Anglais

Les manuels et les PDF sont des outils puissants, mais ils sont aussi rigides. Beaucoup d'apprenants échafaudent, oublient ou sont submergés par des pages denses de texte. Maintenant imaginez si ces mêmes matériaux pourraient s'adapter à vous. C'est ce que Google Research construit avec Apprendre votre chemin—un système qui transforme les PDF et les manuels en leçons interactives et adaptées. De la lecture statique à l'apprentissage adaptatif Téléchargez un manuel ou un article, et « Apprenez votre façon » le transforme en une expérience d'apprentissage dynamique. Au lieu de lire passivement, vous pouvez : Le résultat ? Le contenu ressemble moins à un mur de mots et plus à un tuteur réceptif. Les preuves : un rappel plus fort La première étude sur l'efficacité de Google a été frappante : Pourquoi cela compte pour les chercheurs Les universitaires et les professionnels sont confrontés au même problème que les étudiants : trop de lecture, trop peu de temps. Learn Your Way pourrait se transformer: Pour les chercheurs en début de carrière, il pourrait agir comme un échafaudage d'étude; pour les universitaires expérimentés, un outil pour accélérer la compréhension dans de nouveaux domaines. Pourquoi cela compte pour les personnes atteintes de dyslexie Les manuels traditionnels sont particulièrement difficiles pour les personnes atteintes de dyslexie, où le texte dense, les longs paragraphes et le manque d'échafaudages peuvent causer fatigue et frustration. Learn Your Way offre plusieurs avantages : Cela ne remplace pas les interventions d'alphabétisation structurées, mais crée un environnement plus accessible pour les études quotidiennes, la formation professionnelle, ou même la lecture de la recherche. L'image plus grande Apprenez votre chemin fait passer l'éducation et la recherche de « lecture et mémorisation » à « engagement et adaptation ». Pour : Les outils d'éducation à emporter évoluent. Les manuels ne sont plus statiques—ils

L'intelligence artificielle (AI) n'est plus une idée futuriste—il façonne la façon dont les professionnels de chaque domaine abordent leur travail. Des ingénieurs qui conçoivent du matériel minier aux infirmières qui rédigent des plans de soins, l'IA est testée en fonction des exigences réelles de la pratique professionnelle. Et maintenant, les chercheurs posent une question audacieuse : l'IA peut-elle faire votre travail ? La dernière étude d'OpenAI's ne donne pas un oui ou un non simple. Au lieu de cela, il peint un tableau beaucoup plus nuancé—L'IA n'est pas encore un remplacement complet pour les professionnels humains, mais elle est étonnamment proche dans certains domaines. Pour nous en tant que thérapeutes, cela soulève à la fois des opportunités et des défis qui méritent d'être explorés. Le benchmark : mesurer l'IA contre les professionnels Pour répondre à cette question, OpenAI a créé un nouveau cadre appelé GDPval. Pensez-y comme un "examen de compétences" pour les systèmes d'IA, mais au lieu de tester l'algèbre ou trivia, l'examen a couvert les tâches professionnelles du monde réel. Les résultats: rapide, bon marché et parfois bon L'étude a révélé un mélange de forces et de faiblesses : Lorsque les experts humains ont comparé les résultats de l'IA au travail créé par l'homme, ils ont toujours préféré les versions humaines dans leur ensemble. Pourtant, la combinaison de projets d'IA examinés et affinés par des professionnels s'est avérée plus efficace que l'un ou l'autre travaillant seul. Pourquoi cela importe pour les thérapeutes Qu'est-ce que cela signifie pour nous en orthophonie, en psychologie, en ergothérapie et dans des domaines connexes? L'IA ne remplacera pas les thérapeutes bientôt—mais il change déjà comment nous pouvons travailler. Voici quelques exemples de la façon dont cela pourrait s'appliquer dans notre pratique quotidienne : Mais voici la grotte critiquea

Dans une interview récente, Demis Hassabis, PDG de Google DeepMind, a rejeté les allégations qu'aujourd'hui les modèles d'IA possèdent "PhD-level intelligence." Son message était clair: alors que l'IA peut parfois correspondre ou surperformer les humains dans des tâches étroites, il est loin de démontrer l'intelligence générale. Appeler ces modèles « PhD-intelligences », affirme-t-il, est trompeur et risque de créer des attentes irréalistes pour ce que l'IA peut faire dans des domaines comme la santé et la recherche. Hassabis note que les modèles tels que les systèmes Gemini ou GPT montrent des « poches de performance au niveau du doctorat » dans des domaines comme le repliement des protéines, l'imagerie médicale ou la résolution avancée de problèmes. Cependant, ces systèmes échouent aussi aux tâches de raisonnement de base, ne peuvent pas apprendre continuellement et font souvent des erreurs élémentaires qu'aucun chercheur humain ne ferait. Selon Hassabis, la véritable intelligence générale artificielle (IGA)—un système qui peut apprendre avec souplesse entre les domaines—reste à 5-10 ans. Ce que cela signifie pour la recherche et les soins de santé Les limitations actuelles ne signifient pas qu'il n'a pas de place dans notre travail. Ils indiquent plutôt comment nous devrions l'utiliser de manière responsable et stratégique. Takeaways pratiques : Exemples d'applications par discipline Avantages actuels des limitations et des risques de l'IA Recherche en santé Prédiction de la structure des protéines (p. ex. AlphaFold); pipelines de découverte de médicaments; diagnostics d'imagerie. Erreurs de généralisation; raisonnement opaque; biais dans les données. Thérapie et psychologie Rédiger du matériel thérapeutique; générer des scénarios de comportement; transcrire des séances. Risque de dépendance excessive; erreurs dans des contextes sensibles. Éducation spéciale Création de contenus différenciés; progres

La dernière innovation de Meta—l'affichage Ray-Ban Lunettes AI jumelées avec un bracelet EMG neural—crée des vagues bien au-delà du monde technologique. Pendant des années, les lunettes intelligentes ont promis plus qu'elles n'ont été livrées, mais cette fois, la combinaison d'un affichage tête haute, d'une intégration AI et d'un contrôle subtil des gestes suggère que les portables entrent dans une nouvelle ère. Pour les thérapeutes et les patients, le potentiel est énorme. Au cœur de l'innovation se trouve un écran en couleur à l'intérieur de l'objectif droit, donnant aux utilisateurs un accès discret et en temps réel à l'information sans avoir à joindre un téléphone. Associés à la bande Meta Neural, qui détecte les mouvements des poignets et des doigts par électromyographie (EMG), les lunettes permettent un contrôle mains libres—idéal pour les utilisateurs à mobilité réduite ou les professionnels nécessitant des interactions rapides. Les légendes, traductions, messages et navigation en direct peuvent maintenant apparaître directement dans votre ligne de vue. Principales caractéristiques Les thérapeutes devraient savoir : Applications cliniques et avantages pour les patients Domaine de thérapie Avantages potentiels Considérations Discours et langue Traitement Sous-titres en direct pour les clients malentendants; invites à l'écran pour les tâches linguistiques; engagement fondé sur les gestes Taille de l'affichage/lecture; courbe d'apprentissage; distraction potentielle Ergothérapie Le contrôle EMG supporte une dextérité limitée; invites visuelles interactives pour le séquençage des tâches Étalonnage requis; moins efficace avec tremblements/déficiences motrices graves Psychomotrice Guide de mouvement en temps réel; repères visuels pour les exercices de coordination Doit garder des exercices incarnés, non liés à l'écran Psychologie et éducation spéciale Rappels personnalisés, tr

Claude, d'Anthropic, est l'un des grands modèles linguistiques (LLM). Il a évolué rapidement et de nombreuses mises à jour sont pertinentes pour la thérapie, l'éducation spéciale, la psychologie et les domaines connexes. Voici un résumé de ce qui est nouveau avec Claude, plus des idées (et des mises en garde) pour comment des professionnels comme nous peuvent l'utiliser. Dernières mises à jour dans Claude Comment ceux-ci peuvent aider les SLP, les OT, les éducateurs spéciaux, les psychologues Voici quelques façons pratiques d'utiliser les capacités récentes de Claude, en plus de quoi être prudent. Fonction / Tâche Comment Claude peut soutenir Sujets à surveiller / pratiques exemplaires Objectif / Planification du PEI Utilisez Claude pour rédiger ou affiner les objectifs du Programme d'éducation individualisée (PEI), générer de multiples options, suggérer des stratégies fondées sur des données probantes pour les objectifs dans la parole, le moteur fin, le fonctionnement exécutif, etc. En raison de sa mémoire contextuelle améliorée, Claude peut se souvenir des détails du profil de l'étudiant sur les invitations à maintenir la cohérence. Toujours examiner attentivement les ébauches; s'assurer que la langue correspond aux normes juridiques et réglementaires; vérifier que les suggestions sont appropriées pour chaque enfant. Ne comptez pas sur l'IA pour le diagnostic. Gardez l'information sensible des étudiants anonymisée. Création de matériel thérapeutique Générer des stimuli thérapeutiques : Par exemple, des histoires sociales, des supports visuels, des feuilles de travail, des scripts pour la pratique, des appels à l'articulation ou à la langue, des textes adaptés. Une fenêtre contextuelle plus longue signifie plus de capacité à construire des ensembles de leçons complexes (par exemple une séquence de sessions) sans recharger tous les matériaux. Vérifier l'exactitude, la pertinence culturelle, le niveau de développement. Éviter le contenu trop générique. Utilisez la perspicacité humaine pour vous adapter. Suivi des progrès

Dans un entretien récent, Demis Hassabis, PDG de Google DeepMind, a balayé l'idée selon lacelle les modèles d'IA actuelsposséderaient une « intelligence de niveau doctorat ». Son message est sans équivoque : si l'IA peut parfois égaler, voir surpasser, les humains dans des tâches très spécifiques, elle reste loin d'une intelligence générale. Qualifier ces systèmes de « artifices médecins » est non seulement trompeur, mais risque d'alimenter des attitudes irréalistes, notamment en santé et en recherche. Hassabis souligne que des modèles comme Gemini ou les systèmes de type GPT annoncent des « poches de performance doctorat » – en plissage de protéines, en imagerie médicale ou en résolution de problèmes complexes. Pourtant, ces mêmes outils accrochent à des tâches de raisonnement élémentaire, incapables d'apprendre continu, et commettent des erreurs brutes qu'un·Rechercheur·se humain·Ne ferait jamais. Selon lui, une vénérable Intelligence Artificielle Générale (IAG) – capable d'apprendre de gestion flexible à travers différents domaines – n'est pas pour avant 5 à 10 ans. Ce que cela implique pour la recherche et la santé Ces limites ne signifient pas que l'IA n'a pas sa place dans notre travail. Elles nous rappelent simplement comment l'utiliseur : de manier responsable et stratégique. Points clés à retenir : Applications concrètes par discipline Domaine Avantages actuels de l'IA Limites / Risques Recherche médicale Prédiction de structures protégées (ex. AlphaFold) ; accise de la découverte de médicaments ; diagnostics par imagerie. Erreurs de gén

Quand il s'agit de la santé du cerveau, le timing n'est pas juste important—C'est tout. Une percée récente en Angleterre démontre à quel point l'intelligence artificielle transformatrice peut être lorsque la vitesse et la précision signifient la différence entre le handicap tout au long de la vie et la récupération significative. Le NHS a introduit un outil alimenté par l'IA dans les 107 centres d'attaque en Angleterre qui peut analyser les scans en moins d'une minute. En identifiant instantanément le type et la gravité d'un accident vasculaire cérébral, les médecins peuvent prendre des décisions de traitement plus rapidement et avec plus de confiance. Les résultats sont remarquables : le temps de traitement est passé de 140 minutes en moyenne à 79 minutes, et la proportion de patients se rétablissant avec peu ou pas d'incapacité a presque triplé—de 16 % à 48 % (The Guardian, 2025). Pourquoi les thérapeutes devraient prêter attention Alors que la plupart d'entre nous ne travaillent pas dans les salles d'urgence, la leçon ici s'applique fortement à notre domaine: le plus tôt l'intervention, le meilleur le résultat. Tout comme "le temps est le cerveau" dans les soins d'AVC, le temps est potentiel dans la thérapie de développement. Pour les enfants souffrant de troubles de la parole, de troubles du spectre autistique (TSA), de TDAH ou de dyslexie, une intervention précoce est prouvée pour remodeler les trajectoires de développement. La recherche montre systématiquement que les enfants qui reçoivent une thérapie ciblée montrent des résultats de communication, sociaux et d'apprentissage plus forts que ceux qui commencent plus tard. En avalant la thérapie, attraper un problème d'alimentation avant qu'il ne s'aggrave peut prévenir les hospitalisations et améliorer la santé nutritionnelle. Le succès de l'AI dans le traitement des accidents vasculaires cérébraux nous rappelle deux choses : Dessin de Parallels pour la thérapie Imaginez un assistant AI qui rapidement

L'IA progresse plus rapidement que la réglementation ne le peut, et la santé mentale est maintenant au cœur de ce débat. En août 2025, l'Illinois est devenu le troisième État américain (après l'Utah et le Nevada) à interdire l'utilisation de l'IA dans la prise de décisions thérapeutiques. La loi interdit aux thérapeutes autorisés d'utiliser l'IA pour le diagnostic, la planification du traitement ou la communication directe avec le client. Les entreprises sont également exclues de la commercialisation des services de « thérapie par l'IA » qui contournent les professionnels autorisés (Washington Post, 2025; NY Post, 2025). Ce mouvement reflète les préoccupations croissantes au sujet de la psychose de l'IA, de la désinformation et du manque de responsabilisation lorsque les personnes vulnérables se tournent vers les chatbots pour la thérapie. Pourquoi cela compte pour les thérapeutes partout Même si vous ne pratiquez pas en Illinois, les effets d'entraînement sont significatifs. Les règlements commencent souvent localement avant de s'étendre au niveau national.—ou mondial. Il soulève des questions clés pour nous tous: Ce qui est encore permis Fait important, la loi de l'Illinois n'interdit pas totalement l'IA. Les thérapeutes peuvent encore utiliser l'IA pour: Ce qui est explicitement interdit, c'est de laisser l'IA agir comme thérapeute. Cette distinction renforce ce que beaucoup d'entre nous croient déjà : l'IA peut soutenir notre travail—mais l'empathie, l'attitude relationnelle et le raisonnement clinique ne peuvent pas être automatisés. Responsabilité du thérapeute : transparence et limites Avec ou sans régulation, les thérapeutes devraient : L'image la plus grande: plaidoyer et éthique Bien que certains considèrent les interdictions comme trop restrictives, elles reflètent de véritables préoccupations au sujet de la sécurité des clients et de la désinformation. Plutôt que de rejeter l'IA, les thérapeutes peuvent jouer un rôle de plaidoyer—aider à élaborer des politiques qui établissent un équilibre entre inno

Lorsque l'IA intervient—Au cours des derniers mois, les chatbots de l'IA comme ChatGPT ont connu une hausse de popularité en tant que source de soutien en santé mentale, en grande partie en raison de l'accessibilité, de l'abordabilité et de la promesse de réponses immédiates. Bien que ces outils puissent offrir une aide significative, des incidents troublants ont mis en évidence les limites de l'IA et ont souligné qu'il ne s'agit pas d'un remplacement pour des professionnels de la santé mentale formés. Cas réels Qui a soulevé des alarmes Certains événements récents ont attiré d'urgence l'attention sur les risques d'IA non surveillée en santé mentale. Dans un cas, un jeune de 16 ans est décédé tragiquement par suicide après de longues interactions avec ChatGPT. Les rapports suggèrent que le chatbot n'a pas réussi à le diriger vers l'aide professionnelle et peut avoir par inadvertance renforcé les comportements nuisibles. De même, un homme du Connecticut aurait commis un meurtre-suicide après que ChatGPT a semblé amplifier les croyances délirantes concernant sa mère. Les psychiatres ont décrit des cas de « psychose de l'IA », où une interaction prolongée avec des chatbots de l'IA a contribué à des symptômes délirants ou psychoses chez les adultes vulnérables. Ces cas nous rappellent que l'IA, tout en étant capable de simuler l'empathie, manque de compréhension nuancée, de jugement éthique et de conscience de crise inhérente aux soins de santé mentale dirigés par l'homme. Les avantages—et l'équilibre Malgré ces graves préoccupations, les outils de soutien de l'IA peuvent apporter des avantages significatifs. Les chatbots peuvent offrir un soutien immédiat et à faible coût aux personnes en détresse légère ou confrontées à des obstacles à la thérapie traditionnelle, tels que les contraintes financières,

Neurodegenerative disorders, such as Alzheimer’s and Parkinson’s disease, are becoming an increasing challenge worldwide, particularly as populations age. Early detection is crucial; the sooner these conditions are identified, the greater the potential for effective intervention. Artificial intelligence (AI) is rapidly emerging as a transformative ally for clinicians—not to replace their expertise, but to enhance decision-making, efficiency, and patient-centered care. A Growing Field: AI in Neurodegenerative Research Research in AI applications for neurodegenerative disorders has grown exponentially over the past decade. A bibliometric review analyzing over 1,400 publications from 2000 to early 2025 found a significant surge in studies since 2017, driven by advances in deep learning, neural networks, and multimodal data integration. The United States and China lead in research output, while the UK produces studies with the highest citation impact (Zhang et al., 2025). This growth underscores that AI is not a distant innovation—it is actively reshaping research and clinical practice today. Early Detection: Uncovering Subtle Signals One of AI’s most promising contributions is in the early identification of neurodegenerative disorders, often before traditional clinical signs become apparent. The Alzheimer’s Disease Neuroimaging Initiative (ADNI) has demonstrated that deep learning applied to MRI scans and other biomarkers can identify Alzheimer’s disease with more than 95% accuracy and detect mild cognitive impairment with over 82% accuracy (Alzheimer’s Disease Neuroimaging Initiative, 2025). Further, narrative reviews suggest that multi-modal and longitudinal AI models outperform single-modality approaches, offering powerful prognostic insights. While these tools are promising, integrating them into clinical practice and improving interpretability remains a critical focus for researchers (Rudroff et al., 2024). AI is also being applied in novel non-invasive ways. For instance, ophthalmic imaging powered by AI can detect retinal nerve fiber layer thinning, a biomarker for Parkinson’s disease, with diagnostic accuracy reaching an AUC of 0.918 (Tukur et al., 2025). Integrating genetic, imaging, and clinical data through AI has the potential to reshape detection and management, enabling clinicians to intervene earlier and more accurately (Mikić et al., 2025). Beyond Detection: Supporting Clinicians and Enhancing Care AI’s value extends beyond diagnostics. Administrative tasks, particularly documentation, contribute significantly to clinician burnout, reducing time for patient interaction. AI is addressing this by streamlining workflows. For example, a study led by Mass General Brigham found that ambient AI documentation systems reduced physician burnout by 21.2% while increasing documentation-related well-being by 30.7% within a few months (Mass General Brigham-led study, 2025). Similarly, AI scribes at the Permanente Medical Group saved nearly 15,800 hours of documentation in one year, allowing clinicians to focus more on patient care (Permanente Medical Group, 2025). Cleveland Clinic reported that AI reduced average documentation time by two minutes per patient visit, improving interactions without sacrificing accuracy (Cleveland Clinic, 2025). These examples highlight a central principle: AI does not replace human care but enhances it, freeing mental energy for the relational and empathetic aspects of therapy. Does AI Slow Us Down? Some experts caution that overreliance on AI might erode diagnostic skills or reduce transparency in clinical decision-making (Patel, 2025). Yet, neuroscience offers a useful analogy: as the brain adapts to disease, it reorganizes into fewer but more efficient neural networks. AI functions similarly by handling repetitive tasks, allowing clinicians to conserve cognitive resources for critical reasoning, empathy, and therapeutic connection. Importantly, oversight by trained professionals ensures AI serves as a tool rather than a replacement. Integrating AI Thoughtfully and Ethically For AI to fulfill its promise responsibly, certain standards must be maintained. Tools should be validated across diverse patient populations to ensure fairness and generalizability (Zhang et al., 2025). Clinicians must be involved in tool development and receive training to interpret AI outputs accurately (Rudroff et al., 2024). Additionally, protecting patient privacy, mitigating bias, and maintaining clinician autonomy are essential to foster trust and ethical integration. When these safeguards are in place, AI becomes an amplifier of human expertise rather than a substitute, supporting clinicians to deliver more precise, efficient, and compassionate care. Conclusion AI is increasingly shaping the landscape of neurodegenerative care—from early detection and predictive modeling to reducing administrative burdens. Its goal is not to replace clinicians but to empower them to detect disease earlier, work more efficiently, and maintain a human-centered approach to care. By thoughtfully integrating AI into clinical practice, we can preserve the most important aspect of therapy: the connection between clinician and patient. References Alzheimer’s Disease Neuroimaging Initiative. (2025). Diagnosis and prediction of Alzheimer’s from neuroimaging using deep learning. Wikipedia. https://en.wikipedia.org/wiki/Alzheimer%27s_Disease_Neuroimaging_Initiative Cleveland Clinic. (2025, August). Less typing, more talking: AI reshapes clinical workflow at Cleveland Clinic. Cleveland Clinic Consult QD. https://consultqd.clevelandclinic.org/less-typing-more-talking-how-ambient-ai-is-reshaping-clinical-workflow-at-cleveland-clinic Mass General Brigham-led study. (2025, August 21). Ambient documentation technologies reduce physician burnout and restore ‘joy’ in medicine. Mass General Brigham Press Release. https://www.massgeneralbrigham.org/…burnout Mikić, M., et al. (2025). Public hesitancy for AI-based detection of neurodegenerative disorders. Scientific Reports. https://www.nature.com/articles/s41598-025-11917-8 Patel, A. (2025). The case for slowing down clinical AI deployment. Chief Healthcare Executive. https://www.chiefhealthcareexecutive.com/…deployment-viewpoint Permanente Medical Group. (2025, June). AI scribes save 15,000 hours—and restore the human side of medicine. AMA News Wire. https://www.ama-assn.org/…medicine Rudroff, T., Rainio, O., & Klén, R. (2024). AI for the prediction of early stages of Alzheimer’s disease from neuroimaging biomarkers—A narrative review of a growing field. arXiv. https://arxiv.org/abs/2406.17822 Tukur, H. N., et al. (2025). AI-assisted ophthalmic imaging for early detection of neurodegenerative diseases. International Journal of Emergency Medicine, 18, Article 90. https://intjem.biomedcentral.com/articles/10.1186/s12245-025-00870-y Zhang, Y., Yu, L., Lv, Y., Yang, T., & Guo, Q. (2025). Artificial intelligence in neurodegenerative diseases research: A bibliometric analysis since 2000. Frontiers in Neurology. https://doi.org/10.3389/fneur.2025.1607924