So much fun being in conversation with Jennifer Wilding of Federal Reserve Bank of Kansas City and contributing to their recent publication of the Byways Report: The Scenic Route to Rural Prosperity. This report is a story-driven publication exploring how road trip culture and place-based tourism can support economic growth in rural communities. 📍🤠

In our conversation back in 24’, we discussed the Threatt Filling Station project through my previous interim role at the OU Institute for Quality Communities where the team led students, in collaboration with the Threatt family, to research and conceptualize design strategies to activate the historic Threatt Station site in preparation for the Route 66 centennial. The Threatt Station was the only documented rest stop for Black travelers along the entire Mother Road, all the way from Illinois to California, and Oklahoma is home to the longest stretch of it. I’m incredibly proud of the professionalism and intentionality of our student team: Logan Webb, M.A. , Emily Pendergast, Brianna Haley, Mahathi Akella, Natalie Young, Rajith Kumar, and Anahita N. who even worked through the summer that year! 👏🏾

I was most excited for students to meet the Threatt family, whose resilience, generosity, expertise, and generational leadership allowed them to learn about the importance of leveraging spatial tools to protect and affirm culture, family history, and collective memory while exploring design interventions that could bring in new energy to the site.

Big thanks to the Threatt family, to Steven Shepelwich for the introduction to Federal Reserve Bank of Kansas City years ago, and to Jennifer and team for the invitation to share about such a meaningful project.

There are so many other rural inspirational stories in this publication! You can download your copy at: https://lnkd.in/gEEMeCwE

China’s experience with medical AI shows that the hype is not matched by a messy reality https://lnkd.in/gH4KJbdA

𝗖𝗼𝗺𝗺𝗲𝗻𝘁 𝗹𝗲𝘀 𝗲́𝘁𝘂𝗱𝗶𝗮𝗻𝘁𝘀 𝘂𝘁𝗶𝗹𝗶𝘀𝗲𝗻𝘁-𝗶𝗹𝘀 « 𝘃𝗿𝗮𝗶𝗺𝗲𝗻𝘁 » 𝗹’𝗶𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲 𝗮𝗿𝘁𝗶𝗳𝗶𝗰𝗶𝗲𝗹𝗹𝗲 ?

Après de premiers usages plus ou moins erratiques et surtout médiatiquement très discutés, aujourd’hui, comment les #étudiants utilisent-ils vraiment l’#intelligenceartificielle ? C'est une question essentielle quant à la façon dont se façonnent les talents en devenir !

👉 Pour y répondre, début janvier, l’EPITA: Ecole d'Ingénieurs en Informatique a confié à #Ipsos la réalisation d’une enquête nationale, tous cursus confondus


📖 Principaux enseignements

👉 L’#IA est désormais largement intégrée aux usages des étudiants
🔹Un sur deux reconnaît qu’il lui serait difficile de s’en passer
🔹𝟵𝟰 % ont déjà utilisé un outil d’IA dans leur vie personnelle ou étudiante
🔹48 % l’utilisent tous les jours

🛠️ Quels usages ?

👉 Principalement pour comprendre, résumer ou approfondir des contenus

👉 Mais aussi des pratiques plus sensibles
🔹40 % reconnaissent avoir déjà utilisé l’IA pour générer tout ou partie d’un devoir
🔹47 % déclarent s’en servir pour des exercices même lorsque cela n’est pas autorisé

💪 𝗠𝗮𝗶𝘁𝗿𝗶𝘀𝗲...
🔹78 % se disent capables d’affiner les réponses par itérations et d’évaluer la pertinence des résultats

🤫 ...𝗘𝘁 𝗹𝗮𝗰𝘂𝗻𝗲𝘀
🔹81 % se déclarent mal informés sur au moins un enjeu majeur : éthique, biais, sécurité, environnement ou cadre réglementaire

🤔 Une 𝗶𝗺𝗮𝗴𝗲 𝗰𝗼𝗻𝘁𝗿𝗮𝘀𝘁𝗲́𝗲 de l’IA
🔹Elle est jugée performante et utile, mais aussi perçue comme potentiellement dangereuse et inéquitable
🔹59 % estiment que l’IA pourrait menacer l’existence de leur futur métier

🧑‍🎓 les étudiants expriment 𝘂𝗻𝗲 𝗮𝘁𝘁𝗲𝗻𝘁𝗲 𝗱’𝗲𝗻𝗰𝗮𝗱𝗿𝗲𝗺𝗲𝗻𝘁 𝗲𝘁 𝗱’𝗮𝗰𝗰𝗼𝗺𝗽𝗮𝗴𝗻𝗲𝗺𝗲𝗻𝘁
🔹63 % considèrent que les pouvoirs publics et les enseignants ont un rôle clé à jouer pour les protéger et les accompagner

🔗 https://lnkd.in/eCh9pqss


📖 À propos d'#EPITA
👉 Fondée en 1984, c’est une École d’ingénieurs en informatique et en numérique
🔹Elle forme des étudiants dans des domaines technologiques tels que l’intelligence artificielle et la cybersécurité
🔹Elle se déploie sur 7 campus en France avec des équipes de recherche et d’innovation


🗨️ ⁉️ 𝗤𝘂𝗲 𝘃𝗼𝘂𝘀 𝗶𝗻𝘀𝗽𝗶𝗿𝗲𝗻𝘁 𝗰𝗲𝘀 𝗿𝗲́𝘀𝘂𝗹𝘁𝗮𝘁𝘀 ? Avez-vous perçu les ressentis et attentes de vos jeunes vis-à-vis de l'IA ?


Catherine FAUQUET Claire Matti Dima El Zein Dominique GEIMER Marie-Hélène Bru-Dure Nathalie Terrades Serge Barbet Christophe Demure Etienne KLEIN Marion Carré Mick LEVY Thierry Taboy Aneli Mladenova Omar Lamhour Pascal Minguet Deschamps

🙏 De liker, commenter, partager et d'activer la 🔔 sur mon profil pour ne pas manquer mes posts | 24 comments on LinkedIn

Kudos to the Pew Research Center team for writing the fantastic, in-depth report, "Where Do Americans Get Health Information, and What Do They Trust?" It will hopefully guide both consumer and industry decision-making as we all forge ahead into the latest health care revolution, this time powered by AI.

I smiled when I typed the word “revolution” just now. My very first report about health care and technology was published by Pew Research in the year 2000 and Lee Rainie and I had the audacity to title it, “The Online Health Care Revolution.” Twenty-four years later I published my book about the patient-led revolution in medical care, #RebelHealth. And now, two years later, I’m advising companies and organizations about how to harness AI for the greater good.

Looking back at how technology has changed the health information landscape, I see remarkable continuity:

🩺 People trust and turn to clinicians when they need help.

💡 There is always a small group of people pushing the capacity of new tools, whether mobile/social in the early 2000s or AI today. My tip: always look at what rare disease communities are doing. They are usually five to ten years ahead of the curve.

🎓 💰 Education, income, and health insurance status play big roles in how people gather health information.

What’s new in this week’s report: confirmation that peer-to-peer health advice is now mainstream.

In 2010, when I coined the phrase “peer-to-peer health care” we found that 18% of internet users had looked online for others with similar health concerns. The 2025 Edelman Trust Barometer reported that 67% of adults said personal experience with an issue is important when considering the legitimacy of a health information source – and that is particularly true among 18- to 34-year-olds. Now, in this week’s Pew Research survey we find that 66% of U.S. adults say they get health information at least sometimes from people with similar issues.

The technology keeps changing. The human need to find others who understand what you are going through never does.

What are you seeing in the health information landscape? What trends make you feel optimistic? Which worry you?

Reports linked below. Kudos to Giancarlo Pasquini, Galen Stocking, Emma Kikuchi, Isabelle Pula, Eileen Y. and the SSRS team, including Kristen Purcell. And for transparency, thanks to Claude for helping with the graphic below and reasoning through some of the thoughts I have about the last 25 years of health & tech. | 17 comments on LinkedIn

I’m lucky enough to have seen The British Museum’s incredible exhibition, Hawai’i: a kingdom crossing oceans. You can see it too - and if you enter the competition below, you could see Hawai’i itself!

“Covered entities are blocked by law from using your data for things like targeted advertising or user behavioral profiles, without authorization. But any other companies that get a hold of your medical information can do whatever they please, in accordance with their own privacy policies, [Andrew Crawford] says.” Using ChatGPT Health? Read this first.

https://lnkd.in/gN9gdY4z
Center for Democracy & Technology

#ChatGPT
#DataCollection
#TechPolicy

Des chercheurs de l'Université de Stanford ont découvert (et nommé) l'effet Mirage des IA. Ces dernières, de GPT-5 d'OpenAI à Claude Opus 4.5 d'Anthropic en passant par Gemini 3 Pro de Google, arrivent ainsi à livrer un diagnostic médical avec assurance à partir d'éléments visuels qu'elle

Une cyberattaque vient de révéler l'écosystème ultra-secret qui alimente ChatGPT et Claude en données d'entraînement.

Le groupe TeamPCP a compromis Mercor, l'un des sous-traitants clés d'OpenAI, Anthropic et Meta. Résultat : 200 Go de bases de données et 3 To d'informations sensibles exposés. Meta a immédiatement suspendu ses projets, laissant des centaines de contractuels sans travail.
Ce qui se dessine derrière cette faille, c'est toute une industrie invisible. Mercor, comme Surge ou Scale AI, emploie des milliers de personnes pour créer des jeux de données propriétaires gardés jalousement secrets. Ces entreprises sont les véritables fabriques de l'intelligence artificielle moderne.
Mais l'incident révèle surtout la fragilité de cette chaîne d'approvisionnement critique. Une seule vulnérabilité dans un outil tiers — ici LiteLLM — peut paralyser la production de données pour les modèles les plus avancés au monde.
L'asymétrie de pouvoir saute aux yeux : les géants de l'IA externalisent leurs risques vers des sous-traitants précaires, qui deviennent les maillons faibles de toute la chaîne. Quand ça casse, ce sont eux qui paient le prix fort.
Cette architecture en silo crée des vulnérabilités systémiques. Que se passerait-il si des coopératives de données remplaçaient ces intermédiaires précaires ? Si les travailleurs de l'annotation possédaient collectivement leurs outils et leurs données ?
Comment repenser cette chaîne de valeur pour qu'elle ne repose plus sur la précarité organisée ? | 13 comments on LinkedIn

Our Canadian Medical Association Health & Media Tracking Survey found that people are 5x more likely to experience harm when they use AI for health advice which is a huge issue when nearly half of those surveyed use it. This piece in The Atlantic does a great job explaining how that happens and why we should all be concerned. https://lnkd.in/eBkfQtVC

Read our research here: https://lnkd.in/g-EsyexG

L’intelligence artificielle générative n’est pas un simple outil. C’est une technologie à usage général, comparable à Internet ou à l’électricité, qui impacte l’ensemble des métiers et des secteurs . Mais cette puissance s’accompagne d’une complexité croissante : une multiplication d'outils et services avec des positionnements flous et des promesses parfois difficiles à comparer. Notre panorama…

Dr Riadh Caïd-Essebsi
Aline Cheynet de Beaupré

🌍 MEDICAL MISDIAGNOSIS IN AFRICA

🩺 What is medical misdiagnosis?
Medical misdiagnosis means a disease is:
Incorrectly diagnosed (wrong condition identified)or
Missed (not diagnosed at all)or
Delayed (diagnosed too late)
In many African settings, this often happens due to system challenges, not lack of skill

Causes of misdiagnosis
1. Limited diagnostic tools
Shortage of labs, imaging, and test kits
Reliance on symptoms instead of confirmed tests
2. Overburdened healthcare systems
High patient numbers → very short consultation time
Fatigue and workload affect decision-making
3. Similar symptoms across diseases
Many infections present with fever, pain, fatigue, making differentiation hard
4. Shortage of specialists
Rural areas often rely on general clinicians for complex cases
5. Financial barriers
Patients may not afford tests → incomplete diagnosis
6. Weak health infrastructure
Limited record systems and follow-up care

WHO percentage
The World Health Organization does not give a single specific percentage for Africa alone, but key global insights include:
Up to 40% of patients may receive incorrect or delayed diagnosis in primary care settings
WHO emphasizes that diagnostic errors are among the leading causes of avoidable harm

Risks of misdiagnosis
Receiving the wrong treatment
Increases risk of complications or death
Delay in correct treatment
Disease progression

Negative effects
On patients:
Worsening illness
Long-term disability
Emotional distress and loss of trust
On healthcare systems:
Increased costs (repeat visits, wrong treatments)
Overuse of limited resources

NB:Diseases that are commonly misdiagnosed(Disease vs. Disease),
Because many illnesses share similar symptoms (especially fever, fatigue, pain, and cough), some diseases in Africa are frequently confused with others

1. Fever-related illnesses
Malaria ↔ Typhoid fever
Malaria ↔ COVID-19
Malaria ↔ Dengue fever

2. Respiratory diseases
Tuberculosis ↔ Pneumonia
Tuberculosis ↔ Lung cancer

3. Gastrointestinal illnesses
Typhoid fever ↔ Gastroenteritis
Peptic ulcer disease ↔ Gastritis

4. HIV-related confusion
HIV/AIDS ↔ Tuberculosis
HIV/AIDS ↔ other infections (e.g., persistent fever, weight loss)

5. Childhood illnesses
Pneumonia ↔ Malaria
Measles ↔ Rubella

6. Non-communicable diseases
Hypertension ↔ Stress or anxiety
Diabetes ↔ Malaria (fatigue, weakness)

Prevention strategies
1. Improve diagnostics
More access to labs, rapid tests, and imaging
2. Training and education
Continuous training for healthcare workers
3. Use of guidelines
Standard diagnostic protocols to reduce guesswork
4. Strengthen health systems
Better staffing, infrastructure, and record-keeping
5. Patient awareness
Encouraging early care-seeking and follow-up
6. Technology use
Telemedicine and AI-assisted diagnosis

Medical misdiagnosis in Africa is a significant but preventable challenge, driven mainly by resource limitations and system pressures

5 000 milliards de requêtes par an. 9% d'erreur. Faites le calcul.

Google diffuse des centaines de milliers de fausses informations chaque minute via ses résumés IA. Une analyse indépendante révèle que cette ampleur dépasse tout ce que l'humanité a connu en matière de désinformation systémique.
Le vrai problème ? La "capitulation cognitive" des utilisateurs face à l'autorité artificielle. Seuls 8% vérifient les réponses de l'IA, et 80% suivent ses conseils même manifestement faux.
Google aggrave délibérément le phénomène : "Nous déployons des modèles moins fiables avant de les améliorer sur le dos des utilisateurs", confirme un rapport interne. Gemini 2 plafonne à 85% de précision, mais reste en production.
Paradoxe cruel : plus le modèle "s'améliore", plus il cite des sources qui ne soutiennent pas ses affirmations. De 37% à 56% de réponses "non fondées" entre les versions.

Ce que ça change concrètement :
→ Journalistes : vos sources primaires sont noyées sous l'autorité artificielle
→ Communicants : votre fact-checking devient obsolète face à la vitesse de diffusion
→ Écosystème : l'industrialisation de l'erreur avec l'autorité de la vérité
→ Société : la notion même de "source fiable" s'effrite
"Et si les médias créaient un consortium de fact-checking en temps réel des réponses IA de Google ?"
Vous avez observé cette dérive dans votre pratique professionnelle ? Des exemples concrets de cette "capitulation cognitive" ?

Learn the lingo that pet-owners use to talk about (and to) their pets in Chinese

𝐐𝐮𝐢𝐧𝐳𝐞 "𝐣'𝐚𝐢𝐦𝐞"… Il n'en faudra pas plus pour que ce post soit repris par une IA.

C'est le résultat d'une étude établie sur l'analyse de 89 000 URL de Linkedin citées par ChatGPT Search, Perplexity et Mode IA (Google). Parmi tous les chiffres, il y en a un qui mérite vraiment qu'on s'y arrête : le post Linkedin moyen cité par une IA totalise 15 à 25 réactions (j'aime, bravo, etc.).

Linkedin devient, derrière Reddit, le deuxième domaine le plus cité par les IA, devant Wikipedia, YouTube, et l'ensemble de la presse.

C'est assez étonnant. En effet, jusque-là, on nous a toujours dit que Linkedin mettait en avant les contenus les plus vus. Que son algorithme pousse ce qui performe. Que la viralité est la preuve de la valeur.

Et là, l'étude de Semrush indique que, pour les IA, c'est l'inverse ! (lien vers l'étude en commentaire)

Les IA ne cherchent pas les publications les plus populaires. Elles cherchent les plus pertinentes. Si un post répond directement à une question soumise à l'IA, peu importe que celui-ci ait été lu par 50 ou 5 000 personnes. Il aura autant de chances d'être cité.

Conséquence non moins étonnante : 𝟗𝟓 % 𝐝𝐞𝐬 𝐩𝐨𝐬𝐭𝐬 𝐜𝐢𝐭𝐞́𝐬 𝐩𝐚𝐫 𝐥𝐞𝐬 𝐈𝐀 𝐬𝐨𝐧𝐭 𝐨𝐫𝐢𝐠𝐢𝐧𝐚𝐮𝐱. Les republications ne pèsent que pour 5 % des posts cités.

Avec l'adoption massive des IA, nous voyons donc deux logiques algorithmiques s'opposer. Celle de Linkedin qui valorise l'engagement et les "j'aime" (le reach). Et, celle des IA, qui valorise la clarté et la précision thématique. Les IA testées dans l'étude semblent quasi insensibles au bruit ambiant. Elles préfèrent citer les publications porteuses de sens pour l'utilisateur.

Il va donc falloir réfléchir à deux fois avant de vous lancer dans un post. Puisque vouloir obtenir des vues ne sera pas un gage de visibilité auprès des personnes qui conversent en priorité avec leur IA, plutôt qu'avec Linkedin.

Est-ce que ce ne serait pas le moment de revoir votre stratégie éditoriale ?

#IA #LinkedIn #ContentMarketing #AISearch