJfquP6d
| 13 comments on LinkedIn

>> 𝗜 𝘁𝗵𝗼𝘂𝗴𝗵𝘁 𝗜 𝘄𝗮𝘀 𝗔𝗜 𝘀𝗮𝘃𝘃𝘆.

𝗜 𝘄𝗮𝘀𝗻’𝘁 𝗲𝘃𝗲𝗻 𝗰𝗹𝗼𝘀𝗲.

Then I saw a single team using over 100 tools, and realized I was basically running a tricycle in a Formula 1 race.

AI isn’t just chatbots or content generators anymore.
It’s entire ecosystem for ideas, websites, writing, meetings, automation, design, audio, video, SEO, marketing, and even Twitter growth.

The people winning quietly aren’t smarter, they just know which tools to plug in at the right moment.

Those who ignore this wave risk being left behind faster than they imagine.

Here’s the list of 135 mind-blowing AI tools:
1. Ideas: Claude, ChatGPT, Bing Chat, Perplexity, Copilot
2. Website: Dora, 10Web, Framer, Unicorn, Style AI
3. Writing: Jasper, HIX AI, Longshot, Textblaze, Jenny AI
4. Meeting: Tldv, Krisp, Otter, Fathom, Sembly AI
5. Chatbot: Droxy, Chatbase, Chatsimple, CustomGPT, Mutual info
6. Automation: Make, Zapier, Xembly, Bardeen, Levity
7. UI/UX: Figma, UiMagic, Uizard, InstantAI, Penpot
8. Image: Dreamina AI, Leap AI, Midjourney, Stability AI, Fotor
9. Video: Dreamina AI, HeyGen, InVideo, Eightify, Morphstudio xyz
12. Audio: Lovo ai, Eleven labs, Songburst AI, Adobe Podcast, Resemble AI
13. Presentation: Decktopus, Slides AI, Pitch, Designs AI, Beautiful AI
14. SEO: VidIQ, Seona AI, BlogSEO, Keywrds ai, Semrush
15. Design: Canva, Flair AI, Designify, Clipdrop, Magician design
16. Logo Generator: Looka, Designs AI, Brandmark, Stocking AI, Namecheap
17. Prompts:FlowGPT, Alicent AI, PromptBox, Promptbase, Snack Prompt
18. Productivity: Merlin, Tinywow, Notion AI, Adobe Sensei, Personal AI
19. Marketing: Pencil, Ai-Ads, AdCopy, Simplified, AdCreative
20. Twitter: Typefully, Tweetlify, Tapilo, Hypefury, TweetHunter

Here’s a gentle reminder for anyone looking to level up:
● Awareness beats effort alone
● Hidden tools create visible results
● Early adoption compounds faster than skill
● Productivity now lives in ecosystems, not apps

Which of these 135 AI tools would you try first to level up your workflow?

----

👉 Love my content?

☑ Follow me on LinkedIn: https://lnkd.in/gjUQk7HF

👉 Found this helpful? Share it! ♻️

Don't miss out! For exclusive AI and tech insights trusted by 570,000+ professionals at Microsoft, Google, Amazon, and more—join my free newsletter for cutting-edge strategies to keep you ahead in AI.

🔗 Subscribe now: https://lnkd.in/eFNvmcYa

🎧 𝗟𝗶𝘀𝘁𝗲𝗻 𝘁𝗼 𝘁𝗵𝗲 𝗳𝘂𝗹𝗹 𝗲𝗽𝗶𝘀𝗼𝗱𝗲 𝗵𝗲𝗿𝗲

🔗 YouTube: https://lnkd.in/eGJPiQ4y 
🔗 Amazon Music: https://lnkd.in/daTPRypn
🔗 Apple Podcasts: https://lnkd.in/dphbS89P
🔗 Spotify: https://lnkd.in/dQ9gjG2E
🔗 RSS: https://lnkd.in/d4tCXB7n

#ai #productivity #automation #growth #innovation | 64 comments on LinkedIn

We’re grateful to hear Clinical Mind AI featured by Lloyd Minor, MD, dean of the Stanford School of Medicine, in a recent interview on WBUR. The AI platform simulates real-world patients and trains clinicians reasoning skills.

“We haven’t supplanted the role of medical educators, physicians, and others in the educational process," said Dean Minor, MD. "But we’ve added these tools to be a benefit during the learning process.”

Researchers at the Stanford Chariot Lab designed Clinical Mind AI to support medical educators and help learners practice clinical reasoning, receive tailored feedback, and dive deep into complex decision-making.

We appreciate Stanford’s leadership in thoughtfully integrating AI into medical education, and the opportunity to contribute tools that strengthen learning at Stanford and institutions around the globe.

Thanks to Meghna Chakrabarti for her excellent reporting.

Take a listen: https://lnkd.in/eSxM5DBD

The most common feedback we hear about students?
“Unable to retain.”
“Forgets easily.”
“They don’t revise at home.”
“Yaad nahi rakh pata.”

But is that the hard truth?

Students don’t forget because they are careless.

They forget because the brain is efficient - it deletes what feels unnecessary.

Research shows learners can forget up to 70–90% of new information within a week if it isn’t reinforced.

The real issue isn’t memory. It’s design.

We cover content but rarely revisit it.
We lecture more than we retrieve, rush more than we reinforce.

If we want retention, we must:
• Build daily recall into lessons
• Use spaced revision, not one-time teaching
• Ask students to explain, not just repeat
• Slow down to deepen understanding

Coverage completes a syllabus.
Retrieval builds learning.

If you’d like practical classroom retrieval and remembering strategies, feel free to DM me.
...................
𝘐𝘱𝘴𝘪𝘵𝘢 𝘊𝘩𝘰𝘶𝘥𝘩𝘶𝘳𝘺, 𝘚𝘤𝘩𝘰𝘰𝘭 𝘓𝘦𝘢𝘥𝘦𝘳
𝘔𝘺 𝘱𝘰𝘴𝘵𝘴-𝘚𝘤𝘩𝘰𝘰𝘭 𝘓𝘦𝘢𝘥𝘦𝘳𝘴𝘩𝘪𝘱, 𝘓𝘦𝘢𝘳𝘯𝘦𝘳𝘴 & 𝘔𝘺 𝘑𝘰𝘶𝘳𝘯𝘦𝘺𝘴
(𝘍𝘳𝘪 𝘵𝘰 𝘚𝘶𝘯𝘥𝘢𝘺)-9𝘢𝘮 𝘐𝘚𝘛

Waouh ! Je viens d’essayer le nouveau modèle de Google TranslateGemma, et c’est comme si on avait un Google Translate sur son ordinateur. Un modèle local ne nécessitant donc aucune connexion et n’envoyant aucune donnée. Et évidemment gratuit. Et je n’ai essayé que le plus petit des modèles (avec Ollama) !

https://lnkd.in/dHb_bn5w

https://lnkd.in/dYXCRTUe

𝗔𝗿𝗿ê𝘁𝗲𝘇 𝗱𝗲 𝘁𝗼𝘂𝘁 𝗮𝗽𝗽𝗲𝗹𝗲𝗿 "𝗜𝗔".

C'est une erreur de langage qui coûte cher techniquement. Dire "Intelligence Artificielle" sans distinction, c'est ignorer la mécanique précise qui sépare un simple algorithme prédictif d'un agent autonome capable de raisonner.

L'animation ci-dessous déconstruit cette architecture en couches successives, du fondement logique au sommet technologique.

𝗟𝗮 𝘀𝘁𝗿𝗮𝘁𝗶𝗳𝗶𝗰𝗮𝘁𝗶𝗼𝗻 𝘁𝗲𝗰𝗵𝗻𝗶𝗾𝘂𝗲 :

-> 𝗖𝗹𝗮𝘀𝘀𝗶𝗰𝗮𝗹 𝗔𝗜 : L'approche symbolique. Des systèmes experts basés sur des règles logiques strictes et la représentation des connaissances.
-> 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 (𝗠𝗟) : L'apprentissage statistique. La machine n'est plus explicitement programmée, elle apprend des modèles à partir de données (Classification, Régression).
-> 𝗡𝗲𝘂𝗿𝗮𝗹 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 : L'imitation biologique. Des couches de neurones artificiels traitent l'information via des fonctions d'activation complexes.
-> 𝗗𝗲𝗲𝗽 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 : La profondeur. L'utilisation de réseaux de neurones massifs (Transformers, CNNs) pour traiter des données non structurées.
-> 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝘃𝗲 𝗔𝗜 : La création. Le modèle ne se contente plus d'analyser, il génère de nouvelles données (LLMs, modèles de diffusion).
-> 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗜 : L'action. La nouvelle frontière. L'IA possède une mémoire, planifie, utilise des outils et exécute des tâches de manière autonome.

--> 𝗘𝗻 𝗿é𝘀𝘂𝗺é :

𝗟𝗲 𝗠𝗮𝗰𝗵𝗶𝗻𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 extrait des tendances. 
𝗟𝗲 𝗗𝗲𝗲𝗽 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 interprète des données non-structurées. 
𝗟’𝗜𝗔 𝗚é𝗻é𝗿𝗮𝘁𝗶𝘃𝗲 synthétise du contenu inédit. 
𝗟’𝗜𝗔 𝗔𝗴𝗲𝗻𝘁𝗶𝗾𝘂𝗲 orchestre et exécute l'action.

On ne parle pas de la même technologie quand on compare un algorithme de régression linéaire et un agent autonome. La nuance est technique, mais essentielle.

Est-ce que cette distinction change votre lecture des outils actuels ?


#ArtificialIntelligence #MachineLearning #DeepLearning #GenerativeAI #AgenticAI #DataScience #Tech #Innovation

Des dizaines de sites se présentant comme des médias régionaux français diffusent des contenus de propagande russe. ➡️ La Fondation Descartes a analysé la circulation sur les réseaux sociaux des articles émanant de ces sites de désinformation : elle demeure encore limitée.
Article de Francesco Paolo Savatteri et Francesca Hemery pour la Fondation Descartes.
https://lnkd.in/e6cm2hmE

Medical False Statements: AI Models Trust Doctors More Than Social Media (heise):

https://lnkd.in/dQ2CtXUD

Glimpse: In order to evaluate 20 AI language models' sensitivity to false information, a benchmark research used more than 3.4 million medical queries. In contrast to social media sources, which have a far lower susceptibility, the results demonstrated that AI systems are susceptible to incorrect medical claims, particularly when the misinformation is provided in authoritative clinical language, such as doctor's notes, which were recognized as true in 46.1% of cases. The results point to a phenomenon known as the 'white coat effect,' in which AI models are more likely to believe medical information presented in a professional manner than unofficial sources. Many specialist medical models performed worse, but some general-purpose models, such as GPT-4o, were comparatively more robust. In order to stop AI from spreading false information about medicine, the study highlights the serious hazards for clinical applications and the necessity of human oversight and enhanced security measures.

---
Free articles and analyses on soft counter-extremism, against online hate, and on the theory of mis-/disinformation (usually third-party content). Two-week reviews available via the following three Policyinstitute.net websites: 
• counter-terrorism.org
• preventhate.org
• strategism.org

The most recent LinkedIn posts on the above subjects, with glimpses, can be accessed via: 
• https://lnkd.in/eBarZAew

The views expressed in this post is that of the author(s) of the source content and do not necessarily represent those of Policyinstitute.net and its staff. While we carefully produce the glimpses to the articles, documents, or recordings that we hyperlink, we are not responsible for textual changes nor for imponderable parts of the original items. 

#policyinstitutenet #preventradicalization #preventextremism #counterextremism #preventhate #disinformation #misinformation

💡 Pour information, une nouvelle série de la chaire UNESCO RELIA (Nantes Université) à venir tout au long du mois de mars 2026 : 16 billets internationaux de blog sur les défis/obstacles pour aller vers l'éducation ouverte ! J'aurais le plaisir d'y contribuer cette fois-ci😊

👉 le teaser est ici (avec possibilité de demander à recevoir ces billets directement dans votre boîte mail durant le mois de mars 2026) : https://lnkd.in/emQeRmNh

2026 : L'IA est notre "Alliée Santé"... mais est-ce qu'on se comprend vraiment ?

Ce début d'année marque une collision fascinante entre deux réalités dans mon univers IAtrogénique × IAtus.
D'un côté, le lancement de GPTHealth et l'enthousiasme massif rapporté par OpenAI en début d'année ; de l'autre, la douche froide d'une étude clinique dans Nature Medicine publiée il y a quelques jours...

🔴 IAtrogénique (La critique) L'illusion du nombre : quand 40 millions de patients consultent un médecin qui réussit ses examens mais rate ses consultations.

En janvier, OpenAI publiait son rapport "AI as a Healthcare Ally", révélant que 40 millions de personnes interrogent ChatGPT chaque jour sur leur santé.
L'IA est devenue le premier guichet d'un système de santé saturé.
Pourtant, quelques semaines plus tard, Nature Medicine publie un verdict cinglant : si l'IA passe ses diplômes de médecine haut la main, l'humain assisté par l'IA, lui, échoue.
Dans une étude randomisée, les patients utilisant GPT-4 ou Llama 3 pour s'auto-diagnostiquer ont moins bien identifié leurs pathologies que ceux utilisant une simple recherche Google.
Le paradoxe est total : l'outil est techniquement "surhumain", mais l'interface Humain-Machine est défaillante.
L'IA ne sait pas (encore) extraire les informations cruciales d'un patient angoissé qui s'exprime mal.

🔵 IAtus (Le récit) Deux salles, deux ambiances dans le désert médical.

Nous sommes en 2026. Dans la première salle, l'IA logisticienne triomphe.

C'est celle décrite par OpenAI : un patient dans un "désert hospitalier" du Wyoming utilise ChatGPT pour décrypter un jargon d'assurance incompréhensible et trouver un spécialiste à moins de 30 minutes.
Ici, l'IA est une boussole administrative vitale, une arme d'auto-défense contre la bureaucratie.
Dans la seconde salle, l'IA clinicienne trébuche. Un patient décrit un mal de tête. Il oublie de dire que sa nuque est raide.
L'IA, trop polie, ne le questionne pas assez et suggère du repos.
C'était une méningite. L'histoire de 2026 n'est pas celle de l'incompétence de l'IA, mais celle de notre malentendu : nous l'utilisons comme un oracle omniscient, alors qu'elle n'est pour l'instant qu'une formidable bibliothécaire... aveugle.

📊 Le duel des données :

• OpenAI : 1 utilisateur sur 4 interroge l'IA sur la santé chaque semaine pour naviguer dans le système.
• Nature Medicine : L'humain + l'IA ne trouve la bonne pathologie que dans 34% des cas (contre une performance bien supérieure pour l'IA seule en test théorique).
🔗 Les sources du débat :
1️⃣ AI as a Healthcare Ally (Jan 2026) - OpenAI
2️⃣ Reliability of LLMs as medical assistants for the general public (Feb 2026) - Nature Medicine : https://lnkd.in/ecf9bQp7

💡 Pour décrypter ces signaux faibles avant tout le monde : Abonnez-vous à ma newsletter 👉 https://lnkd.in/eENTNBWR
Suivez la confrontation : #IAtrogénique #IAtus