IA conversationnelle, neuroatypie et fonctions cognitives déléguées : premiers repères

On peut ouvrir ChatGPT pour clarifier une question et en ressortir avec un plan, un brouillon, trois pistes à creuser et une nouvelle idée de projet.

Est-ce un gain de temps? Une aide pour organiser sa pensée? Une source de dispersion? Parfois, c'est un peu tout cela à la fois.

Dans cet article, je parle des IA avec lesquelles nous échangeons par écrit, comme ChatGPT, Claude ou Gemini. Il peut vous concerner si:

• vous utilisez ces outils pour réfléchir, écrire, vous organiser ou faire avancer des projets;
• l'IA vous aide à commencer, mais vous conduit parfois plus loin que prévu;
• vous vous reconnaissez dans une pensée très analytique, foisonnante ou difficile à interrompre;
• vous vous demandez si le TDAH, l'autisme ou le haut potentiel changent notre façon d'utiliser ces outils;
• vous souhaitez poursuivre ce sujet dans un mémoire, une thèse, une étude de terrain ou un projet de conception.

Il n'est pas nécessaire d'avoir un diagnostic ni de se reconnaître dans le mot "neuroatypie". La question touche plus largement toutes les personnes qui confient à l'IA une partie de leur travail ou de leur réflexion.

Je vais répondre à trois questions:

1. Les personnes neuroatypiques sont-elles plus exposées à une dépendance à l'IA?
2. Que confions-nous réellement à l'outil lorsque nous disons que nous l'"utilisons"?
3. Comment repérer le moment où une aide utile commence à nous éloigner de notre but?

Si vous cherchez surtout à comprendre votre propre usage, l'article donne des repères concrets. Si vous voulez prolonger la recherche, une note distincte est accessible en bas de page. Le lien ouvre la page consacrée aux questions, au protocole possible et aux précautions éthiques.

Je suis partie de mon propre usage. L'IA répond très bien à une pensée qui ouvre vite de nouvelles pistes. Elle est disponible immédiatement. Une question peut devenir un plan, puis un prototype, sans passer par les délais et les obstacles habituels.

J'avais aussi en tête ce que l'on appelle souvent l'overthinking. Ce mot peut désigner une inquiétude qui tourne en boucle, une recherche répétée de réassurance, une analyse soutenue ou une exploration intellectuelle. Ce ne sont pas les mêmes situations. Penser longtemps ou ouvrir beaucoup de pistes n'est pas nécessairement un problème. Il faut regarder ce que cela produit et si l'on garde la possibilité de s'arrêter.

Après 23 phases de recherche et une étude de cas sur mon historique, je n'ai pas trouvé de réponse simple. Je n'ai surtout pas trouvé de preuve permettant d'affirmer que les personnes neuroatypiques seraient, dans leur ensemble, plus dépendantes aux IA conversationnelles.

J'ai en revanche trouvé une question plus précise: non pas seulement combien de temps nous utilisons l'IA, mais quel rôle nous lui donnons.

Cet article ne propose ni diagnostic ni conseil médical. Les résultats scientifiques, mes observations personnelles et les hypothèses formulées à partir de ces éléments sont signalés séparément.

Avant de parler de dépendance, de quoi parle-t-on?

Une conversation longue avec une IA ne constitue pas à elle seule un usage problématique. Elle peut correspondre à une recherche approfondie, une relecture, un travail de programmation ou une création menée de manière volontaire.

Une revue publiée en 2026 a rassemblé 37 études sur les usages dits problématiques de l'IA. Elle montre que le même mot recouvre au moins trois situations:

• ne plus parvenir à limiter ou interrompre son usage, avec des conséquences dans la vie quotidienne;
• trop se reposer sur l'outil pour réfléchir, apprendre ou décider;
• développer un attachement psychologique ou relationnel à un agent conversationnel.

Ces situations peuvent se croiser, mais elles ne sont pas équivalentes.

Une personne peut utiliser l'IA plusieurs heures par jour, vérifier ce qu'elle reçoit et garder la maîtrise de ses décisions. Une autre peut s'en servir rarement, mais accepter une réponse sans la contrôler. Le temps passé ne suffit donc pas.

Les études n'utilisent pas encore de définition commune de l'"addiction à l'IA". Pour savoir si un usage devient préoccupant, il faut plutôt regarder quatre éléments: la difficulté à s'arrêter, le décalage avec l'objectif de départ, les conséquences concrètes et la place laissée au jugement personnel.

TDAH, autisme, HPI: que sait-on vraiment?

Pour le TDAH, les premiers résultats sont contradictoires

L'une des rares études directement consacrées aux traits TDAH et aux IA conversationnelles a interrogé 567 personnes au Royaume-Uni et 577 en Chine.

Dans les deux groupes, les personnes déclarant davantage de traits TDAH accordaient en moyenne moins de confiance à l'IA. Or les personnes qui lui faisaient davantage confiance déclaraient aussi s'appuyer davantage sur elle, aussi bien pour des tâches que sur le plan relationnel.

La suite des résultats diffère selon le pays. Au Royaume-Uni, une fois la confiance prise en compte, le lien direct entre traits TDAH et dépendance mesurée n'était généralement plus significatif. En Chine, des liens positifs directs subsistaient, en même temps qu'un effet inverse lié à la confiance.

Cette étude ne permet pas de dire que le TDAH protège ou expose davantage. Elle repose sur des questionnaires remplis à un seul moment et porte sur des traits déclarés, pas sur des diagnostics cliniques. Elle montre surtout que la relation dépend aussi de la confiance et du contexte.

D'autres recherches trouvent une association entre symptômes TDAH et usages problématiques d'Internet ou des réseaux sociaux. Elles ne portent pas sur les IA génératives. Elles peuvent donner des pistes, mais pas répondre directement à notre question.

Un autre résultat est plus facile à relier aux usages quotidiens. Deux études menées en 2024 auprès d'adolescents montrent que les jeunes déclarant davantage de difficultés pour planifier, s'organiser ou terminer un travail trouvent l'IA plus utile pour leurs devoirs, en particulier pour aller jusqu'au bout. L'outil peut donc servir d'appui. Cela ne signifie pas que les jeunes concernés en deviennent dépendants.

Pour l'autisme, les bénéfices et les limites apparaissent ensemble

Les études disponibles sont surtout qualitatives. Elles décrivent des usages concrets: reformuler un message, préparer une interaction, comprendre une convention implicite, organiser une tâche ou poser une question sans craindre le jugement d'une autre personne.

Une analyse de discussions provenant de 61 communautés neurodivergentes sur Reddit a relevé 20 usages différents. Ils concernaient le bien-être émotionnel, la santé mentale, la communication, l'apprentissage et le travail. Les mêmes échanges faisaient aussi apparaître des réponses jugées trop "neurotypiques", les limites du dialogue uniquement écrit et la crainte de trop compter sur l'outil ou de remplacer certaines relations humaines.

Une autre étude a demandé à 11 travailleurs autistes de comparer les réponses d'une IA et celles d'une personne présentée comme un chatbot. Neuf ont préféré l'échange avec l'IA. Ces participants ont notamment apprécié la rapidité, la confidentialité et la possibilité de demander des précisions sans crainte du jugement.

Un professionnel spécialisé dans l'accompagnement vers l'emploi a toutefois relevé des conseils discutables. Une réponse peut être fausse, mais elle peut aussi présenter les habitudes de communication majoritaires comme la seule norme à suivre. L'outil risque alors d'aider la personne à masquer son fonctionnement plutôt que d'aider son environnement à mieux l'accueillir.

Ces études nous renseignent sur des expériences vécues. Leurs méthodes et leurs petits échantillons ne permettent pas de savoir quelle proportion des personnes autistes rencontre ces bénéfices ou ces difficultés.

Pour le HPI, les données répondent à une autre question

Une revue de 2026 a identifié 26 études sur l'IA dans l'éducation des élèves à haut potentiel ou considérés comme particulièrement doués. Treize concernaient les IA génératives.

Ces travaux étudient surtout la personnalisation de l'apprentissage, l'écriture, la créativité ou le tutorat. Ils ne permettent pas de savoir si le haut potentiel est associé à plus de dispersion, de dépendance ou d'usage intensif.

Le HPI n'est pas un diagnostic psychiatrique. Par ailleurs, les expressions "haut potentiel", "pensée intense", "hypersensibilité" et "esprit analytique" ne désignent pas la même chose. Les regrouper empêcherait de comprendre ce qui intervient réellement dans l'usage de l'IA.

À ce stade, le constat est donc limité mais clair: aucune étude solide ne permet de classer les personnes TDAH, autistes ou identifiées HPI selon un risque général de dépendance à l'IA. Il manque notamment des recherches qui suivent différents utilisateurs dans la durée et observent ce qu'ils font réellement avec l'outil.

La question la plus utile: qu'est-ce que l'IA fait pour nous?

Dire "j'utilise beaucoup l'IA" n'indique pas si l'on vient d'obtenir une définition, de vérifier une source, d'écrire un texte ou de reprendre un projet interrompu depuis plusieurs semaines.

J'ai donc distingué six fonctions simples:

Cette distinction change la lecture. Deux personnes peuvent passer le même temps avec l'IA sans lui confier la même chose.

Demander un premier brouillon que l'on sait vérifier est assez différent de laisser l'outil choisir l'ordre des tâches, rappeler le but, proposer chaque prochaine action et décider quand le résultat est suffisant.

Cette seconde forme d'aide peut être très précieuse, notamment lorsque démarrer, organiser ou conserver le fil demande beaucoup d'effort. Mais elle touche au pilotage du travail, pas seulement à son exécution. Dans ma recherche, j'ai utilisé l'expression "externalisation de la régulation" pour la désigner. Le terme est nouveau et n'a pas été validé par des études sur les IA conversationnelles. En langage courant, cela signifie simplement que l'IA nous aide à diriger le travail, et pas seulement à le réaliser.

J'ai également repéré cinq formes d'échanges. Je les ai regroupées dans une seconde infographie:

• la clarification ponctuelle: je pose une question, j'obtiens ce qu'il me faut et je m'arrête;
• l'exploration ramifiée: j'ouvre plusieurs pistes, puis j'en sélectionne certaines;
• la vérification contradictoire: je confronte une proposition aux sources et aux objections avant de décider;
• le raffinement progressif: je fais relire et modifier un brouillon jusqu'au résultat attendu;
• la continuité d'un projet: je laisse une trace que me permet de reprendre après une pause.

Ce ne sont pas cinq types de personnes. Une même personne peut passer de l'une de ces formes à une autre selon le sujet, son niveau de fatigue et l'étape du travail.

J'ai regardé mon propre historique d'usage

Pour aller au-delà de mon impression, j'ai analysé les traces visibles de mes usages de ChatGPT, Claude et, dans une moindre mesure, Gemini, entre le 24 août 2025 et le 13 septembre 2026.

Cette étude de cas sur une seule personne, parfois appelée étude N-of-1, décrit mon corpus. Elle ne représente pas l'ensemble des utilisateurs, ni même la totalité de mon activité. Les 123 entrées relevées ne correspondent pas à 123 projets uniques. Des doublons entre plateformes sont possibles. Une partie des échanges dans Claude Projects, Bolt et Lovable, ainsi que le travail effectué sans IA, manquent.

Malgré ces limites, quatre résultats m'aident à mieux comprendre mon usage.

Les idées viennent presque toujours de moi

Sur 123 entrées correspondant à des idées, tâches ou projets:

• 113 venaient de moi, soit 91,9 %;
• 8 semblaient émerger de l'échange avec l'IA, soit 6,5 %;
• 2 venaient d'une autre personne, soit 1,6 %;
• aucune n'a pu être attribuée avec certitude à l'IA seule.

L'outil ne semble donc pas fabriquer mes objectifs. Dans les traces étudiées, il leur donne surtout une forme. Il les décompose, les structure et les transforme plus rapidement en plans ou en livrables.

Beaucoup de sujets apparaissent, mais certains concentrent les reprises

Soixante-dix-neuf entrées sur 123 n'apparaissent qu'une fois, soit 64,2 %. Quarante-quatre font l'objet d'un suivi ou d'une reprise, soit 35,8 %.

Ces 44 sujets représentent pourtant 129 des 208 liens relevés entre sujets et conversations, soit 62 % de l'activité codée. Mon portefeuille est large, mais mon attention n'est pas répartie également entre toutes les pistes.

Les ramifications servent surtout à avancer dans le projet en cours

Dans un groupe récent de 20 projets menés avec ChatGPT, 13 comportaient plusieurs branches. J'en ai identifié au moins 39 au total. Parmi elles:

• 19 étaient des étapes nécessaires du projet;
• 11 approfondissaient le sujet;
• 9 ouvraient une piste plus exploratoire.

Aucune n'a pu être qualifiée avec certitude de nouveau projet créé par l'IA.

Les projets qui donnent lieu aux conversations les plus intenses comportent aussi davantage de branches. Cette association ne permet pas de connaître la cause. Les branches peuvent prolonger l'échange, mais un projet complexe peut aussi produire à la fois plus de messages et plus de sous-tâches.

Produire un résultat et terminer un projet ne sont pas la même chose

Dans ces 20 projets récents, l'IA m'a aidée à produire dans 12 cas et à structurer ou planifier dans 12 cas. Elle a servi à vérifier dans 9 projets, à ouvrir des pistes dans 9 et à finaliser dans 7.

Treize projets présentent un livrable ou une décision visible. Pourtant, seules deux fins d'étape sont clairement indiquées. Aucun projet ne peut être considéré avec certitude comme entièrement terminé à partir des seules conversations.

Le même écart apparaît dans les traces de Claude: 47 objets sur 50 comportent un livrable visible, mais seulement trois clôtures et une suspension explicite. Les chiffres des deux outils ne sont pas directement comparables, car les sources et les règles de classement diffèrent.

Le constat reste utile: obtenir un document, un tableau ou une décision montre qu'un travail a avancé. Cela ne dit pas si le projet est clos.

Jusqu'où puis-je interpréter ces résultats?

J'estime à 0,82 mon niveau de confiance dans la description générale de mon usage. Il descend à 0,61 lorsqu'il s'agit d'expliquer pourquoi j'utilise l'IA de cette façon, et sous 0,50 pour affirmer que l'IA augmenterait le nombre de mes idées.

Je peux donc raisonnablement dire que l'outil amplifie, structure et rend mes intentions plus faciles à concrétiser. Je ne peux pas conclure qu'il crée mes idées, qu'il me rend dépendante ou que cet usage découle d'une neuroatypie.

Commencer devient plus facile. S'arrêter aussi?

L'IA réduit l'effort nécessaire pour entrer dans une tâche. Une question encore floue peut suffire pour obtenir une structure, un exemple ou une première version. J'appelle cela la "friction d'entrée": ce qui rend le démarrage plus ou moins difficile.

Chaque réponse peut cependant se terminer par une nouvelle option, une objection ou une question. L'outil qui aide à commencer peut aussi rendre la sortie moins évidente.

Une expérience menée auprès de 300 personnes l'illustre. Lorsque le chatbot terminait ses réponses en suggérant d'autres points de vue, les participants posaient davantage de questions, restaient plus longtemps et examinaient plus de perspectives. Dans cette étude, c'était utile: le but était justement d'améliorer la réflexion avant une décision.

Une autre recherche, publiée en 2026, observe l'effet inverse. Quand les échanges s'allongent et que la quantité d'informations augmente, la charge mentale et la fatigue peuvent donner envie d'arrêter.

L'IA ne pousse donc pas toujours dans la même direction. Une nouvelle piste peut être bienvenue pendant l'exploration et gênante au moment de conclure.

J'ai appelé "friction de sortie" la difficulté à quitter ou réorienter l'échange lorsque ce qu'il apporte devient moins utile. Cette expression est une proposition issue de la recherche, pas une notion déjà validée.

Une conversation longue n'est pas un problème en soi. Pour parler d'un possible "verrouillage", il faudrait réunir trois éléments:

• le besoin ou l'étape du travail a changé;
• l'échange continue pourtant sur le même mode;
• ce décalage a un coût visible.

Par exemple, je continue à ouvrir des pistes alors que je dois choisir, je vérifie plusieurs fois sans obtenir d'information nouvelle, ou je fais encore structurer le projet sans passer à l'action.

Cela ne doit pas être confondu avec l'hyperfocus. Une concentration prolongée peut être volontaire et utile. Le problème éventuel n'est pas la durée, mais le fait de rester dans une façon de faire qui ne correspond plus au besoin.

Mieux vaut observer des besoins concrets que coller des étiquettes

La même personne peut utiliser l'IA différemment selon la tâche, l'heure, la fatigue, le niveau de connaissance ou l'urgence. Il est donc plus utile d'observer des besoins précis que de chercher un profil fixe d'"utilisateur TDAH", "autiste" ou "HPI".

Les questions importantes sont très concrètes:

• Est-il difficile de commencer ou de choisir la prochaine action?
• Est-il facile d'ouvrir des pistes, mais plus difficile d'en écarter?
• Quel niveau d'incertitude est supportable avant de décider?
• Comment sait-on qu'une réponse mérite confiance?
• Arrive-t-on à revenir au but après une digression?
• L'usage change-t-il avec la fatigue ou la pression?

Une qualité peut être utile à une étape et coûteuse à une autre. Ouvrir rapidement des pistes aide à explorer. Il faut ensuite réussir à sélectionner. Analyser avec précision aide à vérifier. Il faut aussi pouvoir accepter qu'une décision comporte toujours une part d'incertitude.

Sept questions simples pour garder la main

Travailler sans IA n'est pas l'objectif. L'essentiel est de savoir ce que l'on attend d'elle et de conserver la possibilité de reprendre, vérifier et décider.

1. Pourquoi ai-je ouvert l'outil? Pour explorer, produire, vérifier, choisir, reprendre ou terminer?
2. Qu'est-ce qui sera suffisant? Deux sources fiables, trois options comparées, un test réussi ou une décision réversible peuvent constituer un seuil d'arrêt.
3. Une nouvelle réponse pourrait-elle changer ma décision? Si ce n'est pas le cas, je cherche peut-être surtout une confirmation rassurante.
4. D'où vient cette nouvelle piste? De mon intention de départ, d'une suggestion de l'IA ou de l'échange entre les deux?
5. Dois-je m'en occuper maintenant? Une idée peut être notée sans devenir immédiatement une nouvelle tâche.
6. Pourrais-je reprendre sans cette conversation? Le but, les sources, la décision et la prochaine action devraient rester accessibles ailleurs si le projet est important.
7. Qu'est-ce qui me permet de dire que cette étape est terminée? Un livrable ne suffit pas toujours. Il faut parfois une décision explicite.

Pour les projets longs, une courte trace de fin peut contenir:

• le but de départ;
• ce qui a été produit ou décidé;
• la raison pour laquelle le résultat est suffisant;
• les idées conservées pour plus tard;
• la prochaine action ou la condition de reprise;
• une consigne claire à l'assistant: ne pas ajouter de nouvelles pistes à ce stade.

Cette pratique n'a pas encore été évaluée scientifiquement. Elle répond toutefois à une faiblesse visible dans mon corpus: l'IA aide souvent à avancer, mais ne décide pas spontanément qu'il est temps de s'arrêter.

Ce qui est établi, incertain ou encore manquant

Une méta-analyse de 106 expériences, regroupant 370 résultats mesurés, confirme l'importance du type de tâche. En moyenne, le duo humain-IA faisait mieux que l'humain seul, mais moins bien que le meilleur des deux pris séparément. La collaboration était relativement plus favorable pour créer que pour décider.

Il n'existe donc pas une quantité d'IA idéale pour tout le monde et pour toutes les situations.

Ce que la recherche doit encore éclairer

Dans le corpus que j'ai examiné, il manque surtout des études qui suivent les usages réels dans la durée. Nous savons encore mal ce qui se passe entre l'ouverture d'une conversation et l'issue du projet.

Cinq questions méritent notamment d'être testées:

• L'IA réduit-elle davantage l'effort de démarrage lorsqu'une personne a du mal à planifier, choisir une première action ou garder le fil?
• Les suggestions de l'assistant ouvrent-elles des pistes utiles ou retardent-elles le choix et la clôture?
• À quel moment un appui devient-il une substitution?
• Une clôture explicite aide-t-elle réellement à s'arrêter et à reprendre plus tard?
• Les différences d'usage s'expliquent-elles mieux par un diagnostic ou par des besoins concrets, la fatigue, le stress et l'incertitude?

Ce sont des questions de recherche, pas des conclusions. Une note distincte présente les éléments à observer, un protocole possible et les précautions éthiques. Elle est proposée à la fin de l'article.

La question que je retiens

Au départ, je voulais savoir si l'IA pouvait nourrir une pensée déjà très active et conduire à une forme de dépendance. La littérature ne permet pas de répondre globalement par oui ou par non.

Mon historique ne montre pas non plus une IA qui inventerait mes projets à ma place. Il montre un outil qui réduit fortement la distance entre une idée et sa mise en forme. C'est un vrai soutien. C'est aussi ce qui rend nécessaire de savoir quelles pistes méritent d'être poursuivies et lesquelles peuvent rester de côté.

La question qui me paraît la plus utile est finalement très simple:

Qu'est-ce que je demande à l'IA de faire pour moi? Est-ce que je garde la capacité de comprendre, vérifier, choisir, reprendre et m'arrêter?

L'objectif n'est pas de garder chaque étape dans sa tête ni de refuser les aides extérieures. Il est de construire un usage dans lequel l'outil soutient l'action sans devenir le seul endroit où se trouvent le but, le raisonnement et la décision.

Sources principales

• Dagnino, Fante, Guerrieri et Passarelli (2026), Addicted, attached, or just delegating? A scoping review on problematic artificial intelligence use, Frontiers in Psychology.
• Yankouskaya et collègues (2026), Perceived trustworthiness as a pathway linking ADHD traits to large language model dependency, International Journal of Human-Computer Interaction.
• Klarin et collègues (2024), études sur les difficultés d'organisation et l'utilité perçue de l'IA générative chez des adolescents, Frontiers in Artificial Intelligence.
• Carik, Ping, Ding et Rho (2025), Exploring Large Language Models Through a Neurodivergent Lens, GROUP 2025.
• Jang, Moharana, Carrington et Begel (2024), It's the only thing I can trust: Envisioning Large Language Model Use by Autistic Workers for Communication Assistance, CHI 2024.
• Giri, Brady et Marathe (2026), Navigating Neurodivergence with AI Chatbots: Benefits, Tensions, and Implications for HCI, CHI 2026.
• Alsamani et Alsamiri (2026), revue sur l'IA dans l'éducation des élèves à haut potentiel, Frontiers in Psychology.
• Augner, Vlasak, Aichhorn et Barth (2023), méta-analyse sur les symptômes TDAH et l'usage problématique d'Internet.
• Ding et collègues (2025), méta-analyse sur les symptômes TDAH et l'usage problématique des réseaux sociaux.
• Stojanov, Liu et Koh (2024), University students' self-reported reliance on ChatGPT for learning: A latent profile analysis, Computers and Education: Artificial Intelligence.
• Vaccaro, Almaatouq et Malone (2024), When combinations of humans and AI are useful: A systematic review and meta-analysis, Nature Human Behaviour.
• Doshi et Hauser (2024), étude sur l'IA générative, la créativité individuelle et la similarité entre les productions, Science Advances.
• Qian et collègues (2026), revue systématique sur l'IA générative et la charge mentale, Frontiers in Psychology.
• Yamamoto (2024), expérience sur les réponses qui incitent à poursuivre le dialogue, Frontiers in Psychology.
• Wu et collègues (2026), étude sur la longueur du dialogue, la charge mentale et l'intention d'arrêter, International Journal of Human-Computer Studies.
• Scholer, Hubley et Fujita (2024), revue sur l'abandon ou la révision d'un objectif, Nature Reviews Psychology.
• Shen et collègues (2026), étude qualitative de récits dans lesquels des utilisateurs décrivent eux-mêmes un usage problématique, CHI 2026.
• Analyse personnelle, Dynamique personnelle des projets avec les IA génératives, corpus visible du 24 août 2025 au 13 septembre 2026. Données descriptives non publiées et non cliniques.

Note sur la méthode

La recherche complète réunit des revues de littérature, des méta-analyses, des expériences, des études par questionnaire, des entretiens, des articles encore en prépublication et une analyse personnelle. Les résultats contradictoires et les absences de différence ont été conservés. Les études sur Internet, les réseaux sociaux ou les rappels servent uniquement de comparaison: elles ne prouvent pas un effet identique avec les IA conversationnelles. Les notions nouvelles proposées dans l'article devront être testées avant de pouvoir être considérées comme établies.

Pour poursuivre cette recherche

Plusieurs questions soulevées dans cet article restent ouvertes. Comment distinguer une aide à l'organisation d'une substitution? Les suggestions de l'IA facilitent-elles l'exploration ou retardent-elles parfois la décision? Les différences observées dépendent-elles davantage d'un diagnostic, de besoins cognitifs concrets ou de l'état du moment?

La note associée présente cinq questions testables, les données à recueillir, un protocole de suivi possible et les précautions éthiques nécessaires.