Académique Documents
Professionnel Documents
Culture Documents
et cognition
Pédagogies en développement
Éric Tardif
Pierre-André Doudin
2e édition
Pour toute information sur notre fonds et les nouveautés dans votre domaine
de spécialisation, consultez notre site web : www.deboecksuperieur.com
Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par
photocopie) partiellement ou totalement le présent ouvrage, de le stocker dans une
banque de données ou de le communiquer au public, sous quelque forme et de quelque
manière que ce soit.
Dépôt légal :
Bibliothèque nationale, Paris : mai 2022 ISSN 0777-5245
Bibliothèque Royale de Belgique, Bruxelles : 2022/13647/062 ISBN 978-2-8073-4196-8
S O M M A I R E
INTRODUCTION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
par Éric TARDIF et Pierre-André DOUDIN
CHAPITRE 1
Anatomie fonctionnelle du système nerveux................ 15
par Éric TARDIF
CHAPITRE 2
La rencontre entre sciences cognitives
et éducation : opportunités et pentes glissantes.
Le cas exemplaire des neuromythes............................... 47
par Elena PASQUINELLI
CHAPITRE 3
De l’utilité ambiguë des styles d’apprentissage
et des neuromythes ......................................................... 81
par Pierre-André DOUDIN, Éric TARDIF et Nicolas MEYLAN
CHAPITRE 4
Les mythes entourant le bilinguisme
chez les enfants ............................................................. 103
par Fred GENESEE et Audrey DELCENSERIE
6 Neurosciences et cognition : perspectives pour les sciences de l’éducation
CHAPITRE 5
Les neurosciences cognitives du développement
de la mémoire : implications pour les sciences
de l’éducation ................................................................ 135
par Patricia J. BAUER et Nicole L. VARGA
CHAPITRE 6
Mémoire de travail, développement cognitif
et performances scolaires ............................................. 165
par Anik de RIBAUPIERRE
CHAPITRE 7
Trouble du déficit d’attention-hyperactivité (TDA-H)
de l’enfant et de l’adolescent : nouvelles
perspectives.................................................................... 189
par Michel BADER
CHAPITRE 8
Les bases neurologiques de la prise de risque
chez les adolescents : une revue critique .................... 221
par Vincent LALIBERTE, Daina CRAFA et Suparna CHOUDHURY
CHAPITRE 9
Que nous apprennent les neurosciences cognitives
sur le développement typique et atypique
des aptitudes numériques ? Une revue
de la littérature ............................................................. 253
par Stephan E. VOGEL et Daniel ANSARI
CHAPITRE 10
Anxiété et affect en mathématiques : perspectives
comportementales, neurocognitives et
développementales ....................................................... 287
par Alex M. MOORE et Mark H. ASHCRAFT
CHAPITRE 11
L’apprentissage de la lecture et ses troubles :
le point de vue des sciences cognitives
et des neurosciences...................................................... 319
par Pascal ZESIGER, Hélène TZIEROPOULOS et Marina LAGANARO
Sommaire 7
CHAPITRE 12
Neurosciences de la Musique ....................................... 351
par Clément FRANÇOIS et Daniele SCHÖN
RÉFÉRENCES BIBLIOGRAPHIQUES
Ansari, D. & Coch, D. (2006). Bridges over troubled waters: Education and cognitive
neuroscience. Trends in Cognitive Sciences, 10(4), 146-151.
Bruer, J. (1997). Education and the brain: A bridge too far. Educational Researcher,
26(8), 4-16.
Fischer, K. W., Goswami, U., & Geake, J. (2010). The future of educational neurosci-
ence. Mind, Brain, and Education, 4(2), 68-80.
Tardif, E. & Doudin, P.-A. (2011). Neurosciences cognitives et éducation : le début
d’une collaboration. Formation et pratiques d’enseignement en questions, 12,
99-120.
Chapitre
Anatomie fonctionnelle
1
du système nerveux
Éric TARDIF
une région de l’hémisphère opposé. Dans les deux cas, on parle de projections
(ou efférences) axonales distantes. Ainsi, un neurone peut, lorsqu’il émet des
impulsions, influencer l’activité de neurones distants. D’autres neurones, sou-
vent de petites tailles, vont exercer une influence sur des neurones situés très
près de leur propre corps cellulaire. On parle ainsi d’interneurones.
Figure 1.1. Le neurone. (1) Corps cellulaire. (2) Dendrite. (3) Axone.
(4) Noyau cellulaire. (5) Gaine de myéline. (6) Collatérale de l’axone.
(7) Terminaison nerveuse / synapse.
2. Il ne faut pas confondre noyau cellulaire (à l’intérieur d’un corps cellulaire et contenant
le bagage génétique) et noyau (amas de corps cellulaires).
Anatomie fonctionnelle du système nerveux 19
(noyaux ou aires corticales) contiennent des corps cellulaires qui vont proje-
ter leurs axones vers des cibles particulières. Ces amas d’axones partant d’un
point A vers un point B sont appelés faisceaux et forment la matière blanche.
Ainsi, on nommera un faisceau selon son origine et sa cible. Par exemple,
certains neurones situés dans le cortex cérébral projettent de longs axones
vers les neurones de la moelle épinière. On fait alors référence à un faisceau
corticospinal. Les chercheurs ont mis au point différentes techniques qui
permettent de savoir vers quelle(s) région(s) les corps cellulaires d’une
région du cerveau projettent leurs axones. Ainsi, on dira qu’une structure A
envoie des efférences (output) vers une structure B et que cette structure B
reçoit des afférences (input) de la structure A.
1.3 La synapse
Vers la fin du XIXe siècle, les chercheurs n’étaient pas unanimes sur la
façon dont les neurones pouvaient communiquer entre eux. La querelle la plus
célèbre opposait les partisans de la théorie du neurone et de la théorie réticu-
laire. Selon la première, soutenue notamment par Santiago Ramón y Cajal, les
neurones ne se touchent pas entre eux et il existe un espace entre la termi-
naison de l’axone et le second neurone. Selon la théorie réticulaire, soutenue
ardemment par Camillio Golgi, les neurones forment plutôt un réseau continu,
semblable à une toile d’araignée, à travers lequel les impulsions nerveuses
peuvent voyager en toute direction. Cajal et Golgi ont partagé le prix Nobel
en 1906 et Golgi n’a pas manqué d’attaquer la théorie du neurone lors de son
discours. Plusieurs dizaines d’années plus tard, la microscopie électronique
rendant possible la visualisation de l’espace qui sépare la terminaison du deu-
xième neurone (voir Rapport, 2005 pour un historique complet) donna raison
à Cajal. Cet espace est nommé espace synaptique. Trois éléments forment la
synapse (figure 1.3) : l’élément présynaptique, l’espace synaptique et l’élé-
ment post-synaptique. L’élément présynaptique est une terminaison axonale
tandis que l’élément post-synaptique est généralement une dendrite ou le
corps cellulaire d’un second neurone. Ce type de synapse est appelé « synapse
chimique » car elle implique un intermédiaire chimique, le neurotransmetteur,
qui, une fois relâché par l’élément présynaptique (terminaison axonale) dans
l’espace synaptique, peut se lier à des récepteurs au niveau post-synaptique
et ainsi exercer une influence sur un autre neurone3. Cette influence peut être
excitatrice ou inhibitrice. Une synapse excitatrice augmentera la probabilité
que le neurone post-synaptique émette à son tour une impulsion qui se pro-
pagera le long de l’axone. La synapse inhibitrice exerce un effet inverse : elle
diminue la probabilité que le neurone post-synaptique émette une impulsion.
3. Il existe également des synapses dites électriques, pour lesquelles des canaux ioniques
relient les éléments présynaptique et post-synaptique. Il n’y a donc pas d’espace synap-
tique proprement dit pour ce type de synapse.
20 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Afin d’obtenir une vue d’ensemble plus réaliste, il faut garder à l’esprit qu’un
seul neurone peut recevoir simultanément plusieurs milliers de synapses,
certaines étant excitatrices et d’autres inhibitrices. Donc, à chaque instant,
chaque neurone effectue la sommation des excitations et des inhibitions qu’il
subit et si, à ce moment précis, l’excitation atteint un certain seuil, le neurone
émettra une impulsion.
l’avant du cerveau (au niveau du front) vers l’arrière de la tête. Quant à l’axe
latéral-médian, pour toutes les régions du SN, une région sera dite médiane
si elle est davantage située vers le milieu du corps et latérale si elle est vers
la direction opposée.
De façon générale, on subdivise le SN en deux grandes parties : le
SNC (cerveau et moelle épinière) et le SNP (nerfs périphériques). Certaines
structures ont une appellation différente selon qu’elles appartiennent au
SNC ou au SNP. Par exemple, un regroupement d’axones (qui transmettent
des informations vers une cible donnée) sera nommé voie (ou faisceau) s’il
se trouve dans le SNC alors qu’il sera nommé nerf s’il se trouve dans le SNP.
Aussi, un groupement de corps cellulaire sera appelé noyau dans le SNC alors
que dans le SNP on le nommera ganglion. Certaines exceptions existent tou-
tefois : par exemple, les ganglions de la base sont dans le cerveau et le nerf
optique fait partie du SNC. Le présent volume étant consacré aux fonctions
cognitives relevant du fonctionnement du cerveau, nous consacrerons davan-
tage d’attention à celui-ci et donnerons uniquement une vue d’ensemble de
la moelle épinière et des régions du tronc cérébral.
2.2.1 Le myélencéphale
Le myélencéphale correspond à la continuité de la moelle épinière
(figure 1.5). Anatomiquement, on remarque à ce niveau l’émergence de
certains nerfs crâniens et la présence de renflements ventro-latéraux. Ceux-
ci correspondent aux olives inférieures qui sont impliquées dans diverses
fonctions motrices, notamment en exerçant une activité modulatrice sur les
neurones du cervelet. Dans la partie dorsale du myélencéphale, on remarque
également deux renflements qui correspondent aux noyaux de Goll (gracile)
Anatomie fonctionnelle du système nerveux 25
2.2.2 Le métencéphale
Immédiatement au-dessus du myélencéphale se trouve le métencé-
phale, essentiellement formé du cervelet et de la protubérance (aussi appelé
pont ou pont de Varole ; figure 1.5). La protubérance crée une nette démar-
cation avec le myélencéphale, car elle forme un important renflement ventral.
Au niveau externe, la protubérance présente de nombreuses fibres (axones)
qui se dirigent vers le cervelet, formant ainsi les pédoncules cérébelleux supé-
rieurs, moyens et inférieurs, voies par lesquelles les afférences et efférences
du cervelet vont voyager. À l’intérieur de la protubérance se trouvent de nom-
breux noyaux pontiques. De même, à l’intérieur du cervelet se trouvent des
noyaux cérébelleux. La connectivité du cervelet est complexe, mais peut se
résumer grossièrement de la façon suivante : le cervelet ne projette pas direc-
tement vers les circuits de la moelle qui sont responsables des mouvements
volontaires. Par ailleurs, le cervelet a une influence majeure sur la motricité
car 1) il reçoit des afférences du cortex moteur (via les noyaux pontiques)
et d’autres aires corticales et 2) il possède un cortex cérébelleux qui projette
(via les noyaux cérébelleux) vers des noyaux du thalamus (diencéphale) qui
projettent en retour vers le cortex moteur. Ainsi, les neurones du cervelet
font partie de circuits neuronaux (ou boucles) qui modulent l’activité motrice.
Finalement, il doit être mentionné que le cervelet, bien que traditionnelle-
ment associé à la modulation et la coordination motrice, pourrait aussi exer-
cer un rôle modulateur dans diverses fonctions cognitives et affectives (voir
Baillieux, De Smet, Paquier, De Deyn, & Mariën, 2008, pour une synthèse).
Enfin, plusieurs noyaux pontiques font partie de la formation réticulée et ont
notamment des fonctions prémotrices : elles reçoivent des afférences des
régions motrices supérieures et projettent par exemple sur des neurones
somatiques ou végétatifs. Le locus coeruleus, situé dans la partie dorsale
supérieure, utilise surtout la noradrénaline comme neurotransmetteur et
possède des projections vers de nombreuses structures. Il est notamment
impliqué dans les cycles éveil-sommeil, la transmission de la douleur, mais
aussi dans plusieurs autres fonctions cognitives et émotionnelles.
2.2.3 Le mésencéphale
La partie la plus supérieure du tronc cérébral située immédiate-
ment au-dessus de la protubérance et est appelée mésencéphale (cerveau
moyen). Le mésencéphale contient notamment les pédoncules cérébraux,
le tegmentum et le tectum (figure 1.5). Les pédoncules cérébraux sont une
masse d’axones dont les corps cellulaires se situent entre autres dans le cor-
tex cérébral. Par exemple, la voie motrice dite pyramidale débute au niveau
des neurones du cortex moteur et leurs axones passent par les pédoncules
cérébraux, puis par la partie ventrale de la moelle pour effectuer une synapse
au niveau de la corne antérieure de la moelle (et donc sur les motoneurones).
Le tegmentum, pour sa part, est davantage un « secteur » du tronc cérébral
Anatomie fonctionnelle du système nerveux 27
2.2.4 Le diencéphale
Le diencéphale fait essentiellement référence au thalamus et à l’hy-
pothalamus. Le thalamus (figures 1.2 et 1.5) est une structure médiane qui
est formée de plusieurs noyaux. Il représente notamment un relais pour les
systèmes visuel, auditif et somesthésique. Ainsi, l’information visuelle véhi-
culée par le nerf optique sera filtrée et amplifiée par le corps genouillé latéral,
une structure thalamique dans laquelle les axones du nerf optique effec-
tuent des synapses. Ce sont alors les axones des neurones de cette région
thalamique qui formeront les radiations optiques avant d’atteindre la partie
visuelle du cortex cérébral. Les informations auditives et somesthésiques
seront respectivement transmises au corps genouillé médian et au noyau
ventro-postéro-latéral, respectivement. Certaines voies motrices émanant du
cerveau vont également effectuer une synapse dans des noyaux thalamiques
avant de poursuivre leur trajet vers les régions inférieures. D’autres régions
thalamiques ne reçoivent pas de projections sensorielles directes, mais plutôt
de la part d’autres noyaux thalamiques, de régions corticales ou des noyaux
du tronc (notamment ceux de la formation réticulée). Le thalamus est donc
impliqué dans diverses fonctions sensorielles et motrices, mais aussi dans des
fonctions cognitives comme l’attention (voir Bader, chapitre 7 de ce volume ;
Zesiger, Tzieropoulos, & Laganaro, chapitre 11 de ce volume).
Sous le thalamus se trouve l’hypothalamus, une région également
formée de différents noyaux. En dépit de sa petite taille, l’hypothalamus joue
des rôles très importants dans des fonctions extrêmement variées. Entre
autres, il joue un rôle déterminant dans l’homéostasie, en déclenchant des
réponses corporelles appropriées à une situation donnée. Par exemple, il
contient des neurones sensibles à la température interne du corps et ceux-
ci peuvent provoquer diverses réponses si l’organisme refroidi (p. ex., des
frissons visant à réchauffer les muscles) ou la transpiration (pour refroidir
l’organisme). Il joue également des rôles importants dans plusieurs aspects
de la régulation vasculaire (la pression sanguine, son niveau d’oxygène et
d’acidité, son taux de glucose, etc.), dans les sensations de faim et de soif,
dans les comportements sexuels et dans le stress et les émotions.
3. LE TÉLENCÉPHALE
Le télencéphale peut être divisé en trois grandes parties : le cortex
cérébral (figures 1.2, 1.5 et 1.6), les ganglions de la base (figure 1.2) et le
système limbique (figure 1.7). Le cortex cérébral est la structure la plus
évoluée du cerveau et forme une enveloppe qui constitue son aspect externe.
Le cortex cérébral présente de nombreux replis, les plus importants étant
appelés fissures (ou scissures) et les autres sillons. Malgré des différences
interindividuelles importantes, ces fissures et sillons permettent de délimiter
grossièrement des régions anatomiques, notamment les lobes du cerveau.
Les deux principales fissures sont la fissure latérale (ou fissure de Sylvius)
et la fissure centrale (ou fissure de Rolando), visible sur une vue latérale du
cerveau (figure 1.6). Tout le cortex antérieur à la fissure centrale et supé-
rieure à la fissure latérale forme le lobe frontal. Le lobe temporal est formé du
cortex cérébral inférieur à la fissure latérale, depuis le pôle temporal (partie
antérieure) jusqu’à la partie postérieure où l’on peut observer, au niveau infé-
rieur, un angle plus ou moins prononcé : il s’agit de la jonction entre le lobe
temporal et le lobe occipital, ce dernier étant le plus postérieur du cerveau.
Le lobe temporal contient également des structures sous-corticales (situées
à l’intérieur), notamment l’hippocampe et l’amygdale (figure 1.7). Le cortex
postérieur à la fissure centrale forme le lobe pariétal. Afin de délimiter la
jonction entre le lobe pariétal et le lobe occipital, il est plus aisé d’observer
le cerveau dans une vue médiane (figure 1.5). On remarque alors clairement
une fissure assez nette qui permet cette délimitation ; elle est ainsi nommée
fissure pariéto-occipitale. Finalement, la limite entre la partie postérieure du
lobe temporal et le lobe pariétal n’est pas nette et on fait parfois référence
à la région temporo-pariétale pour désigner cette limite.
Anatomie fonctionnelle du système nerveux 29
Figure 1.6. Vue latérale du cerveau. (1) Fissure latérale (de Sylvius).
(2) Fissure centrale (de Rolando). (3) Sillon précentral.
(4) Sillon postcentral. (5) Gyrus précentral. (6) Gyrus postcentral.
(7) Gyrus frontal supérieur. (8) Gyrus frontal moyen. (9) Gyrus frontal
inférieur. (10) Gyrus temporal supérieur. (11) Sillon temporal supérieur.
(12) Gyrus temporal moyen (médian). (13) Sillon temporal inférieur.
(14) Gyrus temporal inférieur. (15) Cervelet. (16) Pôle occipital.
(17) Gyrus angulaire. (18) gyrus supramarginal. (19) Sillon intrapariétal.
1836, le médecin Marc Dax avait déjà émis l’hypothèse d’une spécialisation
de l’hémisphère gauche pour le langage par l’observation de patients devenus
aphasiques suite à des lésions cérébrales. Finalement, bien que la dominance
de l’hémisphère gauche pour les fonctions langagières se retrouve chez la
plupart des individus, certains peuvent montrer une dominance de l’hémis-
phère droit. De plus, il existe un lien entre la préférence manuelle (droitier et
gaucher) et la probabilité de présenter une dominance de l’hémisphère droit
dans le langage. Des études effectuées avec un échantillon de 326 sujets sug-
gèrent que 4 % des droitiers ont l’hémisphère droit dominant pour le langage
comparativement à 27 % chez les gauchers. Les individus ambidextres ont
également davantage de probabilité de montrer une dominance droite pour
le langage (15 %) par rapport aux droitiers (Knecht et al., 2000).
Les régions frontales sont également impliquées dans les fonctions
dites exécutives. Ces fonctions permettent à l’individu d’adopter un com-
portement adapté aux différentes situations qu’il rencontre afin d’atteindre
ses buts. Les fonctions exécutives sont multiples et impliquent notamment
l’initiation d’un comportement, sa planification et sa régulation ainsi que son
inhibition. De plus, il faut garder à l’esprit que des ressources attentionnelles
sont nécessaires à la réalisation des fonctions exécutives et que celles-ci sont
étroitement liées à la mémoire de travail (voir Bauer & Varga, chapitre 5 de
ce volume ; de Ribeaupierre, chapitre 6 de ce volume), à d’autres formes
de mémoires ainsi qu’à des aspects émotionnels. Il serait trop simpliste
de réduire les lobes frontaux à un « exécuteur » général et de réduire une
atteinte frontale à un syndrome dysexécutif unique. Ainsi, les modèles actuels
pointent davantage vers les différents rôles que pourraient jouer différentes
régions frontales dans les fonctions exécutives ainsi qu’aux liens complexes
qui existent entre ces régions et avec d’autres régions cérébrales. Il existe
plusieurs modèles visant à expliquer les liens entre les fonctions exécutives
et le fonctionnement des régions frontales (voir Godefroy, Jeannerod, Allain,
& Le Gall, 2008 pour une synthèse). Par exemple, Stuss et Alexander (2007)
ont mis en évidence que différentes fonctions attentionnelles et exécutives
peuvent être altérées suite à des lésions situées dans différentes régions
frontales. De tels corrélats anatomo-fonctionnels permettent d’apprécier la
complexité des fonctions exécutives et de préciser l’implication des aires
frontales dans des processus cognitifs particuliers.
selon l’axe antéro-postérieur, relativement parallèles les unes aux autres, qui
vont délimiter une série de gyri. Ainsi, sur une vue latérale du cerveau et
suivant l’axe dorso-ventral, on distingue la fissure latérale, le gyrus temporal
supérieur, le sillon temporal supérieur, le gyrus temporal moyen, le sillon
temporal inférieur et le gyrus temporal inférieur (figure 1.6). Cette organi-
sation se poursuit au niveau des régions ventrales du lobe temporal. Afin de
visualiser ces régions, il faut observer une vue ventrale du cerveau, dépour-
vue du tronc cérébral et du cervelet. Après le gyrus temporal inférieur, on
peut ainsi observer les gyri fusiforme et parahippocampique.
Une fonction importante des lobes temporaux concerne l’analyse
des stimuli auditifs. Celle-ci s’effectue d’abord au niveau du gyrus de
Heschl, lequel est situé à l’intérieur de la fissure latérale et donc visible si
l’on ouvre cette fissure et que l’on observe une vue supérieure. Le gyrus de
Heschl (figure 1.2) constitue le cortex auditif primaire. Les neurones de ce
cortex reçoivent principalement des afférences du corps genouillé médian
du thalamus, lequel est le dernier relais des voies auditives qui sont parti-
culièrement complexes (par rapport aux voies visuelles, par exemple). Le
gyrus de Heschl contient une représentation tonotopique, c’est-à-dire que
les neurones forment des bandes dites d’isofréquences dans lesquelles les
neurones individuels sont sensibles à une étendue limitée de fréquences
auditives. Ainsi, les neurones sensibles aux basses fréquences sont situés
dans la partie antérieure du cortex auditif et ceux sensibles aux hautes fré-
quences dans la partie postérieure. Une autre région temporale importante
est celle située de façon postérieure au gyrus d’Heschl. Il s’agit du planum
temporale, une structure importante dans les fonctions langagières. Le gyrus
de Heschl et le planum temporale sont fréquemment sujets à d’importantes
asymétries anatomiques, parmi les plus frappantes du cerveau. Ainsi, il est
fréquent d’observer deux gyri d’Heschl à droite et un plus grand planum
temporale à gauche. Traditionnellement, on considère le planum temporale
gauche comme une partie importante de la région de Wernicke (partie pos-
térieure du gyrus temporal supérieur), qui joue un rôle déterminant dans
la compréhension du langage. Les asymétries du planum temporale et leurs
relations avec les aspects du langage sont également sujettes à d’importantes
différences interindividuelles (voir Shapleske, Rossell, Woodruff, & David,
1999 pour une synthèse).
Alors que les régions temporales supérieures sont connues pour
leur rôle dans les fonctions auditives et langagières, les régions tempo-
rales inférieures sont davantage associées à l’analyse des stimuli visuels
complexes et à la mémoire épisodique. En ce qui concerne les fonctions
visuelles des lobes temporaux, elles sont principalement vouées à la recon-
naissance des objets constituant la scène visuelle et à la reconnaissance des
visages. Ce sont surtout les régions temporales inférieures qui sont impli-
quées dans cette analyse. Ces régions temporales peuvent être considérées
Anatomie fonctionnelle du système nerveux 35
entre les deux récipients et le singe doit apprendre que le contenant avec la
récompense est celui qui est davantage à proximité du cylindre. Des lésions
pariétales empêchent la réalisation d’une telle tâche (Mishkin, Ungerleider,
& Macko, 1983).
Les régions pariétales sont également impliquées dans un vaste
réseau qui sous-tend différentes formes d’attention. Par exemple, des lésions
pariétales (le plus souvent dans l’hémisphère droit) provoquent fréquem-
ment l’héminégligence controlatérale gauche. Dans ce déficit, le patient ne
prête plus attention à l’hémi-espace gauche. Différents tests ou activités
quotidiennes peuvent révéler ce déficit. Par exemple, le patient ne se rase
qu’un côté du visage, ne met qu’une manche de son manteau, ne mange que
ce qui est à droite dans son assiette, etc. Si on lui demande de placer une
marque au milieu d’une ligne, le patient la positionnera beaucoup plus à
droite, c’est-à-dire au milieu de la moitié droite de la ligne. Les mécanismes
neuronaux exacts qui expliqueraient l’héminégligence ne sont pas connus,
mais les études convergent vers une atteinte d’un réseau contrôlant l’orien-
tation de l’attention dans l’espace.
Une autre fonction importante des régions pariétales concerne l’inté-
gration des différentes modalités sensorielles. Dans les régions sensorielles
dites « primaires » (p. ex., gyrus postcentral, gyrus de Heschl, régions occipi-
tales), les neurones sont généralement sensibles à une seule modalité (p. ex.,
toucher, audition et vision). Il existe dans le cortex pariétal (mais aussi
dans d’autres régions du cerveau) des neurones qui réagissent à plus d’une
modalité sensorielle. Notamment, plusieurs régions multisensorielles ont été
identifiées et sont distribuées au niveau du sillon intrapariétal. Ces régions
sont notamment impliquées dans des tâches qui requièrent une intégration
sensorielle et motrice. Par exemple, des régions précises ont été identifiées
comme jouant des rôles importants dans des tâches de préhension (p. ex.,
prendre un objet avec la main en se guidant par la vision).
L’intégrité de certaines régions pariétales est également nécessaire
à la réalisation de certains mouvements ou séquence de mouvements.
Une atteinte pariétale (notamment les gyri supramarginal et angulaire
qui forment le lobule pariétal inférieur) va fréquemment être associée à
différentes formes d’apraxies, c’est-à-dire l’incapacité à effectuer certains
mouvements ou séquences de mouvements. Parmi les nombreuses formes
d’apraxies associées à des lésions pariétales, notons l’apraxie idéomotrice
(le patient est incapable d’effectuer certains mouvements de façon volon-
taire bien qu’il puisse conserver certains mouvements automatiques),
l’apraxie constructive (p. ex., incapacité à recopier un dessin ou à aligner
des bâtonnets pour créer une forme particulière) et l’apraxie d’habillage
(le patient manipule ses vêtements de façon incohérente et montre des
difficultés à s’habiller).
38 Neurosciences et cognition : perspectives pour les sciences de l’éducation
5. Chez l’humain, la rétine est divisée en deux hémirétines. L’une projette à l’hémisphère
opposé et l’autre à l’hémisphère ipsilatéral (c’est-à-dire du même côté). Ainsi, chaque
œil projette aux deux hémisphères. L’organisation anatomique du système visuel fait
en sorte qu’un stimulus présenté dans un hémichamp (à gauche ou à droite du point
de fixation, les deux yeux étant ouverts) sera d’abord traité par l’hémisphère opposé.
40 Neurosciences et cognition : perspectives pour les sciences de l’éducation
rapidement un stimulus (p. ex., une image) d’un côté ou de l’autre du point
de fixation. Ainsi, lorsque le stimulus est présenté à droite, le patient peut
aisément nommer ce qu’il voit puisque le stimulus est traité par l’hémisphère
gauche, dominant pour le langage. Par contre, lorsque le stimulus est pré-
senté à gauche du point de fixation, il est analysé par l’hémisphère droit et le
patient rapporte n’avoir rien vu. Il sera toutefois capable de choisir la bonne
image avec sa main gauche (contrôlée par l’hémisphère droit, lequel a bien
vu l’image) parmi une série d’images. Aussi, il sera en mesure de dessiner
avec sa main gauche un stimulus présenté à gauche (et donc analysé par
l’hémisphère droit, lequel contrôle la main gauche). D’autres études avec des
patients callosotomisés ont permis de mettre en évidence la spécialisation de
l’hémisphère droit dans certaines tâches visuo-spatiales. Ainsi, lorsque l’on
présente au patient une forme géométrique en deux dimensions et qu’on lui
demande de la reproduire avec la surface de blocs colorés, il est capable de
le faire avec sa main gauche, mais pas avec sa main droite.
5. CONNECTIVITÉ FONCTIONNELLE
ENTRE LES RÉGIONS CORTICALES
Nous avons mentionné précédemment qu’une particularité fonda-
mentale des neurones est l’établissement de connexions (courtes ou lon-
gues) entre eux. Il s’agit d’une part de connexions anatomiques qui peuvent
être vues comme un réseau complexe de fils (les axones) entremêlés qui
relient différentes régions cérébrales entre elles. Il existe plusieurs façons
de mettre en évidence ces connexions. Chez l’animal, il est par exemple
possible d’injecter dans une région du cerveau un produit qui est absorbé
par les corps cellulaires, puis qui est transporté via leurs axones jusqu’aux
terminaisons nerveuses. On sacrifie ensuite l’animal et on peut visualiser
le lieu des terminaisons sur des tranches du cerveau et ainsi conclure que
Anatomie fonctionnelle du système nerveux 41
de définir des réseaux formés par différentes régions cérébrales qui ont
tendance à être activées de façon interdépendante. Ultimement, les cher-
cheurs souhaitent relier différents réseaux à certaines fonctions, notamment
les fonctions cognitives qui intéressent particulièrement le présent volume.
Une autre variante de l’IRMf, peut-être plus connue du grand public,
est l’utilisation de cette technique lorsque le sujet effectue une tâche don-
née. L’IRMf exploite le fait qu’une région cérébrale plus active consomme
davantage d’oxygène pendant un certain temps, ce qui peut être détecté
par l’appareil et ainsi fournir une image du cerveau illustrant l’activité plus
ou moins élevée de différentes régions au cours du temps. Cette technique
a permis d’identifier un nombre impressionnant de réseaux impliqués dans
différentes tâches. Alors que certaines régions étaient déjà connues pour
leur implication dans des fonctions particulières grâce à l’étude de patients
présentant des lésions cérébrales focalisées (p. ex., la région de Broca,
voir section 3.2 de ce chapitre), les études d’IRMf ont permis une avancée
remarquable dans la compréhension des bases neurologiques des fonctions
cognitives ainsi que des troubles qui peuvent les accompagner. Finalement,
des analyses particulières permettent maintenant l’étude des connexions
fonctionnelles liées à des tâches particulières. Afin d’illustrer ce genre
d’étude, nous proposons d’utiliser l’exemple de la lecture et de la dyslexie.
Il s’agit avant tout de donner au lecteur un exemple d’utilisation de l’IRMf
afin de mieux comprendre l’identification de réseaux qui sous-tendent une
fonction particulière (la question de la lecture, de son apprentissage et des
troubles dyslexiques sera traitée en détail par Zesiger et al., chapitre 11 de
ce volume).
RÉFÉRENCES BIBLIOGRAPHIQUES
Adolphs, R., Tranel, D., Damasio, H., & Damasio, A. (1994). Impaired recognition of
emotion in facial expressions following bilateral damage to the human amygdala.
Nature, 372(6507), 669-672.
Alexander, G. E. & Crutcher, M. D. (1990). Functional architecture of basal ganglia
circuits: neural substrates of parallel processing. Trends in Neurosciences, 13(7),
266-271.
Baillieux, H., De Smet, H. J., Paquier, P. F., De Deyn, P. P., & Mariën, P. (2008). Cer-
ebellar neurocognition: insights into the bottom of the brain. Clinical Neurology
and Neurosurgery, 110(8), 763-773.
44 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Chapman, W. P., Schroeder, H. R., Geyer, G., Brazier, M. A., Fager, C., Poppen, J. L., …
Yakovlev, P. I. (1954). Physiological evidence concerning importance of the amyg-
daloid nuclear region in the integration of circulatory function and emotion in man.
Science, 120, 949-951.
Di Chiara, G. & Imperato, A. (1988). Drugs abused by humans preferentially increase
synaptic dopamine concentrations in the mesolimbic system of freely moving rats.
Proceedings of the National Academy of Sciences, 85(14), 5274-5278.
Finn, E. S., Shen, X., Holahan, J. M., Scheinost, D., Lacadie, C., Papademetris, X., …
Constable, R. T. (2014). Disruption of functional networks in dyslexia: a whole-
brain, data-driven analysis of connectivity. Biological Psychiatry, 76(5),
397-404.
Galvan, A., Hare, T. A., Parra, C. E., Penn, J., Voss, H., Glover, G., & Casey, B. (2006).
Earlier development of the accumbens relative to orbitofrontal cortex might under-
lie risk-taking behavior in adolescents. The Journal of Neuroscience, 26(25),
6885-6892.
Gazzaniga, M. S., Bogen, J. E., & Sperry, R. W. (1965). Observations on visual percep-
tion after disconnexion of the cerebral hemispheres in man. Brain, 88(2), 221-236.
Godefroy, O., Jeannerod, M., Allain, P., & Le Gall, D. (2008). Lobe frontal, fonctions
exécutives et contrôle cognitif. Revue neurologique, 164, S119-S127.
Horwitz, B. (2003). The elusive concept of brain connectivity. Neuroimage, 19(2),
466-470.
Kluver, H. & Bucy, P. C. (1930) Preliminary analysis of functions of the tempo-
ral lobes in monkeys. Archives of Neurology and Psychiatry, Chicago, 42,
979-1000.
Knecht, S., Drager, B., Deppe, M., Bobe, L., Lohmann, H., Floel, A., … Henningsen,
H. (2000). Handedness and hemispheric language dominance in healthy humans.
Brain, 123(12), 2512-2518.
Knowlton, B. J., Mangels, J. A., & Squire, L. R. (1996). A neostriatal habit learning
system in humans. Science, 273(5280), 1399-1402.
Miéville, P. & Curchod, B. (2010). IRM et IRMf: principes, limites et applications.
Prismes, Revue pédagogique HEP Vaud, 12, 8-10.
Mishkin, M., Ungerleider, L. G., & Macko, K. A. (1983). Object vision and spatial
vision: two cortical pathways. Trends in Neurosciences, 6, 414-417.
Pellerin, L. & Magistretti, P. J. (2012). Sweet sixteen for ANLS. Journal of Cerebral
Blood Flow & Metabolism, 32(7), 1152-1166.
Penfield, W. & Rasmussen, T. (1950). The cerebral cortex of man: a clinical study
of localization of function. Oxford, England: Macmillan.
Rapport, R. L. (2005). Nerve endings: The discovery of the synapse. New-York,
NY: WW Norton & Company.
Semendeferi, K., Lu, A., Schenker, N., & Damasio, H. (2002). Humans and great apes
share a large frontal cortex. Nature Neuroscience, 5(3), 272-276.
Anatomie fonctionnelle du système nerveux 45
Shapleske, J., Rossell, S. L., Woodruff, P. W. R., & David, A. S. (1999). The planum
temporale: a systematic, quantitative review of its structural, functional and clinical
significance. Brain Research Reviews, 29(1), 26-49.
Shaywitz, S. E. & Shaywitz, B. A. (2008). Paying attention to reading: the neuro-
biology of reading and dyslexia. Development and Psychopathology, 20(4),
1329-1349.
Stuss, D. T. & Alexander, M. P. (2007). Is there a dysexecutive syndrome? Philo-
sophical Transactions of the Royal Society B: Biological Sciences, 362(1481),
901-915.
Weiner, K. S. & Grill-Spector, K. (2012). The improbable simplicity of the fusiform
face area. Trends in Cognitive Sciences, 16(5), 251-254.
Chapitre
La rencontre entre sciences
2
cognitives et éducation :
opportunités et pentes glissantes.
Le cas exemplaire des neuromythes
Elena PASQUINELLI
des sciences cognitives. Celles-ci sont donc appelées à faire partie du cercle
des sciences qui forment la base des connaissances de l’éducation. En 2007
a été fondé l’IMBES (International Mind, Brain and Education Society) ainsi
que son journal Mind, Brain and Education (Fisher et al., 2007). Cette
démarche est liée à un cours et à un programme de recherche de la Harvard
Graduate School of Education, et aussi à des séminaires et à des conférences
de dissémination qui ont démarré en 2003, à l’initiative de l’Accademia Vati-
cana, ainsi qu’à un long programme de rencontres de l’OECD-CERI, dédié à
la science de l’apprentissage (Battro, Fischer, & Léna, 2008 ; OECD, 2002,
2006). À ces occasions, des chercheurs de provenance internationale ont
initié un nouveau champ de recherche qui a donné lieu à bon nombre de
publications – y compris une nouvelle revue (Trends in Neuroscience and
Education) – et à de nombreuses initiatives aussi bien de recherche que de
formation des enseignants et de dialogue avec les décideurs. De telles initia-
tives ont eu lieu notamment aux États-Unis, au Royaume-Uni, au Japon, en
Chine, en Allemagne, en France. À titre d’exemple, nous pouvons mention-
ner deux symposiums sur les sciences cognitives et l’apprentissage organisés
respectivement par l’Académie des sciences en 2005 et par le Collège de
France en 2012 ; un cours universitaire sur « Éducation, cognition, cerveau »
à l’École normale supérieure ; des formations pour les professeurs des écoles
portant sur les sciences cognitives et l’apprentissage par la Fondation La
main à la pâte. D’autres coopérations internationales et nationales ont vu le
jour, parallèlement et avec les mêmes retombées : au Royaume-Uni, l’ESCR
(Economic and Social Research Council) et la Royal Society ont produit
plusieurs rapports concernant la neuroéducation (Frith & Blakemore, 2005 ;
Royal Society, 2011 ; Teaching and Learning Research Programme, TLRP,
2008) ; l’association européenne EARLI (European Association for Research
on Learning and Instruction) a créé un groupe d’intérêt spécifique sur ce
thème qui réunit chercheurs et enseignants tous les deux ans ; l’association
Neuroéducation Québec mène des recherches et a créé une revue.
d’années, voire des centaines, nous apprenons des autres en observant leurs
productions, en les imitant, en suivant où se pose leur regard et en écoutant
leurs mots, leurs témoignages ; et depuis une poignée de milliers d’années en
lisant leurs traces écrites (Csibra, 2007 ; Tomasello, Kruger, & Ratner, 1993 ;
Whiten, 2008). Les sciences cognitives permettent d’étudier les différents
mécanismes naturels de l’apprentissage, y compris ceux de nature sociale,
les fonctions annexes (comme la motivation), les contraintes apposées par
l’architecture de notre cerveau et son développement, les connaissances
que l’enfant possède dans son « kit de départ » ou développe avec l’âge et
l’expérience.
2. PENTES GLISSANTES
L’enthousiasme pour les sciences de l’esprit, le cerveau et le compor-
tement peut être trompeur. Le chemin de la théorie à la pratique n’est pas
simple ; il contient en outre de nombreuses pentes glissantes qui doivent être
identifiées pour mieux les prévenir. Dans ce qui suit, je vais brièvement en
décrire dix, avant de m’arrêter plus longuement sur la dernière.
surtout, en relation avec la nature des tâches, les contenus et les conditions
réelles d’apprentissage. Entre les études in vivo et in vitro, une étape
cruciale est donc représentée par une forme d’ingénierie pédagogique qui
consiste en la conception d’interventions inspirées par la science et validée
dans des conditions écologiques (Hinton & Fischer, 2008).
laboratoire (Petitto & Dunbar, 2004). Nous devons alors reconnaître que la
rencontre entre l’éducation et les sciences cognitives ne profite pas à l’une
ou à l’autre mais aux deux. Il est aussi possible que cette même rencontre
puisse aider à résoudre le chauvinisme disciplinaire en permettant aux
sciences cognitives de trouver une configuration nouvelle qui soit véritable-
ment pluridisciplinaire.
2.10 Neuromythes
Il est établi qu’à plusieurs reprises les sciences cognitives et les
neurosciences ont été mal comprises et mal utilisées. Notamment, on a pu
constater la diffusion d’idées fausses ou trop simplifiées sur le fonctionne-
ment du cerveau (Dekker et al., 2012). Étant donné que ces idées concernent
la cognition, mais sont exprimées en jargon neuroscientifique (en se référant
au cerveau), et que, comme d’autres mythes, elles se répandent largement et
prennent racine facilement chez un grand nombre de personnes, ces idées
sont connues sous le terme de neuromythes (Doudin, Tardif, & Meylan,
chapitre 3 de ce volume ; Geake, 2008 ; Goswami, 2008 ; Howard-Jones,
2009 ; OECD, 2002 ; Tardif & Doudin, 2010 ; Waterhouse, 2006). La diffusion
de neuromythes peut être influencée par le type d’approche qu’on adopte
dans la rencontre entre sciences cognitives et éducation. Une approche
affirme par exemple que les études sur la cognition, le cerveau et l’éducation
devraient donner lieu à un nouveau champ interdisciplinaire de recherche
et permettre de mieux traduire les résultats de ces études en méthodes
pédagogiques efficaces (Fischer et al., 2007 ; Fischer, Goswami, Geake, &
the Task Forces for the Future of Educational Neuroscience, 2010). Une
autre approche qui existe actuellement consiste plutôt à utiliser les savoirs
scientifiques, notamment en neurosciences, de façon très simplifiée, voire
abusive afin de proposer des solutions faciles pour l’éducation (Dennison
& Dennison, 2010 ; Dunn & Dunn, 1978 ; Jensen, 1995). Le risque existe,
surtout dans cette deuxième approche, de favoriser la prolifération des
neuromythes. La suite de ce chapitre examine l’origine des neuromythes
et propose un cadre théorique pour expliquer leur persistance en dépit du
fait que les connaissances disponibles permettent d’affirmer qu’ils sont faux.
Cette affirmation amplifiée par plusieurs journaux trouve son origine dans
une recherche en particulier. Rauscher, Shaw et Ky (1993) ont comparé les
effets cognitifs de trois situations : l’écoute d’une sonate de Mozart, d’une
musique relaxante et une situation silencieuse. Dans la « situation Mozart »,
les résultats montraient une augmentation de 8 à 9 points chez des adultes
à des tests de capacité spatiale extraits d’une vaste batterie de tests utilisés
pour mesurer le QI. Malheureusement, d’autres laboratoires n’ont pas été en
mesure de reproduire ces résultats et « l’effet Mozart » a ainsi été démysti-
fié (Chabris, 1999 ; Pietschnig, Voracek, & Formann 2010 ; Steele, Bass, &
Crook, 1999). Malgré l’absence de confirmation, en 2004, 80 % d’un échantil-
lon de 496 personnes interrogées en Californie et en Arizona étaient familiers
avec l’effet Mozart (Bangerter & Heath, 2004). Toujours selon ces auteurs,
les produits basés sur l’Effet Mozart (devenu une marque de fabrique) sont
vendus à des millions d’exemplaires. Il convient d’ajouter que l’étude publiée
à l’origine par Rauscher et al. (1993) ne mentionne aucunement les effets
potentiels sur les enfants ou la possibilité que l’effet mesuré en laboratoire
puisse donner lieu à des modifications à long terme de l’intelligence. L’effet
Mozart est un cas exemplaire qui illustre comment une idée fausse peut
affecter négativement le rapprochement entre recherche scientifique en
sciences cognitives et l’éducation.
confiance à l’un ou à l’autre (ce qui relève d’un argument d’autorité), mais
de constater et accepter l’absence de consensus.
Deuxièmement, le problème est que scientifiques et éducateurs ne
partagent pas le même agenda : si pour les premiers ce qui compte est de
faire avancer la compréhension de la cognition et du cerveau, pour les deu-
xièmes la priorité est donnée à l’identification de solutions aux problèmes
pratiques qui se posent en classe, ou dans d’autres lieux de l’apprentissage.
L’avancement de la connaissance passe par l’acceptation de l’incertitude
et l’effort pour la réduire. Ce processus prend du temps et n’est pas assu-
jetti au besoin de répondre immédiatement aux besoins du quotidien. Une
convergence entre science et éducation existe, dans le sens où une meilleure
compréhension des processus et mécanismes d’apprentissage peut aider à
formuler des stratégies d’enseignement mieux adaptées au fonctionnement
de la cognition. Mais la connaissance scientifique du cerveau et de la cogni-
tion ne fournit pas – dans la plupart des cas – des solutions prêtes à l’emploi.
Plutôt, une boussole pour orienter l’ingénierie pédagogique, et des outils
pour en évaluer les résultats.
La nature même de la science (et pas que des sciences cognitives)
empêche de se tourner vers elle comme vers un livre de recettes. La science
consiste de manière essentielle dans l’acceptation de l’ignorance : le scienti-
fique a conscience de ne pas savoir, et ceci le pousse à chercher à en savoir
plus ; mais il sait accepter de ne pas savoir, ou de ne détenir qu’un savoir
incertain à différents degrés ; pour cette raison, il ne cherche pas à échanger
son savoir – incertain – avec des dogmes. Pour pouvoir profiter des connais-
sances produites par la recherche scientifique il faut donc connaître la nature
de la science, et accepter le fait de fonder ses décisions sur un savoir qui
– tout en étant plus solide, contrôlé et justifié par des intuitions quotidiennes
et par le sens commun – n’est pas certain, et peut évoluer.
Enfin, tout en soutenant l’effort de disséminer le plus possible et le
plus correctement possible le savoir produit par la science auprès du grand
public, il faut admettre que ce savoir est trop vaste, détaillé et complexe
pour pouvoir être maîtrisé, et il grandit tous les jours. Ainsi, ceux qui sont
plus à même de diagnostiquer les neuromythes seront dépourvus face aux
mythes concernant l’histoire, l’économie, ou la physique. Si on ne peut pas
espérer éliminer les moindres fausses croyances qui circulent autour de l’un
et de l’autre domaine du savoir, on peut tout de même se donner pour but de
favoriser une meilleure compréhension générale de la démarche des sciences
cognitives, de leurs principales lignes de recherche et de leurs acquis. On
pourra alors distinguer entre neuromythes au sens strict (comme le mythe
de l’effet Mozart, ou celui des trois premières années) et mécompréhensions
touchant les sciences cognitives, et la science plus en général. Font partie de
ces dernières : l’idée que le savoir sur le cerveau et la cognition peut trouver
72 Neurosciences et cognition : perspectives pour les sciences de l’éducation
4. POUR CONCLURE
Le risque représenté par les neuromythes ne doit pas entraver la
possibilité de forger une nouvelle façon de penser l’éducation. Il est donc
utile de résumer les différentes contributions que les sciences cognitives et
les neurosciences peuvent apporter à l’éducation : a) un corpus de connais-
sances sur les processus d’apprentissage et d’enseignement, les mécanismes,
les contraintes et les fonctions cognitives ; b) des modèles pour anticiper
l’efficacité d’une méthode ; c) des méthodes pour en vérifier l’efficacité ;
d) une meilleure compréhension de préjugés qui pourraient entraver l’adop-
tion d’innovation dont l’efficacité a été pourtant démontrée ; e) une vision
de l’éducation favorisant le développement de capacités et de connaissances
qui ne viennent pas naturellement à l’esprit. Ces contributions interviennent
à différentes étapes du processus d’enseignement. Certaines ont un impact
sur la prise de décision, d’autres sur la recherche en éducation, et d’autres
encore sur la pratique éducative. Cela signifie que, pour favoriser une bonne
collaboration entre les sciences cognitives et les sciences de l’éducation, des
stratégies différentes et complémentaires devraient être mises en place.
Une stratégie consiste dans l’ingénierie des interventions et des tech-
nologies pour l’éducation. Les études sur la cognition peuvent apporter avant
tout des connaissances théoriques, capables d’inspirer des interventions qui
s’accordent avec le fonctionnement du cerveau humain. Les méthodes utili-
sées en sciences cognitives peuvent permettre l’évaluation de l’efficacité des
interventions à mener dans les classes. Ceci pourrait permettre de valider
des instruments éducatifs grâce à leur conformité par rapport au fonction-
nement du cerveau qui apprend et du cerveau qui enseigne et à la preuve
empirique de leur efficacité à favoriser l’atteinte des objectifs. Ces outils sont
d’une grande utilité dans des cas où le but est bien défini et les variables
en cause sont limitées ou peuvent être prises en compte une à une dans la
résolution du problème spécifique. Les sciences cognitives et de l’éducation
La rencontre entre sciences cognitives et éducation 73
RÉFÉRENCES BIBLIOGRAPHIQUES
Abi-Rached, J. (2008). The Implications of the New Brain Sciences. The “Decade
of the Brain” is Over but Its Effects Are Now Becoming Visible as Neuropolitics
and Neuroethics, and in the Emergence of Neuroeconomies. EMBO Reports,
9, 12. Retrieved at: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2603451/pdf/
embor2008211.pdf
Alberts, B. (2010). Policy-making needs sciences. Science, 330(6009), 1287.
Bangerter, A. & Heath, C. (2004). The Mozart Effect: Tracking the Evolution of a
Scientific Legend. British Journal of Social Psychology, 43(4), 605-623.
Battro, A. M. (2010). The teaching brain. Mind, Brain and Education, 4(1), 28-33.
Battro, A. M., Fischer, K. W., & Léna, P. J. (Eds.) (2008). The educated brain: essays
in neuroeducation. Cambridge, MA: Pontifical Academy of Sciences & Cambridge
University Press.
Bruer, J. (1993). Schools for thought. Cambridge, MA: The MIT Press.
Bruer, J. (1997). A Bridge Too Far. Educational Researcher, 26(8), 4-16.
Bruer, J. T. (1999). The myth of the first three years: A new understanding of early
brain development and lifelong learning. Riverside, NJ : Simon and Schuster.
Bruner, J. S. (1960). On learning mathematics. The Mathematics Teacher, 53(8),
610-619.
Brunvald, J. H. (1981). The Vanishing Hitchhiker. New York, NY: Norton & Company.
Cartwright, N. (2009). Evidence-Based Policy: Where is our Theory of Evidence?
Journal of Children’s Services (special edition), 4(4), 6-14.
Cartwright, N. (2011). A Philosopher’s View of the Long Road from RCTs to Effective-
ness. The Lancet, 377(9775), 1400-1401.
74 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Chabris, C. F. (1999). Prelude or Requiem for the “Mozart Effect”? Nature, 400,
826-827.
Chabris, C. F. & Simons, D. J. (2009). The Invisible Gorilla. How Our Intuitions
Deceive Us. New York, NY: Broadway Paperbacks.
Csibra, G. (2007). Teachers in the Wild. Trends in cognitive sciences, 11(7), 95-96.
Csibra, G. & Gergely, G. (2009). Natural pedagogy. Trends in Cognitive Sciences,
13(4), 148-153.
Davis, D. A. & Taylor-Vaisey, A. (1997). Translating guidelines into practice. A sys-
tematic review of theoretic concepts, practical experience and research evidence
in the adoption of clinical practice guidelines. CMAJ, 157(4), 408-16.
Dawkins, R. (1976). The Selfish Gene. Oxford: Oxford University Press.
Dearing, J. W. (2006). Accelerating the Diffusion of Evidence-Based Policies and
Practices. Internal Policy Document, John D. and Catherine T. MacArthur Foundation.
Dekker, S., Lee, N. C., Howard-Jones, P., & Jolles, J. (2012). Neuromyths in educa-
tion: prevalence and predictors of misconceptions among teachers. Frontiers in
Psychology, 3(429).
Dede, C., Dearing, J. W., Boisvert, D., McNeel, D., & Lesiecki, M. (2008). If You Build
It, Will They Come? Achieving Scale in the Diffusion of Innovations in Educa-
tion, Leadership Abstracts, League for Innovation online.
Della Sala, S. (1999). Mind Myths. Chichester, UK: Wiley.
Della Sala, S. (2007). Tall Tales about the Mind and Brain. Separating Facts from
Fiction. Oxford: Oxford University Press.
Dennison, P. & Dennison, G. (2010). Brain Gym. Teacher’s Edition. Ventura, CA:
Hearts at Play.
Doudin, P.-A., Tardif, E., & Meylan, N. (ce volume). De l’utilité ambiguë des styles
d’apprentissage et des neuromythes.
Dubinski, J. M. (2010). Neuroscience Education for Prekindergarten-12 Teachers,
Journal of Neuroscience, 30(24), 8057-8060.
Dumit, J. (2004). Picturing Personhood: Brain Scans and Biomedical Identity.
Princeton, NJ: Princeton University Press.
Dunbar, K. (2001). What Scientific Thinking Reveals About the Nature of Cognition.
In K. Crowley, C. D. Schunn & T. Okada (Eds.), Designing for science: Impli-
cations from everyday, classroom, and professional settings (pp. 115-140).
Mahwah, NJ: Lawrence Erlbaum.
Dunbar, K. & Blanchette, I. (2001). The invivo/invitro approach to cognition: the case
of analogy. Trends in Cognitive Sciences, 5(8), 334-339.
Dunn, R. & Dunn, K. (1978). Teaching Students through Their Individual Learn-
ing Styles. Reston, VA: Reston.
Dweck, C. S. & Sorich, L. (1999). Mastery-oriented thinking. In C. R. Synder (Ed.),
Coping, (pp. 232-251). New York: Oxford University Press.
La rencontre entre sciences cognitives et éducation 75
Howard-Jones, P., Pickering, S., & Diack, A. (2007). Perceptions of the Role of Neu-
roscience in Education. The Innovation Unit, University of Bristol. Retrieved at:
http://www.neuroeducational.net/
Hyatt, K. J. (2007). Brain Gym: Building Stronger Brains or Wishful Thinking? Reme-
dial and Special Education, 28(2), 117-124.
Ioannidis, J. P. A. (2005). Why Most Published Research Findings Are False, PLoS
Medicine, 2(8), e124. doi:10.1371/journal.pmed.0020124.
James, W. (1925). Talks to the teachers on psychology: and to students on some
of life’s ideas. New York: Henri Holt and Company/Project Gutenberg [ebook]
Retrieved at http://www.gutenberg.org/files/16287/16287-h/16287-h.htm
Jensen, E. (1995). Brain-Based Learning & Teaching. San Diego, CA: Brain Store Inc.
Kahneman, D., Slovic, P., & Tversky, A. (1982). Judgment Under Uncertainty:
Heuristics and Biases. New York: Cambridge University Press.
Kahneman, D. (2011). Thinking, fast and slow. New York: Farrar, Strauss and Giroux.
Karpicke, J. D. & Roediger III, H. L. (2007). Repeated retrieval during learning is the
key to long-term retention. Journal of Memory and Language, 57(2), 151-162.
Klahr, D. & Li, J. (2005). Cognitive research and elementary science instruction: From
the laboratory, to the classroom, and back. Journal of Science Education and
Technology, 14(2), 217-238.
Kowalski, P. & Taylor, A. K. (2009). The Effect of Refuting Misconceptions in the
Introductory Psychology Class. Teaching of Psychology, 36(3), 153-159.
Krieger, D. (2010). Mozart’s Growing Influence on Food: Can Fruit, Vegetables, and
other Foods Really Benefit from Daily Doses of Classical Music? The Japan Times
Online. Retrieved at: http://search.japantimes.co.jp/cgi-bin/fs20101125a3.html
Langer, E. J., Blank, A., & Chanowitz, B. (1978). The Mindlessness of Ostensibly
Thoughtful Action: The Role of ‘Placebic’ Information in Interpersonal Interaction.
Journal of Personality and Social Psychology, 36(6), 635-42.
Lean, M. E. J., Mann, J. I., Hoek, J. A., Elliot, R. M., & Schofield, G. (2008). Transla-
tional Research: from evidence-based medicine to sustainable solutions for public
health problems. British Medical Journal, 337, a863.
Legrenzi, P., Umiltà, C., & Anderson, F. (2011). Neuromania. On the Limits of
Brain Science. New York: Oxford University Press.
Lenfant, C. (2003). Clinical Research to Clinical Practice: Lost in Translation? New
England Journal of Medicine, 349(9), 868-874.
Li, J. & Klahr, D. (2006). The Psychology of Scientific Thinking:Implications for Sci-
ence Teaching and Learning. In J. Rhoton & P. Shane (Eds.) Teaching Science
in the 21st Century (pp. 307-327). National Science Teachers Association and
National Science Education Leadership Association: NSTA Press.
Lilienfeld, S., Linn, S. J., Ruscio, J., & Beyerstein, B. L. (2010), 50 Great Myths of
Popular Psychology: Shattering Widespread Misconceptions about Human
Behavior. Malden, MA: Wiley-Blackwell.
La rencontre entre sciences cognitives et éducation 77
Mankoff, S. P., Brander, C., Ferrone, S., & Marincola, F. M. (2004), Lost in Transla-
tion: Obstacles to Translational Medicine. Journal of Translational Medicine,
18(2), 1-14.
Marincola, F. M. (2004). Translational Medicine: A Two Way Road. Journal of Trans-
lational Medicine, 24(1), 1.
Matute, H., Yarritu, I., & Vadillo, M. A. (2011). Illusions of causality at the heart of
pseudoscience. British Journal of Psychology, 102(3), 392-405.
McCabe, D. P. & Castel, A. D. (2008). Seeing is believing: The effect of brain images
on judgments of scientific reasoning. Cognition, 107(1), 343-352.
McCaughey, D. & Bruning, N. S. (2010). Rationality versus Reality: The Challenges of
Evidence-Based Decision Making for Health Policy Makers. Implementation Sci-
ence, 5, 29OCEBM (2001). Levels of evidence system. Retreived at http:// www.
cebm.net/index.aspx?o=5653
McKay, R. T. & Dennett, D. C. (2009). The evolution of misbelief. Behavioral and
Brain Sciences, 32(6), 493-561.
Nickerson, R. S. (1998). Confirmation bias: a ubiquitous phenomenon in many guises.
Review of General Psychology, 2(2), 175-220.
OCEBM, Levels of Evidence Working Group (2011). The Oxford 2011 Levels of
Evidence. 2011.
OECD (2002). Understanding the Brain: Towards a new Learning Science.
Paris: OECD.
OECD (2006). Understanding the Brain: The birth of a Learning Science. Paris:
OECD.
Oxman, A. D., Thomson, M. A, Davis, D. A., & Haynes, R. B. (1995). No Magic Bul-
lets: A Systematic Review of 102 Trials of Interventions to Improve Professional
Practice. Canadian Medical Association Journal, 153(10), 1423-31.
Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2009). Learning Styles: Con-
cepts and Evidence. Psychological Science in the Public Interest, 9(3),
105-118.
Petitto, L. A. & Dunbar, K. (2004). New findings from educational neuroscience on
bilingual brains, scientific brains, and the educated mind. On-line chapter (only).
In K. Fischer & T. Katzir (Eds.), Building Usable Knowledge in Mind, Brain, &
Education Cambridge, MA: Cambridge University Press.
Pietschnig, J., Voracek, M., & Formann, A. K. (2010). Mozart effect-Shmozart effect:
A meta-analysis. Intelligence, 38(3), 314-323.
Pinker, S. (1997). How the mind works. New York: Norton.
Pinker, S. (2002). The Blank Slate. The Modern Denial of Human Nature. New
York: Viking Penguin.
Racine, E., Bar-Ilan, O., & Illes, J. (2006). Brain Imaging A Decade of Coverage in the
Print Media. Science communication, 28(1), 122-143.
78 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Racine, E., Waidman, S., Rosenberg, J., & Illes, J. (2006). Contemporary neuroscience
in the media. Social Science & Medicine, 71, 725-733.
Rauscher, F. H., Shaw, G. L., & Ky, K. (1993). Music and Spatial Task Performance.
Nature, 365(6447), 611.
Roskies, A. L. (2007). Are neuroimages like photographs of the brain? Philosophy
of Science, 74(5), 860-872.
Roskies, A. L. (2008). Neuroimaging and inferential distance. Neuroethics, 1(1), 19-30.
Royal Society (2011). Brain Waves 2: Neuroscience: Implications for Education
and Lifelong Learning, Royal Society. Retrieved at: http://royalsociety.org/policy/
reports/brainwaves2/
Seifert, C. M. (2002). The Continued Influence of Misinformation in Memory:
What Makes a Correction Effective? Psychology of Learning and Motivation:
Advances in Research and Theory, 41, 265-292.
Simon, H. (1981). The sciences of the artificial. Cambridge, MA: The MIT Press.
Schacter, D. L., Harbluk, J. L., McLachlan, D. R. (1984). Retrieval without recollec-
tion: an experimental analysis of source amnesia. Journal of verbal learning and
verbal behavior, 23(5), 593-611.
Slavin, R. E. (2002). Evidence-based education policies: Transforming educational
practice and research. Educational Researcher, 31(7), 15-21.
Slavin, R. E. (2004). Education research can and must address “what works” ques-
tions. Educational Researcher, 33(1), 27-28.
Spaulding, L. S., Mostert, M. P., & Beam, A. P. (2010). Is Brain Gym® an effective
educational intervention? Exceptionality, 18(1), 18-30.
Sperber, D. (1985). Anthropology and psychology: toward an epistemology of repre-
sentations. Man, 20(1), 73-89.
Sperber, D. (1996). Explaining culture. Oxford: Blackwell.
Sperber, D. (2009). Culturally transmitted misbeliefs. Behavioral and Brain Sci-
ences, 32(6), 534-535.
Standing, L. G. & Huber, H. (2003). Do Psychology Courses Reduce Belief in Psychol-
ogy Myths? Social Behavior and Personality, 31(6), 585-592.
Steele, K. M., Bass, K. E., & Crook, M. D. (1999). The mystery of the Mozart effect:
Failure to replicate. Psychological Science, 10(4), 366-369.
Strauss, S. (2005). Teaching as a natural cognitive ability: Implications for classroom
practice and teacher education. In D. Pillemer & S. White (Eds.), Developmental
psychology and social change (pp. 368-388). New York: Cambridge University Press.
Strauss, S. & Ziv, M. (2012). Teaching is a natural cognitive ability for humans. Mind,
Brain and Education, 6(4), 186-196.
Sullivan, A., Joshi, H., & Leonard, D. (2010). Single-sex Schooling and Academic
Attainment at School and through the Lifecourse. American Educational
Research Journal, 47(1), 6-36.
La rencontre entre sciences cognitives et éducation 79
2. STYLES D’APPRENTISSAGE
ET PÉDAGOGIE DIFFÉRENCIÉE
Plus les études sur les styles cognitifs se raréfiaient, plus les études
sur les styles d’apprentissage se développaient. Pour Chevrier et al. (2000),
les notions de styles cognitifs et de styles d’apprentissage sont étroitement
liées, le style cognitif étant le parent ou « l’ancêtre » de la notion de style
d’apprentissage. En effet, nous pouvons établir un parallélisme entre, d’une
part, les styles cognitifs qui contribuent à expliquer l’hétérogénéité du déve-
loppement de l’intelligence entre enfants établie par des travaux en psycho-
logie différentielle et, d’autre part, les styles d’apprentissage qui tentent de
rendre compte de l’hétérogénéité des modes d’apprentissage entre élèves
en classe et qui constitue un des fondements de la pédagogie différenciée.
Keefe (1979) définit les styles d’apprentissage comme étant com-
posés de dimensions cognitives, affectives et physiologiques permettant de
rendre compte de la manière relativement stable dont un sujet apprend.
Comme le relève Bourgeois (2003), styles cognitifs et styles d’apprentissage
partagent pour le moins un point commun : ils désignent des différences
relativement stables entre individus au niveau de leur mode préférentiel
de fonctionnement. Cependant, les premiers étudient le fonctionnement
intellectuel de l’enfant hors contexte d’apprentissage (du moins scolaire)
alors que les deuxièmes portent sur l’élève en situation d’apprentissage plus
particulièrement en classe. Ainsi, et contrairement aux styles cognitifs, les
styles d’apprentissage ont une visée explicitement pédagogique (Chevrier
et al., 2000).
86 Neurosciences et cognition : perspectives pour les sciences de l’éducation
3. DIFFÉRENCIATION STRUCTURALE
OU PÉDAGOGIE DIFFÉRENCIÉE AVEC PRISE
EN COMPTE DES STYLES D’APPRENTISSAGE ?
L’idée semble bien établie que l’école fait face à une population
d’élèves de plus en plus hétérogène, ceci dès le début des années 1970,
de par notamment la massification de l’enseignement, les flux migratoires,
la volonté de démocratiser l’école et d’élever le niveau de qualification des
élèves. À cela il faut ajouter une cause plus récente. Afin de répondre aux
besoins spécifiques présentés par certains élèves (situation de handicaps,
difficultés plus ou moins importantes d’apprentissage et/ou de compor-
tement) de nombreux systèmes scolaires ont recouru à la différenciation
structurale, c’est-à-dire à la création d’un ou de plusieurs types de classes
De l’utilité ambiguë des styles d’apprentissage et des neuromythes 87
4. NEUROMYTHES
4.1 Préférence hémisphérique
L’origine du neuromythe concernant la préférence hémisphérique
relève du fait que certaines fonctions cognitives peuvent être davantage
latéralisées dans un des deux hémisphères. Historiquement, les études de
Broca (1861) ont mis en évidence des troubles aphasiques suite à une lésion
frontale inférieure gauche. Par la suite, des études avec des patients calloso-
tomisés ont permis de mieux comprendre la spécialisation hémisphérique et
le rôle du corps calleux dans le transfert interhémisphérique (voir Gazzaniga,
2005, pour une synthèse). À partir de ces observations, certaines approches
pédagogiques ont été proposées afin de différencier des élèves prétendus
« cerveau gauche » ou « cerveau droit » et d’adapter les méthodes d’ensei-
gnement afin de stimuler adéquatement les deux hémisphères du cerveau
(voir Lindell & Kidd, 2011, pour une synthèse). Toutefois, à l’exception de
rares cas pathologiques, il n’existe aucune évidence empirique pour soutenir
que certains individus utilisent davantage un hémisphère plutôt qu’un autre
et qu’une forme particulière d’enseignement peut activer un hémisphère
plutôt qu’un autre. De plus, des études récentes en imagerie par résonnance
magnétique ne confirment pas la distinction entre des personnes « cerveau
gauche » et « cerveau droit » (Nielsen, Zielinski, Ferguson, Lainhart, &
Anderson, 2013). Ainsi, plusieurs auteurs ont souligné les fausses croyances
relatives à la préférence hémisphérique dans le domaine de l’éducation
(OECD, 2002 ; Goswami, 2006 ; Ansari & Coch, 2006 ; Geake, 2008 ; Tardif
& Doudin, 2010 ; Lindell & Kidd, 2011 ; Pasquinelli, 2012, chapitre 2 de ce
volume).
90 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Sharp et al., 2008). Bien que de nombreux individus affirment avoir une
préférence de modalité sensorielle (VAK) pour apprendre, les résultats
aux tests de mémoire visuelle, auditive et tactile ne sont pas corrélés avec
cette préférence (Kratzig & Arbuthnott, 2006). De plus, l’appariement des
méthodes d’enseignement aux dominances de modalités ne montre pas de
bénéfice apparent sur l’apprentissage (Coffield et al., 2004 ; Stahl, 1999 pour
des synthèses). Comme le relèvent Sharp et al. (2008), la dominance de
modalités est un « neurononsense » ! (p. 311).
6. DISCUSSION
Les travaux en psychologie différentielle des années 1980 ont montré
la forte variabilité inter- et intra-individuelle du développement de l’intelli-
gence. Le développement de l’intelligence ne peut donc plus être considéré
94 Neurosciences et cognition : perspectives pour les sciences de l’éducation
RÉFÉRENCES BIBLIOGRAPHIQUES
Allport, G. W. (1937). Personality : A psychological interpretation. New York, NY:
Holt.
Ansari, D. & Coch, D. (2006). Bridges over troubled waters: Education and cognitive
neuroscience. Trends in Cognitive Sciences, 10(4), 146-151.
Arter, J. A. & Jenkins, J. R. (1977). Examining the benefits and prevalence of modality
considerations in special education. The Journal of Special Education, 11(3),
281-298.
De l’utilité ambiguë des styles d’apprentissage et des neuromythes 97
Bandler, R. & Grinder, J. (1975). The structure of magic: A book about language
and therapy. Palo Alto, CA: Science & Behavior Books.
Bandler, R., Grinder, J., & Andreas, S. (1979). Frogs into princes: Neuro linguistic
programming. Moab, UT: Real People Press.
Barge, J. (2014). Neuromythes et stéréotypes de genre : adhésion et effets sur
le sentiment d’auto-efficacité parmi les élèves d’un gymnase lausannois.
Mémoire professionnel, Master of advanced studies, HEPL, Lausanne, Suisse.
Bourgeois, E. (2003). Les styles d’apprentissage en formation : enjeux théoriques,
épistémologiques et pratiques. Savoirs. Revue internationale de recherches en
éducation et formation des adultes, 2, 31-41.
Broca, P. (1861). Nouvelle observation d’aphémie produite par une lésion de la
troisième circonvolution frontale. Bulletins de la Société d’anatomie (Paris),
398-407.
Cassidy, S. (2004). Learning styles: An overview of theories, models and measures.
Educational Psychology, 24(4), 419-444
Chant, R. H. (2002). The impact of personal theorizing on beginning teaching: Experi-
ences of three social studies teachers. Theory & Research in Social Education,
30(4), 516-540.
Chevrier, J., Fortin, G., Théberge, M., & Leblanc, R. (2000). Le style d’apprentissage :
une perspective historique. Revue Éducation et Francophonie, 28(1), 20-46.
Coffield, F., Moseley, D., Hall, E., & Ecclestone, L. (2004). Learning styles and
pedagoy in post-16learning: A systematic and critical review. London, UK:
Learning and Skills Research Center. Retrieved from: http://www.LSRG.ac.uk.
Constantinidou, F. & Backer, S. (2002). Stimulus modality and verbal learning per-
formance in normal aging. Brain and Language, 82(3), 296-311.
Cook, D. A., Thompson, W. G., Tomas, K. G., & Tomas, M. R. (2009). Lack of interac-
tion between sensing-intuitive learning styles and problem-first versus information-
first instruction: A randomized crossover trial. Advance in Health Science
Education, 14(1), 79-90.
de Ribaupierre, A. & Rieben, L. (1988). Amplitude et stabilité des différences indi-
viduelles dans le développement cognitif. Archives de psychologie, 56, 301-304.
Dekker, S., Lee, N. C., Howard-Jones, P., & Jolles, J. (2012). Neuromyths in educa-
tion: Prevalence and predictors of misconceptions among teachers. Frontiers in
Psychology, 3(429), 1-8.
Dembo, M. & Howard, K. (2007). Advice about the use of learning styles: a major
myth in education. Journal of College Reading and Learning, 37(2), 101-109.
Doudin, P.-A. (1991). Une comparaison de sujets de 11-13 ans avec et sans difficultés
scolaires. Variabilité intra et interindividuelle du niveau d’acquisitions opératoires.
Bulletin de Psychologie, 45(404), 47-55.
Doudin, P. A. & Lafortune, L. (2006). Une vision de l’aide aux élèves en difficulté : entre
inclusion et exclusion. In P.-A. Doudin & L. Lafortune (Eds.). Intervenir auprès
98 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Kagan, J., Rosman, B. L., Day, D., Albert, J., & Phillips, W. (1964). Information pro-
cessing in the child: significance of analytic and reflective attitudes. Psychological
Monographs, 78(1), 1-37.
Katz, J. & Mirenda, P. (2002a). Including Students With Developmental Disabilities
In General Education Classrooms: Educational Benefits. International Journal
of Special Education, 17(2), 14-25.
Katz, J. & Mirenda, P. (2002b). Including Students With Developmental Disabilities In
General Education Classrooms: Social Benefits. International Journal of Special
Education, 17(2), 25-35.
Kaufmann, G. (1979). Visual imagery and its relation to problem solving: A theo-
retical and experimental inquiry. Oslo, Norway: Universitetsforlaget.
Kavale, K. A. & Forness, S. R. (1987). Substance over style: Assessing the efficacy of
modality testing and teaching. Exceptional Children, 54(3), 228-239.
Keefe, J. W. (1979) Learning style: An overview. NASSP’s Student learning
styles: Diagnosing and proscribing programs (pp. 1-17). Reston, VA: National
Association of Secondary School Principles. Retrieved at: http://www.nwlink.com
/~donclark /hrd/ styles.html #sthash.OA37L0Ri.dpuf
Kirton, M. J. (1994). Adaptors and innovators. London, UK: Routlegde.
Klein, G. S. (1951). The personal world through perception. In R. R. Blake & G. V.
Ramsey (Eds.), Perception: An approach to personality (pp. 328-355). New
York, NY: Ronald Press.
Klein, G. S. & Schlesinger, H. J. (1951). Perceptual attitudes toward instability: I.
Prediction of apparent movement experiences from Rorschach responses. Journal
of Personality, 19(3), 289-302.
Kozhevnikov, M. (2007). Cognitive style in the context of modern psychology: Toward
an integrated framework of cognitive style. Psychological Bulletin, 133(3),
464-481.
Kratzig, G. & Arbuthnott, K. (2006). Perceptual learning style and learning profi-
ciency: A test of the hypothesis. Journal of Educational Psychology, 98(1),
238-246.
La Garanderie, A. (1982). Pédagogie des moyens d’apprendre. Paris, France :
Bayard.
Lafontaine, R. & Lessoil, B. (2012). Êtes-vous auditif ou visuel ? Pour mieux
connaître ses enfants et soi-même. Montréal, Canada : Les Éditions Québecor.
Lautrey, J., de Ribaupierre, A., & Rieben, L. (1986). Les différences dans la forme du
développement cognitif évalué avec des épreuves piagétiennes : une application de
l’analyse des correspondances. Cahiers de psychologie cognitive, 6(6), 575-613
Leopold, L. (2012). Prewriting tasks for auditory, visual, and kinesthesic learners.
TESL Canadian Journal, 29(2), 96-102.
Lépineux, R., Soleilhac, N., & Zérah, A. (1993). La programmation neuro-
linguistique à l’école. Paris, France : Nathan.
100 Neurosciences et cognition : perspectives pour les sciences de l’éducation
de leur validité. Dans cet article, nous expliquerons et nous examinerons les
résultats de recherche pertinents à chacun de ces mythes.
Les résultats passés en revue sont tirés de recherches ayant été
effectuées sur trois populations de jeunes apprenants : les enfants d’âge
préscolaire qui acquièrent deux langues simultanément, le plus souvent à
la maison ; les élèves qui parlent la langue de la majorité linguistique et qui
fréquentent des programmes d’immersion en langue seconde ou des pro-
grammes bilingues ; et les enfants qui acquièrent une langue minoritaire à la
maison et qui sont éduqués dans la langue de la majorité, comme les enfants
hispanophones qui fréquentent des établissements scolaires de langue
anglaise aux États-Unis. Nous ferons référence à ces groupes d’apprenants,
collectivement, comme étant des « enfants apprenant deux langues ». Bien
que la plupart des études auxquelles nous ferons référence aient été menées
au Canada, des études réalisées aux États-Unis et dans d’autres pays seront
également considérées, le cas échéant.
est généralement admis que les apprenants qui débutent leur acquisition
langagière de façon précoce ont plus de chance de développer des habiletés
phonologiques similaires à celles des unilingues.
Lorsque l’on étudie le développement langagier des enfants bilingues
simultanés, il est important de considérer la quantité d’exposition dont ils ont
pu bénéficier dans chaque langue. Les jeunes bilingues simultanés sont géné-
ralement plus compétents dans une langue que dans l’autre, et cela est proba-
blement en lien avec leur exposition langagière. En effet, les enfants bilingues
sont souvent plus compétents dans la langue du parent avec qui ils passent
le plus de temps. Notons que ce parent est souvent la mère. Dans une étude
réalisée à Miami auprès de 25 enfants bilingues espagnol-anglais, B. Z. Pear-
son et ses collègues ont trouvé une corrélation de 0.68 entre la quantité
d’exposition à l’espagnol et la taille du vocabulaire en espagnol (Pearson &
Fernandez, 1994 ; Pearson, Fernández, Lewedeg, & Oller, 1997). Un nombre
croissant de recherches révèlent que l’exposition des enfants à chacune de
leurs langues peut influencer leur compétence de différentes façons. Des
recherches menées par Paradis et ses collègues auprès de bilingues français-
anglais suggèrent que les effets de l’apport langagier sur le développement
grammatical peuvent s’avérer complexes (Paradis, Nicoladis, & Crago, 2007).
Dans une étude canadienne portant sur l’apprentissage de verbes conjugués
au passé par des enfants bilingues successifs et simultanés, Paradis et ses
collègues ont constaté que ces enfants bilingues français-anglais âgés de
4-5 ans performent mieux dans leur langue dominante que dans leur langue
non dominante lorsqu’ils utilisent des verbes dont la forme au passé est régu-
lière (p. ex., dance-danced), mais pas nécessairement lorsqu’ils utilisent des
verbes dont la conjugaison au passé est irrégulière (p. ex., sing-sang).
Nous avons encore beaucoup à apprendre à propos de la relation
qui unit exposition et compétence chez les enfants bilingues. Cependant,
malgré quelques lacunes en matière de recherche, il semble logique de croire
qu’une exposition langagière qui se situe sous un seuil critique minimal ne
peut que mener à une compétence se situant en deçà de celle des unilin-
gues. Par conséquent, les parents et les professionnels de la petite enfance
doivent s’assurer que les enfants exposés à deux langues, ou plus, ont des
expériences d’apprentissages enrichies. De plus, la recherche existante
suggère que, pour acquérir le même niveau de compétence, les enfants
bilingues n’ont pas besoin de deux fois plus d’exposition aux langues que
les enfants unilingues (Hoff et al., 2012 ; Thordardottir, 2011). Dans une
étude canadienne, Thordardottir (2011) a estimé que les enfants bilingues
français-anglais ont besoin de 40 % d’exposition à chacune de leurs langues
pour performer au niveau normalement atteint par les enfants unilingues à
un test de vocabulaire réceptif, mais que ces mêmes enfants bilingues ont
besoin de 50 % d’exposition pour atteindre un tel niveau de performance
à un test de vocabulaire expressif. La question de l’apport sera également
110 Neurosciences et cognition : perspectives pour les sciences de l’éducation
abordée dans la section sur le mythe du « temps sur la tâche » ainsi que
dans la conclusion.
deux langues différentes dans la même phrase, mélangeant ainsi les codes
à l’intérieur d’un seul énoncé, ils courent le risque de violer les règles
grammaticales de l’une de ces langues, ou même des deux. Par exemple,
une personne bilingue français-anglais qui produirait l’énoncé suivant
violerait les règles du français et de l’anglais – « I le aime » (« I like it ») ;
en anglais le pronom objet devrait suivre le verbe tandis qu’en français, il
devrait précéder le verbe. Des recherches approfondies chez les adultes
bilingues ont permis de constater que ces derniers ne produisent jamais
ces types d’énoncés mélangés (e.g., Myers-Scotton, 1997). Si les jeunes
bilingues qui apprennent deux langues simultanément passent par une
phase où ils traitent leurs langues comme faisant partie d’un seul système,
il faut alors s’attendre à ce que ces enfants, dont les deux langues ne sont
pas séparées, produisent des énoncés aux codes mélangés contenant des
erreurs grammaticales. Les chercheurs ont examiné les règles gramma-
ticales régissant les énoncés contenant des mélanges de codes chez des
enfants bilingues d’âge préscolaire apprenant plusieurs paires de langues,
telles que : le français et l’allemand (Meisel, 1994), le français et l’anglais
(Paradis, Nicoladis, & Genesee, 2000 ; Sauve & Genesee, 2000), l’anglais
et le norvégien (Lanza, 1997), l’anglais et l’estonien (Vihman, 1998),
ainsi que l’inuktitut et l’anglais (S. E. M. Allen, Genesee, Fish, & Crago,
2002). Ces études ont démontré que le mélange des codes des enfants
bilingues suit, la plupart du temps, les règles grammaticales des langues
employées. Par exemple, dans un échantillon de 10 000 énoncés produits
par de jeunes bilingues français-anglais, Sauve et Genesee (2000) ont
trouvé que moins de 1 % de ces énoncés contenaient des erreurs gram-
maticales. Ces résultats sont intéressants pour deux raisons. D’abord, ils
indiquent que ces enfants ont acquis les règles grammaticales de chacune
de leurs deux langues, sinon, il ne serait pas possible d’expliquer qu’ils
aient pu produire autant d’énoncés grammaticaux. Ensuite, il est encore
plus intéressant de constater que ces enfants ont été en mesure d’activer
et d’accéder à leurs deux systèmes langagiers au même moment afin de
s’assurer que leurs énoncés, bien que contenant des mélanges de codes,
suivent les règles grammaticales de chaque langue. Les chercheurs ont
également signalé que les contraintes qui s’opèrent sur le mélange de
codes des enfants bilingues sont essentiellement les mêmes que celles
qui ont été rapportées chez les adultes (Paradis et al., 2000). En outre,
l’acquisition bilingue de premières langues ne semble pas comporter de
phase durant laquelle des règles grammaticales ne sont pas respectées,
même si la nature de ces règles change alors que la grammaire des enfants
évolue. Ces résultats renforcent ceux des études abordées plus tôt qui
indiquent que les enfants bilingues acquièrent leurs deux langues sépa-
rément très tôt dans leur développement. Ils indiquent également que
les enfants bilingues peuvent accéder aux règles grammaticales de leurs
deux langues simultanément lorsqu’ils mélangent des codes.
112 Neurosciences et cognition : perspectives pour les sciences de l’éducation
vocabulaire, mais d’une façon différente. Les enfants qui grandissent au sein
de familles avantagées par un statut socioéconomique élevé sont exposés à
davantage de mots différents et acquièrent des compétences de vocabulaire
plus vastes que les enfants issus de familles moins avantagées (Hart & Risley,
1995 ; Hoff, 2006). Ces résultats sont importants parce qu’ils indiquent que la
qualité de l’exposition langagière est aussi importante que la quantité d’expo-
sition langagière en ce qui à trait au développement langagier des enfants.
Des graphiques résumant les trois modèles d’immersion les plus communs
au Canada sont présentés à la figure 4.1.
100%
90%
80%
70% anglais
60% français
50%
40%
30%
20%
10%
0%
80%
70% anglais
60% français
50%
40%
30%
20%
10%
0%
90%
80%
70% anglais
60%
français
50%
40%
30%
20%
10%
0%
Les mythes entourant le bilinguisme chez les enfants 115
les élèves et, plus particulièrement, que ce n’est pas le cas des élèves immi-
grants qui parlent une langue minoritaire à la maison.
Le transfert peut également contribuer à expliquer pourquoi le
développement de la langue maternelle des élèves en immersion n’est pas
retardé. Un nombre croissant d’études suggère que certains types d’habile-
tés langagières peuvent être transférées d’une langue à l’autre (e.g., Riches
& Genesee, 2006 ; voir Cummins, 1981, pour une première discussion sur
cette question). Les meilleurs exemples sont les habiletés associées à la
lecture. Plusieurs études récentes portant sur l’acquisition de compétences
en lecture suggèrent que les élèves qui ont des habiletés de décodage bien
développées dans une langue peuvent transférer ces habiletés à l’autre
langue (voir August & Shanahan, 2006 ; Riches & Genesee, 2006, pour plus
de détails). De même, les élèves dont la compréhension de textes, comme
des histoires ou des manuels scolaires, est bien développée peuvent transfé-
rer ces habiletés à une autre langue, à condition de connaître la forme orale
de cette langue. Les compétences de prélittératie, comme la conscience
phonologique ou la connaissance des correspondances lettres et sons sont
particulièrement faciles à transférer d’une langue à une autre. Alors que les
élèves en immersion acquièrent des compétences de prélittératie, comme
le décodage de mots ou des habiletés de compréhension en français, leur
langue seconde, ils acquièrent également des habiletés qui peuvent être
appliquées à la lecture de l’anglais et, comme ils connaissent déjà l’anglais
dans sa forme orale, apprendre à lire en anglais est pour eux relativement
rapide. Les élèves en immersion sont également exposés à des formes
écrites de l’anglais en dehors de l’école. L’exposition aux formes écrites de
leur langue maternelle en dehors de l’école supporte l’acquisition de com-
pétences en littératie chez les élèves en immersion, et ce malgré le fait que
leur apprentissage de la lecture et de l’écriture se fasse en français. Comme
Cummins (1981) l’a soutenu, il y a interdépendance développementale en
ce qui a trait à l’acquisition des habiletés reliées à l’utilisation académique
du langage. Il est intéressant de noter que des résultats similaires ont été
trouvés par Lindholm-Leary & Borsato (2006) aux États-Unis, particulière-
ment en ce qui a trait à l’importance de la quantité d’exposition à une langue
majoritaire, comme l’anglais, à l’école et l’acquisition de cette langue. Ce
qui est intéressant à propos de cette recherche, c’est que, parmi les élèves
évalués, se trouvaient des locuteurs natifs de l’espagnol avec peu ou pas de
compétence en anglais au début de leur scolarité ; ces élèves sont souvent
désignés comme étant des « apprenants de langue anglaise », groupe auquel
nous nous référerons en utilisant l’acronyme ALA. Aux États-Unis, certains
ALA participent à des programmes bilingues dans lesquels l’enseignement
est dispensé en espagnol dès la maternelle. Dans certains cas, plus de 90 %
de l’enseignement primaire (de la maternelle à la deuxième année) est effec-
tué en espagnol alors que le reste est effectué en anglais. Cette tendance se
Les mythes entourant le bilinguisme chez les enfants 117
3. LE MYTHE DU BILINGUISME
ET DES TROUBLES DU LANGAGE
Les enfants ayant des difficultés d’apprentissage des langues sont
souvent considérés comme de mauvais candidats pour l’apprentissage de
deux langues. Ces considérations sont fondées sur l’hypothèse qu’apprendre
deux langues simultanément ou successivement augmentera leur risque
d’avoir de faibles habiletés langagières, et ce davantage que s’ils n’apprennent
qu’une seule langue. Sont particulièrement préoccupants les enfants ayant
des troubles spécifiques du langage (TSL), aussi appelés enfants dyspha-
siques. Il est estimé que les TSL affectent de 5 % à 10 % des enfants. On
pense qu’il existe une composante génétique aux TSL parce que les enfants
concernés sont souvent plus susceptibles que les enfants sans TSL d’avoir un
membre de leur famille qui a également des difficultés langagières (Leonard,
1998). Les enfants ayant des TSL présentent des retards importants de déve-
loppement précoce du langage et leurs compétences linguistiques, durant
leur développement, sont sensiblement inférieures à celles de leurs pairs
du même âge. Cependant, les autres aspects du développement des enfants
avec TSL se développement de façon typique – ils n’ont aucun problème
perceptuo-moteur, neuro-cognitif ou socio-affectif qui pourraient expliquer
leurs difficultés langagières. Les enfants ayant des TSL peuvent présenter
Les mythes entourant le bilinguisme chez les enfants 119
scolaires et qui sont restés dans le programme malgré leurs difficultés ont
progressé au même rythme que des élèves aux habiletés similaires fré-
quentant des programmes unilingues en ce qui a trait à leur performance
académique ainsi qu’à leurs habiletés dans leur langue maternelle. Bruck
(1985) et Genesee (1976) ont également constaté que, chez les élèves ayant
des difficultés académiques, les programmes d’immersion leur ont permis
d’atteindre des niveaux plus élevés de compétence fonctionnelle en français.
Les études portant sur des élèves en immersion issus de milieux
socio-économiques relativement faibles indiquent que les participations à des
programmes d’immersion précoce n’augmentent pas leurs risques de déve-
lopper des difficultés langagières, des problèmes de littératie ou de dévelop-
pement académique que des élèves issus de milieux similaires fréquentant
des programmes exclusivement en anglais (e.g., Bruck, Tucker, & Jakimik,
1975 ; Holobow, Genesee, & Lambert, 1991). Comme on peut le déduire de
leur faible statut socio-économique, en tant que groupe, les enfants défavo-
risés en immersion performent significativement plus faiblement que leurs
homologues de classe moyenne, mais ne performent pas plus faiblement
que les enfants défavorisés fréquentant des programmes unilingues. En ce
qui concerne la compétence dans la langue seconde, il a été constaté que
les élèves en immersion issus de milieux économiquement défavorisés per-
forment généralement mieux que des élèves tout aussi défavorisés dans des
programmes de français langue seconde conventionnels, et ce à toutes les
mesures de compétence langagière.
Un autre facteur de risque à l’école est l’appartenance à une minorité
ethnique. Dans des écoles d’Amérique du Nord, les élèves issus de mino-
rités ethniques ont des taux disproportionnellement élevés de difficultés
et d’échec (e.g., Capps et al., 2005). Qu’en est-il de ces élèves lorsqu’ils
fréquentent des programmes bilingues/d’immersion ? Les évaluations des
programmes d’immersion aux États-Unis sont incluses ici dans le but d’élar-
gir notre base de connaissances. Des études pertinentes ont été réalisées
sur des programmes d’immersion mohawk pour les enfants anglophones
d’origine mohawk à Montréal (Jacobs & Cross, 2001) ; des programmes
d’immersion française en Ohio (Holobow, Genesee, Lambert, Gastright, &
Met, 1987) et en Louisiane (Caldas & Boudreaux, 1999) qui incluaient des
élèves afro-américains et des programmes d’immersion hawaïenne pour des
enfants anglophones d’origine hawaïenne aux États-Unis (Wilson & Kamana,
2011). Les élèves de ces programmes sont intéressants parce que, malgré
le fait qu’ils fréquentent des établissements anglophones, ils sont à risque
d’échec scolaire du fait qu’ils sont membres de groupes ethniques minori-
taires. De plus, comme les Afro-Américains, certains parlent une variété
non standard de la langue majoritaire (p. ex., les enfants hawaïens parlent
souvent de l’anglais créole hawaïen ou le pidgin). Ces enfants apprennent
donc leur langue maternelle, une forme non standard de la langue majoritaire
122 Neurosciences et cognition : perspectives pour les sciences de l’éducation
5. CONCLUSIONS
Les résultats examinés dans les sections précédentes ont des
implications importantes pour les parents, les éducateurs et autres pro-
fessionnels, tels que des orthophonistes, qui travaillent avec les jeunes
apprenant deux langues. Des recherches approfondies sur l’acquisition
bilingue simultanée indiquent que l’apprentissage de deux langues est aussi
naturel que l’apprentissage d’une seule langue et que la plupart des enfants
bénéficiant d’un bon environnement d’apprentissage peuvent acquérir
simultanément deux langues au même rythme et de la même façon que
les enfants unilingues.
Les données recueillies sur les enfants ayant des troubles spécifiques
du langage, bien qu’encore relativement limitées, suggèrent que même ces
enfants peuvent acquérir des compétences fonctionnelles dans deux langues
en même temps, mais dans les limites de leur déficit. Par conséquent, les
enfants avec des troubles spécifiques du langage vivant dans des familles ou
des communautés où la connaissance de deux ou plusieurs langues est utile
et importante devraient avoir l’occasion d’acquérir deux langues. Cela inclut
les enfants de parents migrants, les enfants dans des familles qui parlent
une langue autochtone et les enfants dont certains membres de leur famille
parlent une autre langue. Les professionnels, y compris les orthophonistes,
les éducateurs et les médecins qui s’occupent d’enfants ne devraient pas
conseiller aux parents dont l’enfant a ou pourrait développer un problème
d’apprentissage des langues de limiter l’exposition de leur enfant à une seule
langue, puisque, à l’heure actuelle, aucune preuve ne peut justifier ce type
de conseil.
D’autre part, les parents et autres personnes qui s’occupent d’en-
fants bilingues doivent assumer d’importantes responsabilités ; ils doivent
s’assurer que ces enfants obtiennent une exposition adéquate à leurs deux
langues et de veiller à ce que celles-ci soient entièrement acquises. Nous
avons encore beaucoup à apprendre sur l’importance de l’exposition et sur
le bilinguisme simultané ; néanmoins, il semble raisonnable de conclure à
l’heure actuelle que les enfants ont besoin d’une quantité minimale d’expo-
sition, probablement au moins 40 %, pour acquérir des compétences dans
leurs deux langues qui soient comparables à celles des enfants unilingues.
Il semble également probable, bien que les preuves à ce sujet soient anec-
dotiques, que les enfants bilingues doivent bénéficier d’une exposition
continue et régulière à leurs deux langues pour les maîtriser adéquatement.
Les mythes entourant le bilinguisme chez les enfants 127
RÉFÉRENCES BIBLIOGRAPHIQUES
Allen, S. E. M., Genesee, F. H., Fish, S. A. & Crago, M. B. (2002). Patterns of code
mixing in English-Inuktitut bilinguals. In M. Andronis, C. Ball, H. Elston & S. Neuvel
(Eds.), Proceedings of the 37th Annual Meeting of the Chicago Linguistic
Society (vol. 2, pp. 171-188). Chicago, IL: Chicago Linguistic Society.
August, D. & Shanahan, T. (Eds.). (2006). Developing literacy in second language
learners. Report of the National Literacy Panel on Minority-Language Chil-
dren and Youth. Mahwah, NJ: Lawrence Erlbaum.
Beardsmore, H. B. (2003). Who is afraid of bilingualism? In J. M. Dewaele, A. Housen,
& L. Wei (Eds.), Bilingualism: Beyond basic principles (pp. 10-27). Clevedon,
Eng.: Multilingual Matters.
Bialystok, E. (2001). Bilingualism in Development: Language, Literacy, and
Cognition. New York: Cambridge University Press.
Bialystok, E. & Martin, M. (2004). Attention and inhibition in bilingual children:
Evidence from the dimensional change card sort task. Developmental Science,
7(3), 325-339.
Bialystok, E., Craik, F. I., Klein, R. M., & Viswanathan, M. (2004). Bilingualism, aging,
and cognitive control: evidence from the Simon task. Psychology and Aging,
19(2), 290-303.
Bruck, M. (1978). The suitability of early French immersion programs for the lan-
guage disabled child. Canadian Journal of Education, 3(4), 51-72.
Bruck, M. (1982). Language disabled children: Performance in an additive bilingual
education program. Applied Psycholinguistics, 3(1), 45-60.
Bruck, M. (1985). Consequences of transfer out of early French immersion programs.
Applied Psycholinguistics, 6(2), 101-120.
Bruck, M., Tucker, G. R., & Jakimik, J. (1975). Are French immersion programs suit-
able for working class children? Word, 27, 311-341.
Caldas, S. J. & Boudreaux, N. (1999). Poverty, race, and foreign language immersion:
Predictors of math and English language arts performance. Learning Language,
5(1), 4-15.
Capps, R., Fix, M., Murray, J., Ost, J., Passel, J. S., & Herwantoro, S. (2005). The
New Demographics of American Schools. Washington, DC: The Urban Institute.
Comeau, L., Genesee, F., & Lapaquette, L. (2003) The modeling hypothesis and child
bilingual code-mixing. International Journal of Bilingualism, 7(2), 113-126.
Crystal, D. (2003). English as a global language. Cambridge, UK: Cambridge Uni-
versity Press.
Cummins, J. (1981) The role of primary language development in promoting educa-
tional success for language minority students. In Schooling and language minor-
ity students: A theoretical framework (pp. 3-50). Sacramento, CA: California
Department of Education.
Les mythes entourant le bilinguisme chez les enfants 131
1. CHANGEMENTS DÉVELOPPEMENTAUX
DE LA MÉMOIRE
Bien que la « mémoire » soit un nom singulier, il existe différents
types de mémoire définis selon certaines dimensions : mémoire consciente
ou inconsciente, mémoire volontaire ou accidentelle, durée de conservation
d’une information en mémoire, etc. Étant donné l’importance des change-
ments développementaux des trois types de mémoire (mémoire de travail,
mémoire épisodique et mémoire sémantique) pour les apprentissages expli-
cites en classe, nous allons en effectuer une synthèse (pour une synthèse
des changements développementaux dans d’autres types de mémoire, se
référer à Bauer, 2013).
ont montré que, même lorsque les jeunes enfants répétaient, ils le faisaient
de façon moins efficace. Comme le montrent par exemple Guttentag, Orns-
tein, et Siemens (1987), les jeunes enfants sont plus susceptibles de répéter
uniquement une partie des stimuli qu’ils doivent retenir (la répétition dite
passive) par opposition aux enfants plus âgés qui répètent plus d’items dans
la liste (répétition dite active ou cumulative). Lorsque les jeunes enfants sont
entraînés à utiliser de manière plus efficace la répétition cumulative, leur
rappel s’améliore mais ils n’atteignent pas nécessairement le niveau observé
chez les enfants plus âgés (Cox, Ornstein, Naus, Maxfield, & Zimler, 1989).
Des tendances développementales similaires sont évidentes pour
d’autres stratégies. Une tâche fréquemment utilisée dans ce genre d’étude
consiste à présenter à l’enfant différents items (p. ex., des cartes avec des
images) en lui demandant de les mémoriser (phase dite d’étude). Après
un temps donné, on retire les items et on demande à l’enfant de nommer
le plus grand nombre d’items qui étaient présents (phase dite de rappel).
Deux des stratégies les plus fréquemment étudiées sont le tri lors de la phase
d’étude et le regroupement d’items lors de la phase de rappel. Par rapport
aux enfants plus âgés, les enfants plus jeunes sont moins susceptibles de
regrouper en catégorie des items similaires lorsqu’ils les étudient (p. ex.,
trier des images appartenant à une même catégorie comme les animaux)
et au moment du rappel, ils sont moins enclins à nommer successivement
les items appartenant à une même catégorie, par exemple chat, chien…
(Bjorklund, Coyle, & Gaultney, 1992 ; Bjorklund, Dukes, & Brown, 2009 ;
Roebers, 2013). Lorsque les enfants plus jeunes sont explicitement appelés
à trier, ils utilisent la stratégie et mémorisent ainsi un plus grand nombre
d’items (e.g., Lange & Pierce, 1992). Toutefois, même avec une consigne
explicite, ils ne mentionnent pas autant d’items que les enfants plus âgés
qui utilisent cette stratégie spontanément. De plus, ils ne transfèrent pas
immédiatement cette stratégie à de nouvelles listes d’items à retenir (e.g.,
Carr & Schneider, 1991).
Plus tard dans leur scolarité, le répertoire des stratégies utilisées
par les enfants s’est étendu de façon importante : ils utilisent les stratégies
spontanément et améliorent ainsi leurs résultats. Par exemple, pendant la
phase d’étude, les enfants de 10 ans nomment les catégories selon lesquelles
les items individuels sont regroupés, se donnant ainsi une stratégie organisa-
tionnelle (e.g., Coyle & Bjorklund, 1997), et ils utilisent leur temps d’étude
à meilleure escient en allouant davantage de temps aux items difficiles
(Dufresne & Kobasigawa, 1989). Pendant le délai entre la phase d’étude et
la phase de rappel, ils vont effectuer un autotest : ils portent leur regard hors
des items et vont se tester à pratiquer leur rappel (e.g., Coyle & Bjorklund,
1997). De plus, pendant la scolarité, les enfants utilisent de plus en plus des
stratégies multiples, par exemple dans une période d’étude donnée ils vont
utiliser le tri et également l’autotest. Plus ils utilisent de stratégies, meilleur
Les neurosciences cognitives du développement de la mémoire 139
diverses sources incluant des patients avec des lésions cérébrales spéci-
fiques, des modèles animaux qui permettent de mieux comprendre les mala-
dies et les effets de lésions cérébrales ainsi que les techniques d’imagerie,
telle la résonnance magnétique structurelle et fonctionnelle (IRM et IRMf).
Les résultats suggèrent notamment que le maintien temporaire et le traite-
ment d’information en mémoire de travail est dépendant d’un réseau fronto-
pariétal impliquant en particulier le cortex préfrontal dorso et ventrolatéral
ainsi que le cortex pariétal. Les représentations mnémoniques à long terme
(épisodiques et sémantiques) dépendent d’un réseau cortical temporal
impliquant les régions du gyrus temporal médian et du cortex préfrontal. Le
cortex préfrontal est impliqué dans la récupération d’éléments mnémoniques
conservés à long terme. Que l’information soit maintenue brièvement ou sur
une longue durée, les processus mnémoniques commencent avec l’acquisi-
tion d’une expérience initiale. Afin que les expériences persistent en tant
que représentations mnémoniques à long terme, un traitement subséquent
est nécessaire afin de consolider et conserver la représentation avant la
récupération. Nous décrivons ces processus l’un après l’autre.
3. CHANGEMENT NEURO-DÉVELOPPEMENTAL
ET IMPLICATIONS POUR LE FONCTIONNEMENT
MNÉMONIQUE
Les réseaux corticaux fronto-temporo-pariétal qui soutiennent la
mémoire et l’apprentissage se développent tout au long de l’enfance. Dans
cette section, nous présentons quelques-uns des événements majeurs de
ce développement. Nous résumons ensuite les données qui établissent les
relations entre les développements neuronaux et les changements compor-
tementaux liés à l’âge.
4. IMPLICATIONS PÉDAGOGIQUES
DES DÉVELOPPEMENTS COGNITIFS
ET NEUROLOGIQUES
Dans le premier paragraphe de ce chapitre, nous avons affirmé le
truisme suivant : à moins que toute connaissance ne soit construite dans
l’organisme, celle-ci doit être acquise par l’expérience et au travers des
apprentissages. À leur tour, les résultats des apprentissages sont conservés
en mémoire. Chacun des types de mémoire présentés dans ce chapitre
– mémoire de travail, mémoire épisodique et mémoire sémantique – a des
implications importantes quant à l’efficacité avec laquelle l’apprentissage se
réalise et les types de mémoire se développent. Ces trois types de mémoire
sont discutés ci-après.
que les mots soient codés, que leurs significations soient accessibles, que le
sens des mots pris individuellement soit rassemblé afin de comprendre de
longs extraits ou des textes, que des déductions soient faites, et que le sens
littéral et son interprétation soient intégrés avec les informations conservées
dans la mémoire à long terme. Ces activités apparemment effectuées sans
effort requièrent en fait la mémoire de travail ; les enfants d’âge préscolaire
qui ont une meilleure mémoire de travail ont également un vocabulaire plus
élaboré (Gathercole & Baddeley, 1989), c’est aussi le cas pour des enfants
qui débutent leur scolarité (Gathercole, Willis, Emslie, & Baddeley, 1991).
La mémoire de travail continue de jouer un rôle important tout au
long de la scolarité. Par exemple, les travaux de Gathercole et Pickering
(2000), Gathercole, Pickering, Knight et Stegmann (2004) ont mis en évi-
dence des liens entre la mémoire de travail et les résultats aux tests des
programmes nationaux administrés en Angleterre à l’âge de 7, 11 et 14 ans.
À l’âge de 7 ans, les capacités de mémoire de travail des élèves étaient
directement liées à la performance aux tests nationaux d’anglais et de mathé-
matiques (Gathercole & Pickering, 2000). Le lien avec les mathématiques
(mais pas avec l’anglais) a même pu être établi à 14 ans (Gathercole et al.,
2004). En bref, la mémoire de travail, qui permet le recours à la conservation
et au traitement de l’information simultanément, a des implications sur les
performances tout au long de la scolarité.
Compte tenu de l’importance de la mémoire de travail pour la réus-
site scolaire, il convient d’examiner les moyens par lesquels nous pourrions
favoriser l’apprentissage chez les enfants (environ 15 % d’entre eux) qui ont
une mémoire de travail très limitée (Holmes, Gathercole, & Dunning, 2010).
DeMarie et López (2013) proposent deux moyens principaux afin de soutenir
l’apprentissage : (1) réduire les charges de conservation et de traitement
imposées aux jeunes apprenants plus particulièrement ; (2) encourager
l’utilisation des aides externes (voir aussi St Clair-Thompson & Gather-
cole, 2006). Les charges de conservation et de traitement de l’information
peuvent être réduites en segmentant les tâches en petites unités présentées
séquentiellement et non simultanément. Permettre aux enfants de terminer
l’une des composantes d’une tâche avant de fournir des instructions sur
la suivante sollicite la mémoire de travail dans une moindre mesure. Ceci
rend plus probable la réussite des enfants qui ont de faibles capacités de
mémoire de travail. De même, fournir des aides extérieures peut permettre
de décharger la mémoire de travail. Par exemple, lorsque les enfants sont
en train d’écrire une phrase, leur fournir une liste de mots peut réduire leur
effort à réfléchir sur l’orthographe correcte des mots tout en conservant
simultanément à l’esprit les idées qu’ils tentent d’écrire. Ces mesures simples
peuvent aider les enfants à surmonter les limites de leur capacité de mémoire
de travail, permettant ainsi aux ressources disponibles d’être consacrées à
l’apprentissage.
152 Neurosciences et cognition : perspectives pour les sciences de l’éducation
5. CONCLUSION
Il ne fait aucun doute que l’apprentissage et la mémoire sont étroite-
ment liés. La mémoire de travail sous-tend la fonction importante consistant
à retenir et à traiter temporairement de nouvelles informations. La mémoire
épisodique favorise l’apprentissage rapide de nouvelles informations ainsi
que leur consolidation et leur conservation en vue de leur récupération
ultérieure. La mémoire sémantique permet d’accéder aux résultats des
apprentissages et à la construction de nouvelles connaissances au travers
de la résolution de problèmes logiques et grâce à l’intégration d’épisodes
distincts. Les processus cognitifs et les substrats neuronaux sous-jacents
à chacun de ces systèmes mnémoniques se développent sur une longue
période. Ce développement lent donne lieu à des différences importantes
liées à l’âge lors de tâches mnémoniques.
Les développements et les changements liés à l’âge ont des impli-
cations importantes pour l’éducation et les apprentissages en classe. Pour
chaque type de mémoire, nous avons fourni des preuves de liens empiriques
entre le comportement de la mémoire et les performances en contextes
éducatifs. Nous avons également suggéré différentes façons permettant aux
enseignants d’aider les enfants à surmonter les limites inhérentes à leurs
systèmes mnémoniques imposées par le développement. Nous avons égale-
ment identifié des facteurs qui influencent l’utilisation et la généralisation des
connaissances conservées en mémoire. Cette synthèse montre clairement
que des avancées importantes ont été réalisées. Elles montrent que les chan-
gements cognitifs et neuronaux peuvent expliquer l’amélioration des per-
formances en fonction de l’âge tout au long du développement. Cependant,
de nouvelles recherches sont encore nécessaires avant de pouvoir affirmer
que nous avons une neuroscience du développement cognitif de la mémoire,
laquelle aurait des implications importantes pour l’éducation.
RÉFÉRENCES BIBLIOGRAPHIQUES
Abrahám, H., Vincze, A., Jewgenow, I., Veszprémi, B., Kravják, A., Gömöri, E., &
Seress, L. (2010). Myelination in the human hippocampal formation from midg-
estation to adulthood. International Journal of Developmental Neuroscience,
28(5), 401-410.
Alvarez, P. & Squire, L. R. (1994). Memory consolidation and the medial temporal
lobe: a simple network model. Proceedings of the National Academy of Sciences,
91(15), 7041-7045.
Les neurosciences cognitives du développement de la mémoire 157
Brown, C. & Hagoort, P. (1993). The processing nature of the N400: Evidence from
masked priming. Journal of Cognitive Neuroscience, 5(1), 34-44.
Carr, M. & Schneider, W. (1991). Long-term maintenance of organizational strategies
in kindergarten children. Contemporary Educational Psychology, 16(1), 61-72.
Carver, L. J. & Bauer, P. J. (1999). When the event is more than the sum of its parts:
Nine-month-olds’ long-term ordered recall. Memory, 7(2), 147-174.
Carver, L. J. & Bauer, P. J. (2001). The dawning of a past: The emergence of long-
term explicit memory in infancy. Journal of Experimental Psychology: General,
130(4), 726-745.
Case, R., Kurland, D. M., & Goldberg, J. (1982). Operational efficiency and the growth
of short-term memory span. Journal of experimental child psychology, 33(3),
386-404.
Caviness, V. S., Kennedy, D. N., Richelme, C., Rademacher, J., & Filipek, P. A. (1996).
The human brain age 7-11 years: A volumetric analysis based on magnetic reso-
nance images. Cerebral Cortex, 6(5), 726-736.
Coffman, J. L., Ornstein, P. A., McCall, L. E., & Curran, P. J. (2008). Linking teach-
ers’ memory relevant language and the development of children’s memory skills.
Developmental Psychology, 44(6), 1640-1654.
Corkin, S. (2002). What’s new with the amnesic patient HM? Nature Reviews Neu-
roscience, 3(2), 153-160.
Cowan, N. (2013). Short-term and working memory in childhood. In P. J. Bauer &
R. Fivush (Eds.), The handbook on the development of children’s memory
(pp. 202-229). Oxford, UK: Wiley-Blackwell.
Cox, B. D., Ornstein, P. A., Naus, M. J., Maxfield, D., & Zimler, J. (1989). Children’s
concurrent use of rehearsal and organizational strategies. Developmental Psychol-
ogy, 25(4), 619-627.
Coyle, T. R. & Bjorklund, D. F. (1997). Age differences in, and consequences of,
multiple and variable-strategy use on a multitrial sort-recall task. Developmental
Psychology, 33(2), 372-380.
Cummings, A., Čeponienė, R., Dick, F., Saygin, A. P., & Townsend, J. (2008). A
developmental ERP study of verbal and non-verbal semantic processing. Brain
research, 1208, 137-149.
Daneman, M. & Carpenter, P. A. (1980). Individual differences in working memory
and reading. Journal of Verbal Learning & Verbal Behavior, 19(4), 450-466.
Davis, E. A. (2000). Scaffolding students’ knowledge integration: Prompts for reflec-
tion in KIE. International Journal of Science Education, 22(8), 819-837.
DeMarie, D. & López, L. M. (2013). Memory in Schools. In P. J. Bauer & R. Fivush
(Eds.) The Wiley Handbook on the Development of Children’s Memory, Vol-
ume I/II (pp. 836-864). Chichester, UK: John Wiley & Sons Ltd.
DeMaster, D. & Ghetti, S. (2013). Developmental differences in hippocampal and
cortical contribution to episodic retrieval. Cortex, 49(6), 1482-93.
Les neurosciences cognitives du développement de la mémoire 159
DeMaster, D., Pathman, T., Lee, J. K., & Ghetti, S. (2013). Structural development
of the hippocampus and episodic memory: Developmental differencies along the
anterior/posterior axis. Cerebral Cortex, doi: 10.1093/cercor/bht160.
Diamond, A. (2001). AV/A Model System for Studying the Role of Dopamine in the
Prefrontal Cortex during Early Development in Humans: Early and Continuously
Treated Phenylketonuria. Handbook of developmental cognitive neuroscience,
433.
Dias, M. G. & Harris, P. L. (1988). The effect of make-believe play on deductive rea-
soning. British Journal of Developmental Psychology, 6(3), 207-221.
Dufresne, A. & Kobasigawa, A. (1989). Children’s spontaneous allocation of study
time: Differential and sufficient aspects. Journal of Experimental Child Psychol-
ogy, 47(2), 274-296.
Eichenbaum, H. & Cohen, N. J. (2001). From conditioning to conscious recollec-
tion: Memory systems of the brain. New York, NY: Oxford University Press.
Federmeier, K. D. & Laszlo, S. (2009). Time for meaning: electrophysiology provides
insightsinto the dynamics of representation and processing in semantic memory.
In B.H. Ross (Ed.), The Psychology of Learning and Motivation (pp. 1-44). San
Diego, CA: Elsevier.
Flavell, J. H., Beach, D. R., & Chinsky, J. H. (1966). Spontaneous verbal rehearsal in
a memory task as a function of age. Child Development, 37(2), 283-299.
Friedrich, M. & Friederici, A. D. (2006). Early N400 development and later language
acquisition. Psychophysiology, 43(1), 1-12.
Fuster, J. M. (1997). Network memory. Trends in Neurosciences, 20(10), 451-459.
Gadian, D. G., Aicardi, J., Watkins, K. E., Porter, D. A., Mishkin, M., & Vargha-Khadem,
F. (2000). Developmental amnesia associated with early hypoxic-ischaemic
injury. Brain, 123(3), 499-507.
Gathercole, S. E. (1999). Cognitive approaches to the development of short-term
memory. Trends in Cognitive Sciences, 3(11), 410-419.
Gathercole, S. E. & Baddeley, A. D. (1989). Evaluation of the role of phonological
STM in the development of vocabulary in children: A longitudinal study. Journal
of Memory and Language, 28(2), 200-213.
Gathercole, S. E. & Pickering, S. J. (2000). Working memory deficits in children with
low achievements in the national curriculum at seven years of age. British Journal
of Educational Psychology, 70(2), 177-194.
Gathercole, S. E., Pickering, S. J., Knight, C., & Stegmann, Z. (2004). Working
memory skills and educational attainment: Evidence from National Curriculum
Assessments at 7 and 14 years of age. Applied Cognitive Psychology, 18(1),
1-16.
Gathercole, S. E., Willis, C., Emslie, H., & Baddeley, A. D. (1991). The influences of
number of syllables and wordlikeness on children’s repetition of nonwords. Applied
Psycholinguistics, 12(3), 349-367.
160 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Mandler, J. M. & McDonough, L. (1996). Drinking and driving don’t mix: inductive
generalization in infancy. Cognition, 59(3), 307-335.
McClelland, J. L., McNaughton, B. L., & O’Reilly, R. C. (1995). Why there are comple-
mentary learning systems in the hippocampus and neocortex: insights from the
successes and failures of connectionist models of learning and memory. Psycho-
logical Review, 102(3), 419-457.
Miller, P. H. (1990). The development of strategies of selective attention. In D.
F. Bjorklund (Ed.), Children’s strategies: Contemporary views of cognitive
development (pp. 157-184). Hillsdale, NJ: Lawrence Erlbaum Associates.
Moely, B. E., Hart, S. S., Leal, L., Santulli, K. A., Rao, N., Johnson, T., & Hamilton, L. B.
(1992). The teacher’s role in facilitating memory and study strategy development
in the elementary school classroom. Child Development, 63(3), 653-672.
Mufson, E. & Pandya, D. (1984). Some observations on the course and composition
of the cingulum bundle in the rhesus monkey. Journal of Comparative Neuro-
logy, 225(1), 31-43.
Nezamzadeh, M., Weeden, V.J., Wang, R., Zhang, Y., Zhan, W., Young, K., … Schuff,
N. (2010). In-vivo investigation of the human cingulum bundle using the optimization
of MR diffusion spectrum imaging. European Journal of Radiology, 75(1), e29-e36.
Ofen, N., Kao, Y. C., Sokol-Hessner, P., Kim, H., Whitfield-Gabrieli, S., & Gabrieli,
J. D. (2007). Development of the declarative memory system in the human brain.
Nature Neuroscience, 10(9), 1198-1205.
Ornstein, P. A., Grammer, J. K., & Coffman, J. L. (2010). Teachers’ “mnemonic” style
and the development of skilled memory. In H. S. Waters & W. Schneider (Eds.), Meta-
cognition, strategy use, and instruction (pp. 23-53). New York, NY: Guilford Press.
Østby, Y., Tamnes, C. K., Fjell, A. M., & Walhovd, K. B. (2011). Morphometry and
connectivity of the fronto-parietal verbal working memory network in develop-
ment. Neuropsychologia, 49(14), 3854-3862.
Østby, Y., Tamnes, C. K., Fjell, A. M., Westlye, L. T., Due-Tønnessen, P., & Walhovd,
K. B. (2009). Heterogeneity in subcortical brain development: a structural mag-
netic resonance imaging study of brain maturation from 8 to 30 years. The Journal
of neuroscience, 29(38), 11772-11782.
Petrides, M. (2007). The orbitofrontal cortex: novelty, deviation from expectation,
and memory. Annals of the New York Academy of Sciences, 1121(1), 33-53.
Petrides, M. & Pandya, D. N. (1988). Association fiber pathways to the frontal cortex
from the superior temporal region in the rhesus monkey. Journal of Comparative
Neurology, 273(1), 52-66.
Petrides, M. & Pandya, D. N. (2006). Efferent association pathways originating in
the caudal prefrontal cortex in the macaque monkey. Journal of Comparative
Neurology, 498(2), 227-251.
Pfluger, T., Weil, S., Wies, S. Vollmar, C., Heiss, D., Egger, J., … Hahn, K. (1999).
Normative volumetric data of the developing hippocampus in children based on
magnetic resonance imaging. Epilepsia, 40(4), 414-423.
Les neurosciences cognitives du développement de la mémoire 163
Pressley, M. & Levin, J. R. (1977). Task parameters affecting the efficacy of a visual
imagery learning strategy in younger and older children. Journal of Experimental
Child Psychology, 24(1), 53-59.
Reiss, A. L., Abrams, M. T., Singer, H. S., Ross, J. L., Denckla, M. B. (1996). Brain
development, gender and IQ in children. A volumetric imaging study. Brain,
119(5), 1763-1774.
Roebers, C. M. (2013). Children’s deliberate memory development: The contribution
of strategies and metacognitive processes. In P. J. Bauer & R. Fivush (Eds.), The
handbook on the development of children’s memory (pp. 865-894). Oxford,
UK: Wiley-Blackwell.
Rose, S. A., Feldman, J. F., & Jankowski, J. J. (2013). Memory in at-risk populations:
Infants born prior to term. In P. J. Bauer & R. Fivush (Eds.), The handbook on the
development of children’s memory (pp. 996-1016). Oxford, UK: Wiley-Blackwell.
Schmahmann, J. D. & Pandya, D.N. (2006). Fiber Pathways of the Brain. New York,
NY: Oxford University Press.
Scherf, K. S., Sweeney, J. A., & Luna, B. (2006). Brain basis of developmental change
in visuospatial working memory. Journal of Cognitive Neuroscience, 18(7),
1045-1058.
Schneider, W. (2013). Individual differences in memory development and educational
implicaitons: Cross-sectional and longitudinal evidence. In P. J. Bauer & R. Fivush
(Eds.), The handbook on the development of children’s memory (pp. 947-971).
Oxford, UK: Wiley-Blackwell.
Schneider, J. F. L., Ilyasov, K. A., Hennig, J., & Martin, E. (2004). Fast quantitative
diffusion-tensor imaging of cerebral white matter from the neonatal period to
adolescence. Neuroradiology, 46(4), 258-266.
Schneider, W., Kron-Sperl, V., & Hünnerkopf, M. (2009). The development of young
children’s memory strategies: New longitudinal evidence. European Journal of
Developmental Psychology, 6(1), 70-99.
Serres, L. (2001). Morphological Changes of the Human Hippocampal Formation from
Midgestation to Early Childhood. In A. Nelson & M. Luciana (Eds.), Handbook of
developmental cognitive neuroscience (pp. 45-58). Cambridge, MA: MIT Press.
Sowell, E. R., Delis, D., Stiles, J., & Jernigan, T. L. (2001). Improved memory functioning
and frontal lobe maturation between childhood and adolescence: a structural MRI
study. Journal of the International Neuropsychological Society, 7(3), 312-322.
Sowell, E. R., Thompson, P. M., Leonard, C. M., Welcome, S. E., Kan, E., & Toga, A. W.
(2004). Longitudinal mapping of cortical thickness and brain growth in normal
children. Journal of Neuroscience, 24(38), 8223-8231.
St Clair-Thompson, H. L., & Gathercole, S. E. (2006). Executive functions and
achievements in school: Shifting, updating, inhibition, and working memory. The
Quarterly Journal of Experimental Psychology, 59(4), 745-759.
Tulving, E. (1972). Episodic and semantic memory. In E. Tulving & W. Donaldson
(Eds.), Organization of memory (pp. 381-403). New York, NJ: Academic Press.
164 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Les très nombreux travaux sur la mémoire ont établi qu’il existe
plusieurs systèmes de mémoire, dont une distinction, établie de longue date,
entre mémoire à long terme (mémoire épisodique, mémoire autobiogra-
phique, mémoire sémantique, mémoire implicite, etc.) et mémoire à court
terme (e.g., Tulving, 1985 ; Schacter & Tulving, 1994). Dans ce chapitre, nous
nous centrerons sur la mémoire de travail (MdT) que l’on considère comme
très proche, voire quelquefois synonyme de la mémoire à court terme, et
donc distincte de la mémoire à long terme ; nous tenterons d’affiner pro-
gressivement cette distinction.
(excès d’information) des tâches auxquelles il doit faire face. Il est difficile
d’évaluer la capacité, et les méthodes d’analyse de la complexité des tâches
divergent largement. Nous y reviendrons plus bas, car ce point est crucial
d’un point de vue développemental.
J. T. E. Richardson (1996 ; voir aussi de Ribaupierre, 2000) a recensé
sept propositions théoriques qui reprennent et regroupent différentes théo-
risations de la MdT ; elles sont largement consensuelles et peu remises en
question depuis lors. Elles recoupent les quatre points énoncés ci-dessus
(aspect temporaire de la rétention, traitement plutôt que stockage, caracté-
ristique attentionnelle, capacité limitée) :
3. MÉMOIRE DE TRAVAIL
ET PROCESSUS SOUS-JACENTS
Peu de modèles postulent l’existence d’un système cognitif spéci-
fique à la MdT, sinon peut-être le modèle original de Baddeley (Baddeley
& Hitch, 1974). Le modèle de Pascual-Leone (1970, 1987 ; de Ribaupierre,
1983) a, depuis longtemps, proposé que les épreuves de MdT font appel
aux mêmes processus que ceux qui sont à l’œuvre dans d’autres tâches
cognitives, notamment des processus d’activation et d’inhibition récursifs :
les éléments pertinents de la tâche sont activés attentionnellement, alors
que des éléments non pertinents doivent être inhibés. Ces suggestions sont
actuellement reprises, sous d’autres formes, en psychologie cognitive de
l’adulte, par exemple par Cowan (e.g., 2005) ou Oberauer et ses collabo-
rateurs (e.g., Süss, Oberauer, Wittmann, Wilhelm, & Schulze, 2002). On a
également montré que la performance dans des tâches de MdT est liée à la
vitesse de traitement. Nous avons proposé (e.g., de Ribaupierre, 2000) que
vitesse et quantité d’activation sont des concepts très proches l’un de l’autre,
du moins pour l’observateur : plus on est rapide, plus on arrivera à activer
des items d’information (presque) simultanément. Réciproquement, plus la
puissance d’activation est forte, c’est-à-dire plus le nombre d’éléments acti-
vés en même temps est important, plus rapide sera le traitement. Il parait
difficile à l’heure actuelle de départager ces hypothèses ; seules des données
neurobiologiques, mais dont nous sommes encore bien loin de disposer, per-
mettraient probablement de le faire. Activation (ou vitesse) et inhibition sont
couplées avec des schèmes exécutifs, qui, sur la base d’expériences précé-
dentes, consistent à « choisir » les éléments qui doivent être activés/inhibés.
Engle (Turner & Engle, 1989 ; Cantor & Engle, 1993 ; Conway &
Engle, 1996 ; Engle et al., 1999 ; Engle, 2002) s’est d’abord essentiellement
intéressé aux différences individuelles en MdT, et a comparé des individus
à faible empan à des individus à empan élevé dans de nombreuses études.
Il a proposé que ces différences puissent s’expliquer en termes de proces-
sus inhibiteurs plus efficaces chez les individus à empan élevé (resource-
inhibition hypothesis). Un lien entre inhibition et MdT a également été
proposé par d’autres auteurs, notamment dans une perspective dévelop-
pementale de l’adulte (Dempster, 1992 ; Hasher & Zacks, 1988 ; Hasher,
Stoltzfus, Zacks, & Rypma, 1991).
Un modèle très en vogue actuellement en psychologie cognitive est
celui de Nelson Cowan (Cowan et al., 2011 ; Cowan, AuBuchon, Gilchrist,
& Saults, 2011 ; Cowan, Chen, & Rouder, 2004 ; Cowan, 2005), qui parle
plutôt d’attention que de mémoire de travail. Mais, comme on l’a vu, ces
deux concepts sont très proches. Le « focus attentionnel » auquel s’intéresse
Cowan serait le résultat de plusieurs opérations cognitives qui s’exerceraient
Mémoire de travail, développement cognitif et performances scolaires 171
6. MÉMOIRE DE TRAVAIL
ET APPRENTISSAGES SCOLAIRES
Il a déjà été évoqué à plusieurs reprises que des relations fortes
ont été établies entre MdT et performances scolaires, notamment en ce qui
concerne la lecture, la compréhension (Borella, 2006) ou les performances
arithmétiques. Siegel (1994 ; Chiappe, Hasher, & Siegel, 2000) a montré
que les performances en MdT différaient entre bons et mauvais lecteurs
qu’il s’agisse d’enfants d’âge scolaire ou d’adultes (20-50 ans environ).
Gathercole & Alloway (2008 ; Gathercole, Pickering, Knight, & Stegmann,
Mémoire de travail, développement cognitif et performances scolaires 177
2004 ; Alloway, 2006) ont conduit plusieurs études chez des enfants d’âge
scolaire et systématiquement trouvé des différences en MdT selon le niveau
de performance scolaire atteint. Ainsi, des élèves de 6-7 ans classés en trois
groupes (niveau inférieur à la moyenne, moyen, supérieur à la moyenne) en
anglais ou en mathématiques différaient les uns des autres dans des épreuves
de mémoire à court terme ou de MdT, au désavantage des élèves dont les
performances scolaires étaient inférieures à la moyenne. Ces auteures ont
fait les mêmes observations chez des élèves de 4 à 15 ans identifiés comme
nécessitant un apport éducatif spécialisé (special educational need) dans
divers domaines.
Swanson (2011, 2004) a également mené de nombreuses études, y
incluses des études longitudinales, chez des élèves en scolarité primaire. Il
conclut d’une étude longitudinale de 3 ans, menée chez des élèves de la pre-
mière à la troisième année primaire que « Notre travail longitudinal conforte
l’idée selon laquelle la croissance de la MdT est un prédicteur important
de la résolution de problèmes chez l’enfant, au-delà de la contribution de
la lecture, du calcul et des différences individuelles en ce qui concerne le
traitement phonologique, l’inhibition, et la vitesse de traitement » (Swanson,
2011, p. 209). Comparant de bons élèves à des élèves avec des difficultés de
lecture seulement, de lecture et d’arithmétique, ou présentant un QI verbal
inférieur à la moyenne, il observe que les bons lecteurs se démarquent très
clairement des trois autres groupes en ce qui concerne la MdT.
difficultés scolaires, et l’espoir est important. Outre le fait qu’ils portent sur
la MdT, les travaux récents diffèrent sur au moins deux aspects des travaux
plus anciens. D’une part, l’accent est mis sur un entraînement des processus
plutôt que de contenus ou de stratégies (cf. Kliegel & Bürki, 2012) ; d’autre
part, on utilise des paradigmes adaptatifs, à savoir dont la difficulté varie en
fonction des réponses des participants. Compte tenu du rôle important joué
par la MdT dans le fonctionnement cognitif, on espère, par le biais d’une
amélioration de la MdT, améliorer du même coup le fonctionnement cognitif
et scolaire. Ainsi, dans le cadre de ses travaux sur l’hyperactivité (TDA-H,
voir Bader, chapitre 7 de ce volume), Klingberg a développé un programme
d’entraînement Cogmed (e.g., Klingberg, 2009 ; Klingberg et al., 2005), qui
touche à différents domaines cognitifs. Les premiers résultats étaient positifs,
à savoir que les enfants hyperactifs soumis à cet entraînement ont non seule-
ment progressé dans les tâches entraînées, mais ils ont aussi obtenu de meil-
leurs résultats dans d’autres tâches cognitives (généralisation). Cependant,
ces résultats n’ont pas tous été répliqués sur un échantillon d’enfants TDA-H
un peu plus important ; les effets positifs obtenus ne se sont pas non plus
maintenus sur un certain nombre de mois. Selon Klingberg, le programme
d’entraînement mènerait également à des modifications de la base neuronale
du fonctionnement, contribuant ainsi à la plasticité développementale. Les
données empiriques bien contrôlées manquent, néanmoins.
Ce type de résultats mixtes – amélioration dans les tâches entraînées,
mais peu d’effet de transfert à d’autres tâches (scolaires, de raisonnement),
et/ou peu de maintien des acquisitions positives réalisées –, se retrouve dans
presque toutes les études de ce type. Dans une revue de questions récente,
reposant sur une méta-analyse systématique, Melby-Lervåg & Hulme (2013)
passent en revue une trentaine de comparaisons de groupes, après avoir fait
passer pas loin de 200 références au crible de critères méthodologiques mini-
maux. Ils concluent que les différents programmes ont amené à des résultats
positifs, à court terme, dans les tâches de MdT elles-mêmes. Ces résultats se
sont rarement maintenus au-delà de quelques semaines, en tout cas en ce
qui concerne la MdT verbale, les résultats étant un peu plus positifs pour la
MdT visuo-spatiale. De plus, ils n’ont pu observer d’« évidence convaincante
de la généralisation de cet apprentissage de la MdT à d’autres compétences
(aptitude verbale ou non verbale, processus inhibiteurs dans l’attention,
décodage phonologique, arithmétique). » (Melby-Lerväg & Hulme, 2013,
p. 270). Ainsi, tout comme d’autres types d’entraînement dans le passé, les
progrès restent très spécifiques, et ne sont pas véritablement généralisables.
En ce qui concerne l’adulte, des conclusions semblables sont à tirer.
Un article de Jaeggi, Buschkuehl, Jonides, & Perrig (2008) a eu un grand
retentissement dans le domaine. Les auteurs y montraient qu’un appren-
tissage prolongé (18-20 sessions) à l’aide d’une tâche de n-back de nature
adaptative, chez des jeunes adultes, avait un effet très positif (certains jeunes
180 Neurosciences et cognition : perspectives pour les sciences de l’éducation
adultes allant jusqu’à réussir des items de type 10-back ou plus). Surtout,
l’apprentissage avait un effet sur l’intelligence fluide, résultat que tout cher-
cheur rêve d’obtenir, bien entendu. On doit noter toutefois que l’apprentis-
sage avec le n-back ne semble pas avoir eu d’effet sur l’empan dans d’autres
tâches de MdT. Surtout, les résultats ont été contestés par d’autres cher-
cheurs (e.g., Redick et al., 2012 ; Shipstead et al., 2012), pour des raisons
méthodologiques. Une étude extrêmement bien contrôlée, et comportant de
nombreuses épreuves et un nombre important de sessions d’apprentissage,
par Redick et al. (2012) démontre que s’il est relativement facile d’aug-
menter les performances dans les tâches entraînées, le transfert à d’autres
tâches cognitives est extrêmement difficile à obtenir, voire nul. D’autres
chercheurs ont également rapporté des résultats positifs, néanmoins, en
particulier chez la personne âgée (Dahlin, Nyberg, Bäckman, & Stigsdotter
Neely, 2008) ; dans notre propre laboratoire, en revanche, le travail de thèse
de Bürki (2012), sur des personnes âgées, est également allé dans le sens
d’un manque de transfert. À l’heure actuelle, on ne peut donc que conclure
à un soutien empirique mixte, et souscrire à chacune des propositions de
Shipstead et al. (2012) dans leur revue de questions que nous reprenons en
partie ici : « l’une des forces d’un entraînement de la MdT est qu’il repose sur
une méthode spécifique, théoriquement fondée, qui permettrait de stimuler
un changement cognitif plus large […]. Cependant, la littérature actuelle ne
fournit pas une évidence suffisante de l’efficacité d’un tel entraînement. Les
chercheurs devraient : a) inclure plusieurs mesures de chacune des variables
d’intérêt ; b) mesurer le transfert proche avec des tâches validées, évaluant
la capacité de la MdT et différant de la méthode d’apprentissage ; c) éliminer
l’utilisation de groupes de contrôle sans contact ; d) s’assurer, dès lors que
des mesures subjectives de changement sont aussi utilisées, que les juges
sont aveugles à la condition expérimentale » (2012, p. 647).
9. CONCLUSION
En résumé, de nombreux travaux confirment que la MdT est une
composante importante du fonctionnement cognitif, de portée générale dans
la mesure où elle entretient des liens forts avec d’autres variables et permet
un certain nombre de prédictions de la performance probable dans divers
domaines cognitifs. Il ne s’agit pas tant d’une variable mnésique que d’une
compétence attentionnelle. La MdT ne constitue sans doute pas un système
spécifique, ou une « aptitude » ou « compétence ». Il semble préférable de
parler de tâches de mémoire de travail qui font appel à un certain nombre
de processus de nature attentionnelle, processus qui sont certainement aussi
à l’œuvre dans d’autres tâches. C’est plutôt par commodité de langage que
l’on continue à parler de la mémoire de travail, y inclus d’ailleurs dans le
présent chapitre, comme s’il s’agissait d’une capacité unique ou d’un système
Mémoire de travail, développement cognitif et performances scolaires 181
RÉFÉRENCES BIBLIOGRAPHIQUES
Alloway, T. P. (2006). How does working memory work in the classroom? Educa-
tional Research and Reviews, 1(4), 134-139.
Andrews, G. & Halford, G. S. (2011). Recent advances in relational complexity
theory and its application to cognitive development. In P. Barrouillet & V. Gaillard
(Eds.), Cognitive development and working memory. A dialogue between neo-
Piagetian theories and cognitive approaches (pp. 47-68). Hove, East Sussex:
Psychology Press.
Awh, E., Jonides, J., Smith, E. E., Buxton, R. B., Frank, L. R., Love, T., … Gmeindl,
L. (1999). Rehearsal in spatial working memory: Evidence from neuroimaging.
Psychological Science, 10(5), 433-437.
Baddeley, A. (1986). Working memory. Oxford, UK: Oxford University Press.
Baddeley, A. (1993). Working memory or working attention? In A. Baddeley
& L. Weiskrantz (Eds.), Attention, selection, awarness, and control. À tribute
to Donal Broadbent (pp. 152-170). Oxford, UK: Clarendon Press.
Mémoire de travail, développement cognitif et performances scolaires 183
central conceptual structures. In R. Case & W. Edelstein (Eds.), The new structur-
alism in cognitive development: Theory and research on individual pathways
(pp. 71-100). Basel: Karger.
Chiappe, P., Hasher, L., & Siegel, L. S. (2000). Working memory, inhibitory control,
and reading disability. Memory & Cognition, 28(1), 8-17.
Colom, R., Flores-Mendoza, C., & Rebollo, I. (2003). Working memory and intelli-
gence. Personality and Individual Differences, 34(1), 33-39.
Colom, R., Rebollo, I., Abad, F. J., & Shih, P. C. (2006). Complex span tasks, simple
span tasks, and cognitive abilities: A reanalysis of key studies. Memory & Cogni-
tion, 34(1), 158-171.
Conway, A. R. A. & Engle, R. W. (1996). Individual differences in working memory
capacity: More evidence for a general capacity theory. Memory, 4(6), 577-590.
Cowan, N. (2001). The magical number 4 in shortterm memory: A reconsideration of
mental storage capacity. Behavioral and Brain Sciences, 24(1), 87-114.
Cowan, N. (2005). Working memory capacity. New York, NY: Psychology Press.
Cowan, N., AuBuchon, A. M., Gilchrist, A. L., & Saults, J. S. (2011). Age differences
in visual working memory capacity: not based on encoding limitations. Develop-
mental Science, 14(5), 1066-1074.
Cowan, N., Chen, Z., & Rouder, J. N. (2004). Constant capacity in an immediate
serial-recall task. À logical sequel to Miller (1956). Psychological Science, 15(9),
634-640.
Cowan, N., Morey, C. C., AuBuchon, A. M., Zwilling, C. E., Gilchrist, A. L., & Saults,
J. S. (2011). New insights into an old problem. Distinguishing storage from pro-
cessing in the development of working memory. In P. Barrouillet & V. Gaillard
(Eds.), Cognitive development and working memory. A dialogue between
neo-Piagetian theories and cognitive approaches (pp. 137-150). Hove, East
Sussex: Psychology Press.
Crone, E. A. & Ridderinkhof, K. R. (2011). The developing brain: From theory to
neuroimaging and back. Developmental Cognitive Neuroscience, 1(2), 101-109.
D’Esposito, M. (2001). Functional neuroimaging of working memory. In R. Cabeza
& A. Kingstone (Eds.), Handbook of functional neuroimaging of cognition
(pp. 293-327). Cambridge, MA.: The MIT Press.
D’Esposito, M., Detre, J. A., Alsop, D. C., Shin, R. K., Atlas, S., & Grossman, M. (1995). The
neural basis of the central executive system of working memory. Nature, 378, 279-281.
Dahlin, E., Nyberg, L., Bäckman, L., & Stigsdotter Neely, A. (2008). Plasticity of
executive functioning in young and older adults: Immediate training gains, transfer,
and long-term maintenance. Psychology and Aging, 23(4), 720-730.
Daneman, M. & Carpenter, P. A. (1980). Individual differences in working memory
and reading. Journal of Verbal Learning and Verbal Behavior, 19, 450-466.
Dasen, P. R. & de Ribaupierre, A. (1987). Neo-piagetian theories: cross-cultural and
differential perspectives. International Journal of Psychology, 22(5-6), 793-832.
Mémoire de travail, développement cognitif et performances scolaires 185
Delaloye, C., Ludwig, C., Borella, E., Chicherio, C., & de Ribaupierre, A. (2008).
L’Empan de Lecture comme épreuve mesurant la capacité de mémoire de travail:
Normes basées sur une population francophone de 775 adultes jeunes et âgés.
European Review of Applied Psychology, 58(2), 89-103.
Dempster, F. N. (1992). The rise and fall of the inhibitory mechanism: toward a unified
theory of cognitive development and aging. Developmental Review, 12(1), 45-75.
Engel de Abreu, P. M. J., Conway, A. R. A., & Gathercole, S. E. (2010). Working
memory and fluid intelligence in young children. Intelligence, 38(6), 552-561.
Engle, R. W. (2002). Working memory capacity as executive attention. Current
Directions in Psychological Science, 11(1), 19-23.
Engle, R. W., Cantor, J., & Carullo, J. J. (1992). Individual differences in working
memory and comprehension: a test of four hypotheses. Journal of Experimental
Psychology: Learning, Memory, and Cognition, 18(5), 972-992.
Engle, R. W., Conway, A. R. A., Tuholski, S. W., & Shisler, R. J. (1995). A Resource
Account of Inhibition. Psychological Science, 6(2), 122-125.
Engle, R. W., Kane, M. J., & Tuholski, S. W. (1999). Individual differences in working
memory capacity and what they tell us about controlled attention, general fluid
intelligence and functions of the prefrontal cortex. In A. Miyake & P. Shah (Eds.),
Models of working memory: Mechanisms of active maintenance and executive
control (pp. 102-134). Cambridge: Cambridge University Press.
Engle, R. W., Tuholski, S. W., Laughlin, J. E., & Conway, A. R. A. (1999). Working
memory, short-term memory, and general fluid Intelligence: A latent-variable
approach. Journal of Experimental Psychology-General, 128(3), 309-331.
Éricsson, K. A. & Kintsch, W. (1995). Long-term working memory. Psychological
Review, 102(2), 211-245.
Gathercole, S. & Alloway, T. P. (2008). Working Memory and Learning: A Practical
Guide for Teachers. London: Sage Press.
Gathercole, S. E., Pickering, S. J., Knight, C., & Stegmann, Z. (2004). Working
memory skills and educational attainment: evidence from national curriculum
assessments at 7 and 14 years of age. Applied Cognitive Psychology, 18(1),
1-16.
Halford, G. S. (1993). Children’s understanding: The development of mental
models. Hillsdale, NJ: Erlbaum.
Hasher, L., Stoltzfus, E. R., Zacks, R. T., & Rypma, B. (1991). Age and inhibition. Journal
of Experimental Psychology: Learning, Memory, and Cognition, 17(1), 163-169.
Hasher, L. & Zacks, R. T. (1988). Working memory, comprehension, and aging: A
review and a new view. In G. H. Bower (Ed.), The psychology of learning and
motivation (pp. 193-225). San Diego, CA: Academic Press.
Inhelder, B. & Piaget, J. (1955). De la logique de l’enfant à la logique de
l’adolescent: essai sur la construction des structures opératoires formelles.
Paris: Presses universitaires de France.
186 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Jaeggi, S. M., Buschkuehl, M., Jonides, J., & Perrig, W. J. (2008). Improving fluid intel-
ligence with training on working memory. Proceedings of the National Academy
of Sciences of the United States of America, 105(19), 6829-6833.
Jonides, J., Lacey, S. C., & Nee, D. E. (2005). Processes of Working Memory in Mind
and Brain. Current Directions in Psychological Science, 14(1), 2-5.
Kliegel, M. & Bürki, C. (2012). Memory training interventions require a tailor-made
approach: Commentary on McDaniel and Bugg. Journal of Applied Research in
Memory and Cognition, 1(1), 58-60.
Klingberg, T. (2009). The Overflowing Brain: Information Overload and the Lim-
its of Working Memory. New York, NY: Oxford University Press.
Klingberg, T., Fernell, E., Olesen, P. J., Johnson, M., Gustafsson, P., Dahlström, K.,
… Westerberg, H. (2005). Computerized Training of Working Memory in Children
With ADHD – A Randomized, Controlled Trial. Journal of the American Academy
of Child and Adolescent Psychiatry, 44(2), 177-186.
La Pointe, L. B. & Engle, R. W. (1990). Simple and complex word spans as measures
of working memory capacity. Journal of Experimental Psychology: Learning,
Memory, and Cognition, 16, 1118-1133.
Melby-Lervåg, M. & Hulme, C. (2013). Is working memory training effective? A meta-
analytic review. Developmental Psychology, 49(2), 270-291.
Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits of our
capacity for processing information. Psychological Review, 63(2), 81-97.
Moscovitch, M. (1992). Memory and working-with-memory: A component process
model based on modules and central systems. Journal of Cognitive Neurosci-
ence, 4(3), 257-267.
Oberauer, K. & L. Hein (2012). Attention to Information in Working Memory. Current
Directions in Psychological Science, 21(3), 164-169.
Osaka, N., Logie, R. H., & D’Esposito, M. (Eds.) (2007). The cognitive neuroscience
of working memory. Oxford, UK: Oxford University Press.
Owen, A. M., McMillan, K. M., Laird, A. R., & Bullmore, E. (2005). N-Back working
memory paradigm: A meta-analysis of normative functional neuroimaging studies.
Human Brain Mapping, 25(1), 46-59.
Pascual-Leone, J. (1970). A mathematical model for the transition rule in Piaget’s
developmental stages. Acta Psychologica, 32, 301-345.
Pascual-Leone, J. (1987). Organismic processes for neo-Piagetian theories: A dialecti-
cal causal account of cognitive development. International Journal of Psychol-
ogy, 22(5-6), 531-570.
Pascual-Leone, J. & Johnson, J. (1991). The psychological unit and its role in task
analysis: A reinterpretation of object permanence. In M.Chandler & M. Chapman
(Eds.), Criteria for competence: Controversies in the conceptualisation and
assessment of children abilities (pp. 153-187). Hillsdale, N.J: Erlbaum.
Mémoire de travail, développement cognitif et performances scolaires 187
de Ribaupierre, A., Neirynck, I., & Spira, A. (1989). Interactions between basic capac-
ity and strategies in children’s memory: Construction of a developmental paradigm.
Cahiers de Psychologie Cognitive, 9(5), 471-504.
Richardson, J. T. E. (1996). Evolving issues in working memory. In J. T. E. Richardson,
R. W. Engle, L. Hasher, R. H. Logie, E. R. Stoltzfus, & R. T. Zacks (Eds.), Working
memory and human cognition (pp. 120-147). New York, NY: Oxford University
Press.
Richardson, J. T. E., Engle, R. W., Hasher, L., Logie, R. H., Stoltzfus, E. R., & Zacks,
R. T. (Eds.) (1996). Working memory and human cognition. New York, NY:
Oxford University Press.
Schacter, D. L. & Tulving, E. (1994). What are the memory systems of 1994? In
D.L.Schacter & E. Tulving (Eds.), Memory systems 1994 (pp. 1-38). Cambridge,
MA: The MIT Press.
Shipstead, Z., Redick, T. S., & Engle, R. W. (2012). Is Working Memory Training Effec-
tive? Psychological Bulletin, 138(4), 628-654.
Siegel, L. S. (1994). Working memory and reading: A life-span perspective. Interna-
tional Journal of Behavioral Development, 17(1), 109-124.
Siegel, L. S. & Ryan, E. B. (1989). The development of working memory in normally
achieving and subtypes of learning disabled children. Child Development, 60, 973-980.
Smith, E. E. & Jonides, J. (1998). Neuroimaging analyses of human working memory.
Proceedings of the National Academy of Sciences of the United States of
America, 95(20), 12061-12068.
Süss, H. M., Oberauer, K., Wittmann, W. K., Wilhelm, O., & Schulze, R. (2002).
Working-memory capacity explains reasoning ability – and a little bit more. Intel-
ligence, 30 (3), 261-288
Swanson, H. L. (2004). Working memory and phonological processing as predictors
of children’s mathematical problem solving at different ages. Memory & Cogni-
tion, 32(4), 648-661.
Swanson, H. L. (2011). The influence of working memory growth on reading and math
performance in children with math and/or reading disabilities. In P. Barrouillet &
V. Gaillard (Eds.), Cognitive development and working memory (pp. 203-231).
Hove, East Sussex: Psychology Press.
Thomas, L., Pons, F., & de Ribaupierre, A. (1996). Attentional capacity and cogni-
tive level in the balance task. Cahiers de Psychologie Cognitive, 15(2), 137-172.
Tulving, E. (1985). How many memory systems are there? American Psychologist,
40(4), 385-398.
Turner, M. L. & Engle, R. W. (1989). Is working memory capacity task dependent?
Journal of Memory and Language, 28(2), 127-154.
Chapitre
Trouble du déficit d’attention-
7
hyperactivité (TDA-H) de l’enfant et
de l’adolescent : nouvelles perspectives
Michel BADER
Gnagy, Roberts, & Aronoff, 2003 ; Jensen et al., 2007 ; Molina et al., 2009).
Les patients avec un TDA-H nécessitent en général une prise en charge sur
plusieurs années qui est coûteuse en énergie et financièrement, et probléma-
tique sur le plan organisationnel. Il serait très utile de bénéficier d’approches
qui pourraient avoir des effets prolongés après les interventions actives.
Les données neurobiologiques permettent une meilleure compré-
hension des symptômes et de leurs impacts. Les recherches cliniques et
neurobiologiques récentes ont permis de préciser les points suivants : com-
plexité des facteurs génétiques et développementaux dans l’expression des
symptômes chez un sujet, présence de dysfonctionnements liés à des struc-
tures cérébrales, à des circuits neuronaux et à des dysfonctionnements des
fonctions exécutives, diversité des profils cliniques et neuropsychologiques
nécessitant à terme de nouveaux critères diagnostiques prenant aussi plus
en compte les composantes dimensionnelles des symptômes, recherche
d’endophénotypes pour préciser les caractéristiques des différents profils
cliniques (Sonuga-Barke & Halperin, 2010). Ces nouvelles connaissances
débouchent également sur le développement de nouvelles approches inté-
ressantes, comme les programmes informatisés de remédiation cognitive et
le neurofeedback. Mais des études scientifiques doivent encore confirmer
l’efficacité de ces approches neurocognitives chez les patients ayant un
TDA-H.
1. HISTORIQUE
Le syndrome du TDA-H n’est pas une nouveauté à la mode comme
le prétendent certains contradicteurs. La première description pertinente
des problèmes attentionnels a été faite en 1798 par Sir Alexander Crichton,
tandis que le comportement « bougillon » a été décrit en 1845 par le médecin
allemand Heinrich Hoffmann sous la forme de trois dessins dans l’histoire
de Zappel-Philipp. Les étapes suivantes de la tradition anglophone com-
portent en 1902 les descriptions des troubles de l’attention et hyperactifs
par le pédiatre anglais Sir Georges Still, puis les mises en relation entre les
symptômes du concept actuel de TDA-H avec les symptômes observés lors
de l’encéphalite épidémique de 1917-1918 qui a servi de point de repère
pour le développement progressif des hypothèses neurobiologiques. Dans
la tradition francophone, la première description clinique remonte à 1888
par Bourneville avec le concept d’instabilité qui a été décrit de manière plus
détaillée dans une lettre de 1896 publiée par Bourneville en 1897 (voir Bader
& Hadjikhani, 2013), puis en 1905 par Philippe et Paul-Boncour. Les travaux
de Dupré (1913), de Heuyer (1914) et de Wallon (1925) ont développé le
concept d’instabilité psychomotrice, qui continue à être une notion de réfé-
rence dans la pédopsychiatrie française, en insistant sur les relations entre
le comportement moteur et le fonctionnement mental. L’étape suivante a été
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 191
2. FACTEURS GÉNÉTIQUES
ET NEUROBIOLOGIQUES
Le TDA-H de l’enfant et de l’adolescent est l’entité clinique la
plus fréquente en pédopsychiatrie avec une prévalence entre 3 % et 7 %
(Biederman & Faraone, 2005). La triade classique du TDA-H de l’enfant
et de l’adolescent – trouble de l’attention, hyperactivité et impulsivité –,
est souvent associée à des difficultés exécutives dans la vie quotidienne,
comme en particulier au niveau de la planification, de l’organisation, de la
temporalité, de la régulation attentionnelle et des réponses (Barkley, 2006).
Les troubles associés les plus fréquents sont ceux touchant les sphères
comportementales et émotionnelles, ainsi que les troubles de l’apprentissage
comme la dyslexie-dysorthographie ou la dyscalculie ainsi que les troubles
de la coordination.
Les études génétiques sur des jumeaux signalent une héritabilité
d’environ 75 % par rapport aux gènes impliqués dans l’étiologie du TDA-
H (Faraone & Biederman, 1998). Les études d’adoption indiquent aussi
la présence significative de facteurs génétiques chez les sujets ayant un
TDA-H (Faraone, 2005). Les études génétiques moléculaires supportent
192 Neurosciences et cognition : perspectives pour les sciences de l’éducation
aussi l’implication de gènes dans le TDA-H, comme les gènes des récepteurs
à la dopamine D5 (Lowe et al., 2004), à la sérotonine 1B (Hawi, 2001),
ou le gène du transporteur à la dopamine (Waldman, 2001). Mais même
si l’héritabilité est élevée (Rietveld, Hudziak, Bartels, Van Beijsterveldt, &
Boomsma, 2003), le TDA-H n’est pas un trouble génétique strictement dit
(Asherson, Kuntsi, & Taylor, 2005). Des études sur des gènes candidats et
des associations de génomes soutiennent l’hypothèse que plusieurs gènes
ayant peu d’effets sont impliqués dans le TDA-H (Faraone et al., 2005 ;
Lasky-Su et al., 2008). Les facteurs prénataux et périnataux semblent éga-
lement jouer un certain rôle dans les facteurs de risque (Taylor & Rogers,
2005), comme la nicotine, la consommation d’alcool ou/ et de drogue et le
stress durant la grossesse, un petit poids à la naissance et des complications
périnatales.
Les recherches conduites depuis plusieurs décennies mettent en
évidence le rôle important des circuits cérébraux sous-tendant les processus
cognitifs qui sont modulés de manière prépondérante par rapport au TDA-
H par la dopamine et la noradrénaline, et qui sont les cibles d’action des
médications qui agissent sur les symptômes classiques et sur les difficultés
neuropsychologiques associées au TDA-H (Sonuga-Barke & Halperin, 2010).
Des dysfonctionnements subtils des catécholamines cérébrales, touchant à
la fois la dopamine et la noradrénaline, sont préférentiellement impliqués
dans le TDA-H selon les connaissances actuelles (Heal, 2013). Des facteurs
liés à certaines structures cérébrales et à certains circuits cérébraux jouent
aussi un rôle important dans le TDA-H en relation avec des composantes
développementales.
4.3 Striatum
Le noyau caudé et le putamen sont impliqués dans plusieurs réseaux
cérébraux liés aux fonctions exécutives. Des recherches signalent des anor-
malités du striatum dans le TDA-H au niveau volumétrique, du transport de
la dopamine et dans des paradigmes d’imagerie fonctionnelle (Bush et al.,
2005) .
Castellanos et al., 2008) chez les sujets TDA-H. En plus de son rôle dans
des tâches attentionnelles d’inhibition, cette région est également impli-
quée lors de la prise de perspective des états mentaux d’autrui (Jackson,
Brunet, Meltzoff & Decety, 2006). Le thalamus est un élément important
des circuits cortico-striato-thalamo-corticaux impliqués dans l’attention
soutenue et dans les fonctions exécutives ainsi que dans la régulation de la
vigilance et des compétences motrices. Le thalamus relie les informations
entre le striatum et les réseaux neuronaux corticaux (McFarland & Haber,
2002). Le cervelet est connecté avec le cortex préfrontal et le thalamus, en
étant impliqué dans la régulation motrice, le traitement des informations
temporelles, le attention shifting (déplacement de l’attention), la mémoire
de travail verbale, les fonctions exécutives et la régulation émotionnelle
(Mackie et al., 2007).
5. DIMENSIONS DÉVELOPPEMENTALES
Depuis les premières descriptions cliniques, le rôle des processus
développementaux dans l’expression des symptômes suscite des débats
dans la communauté scientifique. Plusieurs études longitudinales ont mon-
tré que les enfants avec un TDA-H présentent un retard de la maturation
cérébrale de 2 à 5 ans suivant les régions cérébrales. Une étude de référence
sur 152 enfants et adolescents présentant un TDA-H comparé à 139 sujets
contrôle (Castellanos et al., 2002) a mis en évidence des trajectoires déve-
loppementales pour toutes les structures cérébrales, à l’exception du noyau
caudé, durant l’enfance et l’adolescence. Cette recherche d’envergure réali-
sée de 1991 à 2001 a posé les jalons scientifiques signalant des différences
des processus de maturation cérébraux chez des enfants avec un TDA-H par
rapport à une population de sujets contrôle. Une seconde étude de référence
portant sur 223 enfants avec un TDA-H comparé à un groupe contrôle de
223 enfants observe un retard développemental en moyenne de 2 à 3 ans
avec une prédominance dans les régions préfrontales impliquées en parti-
culier dans les processus cognitifs d’attention et de planning moteur (Shaw
et al., 2007). Une autre recherche centrée sur les relations entre le degré
de maturation cérébrale corticale et l’intensité des symptômes centraux
du TDA-H, en utilisant le questionnaire de Conners (Goyette, Conners, &
Ulrich, 1978) auprès d’une cohorte de 197 enfants avec un TDA-H com-
parée à 193 sujets contrôles, signale une association du ralentissement de
l’épaisseur corticale durant l’adolescence chez les sujets cliniques avec le
diagnostic de TDA-H et la présence significative de symptômes d’hyper-
activité et d’impulsivité (Shaw et al., 2011). Une étude récente de ce groupe
de recherche sur 92 adultes avec un TDA-H (âge moyen 23.8 ans) observe
une association entre la présence élevée de symptômes liés au TDA-H, lors
de la présence d’une maturation cérébrale moins importante au niveau
196 Neurosciences et cognition : perspectives pour les sciences de l’éducation
6. IMAGERIES STRUCTURELLES
Les premières études d’imageries cérébrales quantitatives sur le
TDA-H remontent à une vingtaine d’années par le groupe de George Hynd
(e.g., Hynd et al., 1993). Cependant, leur puissance d’analyses était réduite
en raison des limites inhérentes aux premières générations de scanner de
résonance magnétique. Les progrès techniques et informatiques permettent
désormais des récoltes de données de plus en plus fines et précises.
Les revues des études d’imagerie cérébrale chez les enfants et les
adolescents avec un TDA-H en comparaison avec des groupes contrôles
appariés pour l’âge et le sexe (Ellison-Wright, Ellison-Wright, & Bullmore,
2008 ; Faraone & Biederman, 2004 ; Krain & Castellanos, 2006 ; Rubia,
2011 ; Valera, Faraone, Murray, & Seidman, 2007) signalent le plus souvent
la présence d’une diminution des volumes au niveau de plusieurs régions
du cortex frontal, de structures sous-corticales, comme le striatum, le gyrus
cingulaire postérieur, le splenium du corps calleux et le cervelet (en particu-
lier le vermis postérieur inférieur). Par exemple, une étude de référence sur
une cohorte de 152 sujets cliniques et 139 contrôles âgés entre 5 et 18 ans
montre que les enfants avec un TDA-H ont un volume cérébral plus petit
de 3,2 % que les contrôles (Castellanos et al., 2002). Les régions frontales,
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 197
7. IMAGERIES FONCTIONNELLES
Les progrès rapides des neurosciences durant ces deux dernières
décennies permettent de préciser, en intégrant les données de neuro-
imagerie, neuropsychologiques, génétiques et neurochimiques, les compo-
santes cérébrales impliquées dans les TDA-H. Comme nous l’avons décrit
plus haut, les études développementales et structurelles précisent le repé-
rage des frontières entre les aspects liés à l’âge et les différences liées aux
spécificités du TDA-H, des structures et des réseaux neuronaux méritant
d’être investiguées par des techniques d’imagerie cérébrale. Les approches
d’imagerie fonctionnelle s’intéressent surtout aux régions cérébrales qui sont
impliquées dans l’attention soutenue ou divisée, les fonctions exécutives, la
mémoire de travail, le contrôle moteur, l’inhibition de réponse ou d’inter-
férence, la temporalité motrice, la discrimination ou la prévision temporelle,
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 199
de parents qui préfèrent ne pas donner une médication à leur enfant. Les
approches psychothérapeutiques cognitivo-comportementales des enfants
et des adolescents TDA-H ont été la seconde étape avec le développement
progressif de stratégies spécifiques prenant en compte les caractéristiques du
TDA-H, liées à la triade classique inattention/hyperactivité/impulsivité, ainsi
que les problèmes exécutifs dans la vie quotidienne. Malgré leur efficacité
initiale, les traitements cognitivo-comportementaux ont aussi des limitations
importantes. Les enfants avec un TDA-H ont tendance sur la durée à pré-
senter des symptômes persistants (Swanson et al., 2001), et des difficultés
relationnelles avec leurs pairs (Hoza et al., 2005). Par ailleurs, les traitements
médicamenteux et les interventions cognitivo-comportementales ont tendance
à ne pas entraîner une disparition des difficultés sous-jacentes et ne pas être
poursuivies sur la durée (Chronis et al., 2004 ; Chronis et al., 2003).
Des interventions psycho-éducatives concernant des enfants ayant
un TDA-H, des parents et des enseignants, se sont développées depuis la fin
des années 1970 sous la forme de programmes d’entraînement ou de coa-
ching parental, puis d’interventions centrées sur les enfants et ensuite sur
les adolescents avec un TDA-H (Barkley, 2006). Des études qualitatives vont
dans le sens de l’expérience clinique selon laquelle ces approches entraînent
souvent une amélioration significative des comportements parentaux, des
relations familiales et du fonctionnement psychosocial de l’enfant souffrant
avec un TDA-H (Pelham, Jr. & Fabiano, 2008).
Le TDA-H est une affection comportant une chronicité dans une
proportion importante de situations, et qui nécessite des interventions
pluridisciplinaires agissant sur les différents domaines concernés par ce
syndrome – neurobiologiques, neuropsychologiques, comportementales,
environnementales et relationnelles –, tout en identifiant les particularités
de chaque sujet, les troubles associés ainsi que les ressources personnelles
et de l’entourage.
Les données provenant des études d’imagerie cérébrale et neuro-
psychologiques permettent de préciser les dysfonctionnements cognitifs et
comportementaux spécifiques au TDA-H et de les intégrer dans les stratégies
des prises en charge, des interventions et des accompagnements des sujets
avec un TDA-H. Nous allons nous intéresser à leurs applications cliniques
et pédagogiques.
9. STRATÉGIES PÉDAGOGIQUES
LIÉES AU TDA-H
Durant les années 1990, les stratégies d’intervention ont privilégié
les approches médicamenteuses et cognitivo-comportementales qui ont été
au centre de la MTA Study (Multimodal Treatment of ADHD) du National
202 Neurosciences et cognition : perspectives pour les sciences de l’éducation
(Rabiner, Murray, Skinner, & Malone, 2010). Les résultats signalent une
diminution des problèmes d’attention selon les enseignants, une améliora-
tion de la fluence de la lecture et des performances scolaires. La persistance
des problèmes d’attention est associée à des résultats scolaires faibles dans
différents domaines.
Les trainings informatisés sont devenus ces dernières années l’enjeu
de marchés commerciaux très importants. Le Dr Kawashima’s Brain
Training commercialisé par Nintendo est un succès commercial mondial.
Des programmes comme Mindsparke (2011), Lumosity (2011), Jungle
Memory (2011) et Captain’s Log (Sanford & Brown, 1988) mentionnent
une augmentation des capacités intellectuelles. Le programme Cogmed
concernant en particulier la mémoire de travail développé sous l’impulsion
de Klingberg et al. (2005) a été développé initialement pour des enfants
ayant un TDA-H, et il fait l’objet de publications scientifiques sur son effi-
cacité. Pour ces raisons, nous ne présenterons pas dans ce texte d’autres
entraînements informatisés.
Ces programmes cognitifs informatisés sont intéressants, mais ils
sont contraignants et nécessitent une motivation importante des sujets et
un cadre parental permettant leur réalisation jusqu’à leur terme. À titre
d’exemple, le programme Cogmed comprend 25 séances d’entraînement
d’une durée de 30’ à 45’ selon le niveau de difficulté des tâches cognitives.
Les sujets doivent en principe faire 5 séances d’entraînement par semaine
sur une durée de 5 semaines. L’expérience clinique et les données actuelles
signalent l’utilité de poursuivre cet entraînement sur une période prolongée,
par exemple 6 mois, voire 1 an, mais ceci de manière intermittente.
Ce training a été conçu en tenant compte de la longueur et du degré
de complexité des exercices à effectuer, de la présentation et de la variabilité
des stimuli. Les explications des exercices sont clairement présentées dans
un langage adapté à l’âge des sujets. Les participants sont confrontés à des
exercices qui augmentent progressivement en difficulté au fur et à mesure
que les sujets les réussissent. Mais leur niveau de difficulté diminue rapide-
ment dès qu’un sujet se trouve confronté à plusieurs échecs. Le but est de
favoriser les efforts du participant pour trouver des stratégies personnelles
qui lui permettent de progresser dans la difficulté des exercices et de main-
tenir la motivation de poursuivre le training jusqu’à la fin. Un jeu est aussi
proposé comme récompense immédiate en tenant compte des difficultés des
enfants ayant un TDA-H de maintenir une motivation et un engagement lors
de récompenses différées dans le temps.
Un autre volet important est la participation durant tout ce proces-
sus d’un clinicien ou d’un coach expérimenté dans le TDA-H qui investigue
tout d’abord si le sujet a effectivement un TDA-H et des difficultés exé-
cutives, en particulier des problèmes de mémoire de travail. Le professionnel
206 Neurosciences et cognition : perspectives pour les sciences de l’éducation
sur les fonctions exécutives (Giroux, Parent, & Guay, 2010) en réfléchissant
avec le sujet sur ses propres processus cognitifs à partir de ses expériences
durant le training, et en les mettant en perspective avec son fonctionnement
dans la vie quotidienne. La conjonction de ces deux formes de remédiation
cognitive permet au sujet de prendre plus conscience de ses difficultés, mais
aussi de ses ressources personnelles et des stratégies qui lui correspondent.
Cette dynamique permet de mettre en avant les expériences de motiva-
tion et de persévérance en relation avec les délais de renforcement et de
récompense qui sont souvent plus courts dans le TDA-H (Sonuga-Barke &
Halperin, 2010).
Notre pratique clinique nous montre que les enfants ayant un
TDA-H peuvent souvent faire différentes expériences positives. D’une
part, ils se confrontent dans un contexte non scolaire à des expériences
d’échec qui peuvent être dépassées en utilisant d’autres stratégies cogni-
tives, ou qui persistent malgré des efforts en ne comportant pas de consé-
quences dramatiques. Ils prennent ainsi plus conscience des effets de la
réflexion et de la persévérance, et aussi des limites personnelles propres
à la condition humaine. Les enfants font aussi une expérience positive
d’autonomie par rapport aux parents et se rendent souvent compte qu’ils
ont des capacités cognitives qui ne sont pas assez mises en évidence dans
le cadre scolaire.
Les adolescents peuvent également observer des améliorations de
leurs capacités d’attention, une diminution des problèmes quotidiens liés en
grande partie au TDA-H (p. ex., oublis d’affaires ou de matériels scolaires),
ainsi qu’une augmentation de leur motivation à entreprendre des activités
et de leur confiance en eux. Ces observations cliniques sont aussi souvent
décrites par les parents sur leur enfant et rejoignent les informations recueil-
lies dans certaines études comme celle du groupe de Rosemary Tannock
(Gropper, Gotlieb, Kronitz, & Tannock, 2014). Mais il est important de rele-
ver que ces effets positifs observés cliniquement ne sont pas nécessairement
liés directement à un training cognitif, comme celui de Cogmed, et reflètent
aussi des effets non spécifiques induits par le contexte relationnel entre le
patient, ses parents et le clinicien, ainsi que par des aspects liés à l’investis-
sement des parents et des participants à ce type d’approche.
Notre expérience clinique nous montre qu’un entraînement cogni-
tif informatisé, comme Cogmed, met également en évidence le rôle de la
clarté des instructions, de l’adéquation des tâches avec les spécificités du
TDA-H, de l’expérience des réussites et des échecs, de la persévérance et
de l’évaluation des moments de pause ou de différer la tâche à un moment
plus approprié. Ces différents aspects se retrouvent aussi dans la pédagogie
et dans les apprentissages scolaires et professionnels des sujets ayant un
TDA-H.
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 209
12. CONCLUSIONS
Le TDA-H est le trouble pédopsychiatrique et développemental
le plus fréquent de l’enfance et de l’adolescence. La convergence des
données scientifiques provenant des dimensions génétiques, neurobio-
logiques, neuropsychologiques et cliniques signale le rôle des facteurs
neuro-développementaux dans l’émergence et la nature des symptômes
caractéristiques. Les recherches neurobiologiques récentes en particu-
lier d’imagerie cérébrale apportent de nouvelles pistes de compréhen-
sion très intéressantes sur la nature des difficultés des sujets ayant un
TDA-H, et sur l’intrication entre les symptômes classiques de la triade
« inattention-hyperactivité-impulsivité », les difficultés exécutives, la
motivation, la sensibilité aux récompenses immédiates et les prises de
décisions impulsives. Les progrès de nos connaissances sur le TDA-H
permettent de mieux cibler les approches pédagogiques en agissant à
la fois sur les symptômes liés à cette triade et sur les difficultés exécu-
tives. Ces interventions nécessitent une compréhension profonde des
spécificités des TDA-H et des stratégies favorisant aussi la participation
des élèves ayant un TDA-H, en tenant compte des besoins individuels et
de la dynamique de la classe. Ces pratiques pédagogiques possèdent un
impact à la fois sur les problématiques spécifiques liées au TDA-H et sur
la motivation, la gestion de la frustration et de la récompense ainsi que
sur l’estime de soi.
Dans l’attente de nouvelles données scientifiques, les entraînements
cognitifs représentent une piste intéressante en complément des approches
habituelles chez les patients ayant un TDA-H (p. ex., médication, psycho-
thérapies, coaching). Notre expérience clinique nous montre qu’un entraî-
nement cognitif informatisé comportant des tâches cognitives complexes,
comme Cogmed, peut apporter une aide positive à des enfants et des ado-
lescents avec un TDA-H en leur permettant d’améliorer leur fonctionnement
exécutif dans la vie quotidienne et de prendre plus confiance dans leurs
potentiels cognitifs. Ce type d’entraînement nous montre aussi le rôle de la
clarté des instructions, de l’adéquation des tâches avec les spécificités du
TDA-H, de l’expérience des réussites et des échecs, de la persévérance et
de l’évaluation des moments de pause ou de différer la tâche à un moment
plus approprié. Ces différents aspects se retrouvent aussi dans la pédagogie
et dans les apprentissages scolaires et professionnels des sujets ayant un
TDA-H. Des recherches sont encore nécessaires pour préciser les effets
spécifiques de ces entraînements cognitifs et pour préciser les indications
chez certains groupes de patients, comme en particulier ceux qui présentent
un TDA-H.
210 Neurosciences et cognition : perspectives pour les sciences de l’éducation
RÉFÉRENCES BIBLIOGRAPHIQUES
Ahrendts, J., Rusch, N., Wilke, M., Philipsen, A., Eickhoff, S. B., Glauche, V., … van
Elst, L. T. (2011). Visual cortex abnormalities in adults with ADHD: A structural
MRI study. World Journal of Biological Psychiatry, 12(4), 260-270.
American Psychiatric Association. (2013). Diagnostic and statistical manual of
mental disorders (5th ed.). Arlington, VA: American Psychiatric Publishing.
Amico, F., Stauber, J., Koutsouleris, N., & Frodl, T. (2011). Anterior cingulate cortex
gray matter abnormalities in adults with attention deficit hyperactivity disorder: A
voxel-based morphometry study. Psychiatry Research, 191(1), 31-35.
Anesko, K. M. & O’Leary, S. G. (1983). The effectiveness of brief parent training for
the management of children’s homework problems. Child & Family Behavior
Therapy, 4(2-3), 113-126.
Asherson, P., Kuntsi, J., & Taylor, E. (2005). Unravelling the complexity of attention-
deficit hyperactivity disorder: a behavioural genomic approach. British Journal
of Psychiatry, 187(2), 103-105.
Bader, M. & Hadjikhani, N. (2013). The concept of instability: A French perspective
of ADHD. ADHD Attention Deficit Hyperactivity Disorder, 6(1), 11-17.
Barkley, R. A. (1997). Behavioral inhibition, sustained attention, and executive func-
tions: constructing a unifying theory of ADHD. Psychological Bulletin, 121(1),
65-94.
Barkley, R. A. (2006). Attention-deficit Hyperactivity Disorder: A Handbook for
Diagnosis And Treatment. New York, NY: Guilford Press.
Biederman, J. & Faraone, S. V. (2005). Attention-deficit hyperactivity disorder. Lan-
cet, 366(9481), 237-248.
Bledsoe, J., Semrud-Clikeman, M., & Pliszka, S. R. (2009). A magnetic resonance
imaging study of the cerebellar vermis in chronically treated and treatment-naive
children with attention-deficit/hyperactivity disorder combined type. Biological
Psychiatry, 65(7), 620-624.
Bourneville, D. M. (1888). Imbécillité légère, instabilité mentale avec perversion
des instincts et impulsions génitales (kleptomanie, onanisme, sodomie, syphilis).
In E. Lecrosnier & Babé (Eds.), Recherches cliniques et thérapeutiques sur
l’épilepsie et l’idiotie : compte rendu du service des enfants idiots, épilep-
tiques et arriérés de Bicêtre pendant l’année 1887 (pp. 61-76). Paris, France:
Progrès médical.
Bourneville, D. M. (1897). Lettre aux membres de la 3e Commission du Conseil
général de la Seine sur la création de classes spéciales pour les enfants
arriérés. Bicêtre : imprimerie des enfants (Lettre datée du 10 décembre 1896).
Bradley, C. (1937). The behavior of children receiving benzedrine. American Jour-
nal of Psychiatry, 94(3), 577-585.
Bush, G. (2010). Attention-deficit/hyperactivity disorder and attention networks.
Neuropsychopharmacology, 35(1), 278-300.
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 211
Crichton, A. (1798). An inquiry into the nature and origin of mental derange-
ment: comprehending a concise system of the physiology and pathology of the
human mind. And a history of the passions and their effects (vol. 2). London,
England : T. Cadell, Junior and W. Davies.
Cubillo, A., Halari, R., Smith, Anna, Taylor, E., & Rubia, K. (2012). A review of fronto-
striatal and fronto-cortical brain abnormalities in children and adults with Atten-
tion Deficit Hyperactivity Disorder (ADHD) and new evidence for dysfunction in
adults with ADHD during motivation and attention. Cortex, 48(2), 194-215.
Depue, B. E., Burgess, G. C., Bidwell, L. C., Willcutt, E. G., & Banich, M. T. (2010).
Behavioral performance predicts grey matter reductions in the right inferior frontal
gyrus in young adults with combined type ADHD. Psychiatry Research, 182(3),
231-237.
Douglas, V. I., Parry, P., Marton, P., & Garson, C. (1976). Assessment of a cognitive
training program for hyperactive children. Journal of Abnormal Child Psychol-
ogy, 4(4), 389-410.
Douglas, V. I. (1988). Cognitive deficits in children with attention deficit disorder
with hyperactivity. In L. M. Bloomingdale & J. Sergeant (Eds.), Attention deficit
disorder: Criteria, cognition, intervention (pp. 65-81) [Book supplement to the
Journal of Child Psychology and Psychiatry, 5]. New York, NY: Pergamon Press.
Duncan, J. & Owen, A. M. (2000). Common regions of the human frontal lobe
recruited by diverse cognitive demands. Trends in Neurosciences, 23(10),
475-483.
DuPaul, G. J. & Eckert, T. L. (1997). The effects of school-based interventions for
Attention Deficit Hyperactivity Disorder: A meta-analysis. School Psychology
Review, 26(1), 5-27.
DuPaul, G. J., Ervin, R. A., Hook, C. L., & McGoey, K. E. (1998). Peer tutoring for
children with attention deficit hyperactivity disorder: effects on classroom behav-
ior and academic performance. Journal of Applied Behavior Analysis, 31(4),
579-592.
DuPaul, G. J. & Stoner, G. (1994). ADHD in the schools: Assessment and interven-
tion strategies. New York, NY: Guilford Press.
DuPaul, G. J., Weyandt, L. L., O’Dell, S. M., & Varejao, M. (2009). College students
with ADHD: current status and future directions. Journal of Attention Disorders,
13(3), 234-250.
Dupré, E. (1913). Débilité et désiquilibration motrices. Paris, France: Médical.
Ellison-Wright, I., Ellison-Wright, Z., & Bullmore, E. (2008). Structural brain change
in Attention Deficit Hyperactivity Disorder identified by meta-analysis. BMC Psy-
chiatry, 8(1), 51.
Ervin, R. A., DuPaul, G. J., Kern, L., & Friman, P. C. (1998). Classroom-based func-
tional and adjunctive assessments: proactive approaches to intervention selection
for adolescents with attention deficit hyperactivity disorder. Journal of Applied
Behavior Analysis, 31(1), 65-78.
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 213
Evans, S. W., Axelrod, J., & Langberg, J. M. (2004). Efficacy of a school-based treat-
ment program for middle school youth with ADHD: Pilot data. Behavior Modifica-
tion, 28(4), 528-547.
Evans, S. W., Langberg, J., Raggi, V., Allen, J., & Buvinger, E. (2005). Preliminary
data from the school based treatment for young adolescents with ADHD. Journal
of Attention Disorders, 9(1), 343-353.
Faraone, S. V. (2005). The scientific foundation for understanding attention-deficit /
hyperactivity disorder as a valid psychiatric disorder. European Child Adolescent
Psychiatry, 14(1), 1-10.
Faraone, S. V. & Biederman, J. (1998). Neurobiology of attention-deficit hyperactivity
disorder. Biological Psychiatry, 44(10), 951-958.
Faraone, S. V. & Biederman, J. (2004). Neurobiology of Attention Deficit Hyperac-
tivity Disorder. In D. S. Charney & E. J. Nestler (Eds.), Neurobiology of Mental
Illness. New York, NY: Oxford University Press.
Faraone, S. V., Perlis, R. H., Doyle, A. E., Smoller, J. W., Goralnick, J. J., Holmgren,
M. A., & Sklar, P. (2005). Molecular genetics of attention-deficit/hyperactivity dis-
order. Biological Psychiatry, 57(11), 1313-1323.
Gibson, B. S., Gondoli, D. M., Johnson, A. C., Steeger, C. M., Dobrzenski, B. A., &
Morrissey, R. A. (2011). Component analysis of verbal versus spatial working
memory training in adolescents with ADHD: a randomized, controlled trial. Child
Neuropsychology, 17(6), 546-563.
Gibson, B. S., Kronenbergen, W. G., Gondoli, D. M., Johnson, A. C., Morrissey, R. A.,
& Steeger, C. M. (2012). Component analysis of simple span vs. complex span
adaptive working memory exercises: A randomized, controlled trial. Journal of
Applied Research in Memory and Cognition, 1(3), 179-184.
Giroux, S., Parent, V., & Guay, M.-C. (2010). La remédiation cognitive et la remé-
diation métacognitive pour les personnes ayant un TDAH : deux stratégies
d’intervention novatrices et pourquoi pas complémentaires ? Journal de thérapie
comportementale et cognitive, 20(3), 87-92.
Goyette, C. H., Conners, C. K., & Ulrich, R. F. (1978). Normative data on revised
Conners Parent and Teacher Rating Scales. Journal of Abnormal Child Psycho-
logy, 6(2), 221-236.
Greenwood, C. R., Delquatri, J., & Carla, J. J. (1988). Classwide peer tutoring.
Seattle, WA: Educational Achievement Systems.
Gropper, R. J., Gotlieb, H., Kronitz, R., & Tannock, R. (2014). Working Memory
Training in College Students With ADHD or LD. Journal of Attention Disorders,
18(4), 331-345.
Habboushe, D. F., Daniel-Crotty, S., Karustis, J. L., Leff, S. S., Costigan, T. E., Gold-
stein, S. G., … Power, T. J. (2001). A family-school homework intervention program
for children with attention-deficit/hyperactivity disorder. Cognitive and Behav-
ioral Practice, 8(2), 123-136.
Halperin, J. M. & Healey, D. M. (2011). The influences of environmental enrichment,
cognitive enhancement, and physical exercise on brain development: can we alter
214 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Jaeggi, S. M., Buschkuehl, M., Jonides, J., & Shah, P. (2012). Cogmed and working
memory training. Current challenges and the search for underlying mechanisms.
Journal of Applied Research in Memory and Cognition, 1(3), 211-213.
Jaeggi, S. M., Buschkuehl, M., Jonides, J., & Shah, P. (2011). Short- and long-term
benefits of cognitive training. PNAS, Proceedings of the National Academy of
Sciences, 108(25), 10081-10086.
Jaeggi, S. M., Studer-Luethi, B., Buschkuehl, M., Su, Y. F., Jonides, J., & Perrig, W. J.
(2010). The relationship between n-back performance and matrix reasoning: impli-
cations for training and transfer. Intelligence, 38(6), 625-635.
Jensen, P. S., Arnold, L. E., Swanson, J. M., Vitiello, B., Abikoff, H. B., Greenhill,
L. L., … Hur, K. (2007). 3-year follow-up of the NIMH MTA study. Journal of the
American Academy of Child and Adolescent Psychiatry, 46(8), 989-1002.
Jungle Memory. (2011). How it works. Retrieved from http://junglememory.com/
pages/ howitworks
Kerns, K., Eso, K., & Thomson, J. (1999). Investigation of a Direct Intervention for
Improving Attention in Young Children With ADHD. Developmental Neuropsy-
chology, 16(2), 273-295.
Klingberg, T. (2010). Training and plasticity of working memory. Trends in Cognitive
Sciences, 14(7), 317-324.
Klingberg, T., Fernell, E., Olesen, P. J., Johnson, M., Gustafsson, P., Dahlström, K.,
… Westerberg, H. (2005). Computerized training of working memory in children
with ADHD- A randomized, controlled trial. Journal of the American Academy
of Child & Adolescent Psychiatry, 44(2), 177-186.
Klingberg, T., Forssberg, H., & Westerberg, H. (2002). Training of working memory
in children with ADHD. Journal of Clinical and Experimental Neuropsycho-
logy, 24(6), 781-791.
Konrad, K. & Eickhoff, S. B. (2010). Is the ADHD brain wired differently? A review
on structural and functional connectivity in attention deficit hyperactivity disorder.
Human Brain Mapping, 31(6), 904-916.
Krain, A. L. & Castellanos, F. X. (2006). Brain development and ADHD. Clinical
Psychology Review, 26(4), 433-444.
Lasky-Su, J., Anney, R. J., Neale, B. M., Franke, B., Zhou, K., Maller, J. B., … Fara-
one, S. V. (2008). Genome-wide association scan of the time to onset of attention
deficit hyperactivity disorder. American Journal of Medical Genetics Part B:
Neuropsychiatric Genetics, 147B(8), 1355-1358.
Laufer, M. W. & Denhoff, E. (1957). Hyperkinetic behavior syndrome in children. The
Journal of pediatrics, 50(4), 463-474.
Lowe, N., Kirley, A., Hawi, Z., Sham, P., Wickham, H., Kratochvil, C. J., … Gill,
M. (2004). Joint analysis of the DRD5 marker concludes association with
attention-deficit /hyperactivity disorder confined to the predominantly inattentive
and combined subtypes. The American Journal of Human Genetics, 74(2),
348-356.
216 Neurosciences et cognition : perspectives pour les sciences de l’éducation
for child and adolescent disorders: Empirically based strategies for clinical
practice (2nd ed., pp. 377-409). Washington, DC: American Psychological Asso-
ciation.
Pelham, W. E., Jr. & Fabiano, G. A. (2008). Evidence-based psychosocial treatments
for attention-deficit/hyperactivity disorder. Journal of Clinical Child & Adoles-
cent Psychology, 37(1), 184-214.
Petersen, S. E. & Posner, M. I. (2012). The attention system of the human brain:
20 years after. Annual Review of Neuroscience, 35, 73.
Philippe, J. & Paul-Boncour, G. (1905). Les anomalies mentales chez les écoliers.
Étude médico-pedagogique. Paris, France: Alcan.
Pliszka, S. R., Glahn, D. C., Semrud-Clikeman, M., Franklin, C., Perez, R., III, Xiong, J.,
& Liotti, M. (2006). Neuroimaging of inhibitory control areas in children with
attention deficit hyperactivity disorder who were treatment naive or in long-term
treatment. American Journal of Psychiatry, 163(6), 1052-1060.
Posner, M. I. & Rothbart, M. K. (1998). Attention, self-regulation and consciousness.
Philosophical Transactions of the Royal Society of Londons. Series B: Biologi-
cal Sciences, 353(1377), 1915-1927.
Rabiner, D. L., Murray, D. W., Skinner, A. T., & Malone, P. S. (2010). A randomized
trial of two promising computer-based interventions for students with attention
difficulties. Journal of Abnormal Child Psychology, 38(1), 131-142.
Raggi, V. L. & Chronis, A. M. (2006). Interventions to address the academic impair-
ment of children and adolescents with ADHD. Clinical Child and Family Psy-
chological Review, 9(2), 85-111.
Raichle, M. E., MacLeod, A. M., Snyder, A. Z., Powers, W. J., Gusnard, D. A., & Shul-
man, G. L. (2001). A default mode of brain function. Proceedings of the National
Academy of Sciences, 98(2), 676-682.
Rietveld, M. J., Hudziak, J. J., Bartels, M., Van Beijsterveldt, C. E., & Boomsma, D. I.
(2003). Heritability of attention problems in children: I. Cross-sectional results
from a study of twins, age 3-12 years. American Journal of Medical Genetics
Part B : Neuropsychiatric Genetics, 117B(1), 102-113.
Rubia, K. (2011). “Cool” Inferior Frontostriatal Dysfunction in Attention-Deficit /
Hyperactivity Disorder Versus “Hot” Ventromedial Orbitofrontal-Limbic Dysfunc-
tion in Conduct Disorder: A Review. Biological Psychiatry, 69(12), e69-e87.
Rubia, K., Overmeyer, S., Taylor, E., Brammer, M., Williams, S. C., Simmons, A., &
Bullmore, E. T. (1999). Hypofrontality in attention deficit hyperactivity disorder
during higher-order motor control: a study with functional MRI. American Jour-
nal of Psychiatry, 156(6), 891-896.
Sanford, J. A. & Brown, R. J. (1988). Captain’s Log Cognitive System. Richmond,
VA: Brain Train, Inc.
Seidman, L. J., Biederman, J., Liang, L., Valera, E. M., Monuteaux, M. C., Brown, A.,
… Makris, N. (2011). Gray matter alterations in adults with attention-deficit/hyper-
activity disorder identified by voxel based morphometry. Biological Psychiatry,
69(9), 857-866.
218 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Semrud-Clikeman, M., Nielsen, K. H., Clinton, A., Sylvester, L., Parle, N., & Connor,
R. T. (1999). An intervention approach for children with teacher and parent-
identified attentional difficulties. Journal of Learning Disabilities, 32(6),
581-590.
Semrud-Clikeman, M., Pliszka, S. R., Lancaster, J., & Liotti, M. (2006). Volumetric
MRI differences in treatment-naive vs chronically treated children with ADHD.
Neurology, 67(6), 1023-1027.
Sergeant, J. A., Geurts, H., & Oosterlaan, J. (2002). How specific is a deficit of execu-
tive functioning for attention-deficit/hyperactivity disorder? Behavioural Brain
Research, 130(1-2), 3-28.
Shalev, L., Tsal, Y., & Mevorach, C. (2007). Computerized progressive attentional
training (CPAT) program: Effective direct intervention for children with ADHD.
Child Neuropsychology, 13(4), 382-388.
Shaw, P., Eckstrand, K., Sharp, W., Blumenthal, J., Lerch, J. P., Greenstein, D., …
Rapoport, J. L. (2007). Attention-deficit/hyperactivity disorder is characterized by
a delay in cortical maturation. Proceedings of the National Academy of Sciences,
104(49), 19649-19654.
Shaw, P., Gilliam, M., Liverpool, M., Weddle, C., Malek, M., Sharp, W., … Giedd,
J. (2011). Cortical development in typically developing children with symptoms of
hyperactivity and impulsivity: support for a dimensional view of attention deficit
hyperactivity disorder. American Journal of Psychiatry, 168(2), 143-151.
Shaw, P., Malek, M., Watson, B., Greenstein, D., de Rossi, P., & Sharp, W. (2013). Tra-
jectories of cerebral cortical development in childhood and adolescence and adult
attention-deficit/hyperactivity disorder. Biological Psychiatry, 74(8), 599-606.
Shaw, P., Sharp, W. S., Morrison, M., Eckstrand, K., Greenstein, D. K., Clasen, L. S.,
… Rapoport, J. L. (2009). Psychostimulant treatment and the developing cortex
in attention deficit hyperactivity disorder. American Journal of Psychiatry,
166(1), 58-63.
Shipstead, Z., Hicks, K. L., & Engle, R. W. (2012). Cogmed working memory training:
Does the evidence support the claims? Journal of Applied Research in Memory
and Cognition, 1(3), 185-193.
Shipstead, Z., Redick, T. S., & Engle, R. W. (2012). Is working memory training effec-
tive? Psychological Bulletin, 138(4), 628-654.
Sobel, L. J., Bansal, R., Maia, T. V., Sanchez, J., Mazzone, L., Durkin, K., … Peterson,
B. S. (2010). Basal ganglia surface morphology and the effects of stimulant medica-
tions in youth with attention deficit hyperactivity disorder. American Journal of
Psychiatry, 167(8), 977-986.
Sonuga-Barke, E. J. & Castellanos, F. X. (2007). Spontaneous attentional fluctua-
tions in impaired states and pathological conditions: a neurobiological hypothesis.
Neuroscience & Biobehavioral Reviews, 31(7), 977-986.
Sonuga-Barke, E. J. & Halperin, J. M. (2010). Developmental phenotypes and causal
pathways in attention deficit/hyperactivity disorder: potential targets for early
intervention? Journal of Child Psychology and Psychiatry, 51(4), 368-389.
Trouble du déficit d’attention-hyperactivité (TDA-H) de l’enfant 219
Sonuga-Barke, E. J., Brandeis, D., Holtmann M., & Cortese, S. (2014). Computer
based Cognitive Training for ADHD. A Review of Current Evidence. Child and
Adolescent Psychiatric Clinics of North America, 23(4), 807-824.
Still, G. (1902). The Goulstonian lectures on some abnormal physical conditions in
children. Lecture 1. The Lancet, 1, 1008-1013.
Swanson, J. M., Kraemer, H. C., Hinshaw, S. P., Arnold, L. E., Conners, C. K., Abikoff,
H. B., … Wu, M. (2001). Clinical relevance of the primary findings of the MTA:
success rates based on severity of ADHD and ODD symptoms at the end of treat-
ment. Journal of the American Academy of Child & Adolescent Psychiatry,
40(2), 168-179.
Taylor, E. & Rogers, J. W. (2005). Practitioner review: early adversity and develop-
mental disorders. Journal of Child Psychology and Psychiatry, 46(5), 451-467.
Toplak, M. E., Connors, L., Shuster, J., Knezevic, B., & Parks, S. (2008). Review
of cognitive, cognitive-behavioral, and neural-based interventions for Attention-
Deficit /Hyperactivity Disorder (ADHD). Clinical Psychology Review, 28(5),
801-823.
Valera, E. M., Faraone, S. V., Murray, K. E., & Seidman, L. J. (2007). Meta-analysis of
structural imaging findings in attention-deficit/hyperactivity disorder. Biological
Psychiatry, 61(12), 1361-1369.
Volkow, N. D., Wang, G. J., Newcorn, J., Telang, F., Solanto, M. V., Fowler, J. S., …
Swanson, J. M. (2007). Depressed dopamine activity in caudate and preliminary
evidence of limbic involvement in adults with attention-deficit/hyperactivity disor-
der. Archives of General Psychiatry, 64(8), 932-940.
Waldman, I. (2001, June). Meta-Analysis of the DAT-ADHD Association. In Third
Annual ADHD Molecular Genetics Network Meeting, Boston, MA.
Wallon, H. (1925). L’Enfant turbulent: étude sur les retards et les anomalies du
développement moteur et mental. Paris, France: Alcan.
Weiner, R. K., Sheridan, S. M., & Jenson, W. R. (1998). The effects of conjoint
behavioral consultation and a structured homework program on math comple-
tion and accuracy in junior high students. School Psychology Quarterly, 13(4),
281-309.
Weissman, D. H., Roberts, K. C., Visscher, K. M., & Woldorff, M. G. (2006). The neural
bases of momentary lapses in attention. Nature Neuroscience, 9(7), 971-978.
Wigal, T., Greenhill, L., Chuang, S., McGough, J., Vitiello, B., Skrobala, A., … Stehli,
A. (2006). Safety and tolerability of methylphenidate in preschool children with
ADHD. Journal of the American Academy of Child & Adolescent Psychiatry,
45(11), 1294-1303.
Willcutt, E. G., Doyle, A. E., Nigg, J. T., Faraone, S. V., & Pennington, B. F. (2005).
Validity of the executive function theory of attention-deficit/hyperactivity disorder:
a meta-analytic review. Biological Psychiatry, 57(11), 1336-1346.
Willis, T. H. & Lovaas, O. I. (1977). A behavioral approach to treating hyperactive
children: The parent’s role. In J. G. Millichap (Ed.), Learning disabilities and
220 Neurosciences et cognition : perspectives pour les sciences de l’éducation
related disorders: Facts and current issues. Chicago, IL: Year Book Medical
Publishers, Inc.
Zentall, S. S. (1986). Effects of color stimulation on performance and activity of
hyperactive and nonhyperactive children. Journal of Educational Psychology,
78(2), 159-165.
Zentall, S. S. (1993). Research on the educational implications of attention deficit
hyperactivity disorder. Exceptional Children, 60(2), 143-153.
Chapitre
Les bases neurologiques de la prise
8
de risque chez les adolescents :
une revue critique
Vincent LALIBERTÉ, Daina CRAFA et Suparna CHOUDHURY
1. LE CERVEAU DE L’ADOLESCENT :
ÉTAT DE LA RECHERCHE
L’idée que le cerveau des adolescents continue de se développer
pendant cette période est relativement récente. Auparavant, il était plus ou
moins accepté que la maturation du cerveau était relativement terminée à
la puberté. Dans les années 1970, en se basant sur des études post mortem,
des chercheurs ont trouvé que le cerveau poursuit son développement tout
au long de l’adolescence (Huttenlocher, 1979). Les progrès réalisés dans le
domaine des technologies de neuro-imagerie non invasives, en particulier
avec l’Imagerie à résonnance magnétique (IRM), ont entraîné un essor des
recherches sur le cerveau des adolescents au cours des vingt dernières
années. L’IRM offre la possibilité d’obtenir des images de la structure du
224 Neurosciences et cognition : perspectives pour les sciences de l’éducation
2. NEUROSCIENCES ET COMPORTEMENT
À RISQUE CHEZ L’ADOLESCENT :
LE MODÈLE DU DOUBLE SYSTÈME
Le DS (Steinberg, Albert, Cauffman, Banich, Graham, & Woolard,
2008) propose que les adolescents sont enclins à prendre des décisions
impulsives du fait d’un décalage dans le processus de maturation entre les
structures frontales et sous-corticales du cerveau au cours de son dévelop-
pement (Somerville, Hare, & Casey, 2011). Les structures sous-corticales,
qui seraient impliquées dans le traitement des émotions, se développent au
début de l’adolescence alors que le cortex préfrontal, associé avec le raison-
nement et l’inhibition des pulsions se développe plus lentement. Ce modèle
propose que les adolescents seraient submergés par des poussées d’émotions
gratifiantes ou aversives qu’ils ne sont pas encore en mesure de réguler.
Trois structures du cerveau ont été largement étudiées et joueraient un rôle
important dans ce modèle : le cortex préfrontal (CPF) lié à la régulation et
au raisonnement, ainsi que l’amygdale et le striatum ventral (SV) liés respec-
tivement aux comportements de répulsion et d’approche. Une métaphore a
souvent été employée par des chercheurs éminents dans le domaine tels Lau-
rence Steinberg, et Ronald Dahl pour illustrer le modèle (Dahl, 2001). Cette
Les bases neurologiques de la prise de risque chez les adolescents 225
métaphore, qui est également utilisée par les médias grand public, compare
les adolescents à de grosses voitures pleines de carburant (amygdale et
structures du SV) mais n’étant pas équipées de système de freinage ou d’un
conducteur expérimenté (CPF), selon les versions (Payne, 2011). Deux
autres modèles de la prise de risque ont été proposés pour rendre compte
du comportement des adolescents, mais ils ont eu beaucoup moins d’impact
dans la littérature scientifique (Braams et al., 2014) et auprès du public en
général (Park, 2008). Le premier est le « modèle triadique» décrit par Ernst,
Pine et Hardin (2006), qui met l’accent sur l’équilibre fragile entre ces trois
mêmes structures pendant l’adolescence, sans insister sur le développement
chronologique (Braams et al., 2014). Le second, le « modèle du traitement
des informations sociales », proposé par Nelson, Leibenluft, McClure, et
Pine (2005), est plus complexe et a le mérite d’intégrer des éléments de
l’environnement social dans lequel les comportements sont exprimés, ainsi
que les modifications hormonales qui prennent place pendant l’adolescence.
Il prend également en compte d’autres zones du cerveau telles que le gyrus
fusiforme et le sillon temporal supérieur qui feraient partie des « noyaux
interconnectés » et s’influenceraient mutuellement au cours de la période
développementale (Braams et al., 2014).
Deux résultats largement établis à partir des recherches sur les
structures du cerveau en développement sont impliqués dans l’explication
neurologique de la prise de risque, et le développement cognitif en général,
au cours de l’adolescence. Le premier concerne des modifications dans la
proportion des matières grise et blanche dans le cerveau. La matière grise,
correspondant à la densité synaptique, augmente (les synapses prolifèrent
vers la fin de l’enfance) et est suivie d’un processus d’élagage synaptique, ce
qui se traduit sur l’IRM par une réduction de la matière grise (Giedd et al.,
1999). L’hypothèse est que le cerveau se reconfigure en réponse à l’environ-
nement : les connexions non utilisées sont détruites de manière sélective
permettant au final une augmentation globale de l’efficacité (Huttenlocher,
1979 ; Sowell, Thompson, Tessner, & Toga, 2004 ; Spear, 2000). Au cours
de ces années, la myélinisation (un processus de densification de la matière
blanche) intervient, permettant aux régions spécialisées de se connecter
plus rapidement entre elles et de façon plus intégrée (Dosenbach et al.,
2010). En d’autres termes, alors que la densification de la matière blanche
témoigne d’une augmentation de la connectivité structurelle entre les
régions du cerveau, l’élagage de la matière grise reflète un affinement des
connexions neuronales (Giorgio et al., 2010), et ce processus se poursuit
durant l’adolescence jusqu’au début de l’âge adulte (Arain et al., 2013). Le
deuxième résultat important mis en évidence par les recherches sur le cer-
veau concerne le fait que ces modifications morphologiques ne se déroulent
pas de façon simultanée dans les différentes régions du cerveau (Gogtay
et al., 2004). Plus précisément, le développement adopte une trajectoire
226 Neurosciences et cognition : perspectives pour les sciences de l’éducation
pression des pairs dans des situations de la vraie vie (Baird, Silver, & Veague,
2010 ; Schlicht, Shimojo, Camerer, Battaglia, & Nakayama, 2010). De plus,
Forbes et al. (2009, 2010) ont montré que des réponses striatales plus faibles
observées lors de situations de récompense étaient associées à des affects
positifs moins nombreux au quotidien et à des états plus dépressifs. Ceci a
amené Kuppens, Allen et Sheeber (2010) à suggérer que, contrairement à
ce que l’on pensait, la réactivité et la variabilité émotionnelle pourraient être
associées à des ajustements positifs.
Cependant, d’autres recherches en neurosciences cognitives
remettent en question l’idée que les adolescents présentent une suractivation
de la partie du cerveau associée à la récompense, ce qui impliquerait que le
centre du plaisir ou « hédoniste » du cerveau n’est pas limité par un contrôle
cognitif plus mature. En fait, une augmentation de l’activation de différentes
parties du système ventral affectif au cours d’une tâche donnée peut donner
lieu à différentes interprétations. Premièrement, il a été montré que le SV ne
répond pas uniquement à des stimuli positifs, mais également à des stimuli
aversifs, saillants ou nouveaux (Guitart-Masip, Bunzeck, Stephan, Dolan, &
Düzel, 2010 ; Levita et al., 2009 ; Rich et al., 2006). En d’autres termes, la
spécificité n’est pas aussi forte qu’on le pense, ce qui limite les inférences
qui peuvent être établies concernant l’activation du SV pendant la réalisation
d’une tâche. De plus, il a également été montré que, dans certaines condi-
tions, les adolescents peuvent présenter une hypoactivité, et pas de diffé-
rences, comparés aux adultes dans les réponses du VS lors de comportements
impliquant des récompenses (Bjork, Smith, Chen, & Hommer, 2010 ; Geier et
al., 2010 ; Van Leijenhorst et al., 2010). Certains auteurs ont suggéré que ces
résultats pourraient être liés à la phase de récompense concernée par l’étude:
son anticipation, ou le fait de la recevoir. Plus précisément, c’est au cours de
la phase de réception de la récompense que l’activation du striatum est aug-
mentée pendant l’adolescence (Bjork et al., 2004 ; Bjork et al., 2010 ; Geier et
al., 2010). Les résultats concernant la phase anticipatoire de la récompense
sont mitigés, ce qui suggère que le DS proposé par Somerville et al. (2011)
ne suffit pas à expliquer entièrement ces incohérences.
Ces différents résultats tendent à montrer que le DS est trop sim-
pliste pour capturer la complexité du phénomène étudié. L’implication du
SV dans la régulation émotionnelle contredit le DS dans la mesure où le
‘frein’, dans la métaphore de la voiture, n’est pas supposé correspondre aux
structures sous-corticales du cerveau mais plutôt aux lobes frontaux qui se
développent plus tardivement. Par ailleurs, une plus grande activation de
la partie sous-corticale du cerveau pourrait être liée à la tâche spécifique
utilisée plutôt qu’à l’âge des participants. Enfin, d’autres facteurs qui ne sont
pas pris en compte dans ce modèle, tels que des facteurs hormonaux ou des
aspects sociaux (Braams et al., 2014), pourraient avoir un rôle médiateur
sur les effets observés.
232 Neurosciences et cognition : perspectives pour les sciences de l’éducation
étaient seuls ou lorsqu’ils étaient avec des pairs, et ont analysé en temps réel
les données de neuro-imagerie obtenues par l’IRMf. Cette étude a montré
une augmentation de l’activité du système de récompense du cerveau – le
SV et le cortex orbito-frontal (OFC) – lorsque les adolescents conduisaient
en étant observés par les pairs. Le même groupe de chercheurs, avec Chein
et Steinberg (2014) ont réalisé récemment une autre étude qui montre que
la tendance à prendre plus de risques se manifeste même en présence d’un
observateur inconnu, du même sexe et du même âge que le participant
(Weigard, Chein, Albert, Ashley Smith, & Steinberg, 2014).
Sur la base des expériences impliquant la présence ou non de pairs,
ces auteurs concluent que les adolescents sont plus enclins que les adultes
à présenter des comportements à risques. Ce fait serait à mettre en lien
avec une activation plus importante des régions impliquées dans le système
de récompense (Chein et al., 2011). Ces auteurs ont observé que pendant
la prise de risque les régions du cerveau associées avec le contrôle cognitif
étaient moins actives chez les adolescents que chez les adultes. Conformé-
ment au DS et à la prise de risque pendant l’adolescence, l’interprétation de
ces résultats serait que « la présence de pairs pourrait amorcer le système
de traitement de la récompense afin que ce dernier réagisse à des indices
signalant les récompenses potentielles des comportements à risque » (Chein
et al., 2011, p. F2). Les auteurs expliquent que « l’effet d’encouragement
à prendre des risques induit par la présence de pairs chez les adolescents
pourrait être lié à une “vulnérabilité” neurologique qui émerge du fait de la
maturation dysharmonique des systèmes du cerveau responsables de la prise
de décision3 » (Chein et al., 2011, p. F7).
L’introduction d’éléments du contexte social dans les études expé-
rimentales est sans aucun doute une étape importante pour mieux appré-
hender les phénomènes étudiés. Cependant, il semble que cela induit une
tendance à un retour en arrière lors de l’interprétation des résultats. De
plus, l’environnement du laboratoire est possiblement assez éloigné de
l’environnement habituel des jeunes participants. La grande majorité des
études abordant les réactions des adolescents face aux récompenses et
aux menaces ont utilisé des motivateurs financiers. C’est-à-dire la même
motivation que pour des études menées avec des adultes, en dépit du fait
que cette notion abstraite puisse paraître moins importante pour des jeunes
(Crone & Dahl, 2012). En revanche, il est possible que le contexte le plus
pertinent en termes de récompense/menace chez les adolescents soit le rejet
d’un groupe social, ou une déception amoureuse, plutôt qu’une prise de
décision financière. Finalement, Romer et al. (2011) remettent en question
l’idée que l’adolescence soit marquée par une diminution relative des fonc-
tions cognitives par rapport à ce qui est observé à l’âge adulte. Ces auteurs
ont montré qu’il n’y avait pas de déficit au niveau des fonctions exécutives
pendant cette période. Cependant, ils mettent également en évidence des
236 Neurosciences et cognition : perspectives pour les sciences de l’éducation
pour de nombreuses années après (Schlegel & Barry, 1991). Les adolescents
sont soumis aux contradictions de multiples discours, du point de vue légal,
scientifique et social, qui limitent leur autonomie du fait de leur jeune âge
tout en les décrivant en des termes qui leur confèrent ou retirent diverses
responsabilités.
4. CONCLUSION
Dans ce chapitre, nous avons présenté une revue de la recherche en
neurosciences cognitives sur le sujet de la prise de risque chez les adoles-
cents. Nous avons mis en évidence la diversité, la complexité et la flexibilité
interprétative des données qui amènent à questionner l’a priori négatif qui
caractérise la recherche contemporaine sur l’adolescence, un thème qui
remonte aux premières études menées sur le sujet par G. Stanley Hall au
début du XXe siècle. Comme l’explique le philosophe scientifique Ian Hacking
(e.g., 1996), lorsqu’un groupe est affublé d’une étiquette et d’un discours
scientifique, cela peut avoir des effets transformatifs jusqu’au niveau biolo-
gique au travers d’« effets de boucle » (looping effects). Étant donné que ces
modèles sont maintenant connus bien au-delà du contexte du laboratoire, y
compris par les adolescents eux-mêmes, nous avons suggéré que le modèle
mérite qu’on lui prête une attention toute particulière (Choudhury, 2009).
La tendance qu’ont les adolescents à repousser leurs limites en explorant,
et parfois même en prenant des risques, a été réduite à des problématiques
de santé publique qui sont simplifiées comme étant le résultat de cerveaux
immatures dans le cadre de certaines recherches et surtout dans leur vul-
garisation. Nous avons abordé essentiellement l’approche qui considère que
les comportements des adolescents peuvent s’expliquer par une immaturité
Les bases neurologiques de la prise de risque chez les adolescents 241
RÉFÉRENCES BIBLIOGRAPHIQUES
Arain, M., Haque, M., Johal, L., Mathur, P., Nel, W., Rais, A., … Sharma, S. (2013).
Maturation of the adolescent brain. Neuropsychiatric Disease and Treatment,
9, 449-461.
Arnett, J. J. (2006). G. Stanley Hall’s Adolescence: Brilliance and nonsense. History
of Psychology, 9(3), 186.
Aronson, J. (2007). Brain imaging, culpability and the juvenile death penality. Psy-
chology, Public Policy, and Law, 13(2), 115-142.
Asato, M. R., Terwilliger, R., Woo, J., & Luna, B. (2010). White matter development
in adolescence: A DTI study. Cerebral Cortex, 20(9), 2122-2131.
Astle, D. E. & Scerif, G. (2009). Using developmental cognitive neuroscience to
study behavioral and attentional control. Developmental Psychobiology, 51(2),
107-118.
Baird, A. A., Silver, S. H., & Veague, H., B. (2010). Cognitive control reduces sensi-
tivity to relational aggression among adolescent girls. Social Neuroscience, 5(5-6),
519-532.
BBC News. (2014, February 18). Negative stereotypes “hurting teenage job pros-
pects”. Consulté sur www.bbc.com/news/uk-26230410.
Berns, G. S., Moore, S., & Capra, C. M. (2009). Adolescent engagement in dangerous
behaviors is associated with increased white matter maturity of frontal cortex.
PLoS ONE, 4(8), e6773. doi: 10.1371/journal.pone.0006773
Bjork, J. M., Smith, A. R., Chen, G., & Hommer, D. W. (2010). Adolescents, adults
and rewards: Comparing motivational neurocircuitry recruitment using fMRI. PLoS
ONE, 5, e11440.wwww
Bjork, J. M., Knutson, B., Fong, G. W., Caggiano, D. M., Bennett, S. M., & Hommer,
D. W. (2004). Incentive-elicited brain activation in adolescents: Similarities and
differences from young adults. Journal of Neuroscience, 24(8), 1793-1802.
Blakemore, S. J. & Mills, K. L. (2013). Is adolescence a sensitive period for sociocul-
tural processing? Annual Review of Psychology, 65, 187-207
Blakemore, S. J. & Robbins, T. W. (2012). Decision-making in the adolescent brain.
Nature Neuroscience, 15(9), 1184-1191.
Booth, J. R., Burman, D. D., Meyer, J. R., Lei, Z., Trommer B. L., Davenport, N. D., …
Mesulam, M. M. (2003). Neural development of selective attention and response
inhibition. Neuroimage, 20(2), 737-751.
Braams, B. R., Van Leijenhorst, L., & Crone, E. A. (2014). Risks, rewards, and the
developing brain in childhood and adolescence. In V. F. Reyna & V. Zayas (Eds.),
The neuroscience of risky decision-making (pp. 73-91). Washington, DC: Ameri-
can Psychological Association.
Brahmbhatt, S. B., McAuley, T., & Barch, D. M. (2008). Functional development simi-
larities and differences in the neural correlates of verbal and nonverbal working
memory tasks. Neuropsychologia, 46(4), 1020-1031.
244 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Bunge, S. A., Dudukovic, N. M., Thomason, M. E., Vaidya, C. J., & Gabrieli, J. D.
(2002). Immature frontal lobe contributions to cognitive control in children: Evi-
dence from fMRI. Neuron, 33(2), 301-311.
Bunge, S. A. & Wright, S. B. (2007). Neurodevelopmental changes in working memory
and cognitive control. Current Opinion in Neurobiology, 17(2), 243-250.
Burnett, S., Bault, N., Coricelli, G., & Blakemore, S. J. (2010). Adolescents’ height-
ened risk-seeking in a probabilistic gambling task. Cognitive Development, 25(2),
183-196.
Burnett, S., Sebastian, C., Cohen-Kadosh, K., & Blakemore, S.-J. (2014). The social
brain in adolescence: Evidence from functional magnetic resonance imaging
and behavioural studies. Neuroscience and Biobehavioural Reviews, 35(8),
1654-1664.
Carp, J. (2012). The secret lives of experiments: Methods reporting in the fMRI
literature. Neuroimage, 63(1), 289-300.
Case, R. (1992). The role of the frontal lobes in the regulation of cognitive develop-
ment. Brain and cognition, 20(1), 51-73.
Casey, B. J. & Caudle, K. (2013). The teenage brain: Self-control. Current Directions
in Psychological Science, 22(2), 82-87.
Casey, B., Getz, S., & Galvan, A. (2008). The adolescent brain. Developmental
Review, 28(1), 62-77.
Casey, B. J., Hare, T. A., & Galvan, A. (2011). Risky and impulsive components of
adolescent decision-making. In M. R. Delgado, E. A. Phelps & T. W. Robbins (Eds.),
Attention and performance 22: Decision making, affect, and learning (ch. 20).
Oxford Scholarship Online. doi: DOI:10.1093/acprof:oso/9780199600434.003.0020
Chein, J., Albert, D., O’Brien, L., Uckert, K., & Steinberg, L. (2011). Peers increase
adolescent risk taking by enhancing activity in the brain’s reward circuitry. Devel-
opmental Science, 14(2), F1-F10.
Chou, K.-H., Cheng, Y., Chen, I.-Y., Lin, C.-P., & Chu, W.-C. (2011). Sex-linked white
matter microstructure of the social and analytic brain. Neuroimage, 54(1),
725-733.
Choudhury, S. (2009). Critical neuroscience: Linking neuroscience and society
through critical practice. BioSocieties, 4(1), 61-77.
Choudhury, S. & McKinney, K. A. (2013). Digital media, the developing brain and
the interpretive plasticity of neuroplasticity. Transcultural Psychiatry, 50(2),
192-215.
Choudhury, S., McKinney, K. A., & Merten, M. (2012). Rebelling against the brain:
Public engagement with the ‘neurological adolescent’. Social Science & Medicine,
74(4), 565-573.
Christakou, A., Brammer, M., & Rubia, K. (2011). Maturation of limbic corticostriatal
activation and connectivity associated with developmental changes in temporal
discounting. Neuroimage, 54(2), 1344-1354.
Les bases neurologiques de la prise de risque chez les adolescents 245
Ernst, M., Nelson, E. E., Jazbec, S., McClure, E. B., Monk, C. S., Leibenluft, E., …
Pine, D. S. (2005). Amygdala and nucleus accumbens in responses to receipt and
omission of gains in adults and adolescents. Neuroimage, 25(4), 1279-1291.
Ernst, M., Pine, D. S., & Hardin, M. (2006). Triadic model of the neurobiology of
motivated behavior in adolescence. Psychological Medicine, 36(3), 299-312.
Eshel, N., Nelson, E. E., Blair, R. J., Pine, D. S., & Ernst, M. (2007). Neural sub-
strates of choice selection in adults and adolescents: Development of the ven-
trolateral prefrontal and anteriorcingulate cortices. Neuropsychologia, 45(6),
1270-1279.
Forbes, E. E., Hariri, A. R., Martin, S. L., Silk, J. S., Moyles, D. L., Fisher, P. M., …
Dahl, R. E. (2009). Altered striatal activation predicting real-world positive affect in
adolescent major depressive episode. American Journal of Psychiatry, 166(1),
64-73.
Forbes, E. E., Ryan, N. D., Phillips, M. L., Manuck, S. B., Worthman, C. M., Moyles,
D. L., … Dahl, R. E. (2010). Healthy adolescents’ neural response to reward:
Associations with puberty, positive affect, and depressive symptoms. Jour-
nal of the American Academy of Child and Adolescent Psychiatry, 49(2),
162-172.
Galvan, A. (2010). Adolescent development of the reward system. Frontiers in
Human Neuroscience, 4, 1-9. doi: 10.3389/neuro.09.006.2010.
Geier, C. & Luna, B. (2009) The maturation of incentive processing and cognitive
control. Pharmacology, Biochemistry and Behavior, 93(3), 212-221.
Geier, C. F., Terwilliger, R., Teslovich, T., Velanova, K., & Luna, B. (2010). Immatu-
rities in reward processing and its influence on inhibitory control in adolescence.
Cerebral Cortex, 20(7), 1613-1629.
Giedd, J. N. (2010). Structural MRI of pediatric brain development: What have we
learned and where are we going? Neuron Review, 67(5), 728-734.
Giedd, J., Blumenthal, J., Jeffries, N. O., Castellanos, F. X., Liu, H., Zijdenbos, A., …
Rapoport, J. L. (1999). Brain development during childhood and adolescence: A
longitudinal MRI study. Nature Neuroscience, 2(10), 861-863.
Giorgio, A., Watkins, K. E., Chadwick, M., James, S., Winmill, L., Douaud, G., … James,
A. C. (2010). Longitudinal changes in grey and white matter during adolescence.
Neuroimage, 49(1), 94-103.
Gogtay, N., Giedd, J. N., Lusk, L., Hayashi, K. M., Greenstein, D., Vaituzis, A. C., …
Thompson, P. M. (2004). Dynamic mapping of human cortical development dur-
ing childhood through early adulthood. Proceedings of the National Academy of
Sciences of the United States of America, 101(21), 8174-8179.
Gross, D. M. (2007). The secret history of emotions: From Aristotle’s rhetoric to
modern brain science. Chicago, IL: University of Chicago Press.
Guitart-Masip, M., Bunzeck, N., Stephan, K. E., Dolan, R. J., & Düzel, E. (2010).
Contextual novelty changes reward representations in the striatum. Journal of
Neuroscience, 30(5), 1721-1726.
Les bases neurologiques de la prise de risque chez les adolescents 247
Guyer, A. E., Monk, C. S., McClure-Tone, E. B., Nelson, E. E., Roberson-Nay, R., Adler,
A. D., … Ernst, M. (2008). A developmental examination of amygdala response to
facial expressions. Journal of Cognitive Neuroscience, 20(9), 1565-1582.
Hacking, I. (1996). The looping effects of human kinds. In D. Sperber, D. Premack,
& A.J. Premack (Eds.), Causal Cognition: A Multidisciplinary Debate (Reprint).
New York : Clarendon Press.
Hare, T. A., Tottenham, N., Galvan, A., Voss, H. U., Glover, G. H., & Casey, B. J. (2008).
Biological substrates of emotional reactivity and regulation in adolescence during
an emotional go-nogo task. Biological Psychiatry, 63(10), 927-934.
Harris, C. R., Jenkins, M., & Glaser, D. (2006). Gender differences in risk assessment:
Why do women take fewer risks than men? Judgment and Decision Making,
1(1), 48-63.
Harvard Health Publication. (2005). The adolescent brain: Beyond raging hormones.
Harvard Mental Health Letter, 22(1), 1-3. Consulté sur http://www.health.har-
vard.edu /blog-extra/the-adolescent-brain-beyond-raging-hormones.
Huffpost. (2013, November). Les adolescents sont bien plus impulsifs que les
autres, affirme une étude [Teens are much more impulsive than others,
confirms a study]. Consulté sur http://www.huffingtonpost.fr/2013/11/13/etude-
adolescents-impulsivite-etude_n_4267347.html.
Huizinga, M., Dolan, C. V., & Van der Molen, M. W. (2006). Age-related change in
executive function: Developmental trends and a latent variables analysis. Neuro-
psychologia, 44(11), 2017-2036.
Huttenlocher, P. (1979). Synaptic density in human frontal cortex: Developmental
changes and effects of aging. Brain Research, 163(2), 195-205.
Johnson, S. B., Blum, R. W., & Giedd, J. N. (2009). Adolescent maturity and the brain:
The promise and pitfalls of neuroscience research in adolescent health policy.
Journal of Adolescent Health, 45(3), 216-221.
Kastner, S. & Ungerleider, L. G. (2000). Mechanisms of visual attention in the human
cortex. Annual Review of Neuroscience, 23(1), 315-341.
Kilgore, W. D. S., Oki, M., & Yugelum-Todd, D. A. (2001). Sex-specific developmental
changes in amygdala responses to affective faces. Brain Imaging, 12(2), 427-433.
Kleibeuker, S. W., De Dreu, C. K., & Crone, E. A. (2012). The development of cre-
ative cognition across adolescence: Distinct trajectories for insight and thinking.
Developmental Science, 16(1), 2-12.
Knuston, B., Westdorp, A., Kaiser, E., & Hommer, D. W. (2000). FMRI visualization of
brain activity during a monetary incentive delay task. Neuroimage, 12(1), 20-27.
Konrad, K., Neufang, S., Thiel, C. M., Specht, K., Hanisch C, Fan J, … Fink, G. R.
(2005). Development of attentional networks: An fMRI study with children and
adults. Neuroimage, 28(2), 429-439.
Kuppens, P., Allen, N. B., & Sheeber, L. B. (2010). Emotional inertia and psychological
maladjustment. Psychological Science, 21(7), 984-991.
248 Neurosciences et cognition : perspectives pour les sciences de l’éducation
study of relations between working memory performance, impulsivity, and risk tak-
ing in early adolescence. Developmental Science, 14(5), 1119-1133.
Rosen, J. (2007, March 11). The brain on the stand. New York Times Magazine.
Consulté sur http://www.nytimes.com/2007/03/11/magazine/11Neurolaw.t.html?pa
gewanted=all&_r=0
Scherf, K. S., Sweeney, J. A., & Luna, B. (2006). Brain basis of developmental change
in visuospatial working memory. Journal of Cognitive Neuroscience, 18(7),
1045-1058.
Schlegel, A. & Barry, H., III. (1991). Adolescence: An anthropological inquiry. New
York, NY: Free Press.
Schlicht, E. J., Shimojo, S., Camerer, C. F., Battaglia, P., & Nakayama, K. (2010).
Human wagering behavior depends on opponents’ faces. PLoS ONE, 5(7), e11663.
Somerville, L., Hare, T., & Casey, B. J. (2011). Frontostriatal maturation predicts
cognitive control failure to appetitive cues in adolescents. Journal of Cognitive
Neuroscience, 23(9), 2123-2134.
Sowell, E. R., Thompson, P. M., Tessner, K. D., & Toga, A. W. (2004). Mapping con-
tinued brain growth and gray matter density reduction in dorsal frontal cortex:
Inverse relationships during postadolescent brain maturation. Journal of Neuro-
science, 21(22), 8819-8829.
Spear, L. P. (2000). The adolescent brain and age-related behavioral manifestations.
Neuroscience and Biobehavioral Reviews, 24(4), 417-463.
Steinberg, L. (2008). A social neuroscience perspective on adolescent neuroscience.
Developmental Review, 28(1), 78-106.
Steinberg, L. (2010). Commentary: A behavioral scientist looks at the science of
adolescent brain development. Brain and Cognition, 72(1), 160-164.
Steinberg, L. (2013). The influence of neuroscience on US Supreme Court decisions
about adolescents’ criminal culpability. Nature Reviews Neuroscience, 14(7),
513-518.
Steinberg, L., Albert, D., Cauffman, E., Banich, M., Graham, S., & Woolard, J. (2008).
Age differences in sensation seeking and impulsivity as indexed by behavior and
self-report: Evidence for a dual systems model. Developmental Psychology,
44(6), 1764-1778.
Strang, N. M., Chein, J. M., & Steinberg, L. (2013). The value of the dual systems
model of adolescent risk-taking. Frontiers in Human Neuroscience, 7, 1-4.
Retrieved from http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3664310/
Tamn, L., Menon, V., & Reiss, A. L. (2006). Maturation of brain function associated
with response inhibition. Journal of the American Academy of Child and Ado-
lescent Psychiatry, 41(10), 1231-1238.
Telzer, E. H., Fuligni, A. J., Lieberman, M. D., & Galvan, A. (2013). Ventral striatum
activation to prosocial rewards predicts longitudinal declines in adolescent risk
taking. Developmental Cognitive Neuroscience, 3, 45-52.
Les bases neurologiques de la prise de risque chez les adolescents 251
Urosevic, S., Collins, P., Muetzel, R., Lim, K., & Luciana, M. (2012). Longitudinal
changes in behavioral approach system sensitivity and brain structures involved
in reward processing during adolescence. Developmental Psychology, 48(5),
1488-1500.
Van Leijenhorst, L., Zanolie, K., Van Meel, C. S., Westenberg, P. M., Rombouts, S. A.,
& Crone, E. A. (2010). What motivates the adolescent? Brain regions mediating
reward sensitivity across adolescence. Cerebral Cortex, 20(1), 61-69.
Van Leijenhorst, L., Westenberg, P. M., & Crone, E. A. (2008). A developmental
study of risky decisions on the Cake Gambling Task: Age and gender analyses of
probability estimation and reward evaluation. Developmental Neuropsychology,
33(2), 179-196.
Vasa, R., Pine, D. S., Thorn, J. M., Nelson, T. E., Spinelli, S., Nelson, E., … Mostofsky,
S. H. (2011). Enhanced right amygdala activity in adolescents during encoding
of positively-valenced pictures. Developmental Cognitive Neuroscience, 1(1),
88-99.
Velanova, K., Wheeler, M., & Luna, B. (2009). The maturation of task set-related acti-
vation supports late developmental improvements in inhibitory control. Journal
of Neuroscience, 29(40), 12558-12567.
Vink, M., Derks, J. M., Hoogendam, J. M., Hillegers, M., & Kahn, R. S. (2014). Func-
tional differences in emotion processing during adolescence and early adulthood.
Neuroimage, 91, 70-6.
Vul, E., Harris, C. R., Winkielman, P., & Pashler, H. (2009). Puzzlingly high correla-
tions in fMRI studies of emotion, personality, and social cognition. Perspectives
on Psychological Science, 4(3), 274-290.
Wager, T. D., Davidson, M. L., Hughes, B. L., Lindquist, M. A., & Ochsner, K. N. (2008).
Prefrontal-subcortical pathways mediating successful emotion regulation. Neuron,
59(6), 1037-1050.
Walhovd, K. B., Tamnes, C. K., & Fjell, A. M. (2014). Brain structural maturation
and the foundations of cognitive behavioral development. Current Opinion in
Neurology, 27(2), 176-184.
Weigard, A., Chein, J., Albert, D., Smith, Ashley, & Steinberg, L. (2014). Effects of
anonymous peer observation on adolescents’ preference for immediate rewards.
Developmental Science, 17(1), 71-78.
Whelan, R., Conrod, P. J., Poline, J. B., Lourdusamy, A., Banaschewski, T., Barker,
G. J., … IMAGEN Consortium. (2012). Adolescent impulsivity phenotypes charac-
terized by distinct brain networks. Nature Neuroscience, 15(6), 920-925.
William, L. M., Das, P., Liddell, B. J., Kemp, A. H., Rennie, C. J., & Gordon, E. (2006).
Mode of functional connectivity in amygdala pathways dissociates level of aware-
ness for signals of fear. Journal of Neuroscience, 26(36), 9264-9271.
Willoughby, T., Good, M., Adachi, P. J., Hamza, C., & Tavernier, R. (2013). Examin-
ing the link between adolescent brain development and risk taking from a social-
developmental perspective. Brain and Cognition, 83(3), 315-323.
252 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Les chiffres jouent un rôle essentiel dans la vie de tous les jours.
La plupart du temps, nous traitons les informations numériques avec tant
d’aisance que nous ne nous en rendons même pas compte. À part leur rôle
évident pour les apprentissages, nous utilisons en permanence les chiffres
pour guider nos comportements et nos décisions dans de nombreux aspects
de notre vie. Par exemple, lorsque vous vous levez le matin et que vous
jetez un œil à votre réveil, vous traitez des chiffres, lorsque vous regardez
la météo pour savoir comment vous allez vous habiller, vous utilisez des
chiffres pour guider votre décision, quand vous regardez les résultats de
votre équipe préférée, vous utilisez également des chiffres pour donner du
sens à ces informations. Ces exemples illustrent à quel point les chiffres
sont partie intégrante de nos sociétés modernes et le fait que nous traitons
une quantité phénoménale d’informations numériques au cours de notre vie.
Mais au-delà de leur pertinence dans notre vie quotidienne, des difficultés
254 Neurosciences et cognition : perspectives pour les sciences de l’éducation
2012 ; Pepperberg, 2006, 2012) et même chez les poissons (Agrillo, Dadda,
Serena, & Bisazza, 2009). Des aptitudes numériques non symboliques rudi-
mentaires ont été mises en évidence chez les bébés (Feigenson, Carey, &
Spelke, 2002 ; Xu & Spelke, 2000 ; Xu, Spelke, & Goddard, 2005) et chez les
enfants (Halberda & Feigenson, 2008 ; Halberda, Mazzocco, & Feigenson,
2008). Au regard des observations convergentes notées chez les différentes
espèces ainsi qu’au cours du développement, il a été suggéré que la repré-
sentation des ordres de grandeur numériques non symboliques a une longue
histoire en termes d’évolution et que les humains seraient nés avec un « sens
de l’ordre de grandeur numérique » (Dehaene, 1997, p. 294). D’après de
nombreux chercheurs dans le domaine, le « sens du nombre » apporterait
la base sur laquelle les aptitudes numériques symboliques se construisent,
fournissant ainsi un support pour les opérations numériques plus complexes.
Une tâche expérimentale qui est couramment utilisée pour étu-
dier la représentation de l’ordre de grandeur numérique chez les animaux
comme chez les humains est la comparaison des chiffres (voir figures 9.2a
et 9.2b). Dans une étude novatrice, Moyer et Landauer (1967) ont présenté
une série de paires de nombres à un chiffre à des sujets adultes et leur
ont demandé de décider avec le plus de précision et aussi rapidement que
possible lequel des deux nombres était numériquement supérieur. L’ana-
lyse des temps de réaction a montré une relation inverse caractéristique
entre la distance numérique entre les chiffres et le temps nécessaire pour
discriminer entre les deux nombres (voir figure 9.3a). En d’autres termes,
les participants étaient plus lents et faisaient plus d’erreurs lorsque la dis-
tance numérique entre les chiffres était relativement petite (p. ex., 1 vs 2,
Distance Numérique = 1) comparé à des paires pour lesquelles la distance
numérique était plus grande (p. ex., 1 vs 8, Distance Numérique = 7). Ces
résultats ont depuis été répétés et confirmés par différents laboratoires.
L’hypothèse proposée à l’heure actuelle est que l’effet de « distance numé-
rique » (numerical distance effect, NDE) est indicatif de la façon dont
les êtres humains représentent les ordres de grandeur numériques. Plus
particulièrement, le NDE serait indicatif d’une représentation analogue
interne de l’ordre de grandeur numérique dans laquelle les chiffres qui
sont proches les uns des autres (distance numérique relativement faible)
partagent plus en commun du point de vue représentationnel que les
chiffres plus éloignés (pour des hypothèses alternatives sur les origines
du NDE et du ratio numérique voir Verguts & Van Opstal, 2005 ; Zorzi &
Butterworth, 1999). De ce fait, les chiffres qui sont plus proches les uns
des autres seraient plus difficiles à discriminer comparés aux chiffres qui
sont plus éloignés, ce qui est une caractéristique partagée avec d’autres
dimensions de grandeurs non numériques telles que la longueur et le temps
(Walsh, 2003).
Que nous apprennent les neurosciences cognitives 257
2 8
l’activation des IPS chez les adultes était plus grande lorsque les ordres de
grandeur numériques étaient retranscrits sur le plan spatial, ce qui indique
que les IPS ne s’activent pas uniquement lorsque des ordres de grandeur
numériques sont comparés. Les résultats de cette étude suggèrent que les
IPS sont également des zones clés pour la retranscription des chiffres en
termes spatiaux.
Bien qu’il soit important de comprendre comment le cerveau adulte
représente les ordres de grandeur numériques, il est raisonnable de penser
que chez l’adulte cette représentation est le résultat d’un parcours déve-
loppemental et est lié à l’apprentissage et à l’expérience transmis par la
culture et l’enseignement. Par conséquent, il semble important d’étudier la
façon dont les corrélats neurologiques associés au traitement des ordres de
grandeur numérique évoluent au cours du développement ainsi que leur lien
avec les aptitudes mathématiques.
par la distance numérique. Par contre, chez les adultes ce sont les régions
du lobe pariétal qui étaient essentiellement activées. Ce résultat apporte
des éléments en faveur de modifications liées à l’âge dans la façon dont le
cerveau humain représente les ordres de grandeur numériques symboliques
au cours du développement. Les résultats de cette recherche suggèrent qu’il
existe une modulation dynamique dans la façon dont le cerveau humain
traite les informations sémantiques des symboles numériques. Au départ,
les enfants sollicitent plus les régions préfrontales que les adultes. L’activa-
tion des régions frontales diminue au cours du développement et une plus
grande spécialisation du cortex pariétal est observée (voir aussi Kaufmann
et al., 2005, 2006 pour des résultats similaires). Bien que l’étude de Ansari
et al. (2005) ait mis en évidence des modifications dynamiques générales de
l’activité cérébrale survenant entre l’enfance et l’âge adulte, les mécanismes
ontogénétiques qui sous-tendent ces changements ne sont pas connus.
La plus grande sollicitation des régions préfrontales chez les enfants a été
interprétée comme étant le reflet d’une mobilisation de ressources cognitives
supplémentaires telles que le contrôle cognitif ou la mémoire de travail. L’hy-
pothèse étant que les enfants n’ont pas encore développé le même niveau
d’automatisation que les adultes. De ce fait, les enfants doivent mobiliser des
ressources complémentaires afin de gérer la concurrence entre différentes
représentations des ordres de grandeur numériques.
Les résultats de ces recherches indiquent des modifications dyna-
miques dans la façon dont le cerveau humain représente l’ordre de grandeur
numérique des symboles. Étant donné que l’utilisation efficace de symboles
numériques est l’un des résultats de l’apprentissage et de l’expérience, l’on
peut s’attendre à observer des modifications dynamiques du cerveau reflé-
tant ce processus. Cependant, une autre question est de savoir si l’activité
cérébrale évolue en fonction de l’âge lorsqu’il s’agit de traiter des ordres de
grandeurs numériques non symboliques, ces derniers étant peut-être moins
influencés par l’apprentissage et l’expérience. Pour répondre à cette ques-
tion, Ansari et Dhital (2006) ont recueilli des données de neuro-imagerie
d’une tâche de comparaison numérique non symbolique chez des enfants
et des adultes. À la différence de l’étude discutée ci-dessus, les enfants et
les adultes devaient indiquer la matrice qui contenait le plus grand nombre
de carrés. Les résultats de cette étude ont mis en évidence de grandes
similitudes dans la façon dont l’activation cérébrale change en fonction de
l’âge lors du traitement d’ordres de grandeur numériques non symboliques
et lors du traitement d’ordres de grandeur numériques symboliques. Plus
précisément, les données de cette étude d’imagerie ont montré une augmen-
tation significative de l’activation au niveau du lobe pariétal, en particulier
des IPS, en fonction de l’âge. En d’autres termes, les adultes présentaient
un effet de distance significativement plus grand (plus d’activation pour les
distances réduites que pour des distances plus grandes) dans les régions
Que nous apprennent les neurosciences cognitives 265
de l’IPS gauche comparé aux enfants. Par contre, chez les enfants, on
observait une activation liée à la distance dans les zones frontales droites.
La ressemblance entre les modifications développementales de l’activation
pour le traitement des ordres de grandeur numériques non symboliques et
symboliques indique qu’un mécanisme cognitif similaire, indépendant du
format, pourrait changer au fur et à mesure que les enfants deviennent plus
efficaces dans le traitement des ordres de grandeur numériques. Considé-
rées ensemble, les données issues des comparaisons d’ordres de grandeur
numériques symboliques et non symboliques ont été interprétées comme
indiquant une spécialisation progressive avec l’âge du cortex pariétal dans
la représentation des ordres de grandeur numériques à la fois symboliques
et non symboliques.
Bien que ces études révèlent des modifications dynamiques liées
à l’âge en termes d’activité cérébrale pour le traitement des ordres de
grandeur numériques symboliques et non symboliques, il ne sera possible
d’apporter des preuves empiriques directes concernant les modifications
développementales d’une représentation abstraite (indépendante du for-
mat de notation) de l’ordre de grandeur numérique qu’avec des études
qui suivent les modifications développementales du traitement des ordres
de grandeurs numériques symboliques et non symboliques chez un même
individu. Afin d’explorer les différences et les similitudes du traitement
des ordres de grandeurs numériques symboliques et non symboliques du
point de vue développemental, Holloway et Ansari (2010) ont recueilli des
données de neuro-imagerie issues d’un échantillon d’enfants et d’adultes à
qui on demandait de réaliser une tâche de comparaison numérique symbo-
lique et non symbolique. Le fait de disposer de données de neuro-imagerie
pour les deux formats de notation a permis d’analyser directement si les
représentations des ordres de grandeur numériques non symboliques et
symboliques présentaient une trajectoire développementale commune. Les
résultats ont montré que des zones du cortex pariétal droit présentaient
une activité significativement plus élevée chez les adultes, à la fois pour
la tâche de comparaison symbolique et non symbolique. Ces observations
sont cohérentes avec les résultats présentés précédemment dans la mesure
où elles indiquent qu’au cours du développement des régions spécifiques
situées dans le cortex pariétal de l’hémisphère droit se spécialisent dans la
représentation abstraite des ordres de grandeur numériques. Il est important
de noter toutefois que l’activité cérébrale observée dans cette étude n’était
pas modulée par l’effet de distance numérique au niveau du cerveau pris
dans son ensemble. Cependant, des analyses post hoc sur ces régions ont
néanmoins mis en évidence un effet de distance numérique pour les deux
conditions, indiquant que le chevauchement d’activation était effectivement
bien lié au traitement des informations sémantiques véhiculées par les deux
formats de notation.
266 Neurosciences et cognition : perspectives pour les sciences de l’éducation
étude IRMf-A ont mis en évidence qu’une seule région du cerveau présentait
une augmentation de l’activité en fonction de l’âge : l’IPS gauche. De plus,
une zone de l’IPS droit présentait un effet lié à la proportion numérique
pour l’ensemble du groupe d’âge étudié. Contrairement à certaines études
précédentes, aucune diminution du niveau d’activation n’a été observée
dans le cortex frontal. Les résultats de cette étude mettent en évidence
que des régions spécifiques du lobe pariétal, l’IPS gauche en particulier, se
spécialisent du point du vue fonctionnel au cours du développement pour
représenter les ordres de grandeur numérique symboliques. Conformément
aux travaux menés sur les adultes (Holloway, Battista, Vogel, & Ansari, 2012 ;
Notebaert, Nelis, & Reynvoet, 2011), cette étude a montré que l’hémisphère
gauche du cortex pariétal se spécialise dans la représentation symbolique
des ordres de grandeur numériques au cours du développement. La latérali-
sation hémisphérique au cours du développement a été récemment mise en
évidence dans d’autres domaines cognitifs telle que la lecture (Nuñez et al.,
2011 ; Spironelli & Angrilli, 2009), ce qui indique que l’éducation et la culture
influencent la façon dont le cerveau se structure (Dehaene et al., 2010).
L’étude de Vogel et al. (2015) suggère que l’IPS gauche se spécia-
lise avec l’âge afin de permettre la représentation des ordres de grandeur
numériques symboliques. Cette spécialisation fonctionnelle de l’IPS gauche
en termes de représentation des chiffres arabes au cours du développement
pourrait être liée à l’apprentissage des contenus sémantiques véhiculés par
des symboles numériques particuliers.
Si la représentation corticale de l’ordre de grandeur numérique
symbolique dans l’IPS gauche est liée à l’éducation et à l’expérience, on peut
s’attendre à ce qu’il existe un lien entre l’activité des IPS et les mesures com-
portementales des performances en mathématiques. Des études précédentes
ont mis en évidence un tel lien au niveau comportemental. Par exemple, Hol-
loway et Ansari (2009) ont analysé des données de temps de réaction d’un
certain nombre de tâches de comparaison ainsi que les scores obtenus lors
d’un test de performances en mathématiques pour un groupe d’enfants âgés
de 6 à 8 ans. Une analyse de corrélation sur ces deux mesures a révélé une
relation linéaire significative entre les différences interindividuelles au regard
de la taille de l’effet de distance et les scores au test de mathématiques. En
d’autres termes, les enfants qui présentaient un effet de distance relative-
ment faible (plus proche de celui des adultes) réussissaient mieux au test
de performances mathématiques comparé aux enfants chez qui on observait
un effet de distance plus grand (différent des adultes). Cependant, ce lien
n’était significatif que pour la tâche de comparaison des ordres de grandeur
numériques symboliques et non pour les comparaisons d’ordres de gran-
deur numériques non symboliques, ce qui indique que la représentation des
ordres de grandeur numériques symboliques joue un rôle très important dans
les performances mathématiques. Alors que d’autres études ont montré un
268 Neurosciences et cognition : perspectives pour les sciences de l’éducation
2. LA BASE NEURONALE
DE LA DYSCALCULIE DÉVELOPPEMENTALE
Jusqu’ici, ce chapitre s’est intéressé aux circuits neuronaux impli-
qués dans le traitement des ordres de grandeur numériques symboliques
et non symboliques chez des enfants et des adultes présentant un dévelop-
pement typique. La revue a abordé la façon dont différents mécanismes du
cerveau changent dynamiquement au cours du développement et comment
certaines régions spécifiques du cerveau se recoupent d’un point de vue
fonctionnel chez les enfants et les adultes. Cependant, une question impor-
tante dans ce domaine concerne la mesure dans laquelle ces mécanismes se
développent de façon atypique chez les enfants qui présentent des difficul-
tés en mathématiques. Il est estimé qu’environ 5 % de la population souffre
de dyscalculie développementale (DD) – un trouble de l’apprentissage
spécifique aux mathématiques (Butterworth, Varma, & Laurillard, 2011 ;
Shalev & Gross-Tsur, 2001). Malgré ce pourcentage relativement élevé, peu
de travaux se sont intéressés à ce trouble spécifique de l’apprentissage et
son existence même est bien moins connue comparée à des troubles de
l’apprentissage de la lecture par exemple (dyslexie développementale). Ce
n’est que très récemment que la recherche s’est penchée sur l’étude des
mécanismes cognitifs sous-jacents à la DD. Les personnes qui souffrent
de DD doivent faire face à un ensemble de difficultés en mathématiques,
en particulier en arithmétique pour réaliser des opérations telles que les
soustractions, additions, divisions et multiplications. Une bonne maîtrise
de l’arithmétique repose très probablement sur de bonnes connaissances
270 Neurosciences et cognition : perspectives pour les sciences de l’éducation
étude d’IRMf ont montré que les enfants n’éprouvant pas de difficultés en
mathématiques présentaient un effet de distance typique au niveau de l’IPS
droit (activation plus forte pour les arrangements de carrés séparés par une
relativement faible distance numérique comparativement à ceux séparés par
une distance plus grande). Les enfants avec DD, au contraire, présentaient
une activation significativement moindre dans l’ensemble au sein du lobe
pariétal. Qui plus est, les enfants éprouvant des difficultés en mathématiques
ne présentaient pas d’effet de distance numérique non symbolique au niveau
de l’IPS. Les résultats de Price et al. (2007) apportent des éléments probants
montrant que le traitement/représentation des ordres de grandeur numé-
riques, en lien avec l’IPS, pourrait être affecté chez des enfants souffrant de
DD. Les enfants avec DD ne différencient pas les ordres de grandeur numé-
riques aussi efficacement que les enfants ne présentant pas de difficultés en
mathématiques. Au vu de ces résultats, on peut émettre l’hypothèse que les
enfants avec DD ne parviennent pas à spécialiser les circuits neuronaux parié-
taux, en particulier ceux de l’IPS, afin de former des représentations riches
des ordres de grandeur numériques, ce qui entraîne une moindre efficacité à
discriminer entre des ordres de grandeur numériques de valeurs différentes.
Il est important de noter cependant que les mécanismes causaux ne sont pas
encore compris et que de plus amples recherches sont nécessaires afin de
comprendre la dynamique développementale qui mène à la représentation
atypique des ordres de grandeur numériques.
La revue de la littérature présentée jusqu’ici s’est intéressée à la
façon dont les ordres de grandeur numériques non symboliques sont traités
chez des enfants avec et sans DD. Est-ce que les enfants souffrant de DD pré-
sentent également des configurations d’activation atypiques lorsqu’on leur
demande de comparer des chiffres (chiffres arabes) au lieu d’arrangements
de points ? Si les enfants avec DD présentent un déficit, en particulier un
déficit pour représenter les ordres de grandeur numériques indépendam-
ment du format de notation, alors l’activation atypique observée chez les
enfants avec DD devrait être généralisée aux tâches numériques non symbo-
liques et symboliques. Une étude menée par Mussolin et al. (2010) a utilisé
une tâche de comparaison d’ordres de grandeur numériques symboliques
pour étudier les corrélats neuraux de l’effet de distance numérique chez des
enfants avec et sans difficultés mathématiques. Conformément aux résultats
de Price et al. (2007) et à l’hypothèse que les difficultés pourraient être liées
à un déficit dans la représentation des ordres de grandeur numériques, les
résultats de cette étude ont montré un effet de distance numérique symbo-
lique plus faible au niveau de l’IPS des enfants avec DD comparé à leurs pairs.
Les différences d’activation observées entre les études de comparaisons
d’ordres de grandeur numériques symboliques et non symboliques indiquent
qu’un système d’ordre de grandeur numérique, indépendant du format de
notation, pourrait être déficient chez les enfants souffrant de DD.
274 Neurosciences et cognition : perspectives pour les sciences de l’éducation
la mise en place des aptitudes numériques de base chez les enfants et les
adultes. Cette revue a montré que le cerveau humain possède un réseau de
régions particulières qui sont activées lors du traitement d’ordres de gran-
deur numériques symboliques et non symboliques. Ces régions présentent
une trajectoire développementale explicite et identifiable, témoignant d’une
spécialisation fonctionnelle, liée à l’âge, de certaines zones du cerveau dans
la représentation des ordres de grandeur numériques. Des différences inter-
individuelles de l’activation neuronale correspondent à des différences en
termes de performance en mathématiques, et une activation atypique de ces
régions est associée avec la DD.
Dans leur ensemble, les résultats présentés ci-dessus indiquent que
le développement d’une représentation d’ordre de grandeur numérique pré-
cise est essentiel pour assurer une bonne efficacité en mathématiques. Ceci
est particulièrement vrai pour les représentations d’ordre de grandeur numé-
rique véhiculées par les symboles de chiffres, pour lesquels un lien fiable et
cohérent avec les performances en mathématiques a été démontré dans les
différentes recherches. Par conséquent, la littérature actuelle met en avant le
fait qu’il est important de développer une connexion forte entre les formats
de représentation numériques symboliques et non symboliques, surtout très
tôt pendant l’enfance. L’importance de développer des représentations riches
des ordres de grandeur numériques symboliques a des implications directes
pour l’enseignement. Cela démontre qu’une bonne base de connaissances
numériques doit être établie avant que l’on commence à enseigner des
compétences numériques et arithmétiques avancées à l’école. Encourager le
développement des connaissances numériques de base, en particulier celles
liées à la compréhension de la symbolique numérique, et adapter le cursus
de l’enseignement primaire en conséquence semble important pour faciliter
l’apprentissage des mathématiques et prévenir l’apparition de difficultés.
S’intéresser au développement des aptitudes de base est particulière-
ment important pour les enfants qui ont des difficultés à établir des liens cor-
rects entre les ordres de grandeur numériques et les symboles qui s’y réfèrent.
Cette revue de la littérature met en évidence un corrélat neurobiologique
chez des enfants souffrant de DD. Les enfants éprouvant des difficultés en
mathématiques présentent des configurations d’activation atypiques dans des
régions spécifiques du cerveau associées au traitement des ordres de grandeur
numériques. Il est important de noter cependant que ces résultats ne per-
mettent pas d’inférer que les configurations d’activation atypiques observées
chez les enfants avec DD sont immuables au sens déterministe du terme, et
qu’il ne serait pas possible d’agir afin de prévenir ces difficultés en mathéma-
tiques. Au contraire, de nombreuses données suggèrent aujourd’hui que le
cerveau humain reste malléable tout au long de la vie. Par exemple, un nombre
croissant d’études montre que les programmes d’accompagnement conçus
pour pallier des difficultés d’apprentissage spécifiques, peuvent modifier l’acti-
Que nous apprennent les neurosciences cognitives 277
vité cérébrale dans certaines régions qui présentent une activation atypique.
Des données particulièrement prometteuses ont été obtenues avec des enfants
qui souffrent de difficultés sévères en lecture ou de dyslexie. Par exemple,
Temple et al. (2003) ont recueilli des données d’imagerie fonctionnelle avant
et après un programme de remédiation pour la lecture qui visait à améliorer
les associations lettres-paroles et les sons. Les résultats d’imagerie de cette
étude ont montré que les régions du cerveau qui présentaient une activation
atypique chez des enfants avec dyslexie voyaient leur activité se normaliser
au cours du programme de remédiation. Cette étude révèle une amélioration
des fonctions cérébrales qui étaient affectées chez des enfants avec dyslexie,
donnant ainsi une idée de la façon dont des programmes de remédiation spé-
cifiques visant des mécanismes déficients du cerveau peuvent contrecarrer un
développement atypique de certaines régions.
De plus, une autre étude de neuro-imagerie a récemment montré
que des mesures fonctionnelles et structurelles du cerveau d’enfants dys-
lexiques permettent de prédire les améliorations futures à long terme des
performances en lecture mieux que les mesures comportementales. En
d’autres termes, les auteurs ont pu montrer que les variations individuelles
en termes de fonction et de structure cérébrales apportent des informations
complémentaires concernant des améliorations dans la performance en lec-
ture des enfants souffrant de dyslexie, ce qui suggère que les mesures céré-
brales sont de bons prédicteurs du développement futur des compétences
cognitives. Des données empiriques, telles que celles présentées ci-avant,
apportent des éléments prometteurs montrant que les fonctions cérébrales
des enfants avec et sans problèmes d’apprentissage sont malléables. D’autres
recherches ont montré que les programmes de remédiation, mais également
les programmes scolaires, peuvent être adaptés afin d’améliorer des méca-
nismes spécifiques et modifier l’organisation fonctionnelle et structurelle du
cerveau. De plus, les résultats montrent que des données empiriques issues
des neurosciences cognitives peuvent apporter un niveau de description
supplémentaire pour les mécanismes d’apprentissage et ainsi nous permettre
de mieux comprendre comment les programmes scolaires et les programmes
de remédiation pourraient être conçus afin d’encourager le développement
des processus cognitifs de façon plus efficace.
Afin d’atteindre ces buts, des efforts plus concertés sont nécessaires,
en particulier au niveau des études qui s’intéressent à l’efficacité de certains
programmes de remédiation. Les connaissances que pourront apporter ces
études seront utiles pour mieux comprendre les mécanismes neurocognitifs
sous-jacents aux troubles de l’apprentissage et la façon de remédier à ces
troubles. Beaucoup de travaux ont été réalisés avec des enfants souffrant
de dyslexie, cependant, à ce jour, très peu de données sont disponibles
concernant l’efficacité des programmes de remédiation au niveau du cerveau
d’enfants souffrant de dyscalculie. Il semble donc que beaucoup de travail
278 Neurosciences et cognition : perspectives pour les sciences de l’éducation
RÉFÉRENCES BIBLIOGRAPHIQUES
Agrillo, C., Dadda, M., Serena, G., & Bisazza, A. (2009). Use of number by fish. PloS
One, 4(3), e4786.
Ansari, D. & Dhital, B. (2006). Age-related changes in the activation of the intraparietal
sulcus during nonsymbolic magnitude processing: an event-related functional magnetic
resonance imaging study. Journal of Cognitive Neuroscience, 18(11), 1820-1828.
Ansari, D., Garcia, N., Lucas, E., Hamon, K., & Dhital, B. (2005). Neural correlates
of symbolic number processing in children and adults. Neuroreport, 16(16),
1769-1773.
Ashkenazi, S., Henik, A., Ifergane, G., & Shelef, I. (2008). Basic numerical processing
in left intraparietal sulcus (IPS) acalculia. Cortex: a Journal Devoted to the Study
of the Nervous System and Behavior, 44(4), 439-448.
Booth, J. L. & Siegler, R. S. (2006). Developmental and individual differences in pure
numerical estimation. Developmental Psychology, 42(1), 189-201.
Booth, J. L. & Siegler, R. S. (2008). Numerical magnitude representations influence
arithmetic learning. Child Development, 79(4), 1016-1031.
Boysen, S. T., Bernston, G. G., Hannan, M. B., & Cacioppo, J. T. (1996). Quantity-
based interference and symbolic representations in chimpanzees (Pan troglo-
dytes). Journal of Experimental Psychology. Animal Behavior Processes,
22(1), 76-86.
Brannon, E. M. (2006). The representation of numerical magnitude. Current Opin-
ion in Neurobiology, 16(2), 222-229.
Brannon, E. M. & Terrace, H. S. (1998). Ordering of the Numerosities 1 to 9 by Mon-
keys. Science, 282(5389), 746-749.
Bruine de Bruin, W., & Carman, K. G. (2012). Measuring risk perceptions: what does
the excessive use of 50% mean? Medical Decision Making: An International
Journal of the Society for Medical Decision Making, 32(2), 232-236.
Bugden, S. & Ansari, D. (2010). Individual differences in children’s mathematical
competence are related to the intentional but not automatic processing of Arabic
numerals. Cognition, 118(1), 32-44.
Bugden, S., Price, G. R., McLean, D. A., & Ansari, D. (2012). The role of the left
intraparietal sulcus in the relationship between symbolic number processing and
children’s arithmetic competence. Developmental cognitive neuroscience, 2(4),
448-457.
Butterworth, B., Varma, S., & Laurillard, D. (2011). Dyscalculia: From Brain to Educa-
tion. Science, 332(6033), 1049-1053.
Cantlon, J. F. & Brannon, E. M. (2006). Shared system for ordering small and large
numbers in monkeys and humans. Psychological Science, 17(5), 401-406.
Cipolotti, L., Butterworth, B., & Denes, G. (1991). A specific deficit for numbers in
a case of dense acalculia. Brain : À Journal of Neurology, 114(6), 2619-2637.
Que nous apprennent les neurosciences cognitives 281
Cohen Kadosh, R. & Walsh, V. (2009). Numerical representation in the parietal lobes:
abstract or not abstract? The Behavioral and Brain Sciences, 32(3-4), 313-328.
De Smedt, B., Noël, M.-P., Gilmore, C., & Ansari, D. (2013). How do symbolic and
non-symbolic numerical magnitude processing skills relate to individual differences
in children’s mathematical skills? A review of evidence from brain and behavior.
Trends in Neuroscience and Education, 2(2), 48-55.
Dehaene, S. (1997). The Number Sense. New York, NY: Oxford University Press.
Dehaene, S. (1996). The organization of brain activations in number comparison:
Event-related potentials and the additive-factors method. Journal of Cognitive
Neuroscience, 8(1), 47-68.
Dehaene, S. & Cohen, L. (1991). Two mental calculation systems: a case study
of severe acalculia with preserved approximation. Neuropsychologia, 29(11),
1045-1054.
Dehaene, S., Dehaene-Lambertz, G., & Cohen, L. (1998). Abstract representations of
numbers in the animal and human brain. Trends in Neurosciences, 21(8), 355-361.
Dehaene, S., Pegado, F., Braga, L. W., Ventura, P., Nunes Filho, G., Jobert, A., …
Cohen, L. (2010). How learning to read changes the cortical networks for vision
and language. Science (New York, NY), 330(6009), 1359-1364.
Feigenson, L., Carey, S., & Spelke, E. (2002). Infants’ discrimination of number vs.
continuous extent. Cognitive Psychology, 44(1), 33-66.
Halberda, J. & Feigenson, L. (2008). Developmental change in the acuity of the
“Number Sense”: The Approximate Number System in 3 –, 4 –, 5 –, and 6-year-olds
and adults. Developmental Psychology, 44(5), 1457-1465.
Halberda, J., Mazzocco, M. M. M., & Feigenson, L. (2008). Individual differences in
non-verbal number acuity correlate with maths achievement. Nature, 455(7213),
665-668.
Henschen, S. E. (1919). Über Sprach-, Musik- Und Rechenmechanismen Und Ihre
Lokalisationen Im Großhirn. Zeitschrift Für Die Gesamte Neurologie und Psy-
chiatrie, 52(1), 273-298.
Holloway, I. D. & Ansari, D. (2010). Developmental specialization in the right intra-
parietal sulcus for the abstract representation of numerical magnitude. Journal
of Cognitive Neuroscience, 22(11), 2627-2637.
Holloway, I. D. & Ansari, D. (2009). Mapping numerical magnitudes onto symbols:
the numerical distance effect and individual differences in children’s mathematics
achievement. Journal of Experimental Child Psychology, 103(1), 17-29.
Holloway, I. D., Battista, C., Vogel, S. E., & Ansari, D. (2012). Sematic and Perceptual
Processing of Number Symbols: Evidence from a Cross-linguistic fMRI Adaptation
Sudy. Journal of Cognitive Neuroscience, 25(3), 388-400.
Holloway, I. D., Price, G. R., & Ansari, D. (2010). Common and segregated neural
pathways for the processing of symbolic and nonsymbolic numerical magnitude:
an fMRI study. NeuroImage, 49(1), 1006-1017.
282 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Hong, D., Kent, J. S., & Kesler, S. (2009). Cognitive Profile of Turner Syndrom. Devel-
opmental Disabilities Research Reviews, 15(4), 270-278.
Honig, W. K. & Stewart, K. E. (1989). Discrimination of relative numerosity by
pigeons. Animal Learning & Behavior, 17(2), 134-146.
Houdé, O., Rossi, S., Lubin, A., & Joliot, M. (2010). Mapping numerical processing,
reading, and executive functions in the developing brain: an fMRI meta-analysis of
52 studies including 842 children. Developmental Science, 13(6), 876-885.
Hyde, D. C., Boas, D. A., Blair, C., & Carey, S. (2010). Near-infrared spectroscopy
shows right parietal specialization for number in pre-verbal infants. NeuroImage,
53(2), 647-652.
Isaacs, E. B., Edmonds, C. J., Lucas, A., & Gadian, D. G. (2001). Calculation dif-
ficulties in children of very low birthweight A neural correlate. Brain, 124(9),
1701-1707.
Izard, V., Dehaene-Lambertz, G., & Dehaene, S. (2008). Distinct cerebral pathways
for object identity and number in human infants. PLoS Biology, 6(2), e11.
Kaufmann, L., Koppelstaetter, F., Delazer, M., Siedentopf, C., Rhomberg, P., Golas-
zewski, S., … Ischebeck, A. (2005). Neural correlates of distance and congruity
effects in a numerical Stroop task: an event-related fMRI study. NeuroImage,
25(3), 888-898.
Kaufmann, L., Koppelstaetter, F., Siedentopf, C., Haala, I., Haberlandt, E., Zimmer-
hackl, L.-B., … Ischebeck, A. (2006). Neural correlates of the number-size interfer-
ence task in children. Neuroreport, 17(6), 587-591.
Kaufmann, L., Vogel, S. E., Starke, M., Kremser, C., Schocke, M., & Wood, G. (2009).
Developmental dyscalculia: compensatory mechanisms in left intraparietal regions in
response to nonsymbolic magnitudes. Behavioral and Brain Functions, 5(1), 35.
Krusche, P., Uller, C., & Dicke, U. (2010). Quantity discrimination in salamanders.
The Journal of Experimental Biology, 213(11), 1822-1828.
Kucian, K., Loenneker, T., Dietrich, T., Dosch, M., Martin, E., & von Aster, M. (2006).
Impaired neural networks for approximate calculation in dyscalculic children: a
functional MRI study. Behavioral and Brain Functions, 2(31), 1-17.
Libertus, M. E. & Brannon, E. M. (2009). Behavioral and Neural Basis of Number
Sense in Infancy. Current Directions in Psychological Science : A Journal of
the American Psychological Society, 18(6), 346-351.
Libertus, M. E., Odic, D., & Halberda, J. (2012). Intuitive sense of number correlates with
math scores on college-entrance examination. Acta Psychologica, 141(3), 373-379.
Lyons, I. M. & Beilock, S. L. (2013). Ordinality and the nature of symbolic numbers.
The Journal of Neuroscience: The Official Journal of the Society for Neurosci-
ence, 33(43), 17052-17061.
Lyons, I. M., Price, G. R., Vaessen, A., Blomert, L., & Ansari, D. (2014). Numerical
predictors of arithmetic success in grades 1-6. Developmental Science, 17(5),
714-726.
Que nous apprennent les neurosciences cognitives 283
Molko, N., Cachia, A., Cachia, A., Rivière, D., Mangin, J. F., Bruandet, M., Le Bihan, D.,
… Dehaene, S. (2003). Functional and Structural Alterations of the Intraparietal
Sulcus in a Developmental Dyscalculia of Genetic Origin. Neuron, 40(4), 847-858.
Moyer, R. S. & Landauer, T. K. (1967). Time required for judgements of numerical
inequality. Nature, 215(2), 1519-1520.
Mussolin, C., De Volder, A., Grandin, C., Schlögel, X., Nassogne, M.-C., & Noël, M.-P.
(2010). Neural correlates of symbolic number comparison in developmental dyscal-
culia. Journal of Cognitive Neuroscience, 22(5), 860-874.
Mussolin, C., Mejias, S., & Noël, M. (2010). Symbolic and nonsymbolic number com-
parison in children with and without dyscalculia. Cognition, 115(1), 10-25.
Notebaert, K., Nelis, S., & Reynvoet, B. (2011). The magnitude representation of
small and large symbolic numbers in the left and right hemisphere: an event-related
fMRI study. Journal of Cognitive Neuroscience, 23(3), 622-630.
Nuñez, S. C., Dapretto, M., Katzir, T., Starr, A., Bramen, J., Kan, E., … Sowell, E. R.
(2011). fMRI of syntactic processing in typically developing children: structural
correlates in the inferior frontal gyrus. Developmental Cognitive Neuroscience,
1(3), 313-323.
Parsons, S. & Bynner, J. (2005). Does numeracy matter more? London: NRDC
(National Research and Development Centre for Adult Literacy and numeracy).
[aRCK].
Pepperberg, I. M. (2006). Ordinality and Inferential Abilities of a Grey Parrot (Psit-
tacus erithacus). Journal of Comparative Psychology, 120(3), 205-216.
Pepperberg, I. M. (2012). Abstract concepts: Data from a Gray parrot. Behavioural
Processes, 93, 82-90.
Pepperberg, I. M. & Carey, S. (2012). Grey parrot number acquisition : The inference of
cardinal value from ordinal position on the numeral list. Cognition, 125(2), 219-232.
Peters, E., Hibbard, J., Slovic, P., & Dieckmann, N. (2007). Numeracy skill and
the communication, comprehension, and use of risk-benefit information. Health
Affairs, 26(3), 741-748.
Piazza, M., Pinel, P., Le Bihan, D., & Dehaene, S. (2007). A magnitude code com-
mon to numerosities and number symbols in human intraparietal cortex. Neuron,
53(2), 293-305.
Pinel, P., Dehaene, S., Rivière, D., & LeBihan, D. (2001). Modulation of parietal acti-
vation by semantic distance in a number comparison task. NeuroImage, 14(5),
1013-1026.
Pinel, P., Le Clec’H, G., van de Moortele, P. F., Naccache, L., Le Bihan, D., & Dehaene,
S. (1999). Event-related fMRI analysis of the cerebral circuit for number compari-
son. Neuroreport, 10(7), 1473-1479.
Price, G. R., Holloway, I., Räsänen, P., Vesterinen, M., & Ansari, D. (2007). Impaired
parietal magnitude processing in developmental dyscalculia. Current Biology :
CB, 17(24), R1042-3.
284 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Rotzer, S., Kucian, K., Martin, E., von Aster, M., Klaver, P., & Loenneker, T. (2008).
Optimized voxel-based morphometry in children with developmental dyscalculia.
NeuroImage, 39(1), 417-422.
Rubinsten, O. & Henik, A. (2009). Developmental dyscalculia: heterogeneity might
not mean different mechanisms. Trends in Cognitive Sciences, 13(2), 92-99.
Schneider, M., Grabner, R. H., & Paetsch, J. (2009). Mental number line, number line
estimation, and mathematical achievement: Their interrelations in grades 5 and 6.
Journal of Educational Psychology, 101(2), 359-372.
Schneider, M., Heine, A., Thaler, V., Torbeyns, J., De Smedt, B., Verschaffel, L., …
Stern, E. (2008). A validation of eye movements as a measure of elementary school
children’s developing number sense. Cognitive Development, 23(3), 409-422.
Schwartz, L. M., Woloshin, S., Black, W. C., & Welch, H. G. (1997). The role of numer-
acy in understanding the benefit of screening mammography. Annals of Internal
Medicine, 127(11), 966-972.
Sekuler, R. & Mierkiewicz, D. (1977). Children’s judgments of numerical inequality.
Child Development, 48(2), 630-633.
Shalev, R. S. & Gross-Tsur, V. (2001). Developmental Dyscalculia. Pediatric Neurol-
ogy, 24(5), 337-342.
Siegler, R. S. & Booth, J. L. (2004). Development of numerical estimation in young
children. Child Development, 75(2), 428-444.
Siegler, R. S. & Opfer, J. E. (2003). The development of numerical estimation: evi-
dence for multiple representations of numerical quantity. Psychological Science,
14(3), 237-243.
Siegler, R. S. & Ramani, G. B. (2009). Playing linear number board games – but not
circular ones – improves low-income preschoolers’ numerical understanding. Jour-
nal of Educational Psychology, 101(3), 545-560.
Spironelli, C. & Angrilli, A. (2009). Developmental aspects of automatic word process-
ing: language lateralization of early ERP components in children, young adults and
middle-aged subjects. Biological Psychology, 80(1), 35-45.
Temple, E., Deutsch, G. K., Poldrack, R. A., Miller, S. L., Tallal, P., Merzenich, M. M.,
& Gabrieli, J. D. E. (2003). Neural deficits in children with dyslexia ameliorated
by behavioral remediation: evidence from functional MRI. Proceedings of the
National Academy of Sciences of the United States of America, 100(5),
2860-2865.
Thompson, C. A. & Siegler, R. S. (2010). Linear numerical-magnitude representations
aid children’s memory for numbers. Psychological Science, 21(9), 1274-1281.
Verguts, T. & Van Opstal, F. (2005). Dissociation of the distance effect and size effect
in one-digit numbers. Psychonomic Bulletin & Review, 12(5), 925-930.
Vogel, S. E., Celia, G., & Ansari, D. (2015). Developmental specialization of the
left parietal cortex for the semantic representation of Arabic numerals: An fMR-
Adaptaton study. Development Cognitive Neuroscience, 12, 61-73.
Que nous apprennent les neurosciences cognitives 285
Vogel, S. E., Grabner, R. H., Schneider, M., Siegler, R. S., & Ansari, D. (2013). Over-
lapping and distinct brain regions involved in estimating the spatial position of
numerical and non-numerical magnitudes: An fMRI study. Neuropsychologia,
51(5), 979-989.
Vogel, S. E., Remark, A., & Ansari, D. (2015). Differential processing of symbolic
numerical magnitude and order in 1st grade children. Journal of Experimental
Child Psychology, 129, 26-39.
Walsh, V. (2003). A theory of magnitude: common cortical metrics of time, space and
quantity. Trends in Cognitive Sciences, 7(11), 483-488.
Xu, F. & Spelke, E.S. (2000). Large number discrimination in 6-month-old infants.
Cognition, 74(1), B1-B11.
Xu, F., Spelke, E.S., & Goddard, S. (2005). Number sense in human infants. Devel-
opmental Science, 8(1), 88-101.
Zorzi, M. & Butterworth, B. (1999). A computational model of number comparison. In
M. Hahn & S. C. Stones (Eds.), Proceedings of the Twenty First Annual Meeting
of the Cognitive Science Society (pp. 772-777). Mahwah, NJ: Erlbaum.
Chapitre
Anxiété et affect
10
en mathématiques : perspectives
comportementales, neurocognitives
et développementales
Alex M. MOORE et Mark H. ASHCRAFT
Bien que les mathématiques discutées par les deux Reines nous
paraissent peu conventionnelles, nous pensons que le dialogue entre des
enseignants en mathématiques et des étudiants avancés resterait essen-
tiellement inchangé si on remplaçait la division d’une miche de pain par un
couteau avec des équations à inconnues ou des fractions. En effet, pour
certains étudiants, l’apprentissage de procédures complexes et des relations
mathématiques semble aussi fantaisiste et illogique que les questions posées
à Alice par les Reines Rouge et Blanche.
Cette réalité implique des conséquences importantes et potentiel-
lement négatives pour les élèves. De nombreuses études suggèrent que les
élèves qui ont de faibles compétences en mathématiques risquent d’avoir des
résultats négatifs sur le plan scolaire pendant l’enfance (Ma, 1999) mais aussi
plus tard en tant qu’adultes (Hembree, 1990). De plus, cette faiblesse en
compréhension des mathématiques est liée à un ensemble de conséquences
négatives telles que le manque relatif de perspectives de carrière compara-
tivement à des pairs plus qualifiés (Hudson, Price, & Gross, 2009 ; Rivera-
Batiz, 1992). En effet, les personnes qui ont une moindre compréhension des
mathématiques ont souvent moins d’opportunités de carrière que celles qui
éprouvent des difficultés de lecture (Bynner & Parsons, 1997). Ainsi, il est
évident que la compréhension des mathématiques représente une compo-
sante essentielle du potentiel de réussite d’une personne tout au long de sa
vie. De ce fait, les facteurs qui inhibent ou qui facilitent le développement
des compétences en mathématiques méritent de recevoir une attention par-
ticulière à la fois de la part des enseignants et des chercheurs.
Anxiété et affect en mathématiques 289
1. ATTITUDES ET CROYANCES
Dès la petite enfance, la plupart des enfants sont confrontés à une
tâche des plus intimidantes. En effet, dès l’âge de trois ou quatre ans, les
enfants s’engagent pour une dizaine d’années de scolarisation qui ont pour
but de leur enseigner les compétences et les aptitudes qui les guideront tout
au long de leur carrière scolaire et de leur future carrière professionnelle. Il
ne fait aucun doute que ce marathon éducatif est important pour le dévelop-
pement de l’enfant, mais imaginons un instant quelle serait la compréhension
des mathématiques des enfants sans cela.
Les Mundurukú, une tribu indigène d’Amazonie, d’une part n’ad-
hèrent pas aux pratiques éducatives formelles et, d’autre part, possèdent un
langage des nombres relativement primitif, seuls les chiffres 1-5 ont un nom
(Pica, Lemer, Izard, & Dehaene, 2004). Ceci attire des chercheurs du monde
entier qui entendent étudier le traitement cognitif en l’absence de toute
influence éducative. Ces limitations en termes d’éducation et de langage
permettent aux chercheurs d’aborder des questions liées à la numération
innée, ou à l’étendue de la capacité de l’être humain à se représenter les
nombres sans la médiation d’une éducation formalisée.
En résumé, les résultats de ces recherches (e.g., Dehaene, Izard,
Spelke, & Pica, 2008 ; Pica et al., 2004) mettent en évidence ce que Geary
(1995, 2000) appelle les facultés biologiques primaires des nombres, c’est-
à-dire des aptitudes qui semblent être présentes dès la naissance, que l’on
retrouve sous une forme similaire partout dans le monde, et qui ne sont pas
le résultat d’un apprentissage formalisé. Dans l’ensemble, les Mundurukú ne
diffèrent pas d’un groupe contrôle de sujets français pour des tâches qui font
appel au système d’approximation des nombres, par exemple pour indiquer
lequel parmi deux ensembles de points (de 20 à 80 au total) est le plus grand
290 Neurosciences et cognition : perspectives pour les sciences de l’éducation
(Dehaene, 2009). Cependant, lorsque les deux groupes réalisent des tâches
nécessitant le recours à des concepts numériques précis, les Mundurukú
obtiennent des performances bien inférieures à celles du groupe contrôle,
probablement parce que le système langagier utilisé par la tribu ne permet
pas de faciliter une telle précision.
Pour Geary (1995, 2000), l’absence de compétence numérique
précise au sein de la tribu souligne l’importance des facultés biologiques
secondaires, des compétences qui incluent le traitement de chiffres élevés,
l’algèbre et au-delà. Ces aptitudes ne se retrouvent pas de façon universelle
à travers le monde, dans la mesure où leur développement implique un effort
d’entraînement et d’apprentissage, nécessitant parfois plusieurs années.
De ce fait, même la tâche de soustraction exacte, simple en apparence, ne
peut être accomplie correctement sans le bénéfice de cet effort (Pica et al.,
2004).
Ceci entraîne des difficultés pour certains élèves. Bien que des
aptitudes mathématiques soient évidentes pour la plupart des personnes,
la maîtrise des compétences plus pointues nécessite de l’éducation et de la
pratique. Il ne fait pas de doute que les élèves traverseront des moments
de confusion et de frustration, qu’ils devront persévérer malgré les échecs,
et qu’ils devront entraîner leurs compétences biologiques secondaires. Bien
entendu, ces étapes demanderont beaucoup d’efforts et de discipline pour
acquérir une bonne maîtrise. Dans cette partie, nous décrirons comment
les attitudes d’intérêt, de motivation et d’auto-efficacité pourraient aider
les élèves à réagir à l’apprentissage des mathématiques de façon positive,
productive, et significative.
Cependant, cette majorité diminue au fur et à mesure que les élèves pro-
gressent vers les niveaux d’enseignement plus avancés, probablement
du fait de la plus grande complexité de la matière. Il est intéressant de
noter que, même si elles sont moins prédominantes, les attitudes positives
continuent de prédire la réussite en mathématiques. Par exemple, sur un
large échantillon d’élèves (~600) âgés de 13 à 17 ans interrogés en 7e, 10e
et 12e année scolaire (gymnase allemand), ceux qui ont rapporté avoir un
niveau élevé d’intérêt ont mieux réussi dans les cours plus avancés que ceux
qui rapportent avoir peu d’intérêt pour les mathématiques (Köller, Bau-
mert, & Schnabel, 2001). De façon similaire, un haut niveau de motivation
vis-à-vis des mathématiques est associé à des résultats positifs ; une forte
motivation envers les mathématiques est un bon prédicteur des matières
principales choisies par les étudiants pour leurs études supérieures et, par
conséquent, du choix de carrière des jeunes adultes (Leuwerke, Robbins,
Sawyer, & Hovland, 2004).
En fait, Simpkins, Davis-Kean et Eccles (2006) ont montré que,
comparée à des pairs qui ont une moins grande motivation, une forte moti-
vation envers les mathématiques est associée à la perception de l’importance
de la matière, au fait de réussir un plus grand nombre de cours de mathé-
matiques, et à de meilleures notes. Ces résultats semblent assez évidents,
dans la mesure où la motivation envers les mathématiques est associée à
des performances de réussite relativement plus élevées (r = .31), et qu’elle
est fortement et négativement associée (r = –.72) à l’AM (Zakaria & Nordin,
2008). Cependant, l’hypothèse essentielle ici est que les élèves possèdent
une motivation intrinsèque et non pas extrinsèque. La raison étant que la
motivation intrinsèque refléterait la perception des élèves de l’importance
du domaine, qu’elle est liée à l’intérêt envers l’apprentissage de concepts
mathématiques, et à une plus grande persévérance dans cette matière. Au
contraire, les élèves dont la motivation est extrinsèque cherchent à réussir
pour s’assurer la reconnaissance positive de la part de leurs enseignants et
de leurs parents, ils sollicitent moins d’aide, et évitent les situations dans
lesquelles l’échec est perçu comme étant une issue possible (National Mathe-
matics Advisory Panel, 2008 ; Ryan & Pintrich, 1997).
Ces études illustrent le fait que l’intérêt pour le sujet et la motivation
intrinsèque œuvrent ensemble pour aider les élèves à aborder les mathé-
matiques de façon productive et efficace. Les élèves qui présentent ces
attitudes sont prêts à s’investir, à s’entraîner avec la matière et à persévérer
face aux échecs. Ce sont des attitudes comportementales qui contribuent au
succès dans la matière. Dans une étude sur le rôle de la motivation envers
les mathématiques et sa relation à l’auto-efficacité en mathématiques chez
des élèves de 9e (élèves âgés de 14 à 15 ans, selon le système scolaire des
États-Unis) Berger et Karabenick (2011) présentent un exemple probant
des avantages liés à ces attitudes.
292 Neurosciences et cognition : perspectives pour les sciences de l’éducation
2. CALCULS MATHÉMATIQUES
ET MÉMOIRE DE TRAVAIL
Rappelez-vous de la simple addition qui est posée à Alice au tout
début de ce chapitre, « Que font un plus un plus un plus un plus un plus
un plus un plus un plus un plus un ? » En dépit du fait que cette « addi-
tion » consiste simplement à maintenir une séquence de comptage, sa réso-
lution est une tâche compliquée si l’on n’est pas conscient qu’il est nécessaire
d’amorcer un comptage ou si l’on est distrait pendant ce comptage. Dans
l’exemple, il aurait été nécessaire pour Alice d’avoir accès (de mémoire)
au nombre de fois que le chiffre « un » a été prononcé avant de se rendre
compte qu’un comptage aurait dû être amorcé, elle aurait du prendre ce
chiffre comme point de départ de la séquence de comptage, maintenir en
mémoire le nombre de fois que le chiffre « un » était prononcé, tout en
comptant le nombre de fois que la Reine prononçait le mot « un » par la suite.
Au vu de cette description, il semble raisonnable de dire que les facultés de
mémoire à court terme d’Alice, ou ses ressources en mémoire de travail,
étaient fortement sollicitées, à un tel point qu’elle admet ne pas connaître le
résultat car elle a perdu le compte. Cet exemple illustre le fait que les mathé-
matiques, même pour un simple comptage (voir Camos & Barrouillet, 2004),
nécessitent le recours efficace aux ressources de la mémoire de travail.
Le concept de mémoire de travail décrit le système cognitif qui est
utilisé pour intégrer, maintenir, et manipuler les informations qui sont pré-
sentées à une personne (Miyake & Shah, 1999). Ses ressources sont limitées
et sont utilisées ou consommées pour traiter les informations couvrant de
nombreuses aptitudes mentales, y compris la mémoire, l’apprentissage et les
mathématiques (Ashcraft, 1995 ; DeStefano & LeFevre, 2004 ; Engle, 2002 ;
Miyake & Shah, 1999 ; Raghubar, Barnes, & Hecht, 2010). En lien avec ce
chapitre, il a été montré que l’utilisation des ressources de la mémoire de
travail est omniprésente dans le traitement mathématique, par exemple pour
Anxiété et affect en mathématiques 295
3. OBSTACLES SITUATIONNELS
À LA PERFORMANCE
3.1 Perte de ses moyens face à la pression
Un des événements qui survient fréquemment au cours de la sco-
larité des élèves est l’examen ou le concours qui porte des enjeux élevés.
Les évaluations de niveau, les examens de passage et les concours d’entrée
à l’Université figurent parmi les nombreuses situations dans lesquelles les
élèves sont confrontés à une situation d’examen qui peut avoir des consé-
quences importantes et qui peut potentiellement changer leur vie. Il est
possible que certains élèves se soient bien préparés pour ces examens, qu’ils
réussissent bien en cours et qu’ils s’attendent raisonnablement à réussir.
Cependant, il est également possible que ces mêmes élèves soient sujets à
perdre leurs moyens face à la pression, auquel cas leur performance sera
décevante au mieux.
La perte de ses moyens survient lorsque les attentes qui pèsent
sur un élève lors d’un examen avec des enjeux élevés sont si fortes que ce
296 Neurosciences et cognition : perspectives pour les sciences de l’éducation
dernier réussit beaucoup moins bien que dans une situation dans laquelle
les conséquences sont moins importantes. Il est intéressant de noter que cet
effet est observé chez les élèves qui ont le plus fort potentiel et le plus fort
désir de réussir. En fait, il est possible que ces caractéristiques rendent plus
probable le déclenchement des déficits de performance.
Cet effet a été observé dans des situations de laboratoire avec des
tâches d’arithmétique modulaire (Beilock & Carr, 2005 ; Beilock, Kulp,
Holt, & Carr, 2004 ; DeCaro, Rotar, Kendra, & Beilock, 2010). Résoudre ces
problèmes nécessite le recours à de l’arithmétique en plusieurs étapes et le
maintien des résultats intermédiaires, tout en effectuant des soustractions
et des divisions (Gauss, 1966). Il est important de noter que la résolution
de ces problèmes implique un coût relativement aux ressources en mémoire
de travail.
Le choking paradigm (le paradigme de la perte de ses moyens face
à la pression) est construit selon un plan en deux phases. La première partie
sert d’entraînement pour les participants, et la deuxième partie comprend
deux situations. Une moitié du groupe de participants accomplit les tâches
normalement, dans un contexte avec une pression faible. Cependant, pour
l’autre moitié on leur fait croire qu’ils font chacun partie d’une équipe de
deux personnes, et que leur coéquipier (hypothétique) a déjà passé le test.
De plus, on leur explique qu’étant donné la performance moyenne réalisée
par leur coéquipier, ils doivent améliorer leur propre performance de 20 %
entre la phase 1 et la phase 2 pour que les deux membres puissent recevoir
une récompense financière. On leur précise également que leur performance
pour la phase 2 sera filmée et utilisée par les autres élèves et les enseignants.
Ce paradigme a permis de montrer que la performance est moins
bonne dans la condition engendrant de la pression que dans la phase d’entraî-
nement. Il est intéressant de noter que le groupe sans pression améliore ses
performances, probablement grâce à l’effet de l’entraînement. Une analyse
plus fine permet de montrer que les moins bonnes performances obser-
vées pour la deuxième phase sont dues à un épuisement des ressources
en mémoire de travail. La performance aux tâches nécessitant de grandes
quantités de traitement en mémoire de travail, telles que celles impliquant des
grands nombres et des retenues, est affectée dans des situations de pression,
alors que la performance aux problèmes qui demandent peu de traitement est
relativement peu affectée. Ces résultats suggèrent que la perte de ses moyens
face à la pression agit en interférant avec le fonctionnement de la mémoire de
travail. Par conséquent, les personnes qui ont des attentes de réussite élevées
doivent aborder les tâches avec une mémoire de travail moins efficace.
Comme nous l’avons mentionné, cet obstacle à la performance lié à
la situation affecterait surtout les personnes qui seraient considérées comme
étant les plus capables d’accomplir les tâches avec succès. Les éléments
Anxiété et affect en mathématiques 297
2000 ; LeDoux, 2000). Il est également intéressant de noter que cette région
devient active dans le cadre de l’évaluation de feed-back social, en particulier
concernant le rejet social (Somerville, Heatherton, & Kelley, 2006).
Ces résultats témoignent de l’attitude des deux groupes au cours
de la réalisation des tâches. Les données à la fois comportementales et neu-
rologiques suggèrent que le groupe contrôle s’investit dans la matière, qu’il
est capable d’apprendre de ses erreurs et d’améliorer ses performances, ce
qui s’accompagne d’une augmentation de l’activité neurologique suggérant
une augmentation de l’expertise à réaliser la tâche. Par contre, le groupe
expérimental présente un léger recul en termes de performances et une
activité qui suggère que les participants se concentrent plus sur les émotions
provoquées par le stéréotype négatif que sur la tâche mathématique (pour
plus de données à ce sujet, voir aussi Mangels, Good, Whiteman, Maniscalo,
& Dweck, 2012 ; Wraga et al., 2007).
données d’IRMf pendant que les enfants réalisaient une tâche de vérification
d’additions et de soustractions. Une mesure de l’AM adaptée à leur âge a
également été réalisée.
Les résultats de cette étude montrent que, comparés aux enfants
présentant une faible AM, ceux ayant une forte anxiété présentaient une
activation plus forte de l’amygdale gauche, avec une activation concentrée
sur le noyau basolatéral, un site qui est impliqué dans la réponse de peur
acquise dans les paradigmes de conditionnement classique chez des sujets
adultes. De plus, chez ces enfants la connectivité fonctionnelle était plus
grande entre l’amygdale et le cortex préfrontal ventromédian, un circuit qui
serait activé lors d’épisodes de régulation d’émotions négatives (Phelps, Del-
gado, Nearing, & LeDoux, 2004), alors que l’activation des zones pariétales
possiblement impliquées dans le traitement des informations mathématiques
était réduite.
Ces deux études suggèrent que l’un des mécanismes au travers des-
quels l’AM agirait consisterait en un détournement du traitement efficace des
calculs en mémoire de travail vers des réseaux qui sont impliqués dans la
régulation émotionnelle des réponses. En effet, Lyons et Beilock (2012a) ont
montré que même le fait d’anticiper la réalisation d’une tâche mathématique
suffit à initier une réponse neurologique équivalente à une menace physique
imminente chez les sujets à forte anxiété à l’égard des mathématiques, ce
qui suggère que « l’anxiété à l’égard des mathématiques par anticipation
serait associée à la simulation d’une menace viscérale, voire de la douleur »
(p. 6). Les auteurs proposent également que ces résultats pourraient contri-
buer à expliquer les caractéristiques d’évitement de l’AM. Entre autres, les
élèves fortement anxieux aux mathématiques s’abstiendraient de s’inscrire
à des cours avancés en mathématiques car leur anticipation serait neuro-
logiquement enregistrée comme associée à de la douleur. Heureusement,
des travaux récents ont montré que certains élèves sont de fait capables
de gérer les émotions négatives produites par l’anticipation d’une tâche de
mathématiques.
Lyons et Beilock (2012b) ont conçu une tâche dans laquelle un
indice était présenté avant chaque essai pour indiquer que les participants
auraient à réaliser une tâche mathématique ou une tâche de mots. La tâche
mathématique consistait à vérifier des énoncés arithmétiques à plusieurs
étapes, et présentait deux niveaux de difficulté (la tâche de mots reflétait
les niveaux de difficulté des tâches mathématiques). Des données d’IRMf
étaient recueillies pendant le temps de présentation de l’indice et pendant
la présentation des essais.
L’analyse des données comportementales a montré que le groupe
anxieux à l’égard des mathématiques ne présentait pas de différences
de performance pour les problèmes faciles dans les deux conditions
306 Neurosciences et cognition : perspectives pour les sciences de l’éducation
qu’elle peut être mesurée de façon fiable, et qu’elle est associée à des déficits
de performances en mathématiques à un moment donné mais aussi longi-
tudinaux. Cependant, dans la mesure où ce domaine de recherche est très
récent, la nature exacte de l’AM chez l’enfant reste peu connue. Les éléments
existants suggèrent que sa présence est associée à des performances moins
précises et moins efficaces dans les calculs. De plus, il semblerait que les
enfants qui possèdent des capacités de mémoire de travail supérieures sont
plus susceptibles d’être affectés par ce phénomène, ce qui est un aspect qui
mérite d’être étudié plus en détail.
groupe expérimental 1 (ayant reçu une menace). Ceci suggère que le simple
fait d’informer les étudiantes du stéréotype lié au genre et de leur expliquer
que ce dernier est erroné leur a donné les moyens d’obtenir le même niveau
de réussite que leurs homologues masculins.
De même, cherchant à réduire la probabilité de perdre ses moyens
face à la pression, Ramirez et Beilock (2011) ont mené une série d’études
en laboratoire et sur le terrain afin d’analyser les bénéfices qu’il y aurait à
faire rédiger un texte portant sur le ressenti émotionnel (expressive wri-
ting) face à un test à venir. Ils ont testé en laboratoire des étudiants dans
des tâches d’arithmétique modulaire en utilisant classiquement le choking
paradigm. Un groupe restait simplement assis pendant 10 minutes avant
le test, alors qu’un autre groupe devait rédiger un texte portant sur leur
ressenti concernant le test de mathématiques à venir. De plus une étude
sur le terrain effectuée avec des étudiants en biologie (âgés en moyenne
de 22 ans et fréquentant une université aux États-Unis) a tenté de vérifier
l’efficacité d’une rédaction écrite au cours de leur examen de fin d’année,
situation qui génère beaucoup de stress. Avant l’examen, la moitié des
élèves devait penser à un sujet qui ne ferait pas partie de l’examen final,
alors que l’autre moitié devait noter par écrit leur ressenti concernant cet
examen final. Tous les élèves biologie devaient également passer un test de
mesure de l’anxiété.
Pour résumer les résultats de ces deux études, les étudiants (qui
sont tous soumis à une forte pression) ont mieux réussi que leurs pairs
lorsqu’ils avaient rédigé un texte portant sur leur ressenti, c’est-à-dire qu’ils
ont obtenu de meilleures performances que s’ils avaient écrit sur, ou pensé
à, un thème qui n’était pas lié à l’examen. De plus, les auteurs ont également
trouvé que les étudiants fortement anxieux vis-à-vis du test étaient ceux qui
bénéficiaient le plus de la rédaction d’un texte sur leur ressenti car ils obte-
naient des résultats similaires aux élèves peu anxieux dans les différentes
conditions expérimentales.
Ces deux techniques représentent des outils efficaces et peu oné-
reux qui peuvent être utilisés par les enseignants et soulignent le fait que
la menace du stéréotype et la sensation d’étouffement face à la pression
n’affectent pas uniquement les élèves qui sont moins en mesure de bien réus-
sir. Ces résultats mettent également en évidence le fait que ces baisses de
performance sont le résultat d’une interférence émotionnelle, et ne sont pas
liés à un manque de compétences ou à autre déficit. Pour terminer, notons
qu’il n’a pas encore été démontré que ces techniques pourraient contrecarrer
la baisse des performances liée à l’AM.
312 Neurosciences et cognition : perspectives pour les sciences de l’éducation
RÉFÉRENCES BIBLIOGRAPHIQUES
Aronson, J., Lustina, M. J., Good, C., Keough, K., Steele, C. M., & Brown, J. (1999).
When white men can’t do math: Necessary and sufficient factors in stereotype
threat. Journal of Experimental Social Psychology, 35(1), 29-46.
Ashcraft, M. H. (1995). Cognitive psychology and simple arithmetic: A review and
summary of new directions. Mathematical Cognition, 1(1), 3-34.
Ashcraft, M. H. (2002). Math anxiety: Personal, educational, and cognitive conse-
quences. Current Directions in Psychological Science, 11(5), 181-185.
Ashcraft, M. H. & Faust, M. W. (1994). Mathematics anxiety and mental arithmetic
performance: An exploratory investigation. Cognition and Emotion, 8(2), 97-125.
Ashcraft, M. H. & Kirk, E. P. (2001). The relationships among working memory,
math anxiety, and performance. Journal of Experimental Psychology: General,
130(2), 224-237.
Ashcraft, M. H. & Moore, A. M. (2009). Mathematics anxiety and the affective drop
in performance. Journal of Psychoeducational Assessment, 27(3), 197-205.
Ashcraft, M. H. & Rudig, N. O. (2012). Higher cognition is altered by noncognitive
factors: How affect enhances and disrupts mathematics performance in adoles-
cence and young adulthood. In V. F. Reyna, S. B. Chapman, M. R. Dougherty, &
J. Confrey (Eds.), The Adolescent Brain: Learning, Reasoning, and Decision
Making (pp. 243-263). Washington, D. C.: APA.
Ashcraft, M. H. & Stazyk, E. H. (1981). Mental addition: A test of three verification
models. Memory & Cognition, 9(2), 185-196.
Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change.
Psychological Review, 84(2), 191-215.
Beilock, S. L. & Carr, T. H. (2005). When high-powered people fail: Working memory
and “choking under pressure” in math. Psychological Science, 16(2), 101-105.
Beilock, S. L. & DeCaro, M. S. (2007). From poor performance to success under
stress: Working memory, strategy selection, and mathematical problem solving
under pressure. Journal of Experimental Psychology: Learning, Memory, &
Cognition, 33(6), 983-998.
Beilock, S. L., Gunderson, E. A., Ramirez, G., & Levine, S. C. (2010). Female teach-
ers’ math anxiety affects girls’ math achievement. Proceedings of the National
Academy of Sciences, 107(5), 1860-1863.
Beilock, S. L., Kulp, C. A., Holt, L. E., & Carr, T. H. (2004). More on the fragility of
performance: Choking under pressure in mathematical problem solving. Journal
of Experimental Psychology: General, 133(4), 584-600.
Beilock, S. L. & Ramirez, G. (2011). On the interplay of emotion and cognitive control:
Implications for enhancing academic achievement. In J. P. Mestre & B. H. Ross
(Eds.), The Psychology of Learning and Motivation: Cognition in Education
(vol. 55, pp. 137-170). Oxford, UK: Academic Press.
Anxiété et affect en mathématiques 313
Beilock, S. L., Rydell, R. J., & McConnell, A. R. (2007). Stereotype threat and work-
ing memory: Mechanisms, alleviation, and spillover. Journal of Experimental
Psychology: General, 136(2), 256-276.
Berger, J. L. & Karabenick, S. A. (2011). Motivation and students’ use of learning
strategies: Evidence of unidirectional effects in mathematics classrooms. Learning
and Instruction, 21(3), 416-428.
Brass M., Derrfuss J., Forstmann, B. & von Cramon, D. Y. (2005). The role of the
inferior frontal junction area in cognitive control. Trends in Cognitive Science,
9(7), 314-316.
Bush, G., Luu, P. & Posner, M. I. (2000). Cognitive and emotional influences in ante-
rior cingulate cortex. Trends in Cognitive Sciences, 4(6), 215-222.
Bynner, J. & Parsons, S. (1997). Does numeracy matter? Evidence from the
national child development study on the impact of poor numeracy on adult
life. London: The Basic Skills Agency.
Camos, V. & Barrouillet, P. (2004). Adult counting is resource demanding. British
Journal of Psychology, 95(1), 19-30.
Carroll, L. (1872). Alice’s Adventures in Wonderland and Through the Looking-
Glass. London: Penguin Books.
Cooper, S. E. & Robinson, D. A. (1991). The relationship of mathematics self-efficacy
beliefs to mathematics anxiety and performance. Measurement and Evaluation
in Counseling and Development, 24(1), 4-11.
DeCaro, M. S., Rotar, K. E., Kendra, M. S., & Beilock, S. L. (2010). Diagnosing and
alleviating the impact of performance pressure on mathematical problem solving.
The Quarterly Journal of Experimental Psychology: Human Experimental
Psychology, 63(8), 1619-1630.
Dehaene, S. (1997). The number sense. New York, NY: Oxford University Press.
Dehaene, S., Izard, V., Spelke, E., & Pica, P. (2008). Log or linear? Distinct intu-
itions of the number scale in western and Amazonian indigene cultures. Science,
320(5880), 1217-1220.
Dehaene, S., Spelke, E., Pinel, P., Stanescu, R., & Tsivkin, S. (1999). Sources of math-
ematical thinking: behavioral and brain-imaging evidence. Science, 284(5416),
970-974.
Dehane, S. (2009). Origins of mathematical intuitions. Annals of the New York
Academy of Sciences, 1156(1), 232-259
Delazer, M., Domahs, F., Bartha, L., Brenneis, C., Lochy, A., Trieb, T., & Benke,
T. (2003). Learning complex arithmetic – an fMRI study. Cognitive Brain
Research, 18(1), 76-88.
DeStefano, D. & LeFevre, J. (2004). The role of working memory in mental arithme-
tic. European Journal of Cognitive Psychology, 16(3), 353-386.
Elzinga, B. M. & Roelofs, K. (2005). Cortisol-induced impairments of working memory
require acute sympathetic activation. Behavioral Neuroscience, 119(1), 98-103.
314 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Lee, J. (2009). Universals and specifics of math self-concept, math self-efficacy, and
math anxiety across 41 PISA 2003 participating countries. Learning and Indi-
vidual Differences, 19(2), 355-365.
Leuwerke, W. C., Robbins, S., Sawyer, R., & Hovland, M. (2004). Predicting engineer-
ing major status from mathematics achievement and interest congruence. Journal
of Career Assessment, 12(2), 135-149.
Logie, R. H., Gilhooly, K. J., & Wynn, V. (1994). Counting on working memory in
arithmetic problem solving. Memory and Cognition, 22(4), 395-410.
Lyons, I. M. & Beilock, S. L. (2012a). When math hurts: math anxiety predicts
pain network activation in anticipation of doing math. PLoS ONE 7: e48076.
doi:10.1371/journal.pone.0048076
Lyons, I. M. & Beilock, S. L. (2012b). Mathematics anxiety: Separating the math from
the anxiety. Cerebral Cortex, 22(9), 2102-2110.
Ma, X. (1999). A meta-analysis of the relationship between anxiety toward math-
ematics and achievement in mathematics. Journal for Research in Mathematics
Education, 30(5), 520-541.
Maloney, E. A., Ansari, D., & Fugelsang, J. A. (2011). The effect of mathematics
anxiety on the processing of numerical magnitude. Quarterly Journal of Experi-
mental Psychology, 64(1), 10-16.
Maloney, E. A., Risko, E. F., Ansari, D., & Fugelsang, J. A. (2010). Mathematics
anxiety affects counting but not subitizing during visual enumeration. Cognition,
114(2), 293-297.
Mangels, J. A., Good, C., Whiteman, R. C., Maniscalo, B., & Dweck, C. S. (2012). Emo-
tion blocks the path to learning under stereotype threat. Social, Cognitive, and
Affect Neuroscience, 7(2), 230-241.
Mattarella-Micke, A., Mateo, J., Kozak, M. N., Foster, K., & Beilock, S. L. (2011).
Choke or thrive? The relation between salivary cortisol and math performance
depends on individual differences in working memory and math-anxiety. Emotion,
11(4), 1000-1005.
Menon, V., Rivera, S. M., White, C. D., Glover, G. H., & Reiss, A. L. (2000). Dissociating
prefrontal and parietal cortex activation during arithmetic processing. NeuroIm-
age, 12(4), 357-365.
Miyake, A. & Shah, P. (1999). Models of working memory: Mechanisms of active
maintenance and executive control. Cambridge, UK: Cambridge University
Press.
Moore, A. M., Rudig, N. O., & Ashcraft, M. H. (2015). Affect, motivation, working
memory, and mathematics. In R. Cohen & A. Dowker (Eds.), The Oxford hand-
book of numerical cognition. Oxford, UK: Oxford University Press.
Miyake, A. & Shah, P. (1999) Models of working memory: Mechanisms of active
maintenance and executive control. Cambridge, UK: Cambridge University
Press.
316 Neurosciences et cognition : perspectives pour les sciences de l’éducation
ressources qui sont partagées par toutes les situations de réception d’un
message verbal, qu’il soit oral ou écrit : au-delà de l’accès au sens de chacun
des mots qui forment une phrase, il est nécessaire de comprendre le statut
du mot (p. ex., un nom) et les relations qu’il entretient avec les autres mots
de la phrase (p. ex., fait partie du groupe sujet). Qui plus est, la compré-
hension de chaque énoncé d’un texte ne garantit pas une compréhension
plus globale de son sens, celle-ci étant tributaire de l’intégration des diffé-
rents énoncés dans une représentation globale cohérente que le lecteur se
construit au fur et à mesure de sa lecture. L’élaboration de ce schéma repose
sur la compréhension des relations entre les énoncés, sur l’activation de
connaissances dans le domaine et sur la complétion d’éléments qui ne sont
pas explicitement mentionnés dans le texte (les inférences).
La distinction entre processus d’identification de mots écrits et pro-
cessus de compréhension est souvent résumée par l’équation initialement
proposée par Hoover et Gough (1990) dans leur modèle appelé Simple view
of reading, L = I * C, ou L représente la finalité de l’activité de lecture, la
compréhension du texte écrit, I l’identification de mots écrits et C la compo-
sante de compréhension. L’astérisque qui figure comme opérateur est utilisé
dans ce cadre pour traduire le fait qu’il existe des interactions subtiles entre
ces deux ensembles de processus, qu’il convient de ne pas réduire à une
simple addition de compétences.
Les modèles actuels relatifs à l’apprentissage de l’identification de
mots écrits décrivent la mise en place de deux procédures ou stratégies
principales. La première vise à établir des correspondances entre les lettres
et les sons. Elle est généralement dénommée « procédure d’assemblage »,
« voie phonologique » ou « stratégie de médiation phonologique ». Elle pré-
suppose donc que l’enfant mémorise progressivement la forme des lettres
et soit capable d’évoquer leur son/nom. Il faut pour cela que l’enfant soit
capable de mettre en relation les éléments discrets formés par l’ensemble
des lettres, avec les sons qu’ils représentent. Si cela semble aisé à effectuer
pour des adultes ayant appris à lire et à écrire dans un système alphabétique,
c’est en revanche un véritable défi pour l’enfant apprenti-lecteur. En effet,
celui-ci possède des compétences d’analyse de la parole limitées (ce qu’on
appelle plus généralement la conscience phonologique – CP, comme nous le
verrons plus bas). Il est en mesure de comprendre que le mot « maman »
est formé de deux morceaux, les syllabes, et est capable de les identifier.
En revanche, il n’a pas encore développé les outils nécessaires pour réaliser
que la syllabe « ma » pouvait à son tour être décomposée en segments plus
petits, les phonèmes /m/ et /a/. Pour entrer véritablement dans l’écrit au
sein d’un système alphabétique, l’enfant devra donc effectuer cette prise de
conscience que les mots peuvent être segmentés en phonèmes, et établir le
jeu de correspondances entre ces phonèmes et les lettres (ou graphèmes)
qui le représentent à l’écrit. Ce travail sera plus ou moins difficile selon les
322 Neurosciences et cognition : perspectives pour les sciences de l’éducation
la DRA avec des items alphanumériques (Arnell, Joanisse, Klein, Busseri, &
Tannock, 2009).
La puissance prédictive respective de la DRA, de la CP (et, dans
une moindre mesure, de la MCTP) sur les compétences de lecture a été
comparée à maintes reprises. Ces comparaisons ont abouti à un ensemble
de résultats complexes indiquant que leur impact sur la maîtrise du langage
écrit est modulé par plusieurs facteurs, dont :
car les deux tâches « font appel à la vitesse à laquelle des représentations
phonologiques peuvent être récupérées de la mémoire à long terme » (Lervag
& Hulme, 2009, p. 1040, traduction libre). Ces auteurs suggèrent également
que la tâche de DRA activerait des circuits de l’hémisphère gauche impliqués
dans la reconnaissance et la dénomination d’objets, circuits qui seraient
également recrutés lorsque l’enfant apprend à lire. La démonstration que
la récupération de mots évaluée au moyen d’autres tâches que la DRA (par
exemple récupérer un mot sur la base d’un indice sémantique) est également
liée aux habiletés de littératie constitue un argument supplémentaire en
faveur de l’hypothèse du rôle prédominant joué par la récupération de mots
dans la relation entre DRA et littératie (Penney, Hann, & Power, 1999). En
revanche, selon l’interprétation orthographique, « la vitesse de dénomination
est conceptualisée sous la forme d’un ensemble complexe de sous-processus
attentionnels, perceptifs, mnésiques, phonologiques, sémantiques et moteurs
qui mettent fortement en exergue les exigences de timing à l’intérieur de
chaque composant et à travers tous les composants » (Wolf et al., 2000,
p. 395, traduction libre). Dans ce cas, le lien étroit entre lecture et DRA
serait dû à la similarité des multiples processus partagés par les deux tâches.
la capacité de lire suite à une lésion cérébrale ont fourni des indications sur
les régions impliquées dans le processus de lecture. Ainsi, Déjerine (1895)
a décrit le cas d’un commerçant cultivé, qui ne pouvait plus lire (tout en
parlant et écrivant normalement) dont l’autopsie a révélé des lésions dans la
région occipitale gauche (cf. figure 11.2). D’après la description de Déjerine
cette lésion a causé l’apparition des difficultés de lecture chez ce patient ce
qui permet d’inférer que cette région spécifique du cerveau est impliquée
dans les processus de lecture.
Lee, T. Schofield, Ellis et Price (2008) qui ont séparé leurs participants
en deux groupes en fonction de la rapidité de lecture. Ils ont observé que
ceux présentant une lecture plus rapide activaient davantage les aires
temporo-occipitales postérieures et pariétales, alors que les lecteurs plus
lents activaient davantage les régions frontales inférieures associées avec
le traitement du réseau sémantique. En plus de montrer des variabilités
interindividuelles liées aux performances en lecture, ces résultats sug-
gèrent que cette variabilité pourrait être sous-tendue par des différences
interindividuelles dans l’implication des voies respectivement lexicale et
phonologique durant la lecture.
En ce qui concerne l’acquisition de la lecture, il a été montré que
les deux voies associées aux processus d’assemblage et d’adressage chez les
lecteurs adultes deviennent progressivement actives chez l’enfant apprenti-
lecteur (Schlaggar et al., 2002 ; Turkeltaub, Gareau, Flowers, Zeffiro, &
Eden, 2003). Cette spécialisation se reflète par une activation de plus en
plus latéralisée dans l’hémisphère gauche avec l’avancement dans l’acqui-
sition de la lecture. La même observation a été faite pour l’activation de
la VWFA, dont le degré d’activation corrèle avec l’acquisition de la lecture
(Shaywitz et al., 2007). Il est intéressant de noter que la spécialisation de
la composante N1 associée au traitement orthographique dans la VWFA
peut être obtenue par un entraînement de l’association entre des lettres et
les sons avant l’apprentissage de la lecture (Brem et al., 2010) et qu’elle
s’observe également chez des adultes apprenant un nouveau code écrit
(Brem et al., 2006).
Pour résumer, les études en neuro-imagerie ont identifié les réseaux
corticaux impliqués dans les processus spécifiques à la lecture ainsi que leur
décours temporel. Durant l’acquisition, l’activation de ces aires s’accroît
au fur et à mesure qu’augmente la performance du lecteur alors que les
amplitudes des potentiels évoqués électriques diminuent (Holcomb, Coffey,
& Neville, 1992 ; Kok & Rooijakkers, 1985), reflétant une automatisation
progressive des processus.
3. IMPLICATIONS PÉDAGOGIQUES /
CONSÉQUENCES POUR L’ENSEIGNEMENT
Pour ce qui est de l’enseignement de la lecture et de la prise en
charge des difficultés de lecture, il semble se dégager un certain consen-
sus dans la littérature scientifique concernant une approche en 3 niveaux
ou vagues (Griffiths & Stuart, 2013 ; Snowling & Hulme, 2012) selon une
approche appelée « réponse à l’intervention » :
REMERCIEMENTS
Ce chapitre a été écrit dans le cadre du subside du Fonds national
suisse de la recherche scientifique n° 100014_149595 Rapid naming and
reading skills in school-aged children : A behavioral and ERP approach
to the contribution of the lexical-phonological processes.
RÉFÉRENCES BIBLIOGRAPHIQUES
Albuquerque, C. P. (2012). Rapid naming contributions to reading and writing acquisi-
tion of European Portuguese. Reading and Writing, 25(4), 775-797.
American Psychiatric Association. (2013). Diagnostic and Statistical Manual of
Mental Disorders (5th edition). Arlington, VA: American Psychiatric Publishing.
Araujo, S., Bramão, I., Faísca, L., Petersson, K. M., & Reis, A. (2012). Electrophysi-
ological correlates of impaired reading in dyslexic pre-adolescent children. Brain
and Cognition, 79(2), 79-88.
Arnell, K. M., Joanisse, M. F., Klein, R. M., Busseri, M. A., & Tannock, R. (2009).
Decomposing the relation between Rapid Automatized Naming (RAN) and reading
ability. Canadian Journal of Experimental Psychology, 63(3), 173-184.
Babayigit, S. & Stainthorp, R. (2011). Modeling the relationships between cognitive-
linguistic skills and literacy skills: New insights from a transparent orthography.
Journal of Educational Psychology, 103(1), 169-189.
Baddeley, A. & Gathercole, S. (1992). Learning to read: The role of the phonological
loop. In J. Alegria, D. Holender, J. Junca de Morais, & M. Radeau (Eds.), Analytic
Approaches to Human Cognition (pp. 153-167). Oxford, England: North-Holland.
Bekebrede, J., van der Leij, A., & Share, D. L. (2009). Dutch dyslexic adolescents:
Phonological-core variable-orthographic differences. Reading And Writing,
22(2), 133-165.
Bentin, S., Mouchetant-Rostaing, Y., Giard, M. H., Echallier, J. F., & Pernier, J. (1999).
ERP manifestations of processing printed words at different psycholinguistic levels:
L’apprentissage de la lecture et ses troubles 343
Draganski, B., Gaser, C., Busch, V., Schuierer, G., Bogdahn U., & May, A. (2004).
Neuroplasticity: changes in grey matter induced by training. Nature, 427(6972),
311-312.
Eason, S. H., Sabatini, J. P., Goldberg, L. F., Bruce, K. M., & Cutting, L. E. (2013).
Examining the relationship between word reading efficiency and oral reading rate
in predicting comprehension among different types of readers. Scientific Studies
of Reading, 17(3), 199-223.
Fiebach, C. J., Friederici, A. D., Müller, K., & von Cramon, D. Y. (2002). fMRI evidence
for dual routes to the mental lexicon in visual word recognition. Journal of Cogni-
tive Neuroscience, 14(1), 11-23.
Fluss, J., Ziegler, J. C., Warszawski, J., Ducot, B., Richard, G., & Billard, C. (2009).
Poor reading in French elementary school: The interplay of cognitive, behavioral,
and socioeconomic factors. Journal of Developmental And Behavioral Pediat-
rics, 30(3), 206-216.
Furnes, B. & Samuelsson, S. (2011). Phonological awareness and rapid automatized
naming predicting early development in reading and spelling: Results from a cross-
linguistic longitudinal study. Learning and Individual Differences, 21(1), 85-95.
Galaburda, A. M. & Kemper, T. L. (1979). Cytoarchitectonic abnormalities in devel-
opmental dyslexia: a case study. Annals of Neurology, 6(2), 94-100.
Galaburda, A. M., Sherman, G. F., Rosen, G. D., Aboitiz, F., & Geschwind, N. (1985).
Developmental dyslexia: four consecutive patients with cortical anomalies. Annals
of Neurology, 18(2), 222-233.
Gombert, J. E. (1990). Le développement métalinguistique. Paris : Presses uni-
versitaires de France.
Griffiths, Y. & Stuart, M. (2013). Reviewing evidence-based practice for pupils with
dyslexia and literacy difficulties. Journal of Research In Reading, 36(1), 96-116.
Grigorenko, E. L. (2004). Genetic bases of developmental dyslexia: A capsule review
of heritability estimates. Enfance, 56(3), 273-288.
Grigorenko, E. L. & Naples, A. (2009). The devil is in the detail: decoding the
genetics of reading. In K. Pugh, & P. McCardle, (Eds.), How children learn to
read: Current issues and new directions in the integration of cognition,
neurobiology and genetics of reading and dyslexia research and practice
(pp. 135-150). New York, NY: Psychology Press.
Hämäläinen, J. A., Salminen, H. K., & Leppänen, P. H. (2013). Basic auditory pro-
cessing deficits in dyslexia: systematic review of the behavioral and event-related
potential/field evidence. Journal of Learning Disabilities, 46(5), 413-427.
Hauk, O., Coutout, C., Holden, A., & Chen, Y. (2012). The time-course of single-word
reading: Evidence from fast behavioral and brain responses. NeuroImage, 60(2),
1462-1477.
Heim, S., Alter, K., Ischebeck, A K., Amunts, K., Eickhoff, S. B., Mohlberg, H., & Fried-
erici, A. D. (2005). The role of the left Brodmann’s areas 44 and 45 in reading words
and pseudowords. Brain Research Cognitive Brain Research, 25(3), 982-93.
L’apprentissage de la lecture et ses troubles 345
Holcomb, P., Coffey, S. A., & Neville, H. J. (1992). Visual and auditory sentence
processing: a developmental analysis using event-related brain potentials. Devel-
opmental Neuropsychology, 8(2&3), 203-241.
Hoover, W. A. & Gough, P. B. (1990). The simple view of reading. Reading And
Writing, 2(2), 127-160.
Jobard, G., Vigneau, M., Mazoyer, B., & Tzourio-Mazoyer, N. (2007). Impact of modal-
ity and linguistic complexity during reading and listening tasks. NeuroImage,
34(2), 784-800.
Kast, M., Elmer, S., Jäncke, L., & Meyer, M. (2010). ERP differences of pre-lexical
processing between dyslexic and non-dyslexic children. International Journal of
Psychology, 77(1), 59-69.
Kok, A. & Rooijakkers, J. A. (1985). Comparison of event-related potentials of young
children and adults in a visual recognition and word reading task. Psychophysio-
logy, 22(1), 11-23.
Kutas, M. & Federmeier, K. D. (2000). Electrophysiology reveals semantic mem-
ory use in language comprehension. Trends in Cognitive Sciences, 4(12),
463-470.
Landerl, K. & Wimmer, H. (2008). Development of word reading fluency and spell-
ing in a consistent orthography: An 8-year follow-up. Journal of Educational
Psychology, 100(1), 150-161.
Lecocq, P. (1993). Entraînement à l’analyse segmentale et apprentissage de la lec-
ture. International Journal of Psychology, 28(5), 549-569.
Lervag, A. & Hulme, C. (2009). Rapid automatized naming (RAN) taps a mechanism
that places constraints on the development of early reading fluency. Psychological
Science, 20(8), 1040-1048.
Lovio, R., Halttunen, A., Lyytinen, H., Näätänen, R., & Kujala, T. (2012). Reading
skill and neural processing accuracy improvement after a 3-hour intervention in
preschoolers with difficulties in reading-related skills. Brain Research, 1448(11),
42-55.
Lyon, G., Shaywitz, S. E., & Shaywitz, B. A. (2003). A definition of dyslexia. Annals
of Dyslexia, 53, 1-14.
Maguire, E. A., Gadian, N. G., Johnsrude, I. S., Good, C. D., Ashburner, J., Frackowiak,
R. S., & Fith, C. D. (2000). Navigation-related structural changes in the hippocampi
of taxi drivers. PNAS, 97(8), 4398-4403.
Maurer, U., Brem, S., Bucher, K., Kranz, F., Benz, R., Steinhausen, H. C., & Brandeis,
D. (2007). Impaired tuning of a fast occipito-temporal response to print in dyslexic
children learning to read. Brain, 130(12), 3200-3210.
Maurer, U., Schulz, E., Brem, S., der Mark, S. V., Bucher, K., Martin, E.,
& Brandeis, D. (2011). The development of print tuning in children with dyslexia:
evidence from longitudinal ERP data supported by fMRI. NeuroImage, 57(3),
714-722.
346 Neurosciences et cognition : perspectives pour les sciences de l’éducation
McArthur, G., Eve, P., Jones, K., Banales, E., Kohnen, S., Anandakumar, T., … Castles,
A. (2012). Phonics training for English-speaking poor readers. Cochrane Database
of Systematic Reviews, Issue 12. Art. No.: CD009115. doi: 10.1002/14651858.
CD009115. pub2.
Mechelli, A., Crinion, J. T., Long, S., Friston, K. J., Ralph, M. A. L., Patterson, K., …
Price, C. J. (2005). Dissociating reading processes on the basis of neuronal interac-
tions. Journal of Cognitive Neuroscience, 17(11), 1753-1765.
Morais, J., Alegria, J., & Content, A. (1987). The relationships between segmental
analysis and alphabetic literacy: An interactive view. Cahiers de Psychologie
Cognitive/Current Psychology of Cognition, 7(5), 415-438.
Nation, K. & Hulme, C. (2011). Learning to read changes children’s phonological
skills: Evidence from a latent variable longitudinal study of reading and nonword
repetition. Developmental Science, 14(4), 649-659.
Noordenbos, M. W., Segers, E., Serniclaes, W., Mitterer, H., & Verhoeven, L. (2012).
Neural evidence of allophonic perception in children at risk for dyslexia. Neuro-
psychologia, 50(8), 2010-2017.
Norton, E. S. & Wolf, M. (2012). Rapid Automatized Naming (RAN) and reading flu-
ency: Implications for understanding and treatment of reading disabilities. Annual
Review of Psychology, 63, 427-452.
Oakhill, J. V., Cain, K. K., & Bryant, P. E. (2003). The dissociation of word reading and
text comprehension: Evidence from component skills. Language And Cognitive
Processes, 18(4), 443-468.
OCDE (2000). La littératie à l’ère de l’information : Rapport final de l’enquête
internationale sur la littératie des adultes. Paris : OCDE.
Paulesu, E., Demonet, J. F., Fazio, F., McCrory, E., Chanoine, V., Brunswick, N.,
& Frith, U. (2001). Dyslexia: Cultural diversity and biological unity. Science,
291(5511), 2165-2167.
Pauly, H., Linkersdörfer, J., Lindberg, S., Woerner, W., Hasselhorn, M., &
Lonnemann, J. (2011). Domain-specific Rapid Automatized Naming deficits in
children at risk for learning disabilities. Journal of Neurolinguistics, 24(5),
602-610.
Penney, C. G., Hann, P., & Power, B. (1999). A possible contribution of word-retrieval
difficulties to reading and spelling impairments. Learning and Individual Dif-
ferences, 11(4), 377-400.
Powell, D., Stainthorp, R., Stuart, M., Garwood, H., & Quinlan, P. (2007). An
experimental comparison between rival theories of rapid automatized naming
performance and its relationship to reading. Journal of Experimental Child
Psychology, 98(1), 46-68.
Price, C. J. & Mechelli, A. (2005). Reading and reading disturbance. Current Opin-
ion in Neurobiology, 15(2), 231-238.
Ramus, F. & Szenkovits, G. (2008). What phonological deficit? The Quarterly Jour-
nal Of Experimental Psychology, 61(1), 129-141.
L’apprentissage de la lecture et ses troubles 347
Richlan, F., Kronbichler, M., & Wimmer, H. (2009). Functional abnormalities in the
dyslexic brain: a quantitative meta-analysis of neuroimaging studies. Human
Brain Mapping, 30(10), 3299-3308.
Rimrodt, S. L., Clements-Stephens, A. M., Pugh, K. R., Courtney, S., Gaur, P.,
Pekar, J. J., & Cutting, L. E. (2008). Functional MRI of sentence comprehension
in children with dyslexia: Beyond word recognition. Cerebral Cortex, 19(2),
402-413.
Salmelin, R., Kiesilä, P., Uutela, K., Service, E., & Salonen, O. (1996). Impaired visual
word processing in dyslexia revealed with magnetoencephalography. Annals of
Neurology, 40(2), 157-162.
Salmelin, R., Helenius, P., & Service, E. (2000). Neurophysiology of fluent and
impaired reading: a magneto-encephalographic approach. Journal of Clinical
Neurophysiology, 17(2),163-74.
Savage, R. S., Frederickson, N., Goodwin, R., Patni, U., Smith, N., & Tuersley,
L. (2005). Relationships Among Rapid Digit Naming, Phonological Processing,
Motor Automaticity, and Speech Perception in Poor, Average, and Good Readers
and Spellers. Journal of Learning Disabilities, 38(1), 12-28.
Savage, R. S., Pillay, V., & Melidona, S. (2007). Deconstructing rapid automatized
naming: Component processes and the prediction of reading difficulties. Learning
and Individual Differences, 17(2), 129-146.
Schatschneider, C., Fletcher, J. M., Francis, D. J., Carlson, C. D., & Foorman, B.
R. (2004). Kindergarten prediction of reading skills: A longitudinal comparative
analysis. Journal of Learning Disabilities, 35(3), 245-256.
Schlaggar, B. L., Brown, T. T., Lugar, H. M., Visscher, K. M., Miezin, F. M., & Petersen,
S. E. (2002). Functional neuroanatomical differences between adults and school-
age children in the processing of single words. Science, 296(5572), 1476-1479.
Schulte-Körne, G., & Bruder, J. (2010). Clinical neurophysiology of visual and
auditory processing in dyslexia: a review. Clinical Neurophysiology, 121(11),
1794-1809.
Schulz, E., Maurer, U., van der Mark, S., Bucher, K., Brem, S., Martin, E., & Brandeis,
D. (2008). Impaired semantic processing during sentence reading in children with
dyslexia: Combined fMRI and ERP evidence. NeuroImage, 41(1), 153-186.
Seghier, M. L., Lee, H. L., Schofield, T., Ellis, C. L., & Price, C. J. (2008). Inter-subject
variability in the use of two different neuronal networks for reading aloud familiar
words. NeuroImage, 42(3), 1226-1236.
Serniclaes, W., Van Heghe, S., Mousty, P., Carré, R., & Sprenger-Charolles, L. (2004).
Allophonic mode of speech perception in dyslexia. Journal of Experimental
Child Psychology, 87(4), 336-361.
Seymour, P. K. (2005). Early Reading Development in European Orthographies.
In M. J. Snowling & C. Hulme (Eds.), The science of reading: A handbook
(pp. 296-315). Malden, MA: Blackwell Publishing.
348 Neurosciences et cognition : perspectives pour les sciences de l’éducation
van der Leij, A. & Morfidi, E. (2006). Core deficits and variable differences in
Dutch poor readers learning English. Journal of Learning Disabilities, 39(1),
74-90.
van der Mark, S., Bucher, K., Maurer, U., Schulz, E., Brem, S., Buckelmüller, J., …
Brandeis, D. (2009). Children with dyslexia lack multiple specializations along the
visual word form (VWF) system. NeuroImage, 47(4), 1940-1949.
van Zuijen, T. L., Plakas, A., Maassen, B. A., Been, P., Maurits, N. M., Krikhaar, E., …
van der Leij, A. (2012). Temporal auditory processing at 17 months of age is associ-
ated with preliterate language comprehension and later word reading fluency: an
ERP study. Neuroscience Letters, 528(1), 31-35.
Vandewalle, E., Boets, B., Ghesquière, P., & Zink, I. (2010). Who is at risk for dyslexia?
Phonological processing in five-to seven-year-old Dutch-speaking children with SLI.
Scientific Studies of Reading, 14(1), 58-84.
Vellutino, F. R., Fletcher, J. M., Snowling, M. J., & Scanlon, D. M. (2004). Specific read-
ing disability (dyslexia): what have we learned in the past four decades? Journal
of Child Psychology and Psychiatry, 45(1), 2-40.
Vigneau, M., Beaucousin, V., Herve, P. Y., Duffau, H., Crivello, F., Houde O., …
Tzourio-Mazoyer, N. (2006). Meta-analyzing left hemisphere language areas:
Phonology, semantics, and sentence processing. NeuroImage, 30(4), 1414-1432.
Vinckier, F., Dehaene, S., Jobert, A., Dubus, J. P., Sigman, M., & Cohen, L. (2007).
Hierarchical coding of letter strings in the ventral stream: dissecting the inner
organization of the visual word-form system. Neuron, 55(1), 143-156.
Vukovic, R. K. & Siegel, L. S. (2006). The double-deficit hypothesis: A comprehensive
analysis of the evidence. Journal of Learning Disabilities, 39(1), 25-47.
Wagner, R. K., Torgesen, J. K., & Rashotte, C. A. (1994). Development of reading-
related phonological processing abilities: New evidence of bidirectional causality
from a latent variable longitudinal study. Developmental Psychology, 30(1),
73-87.
Wimmer, H. & Mayringer, H. (2002). Dysfluent reading in the absence of spelling
difficulties: A specific disability in regular orthographies. Journal of Educational
Psychology, 94(2), 272-277.
Wimmer, H. & Schurz, M. (2010). Dyslexia in regular orthographies: Manifestation
and causation. Dyslexia, 16(4), 283-299.
Wolf, M. & Bowers, P. G. (1999). The double-deficit hypothesis for the developmental
dyslexias. Journal of Educational Psychology, 91(3), 415-438.
Wolf, M., Bowers, P. G., & Biddle, K. (2000). Naming-speed processes, timing, and
reading: A conceptual review. Journal of Learning Disabilities, 33(4), 387-407.
Chapitre 12
Neurosciences de la Musique
Clément FRANÇOIS et Daniele SCHÖN
1. LANGAGE ET MUSIQUE :
DES COMPÉTENCES PERCEPTIVES
QUI SE DÉVELOPPENT TRÈS TÔT
1.1 Avant la naissance
Déjà quelques mois avant la naissance, alors que le système
visuel n’est pas encore mature, le système auditif humain est quant à
lui tout à fait fonctionnel (Chelli & Chanoufi, 2008). Le futur nourrisson
perçoit bien les sons de l’environnement, principalement les sons de
basses fréquences portant la mélodie du langage, la prosodie. Le fœtus
se développe au rythme des battements cardiaques de la mère agissant
tel un métronome et constituant sa première expérience avec le rythme.
Dès le 3e mois de grossesse, il apprend à connaître, reconnaître la voix
de sa mère et arrive même à mémoriser les berceuses qu’elle lui chante
(Sansavini, Bertoncini, & Giovanelli, 1997 ; Kisilevsky et al., 2003 ;
Kisilevsky et al., 2009 ; Granier-Deferre, Ribeiro, Jacquet, & Bassereau,
2011). L’activité magnétique cérébrale (reflétant l’activité synchronisée
de milliers de neurones corticaux) peut d’ores et déjà être mesurée
avant la naissance grâce à la Magnéto-Encéphalographie fœtale. Ainsi, le
fœtus de 3 mois détecte des changements de fréquence (Draganova et
al., 2005 ; Huotilainen et al., 2005) et manifeste déjà la réponse corticale
dite de négativité de discordance ou MMN (pour Mismatch Negativity)
bien connue chez l’adulte et le nouveau-né et qui indique la présence
d’une trace mnésique, générée d’une manière automatique, de régula-
rités physiques ou abstraites. Une fois né et propulsé dans un nouvel
environnement très bruyant, dans lequel l’oreille change de mode de
fonctionnement, passant d’une conduction liquidienne à une conduction
aérienne, le nouveau-né est ainsi déjà doté de grandes compétences dans
le domaine auditif, lesquelles sont désormais plus facilement observables,
accessibles et quantifiables. Il est du coup possible de constater qu’au
cours de la première année de vie, le bébé va connaître un raffinement
progressif de sa sensibilité auditive, tant pour les sons linguistiques que
pour les sons musicaux avec une spécialisation de la perception pour les
contrastes auxquels le bébé est exposé, et une réduction de la sensibilité
aux contrastes moins familiers.
Neurosciences de la Musique 353
2. L’ACQUISITION DU LANGAGE
ET DE LA MUSIQUE. EXTRAIRE LES MOTS
DE LA PAROLE ET LEUR ATTRIBUER DU SENS :
LES PROBLÈMES DE SEGMENTATION ET
D’ASSOCIATION MOT-IMAGE CHEZ LE BÉBÉ
Déjà avant le babillage, période pendant laquelle il produit inlassa-
blement les mêmes phonèmes de manière répétée, le tout petit reconnaît
vite certains mots familiers et arrive à segmenter un flot continu de paroles.
Cette capacité à segmenter et extraire les mots du signal continu de paroles
est considérée comme une étape fondamentale dans l’acquisition du lan-
gage, elle est un prérequis obligatoire pour un développement linguistique
de bonne qualité. En effet, des études ont montré un lien fort entre cette
capacité de segmentation et les compétences linguistiques (mesurées par la
taille du lexique productif et perceptif) à l’âge de 24 mois (Newman, Ratner,
Jusczyk, Jusczyk, & Dow, 2006 ; Singh Reznick, & Xuehua, 2012). De plus,
cette compétence est souvent déficitaire chez les grands prématurés (Bosch,
2012) qui présentent généralement plus tard un développement linguistique
altéré entre 30 et 40 mois (Sansavini et al., 2010). Il est d’ailleurs assez facile
de mesurer la difficulté de cette étape lorsqu’on écoute pour la première fois
de sa vie une langue étrangère très éloignée de la sienne. Pourtant, là encore,
cette capacité se développe de manière automatique et serait notamment
dépendante des propriétés structurelles des séquences de phonèmes. En
se basant sur l’observation que l’organisation structurelle des phonèmes
est une dimension importante du signal de parole (Hayes & Clark, 1970),
Saffran, Aslin et Newport (1996) ont étudié la capacité de segmentation
chez le bébé de 6 mois dans une configuration de laboratoire à l’aide d’un
langage artificiel miniature régi par des règles statistiques. L’idée est que les
deux syllabes « jo » et « li » par exemple, soient entendues l’une après l’autre
fréquemment, d’ailleurs « joli » est un vrai mot français qui sera entendu
suivi de mots qui la plupart du temps sont tous différents. Ainsi, de manière
générale, les syllabes qui se trouvent à l’intérieur des mots, et donc qui for-
ment les vrais mots du langage, apparaissent plus souvent ensemble (et donc
présentent une forte probabilité d’occurrence) que les syllabes se trouvant
aux frontières des mots, à cheval entre deux mots (qui présentent elles une
faible probabilité d’occurrence). Ainsi, des bébés de 6 mois arrivent à recon-
naître et donc à segmenter les mots du langage après seulement 2 minutes
d’écoute de ce flux continu de syllabes synthétiques sur la seule base des
propriétés statistiques. De manière intéressante, les bébés présentent une
sensibilité similaire pour des séquences de sons musicaux suggérant que ce
type d’apprentissage est commun à l’acquisition du langage et de la musique
(Saffran, Johnson, Aslin, & Newport, 1999).
Neurosciences de la Musique 355
3. PRATIQUE MUSICALE
ET PLASTICITÉ CÉRÉBRALE
Durant toute la vie, les interactions avec l’environnement modifient
les connexions entre neurones existants via la synaptogenèse. Lorsqu’une
interaction se répète assez souvent, les nouvelles synapses se renforcent
et se stabilisent, ce qui permet de consolider les nouveaux acquis. Si l’inte-
raction n’a plus lieu, les nouvelles synapses se dégradent, et on oublie. Ces
mécanismes de plasticité sur lesquels nous allons revenir sont aussi à l’œuvre
dans la pratique musicale.
Il existe plusieurs façons d’étudier la plasticité cérébrale. On peut
suivre le développement de l’enfant, en même temps que les changements
cérébraux liés à l’âge et à l’expérience, la pratique musicale, qui nous inté-
resse ici. Une deuxième méthode consiste à comparer le fonctionnement du
cerveau entre deux groupes, un dit expert, c’est-à-dire des musiciens, et un
groupe de contrôle (des non-musiciens).
congénitale, cf. plus bas). Cependant nous allons choisir une définition plus
opérationnelle de ce que signifie être musicien, qui implique la pratique
d’un instrument (y compris la voix bien sûr), car notre position vis-à-vis de
la plasticité nous amène à privilégier une vision active de la musique par
rapport à une vision d’écoute passive. Nous reviendrons là-dessus. Pour
l’instant, contentons-nous de constater que la quantité d’heures passées par
un musicien à jouer d’un instrument est souvent supérieure à 1 000 heures
par an. Le musicien commence souvent très jeune – entre cinq et dix ans –,
ce qui fait qu’un jeune adulte musicien d’orchestre et âgé de 20 ans peut
avoir déjà 10 000 heures de pratique instrumentale à son actif. Pendant
toutes ces heures de pratique, le musicien développe des compétences
motrices (rapidité, précision), de coordination motrice (p. ex., synchronisa-
tion et indépendance manuelle) et visuo-motrices (lecture de la partition),
des compétences dans le domaine auditif (p. ex., justesse, qualité timbrale
du son), mais aussi des compétences plus générales telles que la mémoire,
l’orientation de l’attention dans le temps et dans l’espace, la synchronisation
avec l’autre, et bien d’autres que nous verrons plus tard. Ces compétences
reposent sur des modifications des substrats neuronaux sous-jacents, c’est-
à-dire à l’intérieur des aires cérébrales impliquées. Les neurosciences de la
musique se sont beaucoup intéressées à démontrer quels sont les circuits
cérébraux qui permettent ces changements.
constaté un plus grand volume cortical dans les zones qui commandent le
mouvement des doigts et de la main chez les musiciens par rapport aux
sujets contrôles. Cette augmentation de volume se réalisant dans un volume
fixe, celui du crâne, le cortex se replie sur lui même, se traduisant par un
renforcement des plis du sillon central et des gyri pré- et post-centraux.
En effet, alors que l’aire de la main peut parfois évoquer la lettre grecque
oméga, l’imagerie structurelle (IRM) révèle que ce signe oméga est plus
développé chez les musiciens que chez les non-musiciens. Cette augmenta-
tion est visible dans les cortex moteurs gauche et droit chez les pianistes,
alors qu’elle n’est visible que dans le cortex moteur droit (qui contrôle la
main gauche) chez les violonistes. Ainsi, l’ampleur du signe oméga peut être
interprétée comme une mesure indirecte du volume de l’aire de la main ; la
marque va d’un oméga à peine visible à un oméga bien visible, voire à un
double oméga (qui devient presque un epsilon).
Ces modifications au sein du cortex moteur existent aussi au sein
du cortex somatosensoriel, celui qui, par exemple, nous permet, quand nous
avons les yeux fermés, de reconnaître la forme et la texture d’un objet. Celui-
là même qui permet aux musiciens d’avoir un retour sensoriel sur le déplace-
ment de la main, sur la qualité du touché chez le pianiste et du vibrato chez
le violoniste. On peut ainsi étudier l’activation du cortex somatosensoriel en
stimulant les doigts les uns après les autres avec des trains de vibrations. La
réponse cérébrale déclenchée par de telles stimulations est plus importante
chez les musiciens que chez les non-musiciens et plus ample à droite (cor-
respondant à la main gauche, rappelons-le) pour les violonistes. Cela indique
une sensibilité tactile accrue chez les musiciens (Elbert, Pantev, Wienbruch,
Rockstroh, & Taub, 1995).
Si le contrôle moteur est d’une importance extrême pour les musi-
ciens professionnels, la coordination des processus sensoriels et moteurs des
doigts et des mains est également primordiale. La coordination des mains
nécessite une transmission d’informations massive d’un hémisphère à l’autre,
puisque chaque main est contrôlée par l’hémisphère opposé. Différentes
études ont mis en évidence que le volume des fibres axonales (« matière
blanche ») qui connectent les deux hémisphères chez les musiciens est
supérieur à celui observé chez les non-musiciens au niveau du corps calleux
(dans sa partie antérieure).
Cette modification de structure a des conséquences sur le plan fonc-
tionnel : davantage de fibres connectant les deux hémisphères permettent
une transmission plus rapide de l’information entre les deux cortex moteurs,
ceci est indispensable pour bien coordonner les mouvements des deux
mains. Ce renforcement des connexions interhémisphériques s’accompagne
d’une réduction de l’inhibition interhémisphérique des aires motrices des
mains (Ridding, Brouwer, & Nordstrom, 2000). En effet, souvent lorsque
Neurosciences de la Musique 359
l’on accomplit un geste (on écrit, on épluche une pomme de terre, etc.), on
privilégie l’une des deux mains, l’autre étant inhibée. Au contraire, chez les
instrumentistes, les deux mains sont nécessaires, et l’inhibition qu’exerce
normalement une main sur l’autre est levée. Ceci refléterait l’indépendance
du contrôle des mains acquis par les instrumentistes.
Alors que certains lecteurs auront été surpris par notre définition
de musique en tant que mouvement organisé, une définition en tant que
son organisé semblera moins surprenante, car de nos jours il arrive souvent
d’écouter simplement de la musique, hors contexte social à proprement
parler. Mais il est vrai aussi que ces sons organisés peuvent nous évoquer
de fortes émotions, rien qu’à l’écoute. Là encore, le musicien présente une
écoute particulièrement développée grâce à toutes ces années passées à
chercher d’abord la justesse, ensuite la couleur (timbre) appropriée à un
contexte musical, le vibrato, le phrasé, l’équilibre des voix dans un quatuor
à cordes ou dans un groupe de pop.
Le résultat est visible sur presque toute la voie auditive qui va de la
cochlée au cortex auditif. En effet, déjà au niveau du faisceau olivocochléaire
efférent médian qui contrôle la micromécanique cochléaire, des différences
sont visibles entre musiciens et non-musiciens, avec les premiers ayant un
contrôle plus important du complexe olivaire sur la cochlée, leur permet-
tant une meilleure protection vis-à-vis des traumatismes acoustiques, une
meilleure perception dans le bruit et une attention sélective accrue (Perrot
& Collet, 2014).
Si l’on remonte le long des voies auditives en direction du cortex,
on trouve une petite structure nommée colliculus inférieur. Depuis une
dizaine d’années, le groupe de Nina Kraus a publié un nombre important
de recherches qui montrent que l’activité de cette structure serait forte-
ment modifiée par la pratique musicale. Puisque l’activité du colliculus
reflète d’assez près les caractéristiques acoustiques du stimulus auditif, il
est possible de mesurer le degré de ressemblance (corrélation) entre ces
deux signaux. Il s’avère qu’une telle corrélation est plus importante pour les
musiciens que les non-musiciens, ce qui montrerait une plus grande fidélité
et précision de la réponse du colliculus induite par la pratique musicale, et
cela indépendamment du fait que le stimulus soit un stimulus musical ou
langagier (Musacchia, Sams, Skoe, & Kraus, 2007). De façon surprenante,
lorsque l’on présente le stimulus en présence d’un bruit d’environnement
(comme c’est par exemple le cas en salle de classe ou en amphithéâtre avant
le début du cours), la corrélation entre stimulus et réponse neuronale décroît
dramatiquement chez les non-musiciens alors que ce n’est pas le cas chez
les musiciens qui montrent donc une résistance plus importante au bruit
(Parbery-Clark, Skoe, & Kraus, 2009 ; Bidelman & Krishnan, 2010). De plus,
sur la base de la réponse du colliculus inférieur, il est possible de distinguer
360 Neurosciences et cognition : perspectives pour les sciences de l’éducation
4. TRANSFERT D’APPRENTISSAGE
Sur un plan sonore, musique et langage utilisent la hauteur tonale, le
timbre et des structures temporelles précises pour véhiculer l’information.
Sur un plan plus cognitif, musique et langage nécessitent des compétences
mnésiques et attentionnelles similaires, mais également la capacité d’intégrer
des événements dans une structure temporelle, tout en prenant en compte
des règles « syntaxiques », c’est-à-dire une grammaire. Les neuroscienti-
fiques ont abordé la comparaison de la musique et du langage de deux façons
différentes : d’une part, en comparant le traitement des processus communs
au langage et à la musique en parallèle et d’autre part, en cherchant à savoir
si un entraînement musical pourrait avoir des effets bénéfiques sur le traite-
ment du langage (aux niveaux perceptuel et cognitif).
Une des premières questions posées a été de voir si le fait d’avoir
une perception fine de la hauteur tonale, nécessaire à la justesse en musique,
pouvait avoir un effet sur la perception de la prosodie du langage et plus pré-
cisément sur la perception de l’intonation du langage oral. Une série d’études
a montré que les enfants et les adultes avec une pratique instrumentale
sont plus sensibles aux patrons prosodiques de la parole par rapport aux
participants sans « parcours » de pratique musicale. Ces résultats obtenus
chez l’adulte (Schön, Magne, & Besson, 2004) et l’enfant (Magne, Schön, &
Besson, 2006) ont pu être confirmés dans une étude longitudinale (Moreno
et al. 2009). L’approche longitudinale est importante, car comme l’on vient
de le dire, elle permet de faire des inférences causales et pas simplement
corrélationnelles. Un groupe d’enfant est donc testé avant l’apprentissage
et ensuite divisé en deux sous-groupes, l’un faisant de la musique, l’autre
une activité contrôle, ludique et artistique (en général peinture ou théâtre).
Tandis que les enfants ne présentaient pas de différence avant la phase
d’entraînement, les enfants avec entraînement musical étaient plus sensibles
aux fines modifications des hauteurs (pour la musique et la parole) que les
enfants qui avaient suivi des cours de peinture (Moreno et al., 2009). De
plus, ce transfert semble avoir lieu indépendamment des connaissances de la
Neurosciences de la Musique 363
accord attendu (Koelsch & Mulder, 2002 ; Koelsch et al., 2005 ; Tillmann et
al., 2003), un résultat similaire à ce qui a été observé pour des mots syn-
taxiquement inattendus (e.g., Kotz, Frisch, von Cramon, & Friederici, 2003).
Les régions frontales inférieures sont elles-mêmes intégrées dans un réseau
neuronal plus large comprenant les régions temporales et pariétales. Pour le
traitement du langage, un réseau neuronal comparable a été décrit (Friede-
rici, 2002, pour une revue). Le parallèle des deux systèmes neuronaux pour
le traitement de la musique et du langage (Besson & Schön, 2003 ; Patel,
Gibson, Ratner, Besson, & Holcomb, 1998) peut être interprété sur la base
de leurs similarités structurelles. Le recouvrement des corrélats neuronaux
semblerait refléter des processus nécessaires pour l’intégration structurelle,
notamment au cours du temps. Cette hypothèse a été testée par des études
qui analysaient l’interférence entre les structures musicales et linguistiques
lorsque les participants devaient traiter les deux informations simultanément
(Slevc, Rosenberg, & Patel, 2009 ; Hoch, Poulin-Charronnat, & Tillmann,
2011). Elle a reçu également du soutien supplémentaire par des études mon-
trant d’une part une amélioration du traitement des structures linguistiques
pour des enfants musiciens (Jentschke & Koelsch, 2009 ; Fitzroy & Sanders,
2013), d’autre part un déficit du traitement des structures musicales pour
des patients aphasiques et des patients dysphasiques (Patel, Iversen, Was-
senaar, & Hagoort, 2008 ; Jentschke, Koelsch, Sallat, & Friederici, 2008).
Musique et langage partagent aussi certaines structures temporelles.
Bien que la musique soit plus régulière et rythmée, la parole a aussi son
rythme qui pourrait être défini comme étant l’organisation temporelle des
accents, et sa métrique, l’alternance entre les syllabes accentuées et non
accentuées. Si ces aspects rythmiques de la langue peuvent paraître mar-
ginaux, il a été montré que les bébés sont déjà capables de discriminer des
langues avec des rythmes différents de leur langue (Nazzi & Ramus, 2003).
De plus, ces aspects sont fortement liés et influencent d’autres niveaux du
traitement du langage, tels que la sémantique (Magne et al., 2007) et la
syntaxe (Schmidt-Kassow & Kotz, 2009).
Port (2003) a proposé qu’il existe dans la parole, une synchronie
entre oscillateurs internes (neuronaux) et les structures rythmiques voca-
liques. Dans ce modèle, les ressources attentionnelles seraient préférentiel-
lement allouées aux instants où les syllabes accentuées sont attendues. Il
existe en effet une régularité temporelle dans la parole qui facilite la percep-
tion (Pitt & Samuel, 1990 ; Quené & Port, 2005) et la production (Cummins
& Port, 1998). L’hypothèse serait donc que la perception de la métrique et
plus généralement l’attention temporelle pourrait dépendre de mécanismes
similaires pour le traitement de la musique et du langage (Cason & Schön,
2012). Une telle hypothèse de transfert d’apprentissage de la musique aux
aspects métriques de la parole via des réseaux cérébraux communs a été
testée et validée en montrant que les musiciens traitent la structure métrique
Neurosciences de la Musique 365
des mots mieux que les non-musiciens (Marie, Magne, & Besson, 2011). Ces
meilleures compétences rythmiques sont aussi probablement à l’origine des
meilleures compétences de segmentation de la parole chez les musiciens
(François & Schön, 2011). En effet, les musiciens, quand ils écoutent une
langue qu’ils n’ont jamais entendue, arrivent à segmenter (i.e., extraire)
les mots contenus dans le flot de paroles plus rapidement et précisément
que les non-musiciens. Après seulement un an de pratique musicale, les
enfants améliorent ce type de compétences (François, Chobert, Besson, &
Schön, 2012). Cette habilité de segmentation, savoir où un mot se termine
et où l’autre commence, est primordiale dans l’apprentissage de la langue
maternelle chez le bébé (Saffran et al., 1996) mais aussi dans l’apprentissage
d’une langue étrangère chez l’adulte et l’enfant. Pour finir, la musique semble
améliorer l’extraction des émotions d’un discours. En effet, des enfants de
sept ans ayant suivi un an de cours de piano reconnaissent mieux les émo-
tions exprimées dans des phrases que des enfants qui n’ont pas eu de cours
de musique (Thompson, Schellenberg, & Husain, 2004).
musicale était suivie par une phase de test dans laquelle des phrases présen-
tées oralement et pour lesquelles il fallait juger de la grammaticalité ou pas
de la phrase. L’hypothèse est que la rythmicité de l’amorce musicale pour-
rait influencer l’attention temporelle des participants (via des oscillateurs
internes neuronaux) et que cette influence pourrait perdurer dans le temps,
améliorant ainsi les performances dans la tâche de grammaticalité après les
amorces faciles et pas après les amorces difficiles (en renforçant des proces-
sus liés au traitement phonologique, la segmentation et le traitement de la
syntaxe). Les résultats des enfants dysphasiques et dyslexiques confirment
cette hypothèse : les performances des enfants sont meilleures après les
amorces faciles, régulières qu’après les amorces difficiles, irrégulières.
L’ensemble de ces résultats ainsi que ceux d’autres programmes
d’entraînement musical (e.g., Overy, 2000) sont encourageants et devraient
motiver le monde de la recherche en neuroscience et en éducation à mener
plus d’études sur l’influence d’une stimulation rythmique sur le traitement
du langage. L’observation d’effets inter-domaines au cours du temps (voir
aussi Cason & Schön, 2012) suggère également les bénéfices de l’utilisation
de la stimulation musicale rythmique dans des programmes d’entraînement,
en plus de l’accentuation directe des structures rythmiques dans un matériel
linguistique (comme dans la poésie, par exemple). Ainsi, il serait possible
d’exploiter aussi les avantages motivationnels et hédoniques qu’un matériel
musical pourrait apporter dans une situation de réhabilitation.
Skoe, Lam, & Kraus, 2009 ; Strait, Krauss, Parbery-Clark, & Ashley, 2010).
D’autres études suggèrent que l’effet bénéfique de la pratique musicale ne
se cantonne pas au domaine auditif et ont révélé que les musiciens ont une
mémoire accrue aussi bien pour des tâches auditives que visuelles (George
& Coch, 2011 ; Bidelman, Hutka, & Moreno, 2013).
Une autre composante des fonctions exécutives ayant reçu un cer-
tain intérêt est l’attention et les processus d’inhibition de l’information non
pertinente. Cela a ainsi été étudié avec des tâches de type Stroop, dans
lesquelles un stimulus porteur de deux types d’informations (p. ex., le mot
« rouge » écrit en jaune ou le mot « aigu » prononcé avec une fréquence
grave) doit être traité en ignorant l’information non pertinente qui change
en fonction des consignes. Les musiciens sont ainsi meilleurs dans ce genre
de tâche car arriveraient à mieux inhiber l’une ou l’autre dimension du sti-
mulus (Bialystok & Depape, 2009). Ce type de bénéfice a aussi été montré
chez l’enfant après un seul mois de pratique de la musique (Moreno et al.,
2011). D’autres travaux renforcent encore un peu plus ces résultats en sou-
tenant l’idée que certains aspects des fonctions exécutives, en particulier
la régulation des ressources attentionnelles, jouent un rôle important dans
la médiation entre apprentissage de la musique, plasticité auditive et les
fonctions cognitives complexes accrues chez le musicien (e.g., l’intelligence,
Degé & Schwarzer, 2011). En effet une optimisation des ressources atten-
tionnelles pourrait avoir des effets top-down. Ceci veut dire littéralement
« du haut vers le bas », et indique le fait que le traitement d’un stimulus
perçu est influencé par les connaissances et les expériences passées. En
d’autres termes, le traitement d’un stimulus auditif, même au niveau sous-
cortical, serait modulé par la voie corticofugale descendante, qui, dans sa
partie corticale, ne se limiterait pas au cortex auditif primaire, mais impli-
querait un réseau plus vaste touchant par exemple l’attention (auditive) et
les modifications de mémoire induites par nos expériences multisensorielles
avec les sons.
Ceci est particulièrement évident lorsque l’on s’intéresse à la per-
ception catégorielle des phonèmes. En effet, deux phonèmes appartenant
à deux catégories différentes (p. ex., « b » et « p ») seront perçus comme
étant bien différents l’un de l’autre alors que deux autres phonèmes d’une
même catégorie (p. ex., un « t1 » et un « t2 ») seront perçus comme étant
très similaires, indépendamment du fait que dans les deux cas, les pho-
nèmes sont à la même distance dans un espace acoustique. Ce phénomène
repose sur l’amélioration sélective de discrimination de contrastes inter-
catégoriels, induit via l’exposition à la langue maternelle (long terme)
ou via des expositions plus courtes dans des contexte d’apprentissage,
probablement influencé par l’activité du cortex préfrontal sur le système
auditif (Myers & Swan, 2012). D’une manière similaire, on peut imaginer
que la pratique de la musique pourrait exercer une influence positive sur le
370 Neurosciences et cognition : perspectives pour les sciences de l’éducation
RÉFÉRENCES BIBLIOGRAPHIQUES
Anvari, S., Trainor, L. J., Woodside, J., & Levy, B. (2002). Relations among musical
skills, phonological processing, and early reading ability in preschool children.
Journal of Experimental Child Psychology, 83(2), 111-130.
Aslin, R. N. (2000, July). Interpretation of infant listening times using the head-
turn preference technique. Paper presented at the International Conference on
Infant Studies, Brighton, England.
Besson, M. & Schön, D. (2003). Comparison between language and music. In R.
Zatorre & I. Peretz (Eds.), The biological foundations of music (pp. 267-293).
Oxford: Science and Medical Publications, Oxford University Press.
Besson, M., Chobert, J., & Marie, C. (2011). Transfer of Training between Music and
Speech: Common Processing, Attention, and Memory. Frontiers in Psychology,
2(94). doi:10.3389/fpsyg.2011.00094
Bidelman, G. M. & Krishnan, A. (2010). Effects of reverberation on brainstem rep-
resentation of speech in musicians and non-musicians. Brain Research, 1355,
112-125.
Neurosciences de la Musique 371
Bidelman, G. M., Hutka, S., & Moreno, S. (2013). Tone language speakers and musi-
cians share enhanced perceptual and cognitive abilities for musical pitch: evidence
for bidirectionality between the domains of language and music. PloS One, 8(4),
e60676.
Bosch, L. (2012). Precursors to language in preterm infants: Speech perception abili-
ties in the first year of life. Progress in Brain Research, 189, 239-257.
Bialystok, E. & Depape, A. M. (2009). Musical expertise, bilingualism, and executive
functioning. Journal of Experimental Psychology. Human Perception and
Performance, 35(2), 565-574.
Cason, N. & Schön, D. (2012). Rhythmic priming enhances the phonological proces-
sing of speech. Neuropsychologia, 50(11), 2652-2658.
Chelli, D. & Chanoufi, B (2008). Fetal audition. Myth or reality, Journal de Gynéco-
logie obstétrique et biologie de la reproduction (Paris), 37(6), 554-558.
Cheour, M., Ceponiene, R., Lehtokoski, A., Luuk, A., Allik, J., Alho, K., & Näätänen,
R. (1998). Development of language-specific phoneme representations in the infant
brain. Nature Neuroscience, 1(5), 351-353.
Chobert, J., Marie, C., François, C., Schön, D., & Besson, M. (2011). Enhanced pas-
sive and active processing of syllables in musician children. Journal of Cognitive
Neuroscience, 23(12), 3874-3887.
Chobert, J., François, C., Velay, J. L. & Besson, M. (2012). Twelve Months of Active
Musical Training in 8 – to 10-Year-Old Children Enhances the Preattentive Process-
ing of Syllabic Duration and Voice Onset Time. Cerebral Cortex. Advance online
publication. doi:10.1093/cercor/bhs377
Cogo-Moreira, H., Brandão de Ávila, C. R., Ploubidis, G. B., & Mari, J. J. (2013). Effec-
tiveness of music education for the improvement of reading skills and academic
achievement in young poor readers: a pragmatic cluster-randomized, controlled
clinical trial. Plos One, 8(3), e59984.
Corriveau, K. H. & Goswami, U. (2009). Rhythmic motor entrainment in children with
speech and language impairments: tapping to the beat. Cortex, 45(1), 119-130.
Cummins, F. & Port, R. F. (1998). Rhythmic constraints on stress timing in English.
Journal of Phonetics, 26(2), 145-171.
Degé, F. & Schwarzer, G. (2011). The effect of a music program on phonologi-
cal awareness in preschoolers. Frontiers in Psychology, 2(124). doi:10.3389/
fpsyg.2011.00124
Draganova, R., Eswaran, H., Murphy, P., Huotilainen, M., Lowery, C., & Preissl, H.
(2005). Sound frequency change detection in fetuses and newborns, a Magneto-
encephalographic study. NeuroImage, 28(2), 354-361.
Elbert, T., Pantev, C., Wienbruch, C., Rockstroh, B., & Taub, E. (1995). Increased
cortical representation of the fingers of the left hand in string players. Science,
270(5234), 305-307.
Fernald, A. (1992). Human maternal vocalizations to infants as biologically rel-
evant signals. In J. Barkow, L. Cosmides, & J. Tooby, (Eds.), The adapted mind:
372 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Huss, M., Verney, J. P., Fosker, T., Mead, N., & Goswami, U. (2011). Music, rhythm,
rise time perception and developmental dyslexia: perception of musical meter
predicts reading and phonology. Cortex, 47(6), 674-689.
Hyde, K. L., Lerch, J., Norton, A., Forgeard, M., Winner, E., Evans, A. C., & Schlaug,
G. (2009). Musical training shapes structural brain development. Journal of Neu-
roscience, 29(10), 3019-3025.
Jentschke, S., Koelsch, S., Sallat, S., & Friederici, A. D. (2008). Children with specific
language impairment also show impairment of music-syntactic processing. Journal
of Cognitive Neuroscience, 20(11), 1940-1951.
Jentschke, S. & Koelsch, S. (2009). Musical training modulates the development of
syntax processing in children. NeuroImage, 47(2), 735-744.
Jusczyk, P. W. (2000). The Discovery of Spoken Language. Cambridge, MA: MIT
Press.
Khalfa, S., Bella, S. D., Roy, M., Peretz, I., & Lupien, S. J. (2003). Effects of relaxing
music on salivary cortisol level after psychological stress. Annals of the New York
Academy of Sciences, 999, 374-376.
Kisilevsky, B. S., Hains, S. M., Lee, K., Xie, X., Huang, H., Ye, H. H., … Wang, Z.
(2003). Effects of experience on fetal voice recognition. Psychological Science,
14(3), 220-224.
Kisilevsky, B. S., Hains, S. M., Brown, C. A., Lee, C. T., Cowperthwaite, B., Stutzman,
… Wang, Z. (2009). Fetal sensitivity to properties of maternal speech and language.
Infant behavior & Development, 32(1), 59-71.
Knecht, H. A., Nelson, P. B., Whitelaw, G. M., & Feth, L. L. (2002). Background noise
levels and reverberation times in unoccupied classrooms: predictions and measure-
ments. American Journal of Audiology, 11(2), 65-71.
Koelsch, S., Schröger, E., & Tervaniemi, M. (1999). Superior pre-attentive auditory
processing in musicians. Neuroreport, 10(6), 1309-1313.
Koelsch, S., Gunter, T., Friederici, A. D., & Schröger, E. (2000). Brain indices of music
processing: « nonmusicians » are musical. Journal of Cognitive Neuroscience,
12(3), 520-541.
Koelsch, S. & Mulder, J. (2002). Electric brain responses to inappropriate harmonies
during listening to expressive music. Clinical Neurophysiology, 113(6), 862-869.
Koelsch, S., Fritz, T., Schulze, K., Alsop, D., & Schlaug, G. (2005). Adults and children
processing music: an fMRI study. NeuroImage, 25(4), 1068-1076.
Kotz, S. A., Frisch, S., von Cramon, D. Y., & Friederici, A. D. (2003). Syntactic lan-
guage processing: ERP lesion data on the role of the basal ganglia. Journal of the
International Neuropsychological Society, 9(7), 1053-1060.
Kuhl, P. K. (2004). Early language acquisition: cracking the speech code. Nature
Review Neuroscience, 5(11), 831-843.
Kraus, N. & Chandrasekaran, B. (2010). Music training for the development of audi-
tory skills. Nature Review Neuroscience, 11(8), 599-605.
374 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Latendresse, C., Larivée, S., & Miranda, D. (2006). The range of the “Mozart effect”.
Successful memories, false notes and recovery. Canadian Psychology, 47(2),
125-141.
Liberman, M. & Pierrehumbert, J. (1984). Intonational invariance under changes
in pitch range and length. In M. Aronoff & R. Oerhle (Eds), Language Sound
Structure (pp. 157-223). Cambridge, MA: MIT Press.
Lynch, M. P., Eilers, R. E., Kimbrough Oller, D., & Urbano, R. C. (1990). Innateness,
experience, and music perception. Psychological Science, 1(4), 272-276.
Lynch, M. P. & Eilers, R. E. (1992). A study of perceptual development for musical
tuning. Perception and Psychophysic, 52, 599-608.
Maess, B., Koelsch, S., Gunter, T. C., & Friederici, A. D. (2001). Musical syntax is
processed in Broca’s area: an MEG study. Nature Neuroscience, 4(5), 540-545.
Magne, C., Schön D., & Besson M. (2006). Musician children detect pitch violations
in both music and language better than nonmusician children: behavioral and elec-
trophysiological approaches. Journal of Cognitive Neuroscience, 18(2), 199-211.
Magne, C., Astésano, C., Aramaki, M., Ystad, S., Kronland-Martinet, R., & Besson
M. (2007). Influence of syllabic lengthening on semantic processing in spoken
French: behavioral and electrophysiological evidence. Cerebral Cortex, 17(11),
2659-2668.
Marie, C., Magne, C., & Besson, M. (2011). Musicians and the metric structure of
words. Journal of Cognitive Neuroscience, 23(2), 294-305.
Marques, C., Moreno, S., Castro, S. L., & Besson, M. (2007). Musicians detect pitch
violation in a foreign language better than nonmusicians: behavioral and electro-
physiological evidence. Journal of Cognitive Neuroscience, 19(9), 1453-1463.
Moreno, S., Marques, C., Santos, A., Santos, M., Castro, S. L., & Besson, M. (2009).
Musical training influences linguistic abilities in 8-year-old children: more evidence
for brain plasticity, Cerebral Cortex, 19(3), 712-713.
Moreno, S., Bialystok, E., Barac, R., Schellenberg, E. G., Cepeda, N. J., & Chau,
T. (2011). Short-term music training enhances verbal intelligence and executive
function. Psychological Science, 22(11), 1425-1433.
Musacchia, G., Sams, M., Skoe, E., & Kraus, N. (2007). Musicians have enhanced
subcortical auditory and audiovisual processing of speech and music. Proceedings
of the National Academy of Sciences of the United States of America, 104(40),
15894-15898.
Myers, E. B., & Swan, K. (2012). Effects of category learning on neural sensitivity
to non-native phonetic categories. Journal of Cognitive Neuroscience, 24(8),
1695-1708.
Nazzi, T. & Ramus, F. (2003). Perception and acquisition of linguistic rhythm by
infants. Speech Communication, 41(1), 233-243.
Newman, R., Ratner, N. B., Jusczyk, A. M., Jusczyk, P. W., & Dow, K. A. (2006).
Infants’ early ability to segment the conversational speech signal predicts later
Neurosciences de la Musique 375
Schön, D., Boyer, M., Moreno, S., Besson, M., Peretz, I., & Kolinsky, R. (2008). Songs
as an aid for language acquisition. Cognition, 106(2), 975-983.
Schön, D., Magne, C., & Besson, M. (2004). The music of speech: music training facili-
tates pitch processing in both music and language. Psychophysiology, 41(3), 341-349.
Schön, D., Gordon, R., Campagne, A., Magne, C., Astésano, C., Anton, J. L., & Bes-
son, M. (2010). Similar cerebral networks in language, music and song perception.
NeuroImage, 51(1), 450-461.
Shahin, A., Bosnyak, D. J., Trainor, L. J., & Roberts, L. E. (2003). Enhancement
of neuroplastic P2 and N1c auditory evoked potentials in musicians. Journal of
Neuroscience. 23(13), 5545-5552.
Shahin, A., Roberts, L. E., & Trainor, L. J. (2004). Enhancement of auditory cortical
development by musical experience in children. Neuroreport, 15(12), 1917-1921.
Shepard, K. N., Kilgard, M. P., & Liu, R. C. (2013). Experience-dependent plasticity
and auditory cortex. In Y. E., Cohen, A. N. Popper & R. R. Fay (Eds.), Springer
Handbook of Auditory Research: Vol. 45. Neural Correlates of Auditory Cogni-
tion (pp. 293-327), New York, NY: Springer.
Shield, B. M. & Dockrell, J. E. (2008). The effects of environmental and classroom
noise on the academic attainments of primary school children. The Journal of the
Acoustical Society of America 123(1), 133-144.
Shukla, M., White, K. S., & Aslin, R. N. (2011). Prosody guides the rapid mapping
of auditory word forms onto visual objects in 6-mo-old infants. Proceedings of
the National Academy of Sciences of the United States of America. 108(15),
6038-6043.
Singh, L., Reznick, J. S., & Xuehua, L. (2012). Infant word segmentation and child-
hood vocabulary development: a longitudinal analysis. Developmental Science,
15(4), 482-495.
Slevc, L. R. & Miyake, A. (2006). Individual differences in second-language profi-
ciency: Does musical ability matter? Psychological Science, 17(8), 675-681.
Slevc, L. R., Rosenberg, J. C., & Patel, A. D. (2009). Making psycholinguistics musical:
self-paced reading time evidence for shared processing of linguistic and musical
syntax. Psychonomic Bulletin & Review 16(2), 374-381.
Schweizer, K., Zimmermann, P., & Koch, W. (2000). Sustained attention, intelligence
and the crucial role of perceptual processes. Learning and Individual Differ-
ences, 12, 271-286
Stankov, L., Roberts, R., & Spilsbury, G. (1994). Attention and speed of test-taking
in intelligence and aging. Personality and Individual Differences, 17, 273-284.
Strait, D. L., Kraus, N., Parbery-Clark, A., & Ashley, R. (2010) Musical experience
shapes top-down auditory mechanisms: evidence from masking and auditory atten-
tion performance. Hearing Research, 261(1), 22-29.
Strait, D. L., O’Connell, S., Parbery-Clark, A., & Kraus, N. (2013). Musicians’ Enhanced
Neural Differentiation of Speech Sounds Arises Early in Life: Developmental
378 Neurosciences et cognition : perspectives pour les sciences de l’éducation
J Karabenick, S. A. 291-292
Karpicke, J. D. 58
Jackson, P. L. 195 Kast, M. 335
Jacobs, E. 298 Kastner, S. 232
Jacobs, K. 104, 121 Katz, J. 87
Jacquet, A. Y. 352 Kaufmann, G. 86
Jaeggi, S. M. 179, 207 Kaufmann, L. 260, 264, 271, 275
Jakimik, J. 121 Kavale, K. A. 88
James, W. 47-48, 166 Kay-Raining Bird, E. 128
Janata, P. 363 Keefe, J. W. 85
Jäncke, L. 335, 357 Keil, F. C. 57
Jankowski, J. J. 152 Kelley, M. L. 203
Janowsky, J. S. 144 Kelley, W. M. 299-300
Jeannerod, M. 33 Kemper, T. L. 334
Jenkins, J. R. 91, 94 Kendra, M. S. 296
Jenkins, M. 240 Kennedy, D. N. 145
Jensen, E. 60 Kent, J. S. 271
Jensen, P. S. 190 Kern, L. 203
Jenson, W. R. 203 Kerns, K. 204
Jentschke, S. 364 Kesler, S. 271
Jernigan, T. L. 145, 147 Khalfa, S. 366
Jiang, Y. 300 Khan, Y. 145
Jimenez, R. 124 Kidd, E. 89, 91
Jin, Z. 336 Kieffer, M. J. 307
Joanisse, M. F. 325 Kier, E.L. 146
Jobard, G. 333 Kiesilä, P. 332
Johns, M. 298, 310 Kilgard, M. P. 365
Johnson, E. 354 Kilgore, W. D. S. 226
Johnson, J. 172 King, J. E. 141
Johnson, M. H. 145 Kintsch, W. 167
Johnson, S. B. 227 Kirk, E. P. 295, 303
Johnston, K. 360 Kirton, M. J. 86
Jolles, J. 91 Kisilevsky, B. S. 352
Jones, K. M. 300, 332 Klahr, D. 55, 66
Jonides, J. 177, 179, 207 Kleibeuker, S. W. 237
Joshi, H. 57 Klein, G. S. 83
Jusczyk, A. M. 354 Klein, R. M. 105, 325
Jusczyk, P. W. 353-354 Kliegel, M. 179
Klingberg, T. 145, 166, 179, 205-206
Kluver, H. 36
K Knecht, H. A. 360
Knetch, S. 33
Kagan, J. 84 Knezevic, B. 204
Kagan, N. 84 Knight, C. 151, 176
Kahn, R. S. 224 Knowlton, B. J. 31
Kahnemann, K. 57, 67 Knuston, B. 226
Kaiser, E. 226 Kobasigawa, A. 138
Kaiser, M. D. 226 Koelsch, S. 361, 363
Kamana, K. 121 Koizumi, H. 48
Kane, M. J. 169 Kok, A. 334
388 Neurosciences et cognition : perspectives pour les sciences de l’éducation
Willis, T. H. 202 Y
Wilson, W. 121
Wimmer, H. 325, 328-329, 335 Yarritu, I. 68
Winkielman, P. 233 Yip, V. 108
Wiseman, R. 90 Yonelinas, A. P. 148
Young, C. B. 304, 308-309
Witkin, H. A. 84
Yugelum-Todd, D. A. 226
Wittmann, W. K. 170
Woldorff, M. G. 200
Wolf, M. 324, 326, 328
Z
Woloshin, S. 254
Wong Fillmore, L. 123 Zacks, R. T. 170
Woo, J. 232 Zakaria, E. 291
Woodruff, P. W. R. 34 Zatorre, R. J. 366
Woodside, J. 361 Zeffiro, T. A. 332, 334
Woolard, J. 224 Zelazo, P. D. 232
Wooldrige, B. 84 Zentall, S. S. 202-203
Wraga, M. 298, 300 Zérah, A. 90
Wu, S. S. 304 Zesiger, P. 13, 28, 33, 42-43
Wynn, V. 295 Zhan, L. 85
Zink, I. 328
Ziv, M. 52
X Zola, S. M. 143
Zorzi, M. 256
Xu, F. 256 Zuk, J. 367
Xuehua, L. 354 Zwanziger, E. 108
Index de concepts
Régions temporales (voir aussi cortex Système nerveux 12, 15-16, 22, 329
temporal) 33-36, 38, 197, 224, 332- Système ventral affectif 229, 231
334, 336, 364 Système visuel 39, 352
Règles grammaticales 111 Systèmes lexicaux 107
Régulation émotionnelle 195, 230-231,
304-305
Réseau fronto-pariétal 142 T
Résonnance magnétique (IRM, voir aussi
neuroimagerie) 41, 89, 142, 223, 225, Tectum (voir aussi collicules, colliculus)
237, 239, 274, 299, 358 26-27
Ressources attentionnelles (voir aussi Tegmentum 26
capacité attentionnelle) 33, 167, Télencéphale 28, 30, 146
364, 369 Thalamus 26-28, 34, 194, 198-199
The Task Forces for the Future of
Educational Neuroscience 60
S Théorie du neurone 19
Schèmes exécutifs 170, 172, 174 Théorie réticulaire 19
Sciences cognitives 13, 47, 49-50, Transfert d’apprentissage 362, 364
52-53, 55-57, 59-61, 64, 66, 70-72, Transposition 278-279
181, 319-320, 330, 351 Trouble déficit d’attention avec ou sans
Sens des nombres 301 hyperactivité (TDA-H) 13, 21, 179,
Sérotonine 192, 365 189-209, 270
Sillon intrapariétal (IPS) 37, 259-260,
Troubles d’apprentissage (voir aussi
262, 264, 266-268, 270-275
Spécialisation hémisphérique (voir aussi difficulté d’apprentissage) 67, 320,
latéralisation hémisphérique) 40, 326, 338
61, 89 Troubles spécifiques du langage (TSL)
Stéréotype (voir aussi menace 118-119, 126, 327
du stéréotype) 13, 289, 294-295,
297-300, 310-311
Stockage (mémoire) 167, 172 V
Stratégies mnémoniques 137, 152-153
Striatum 27, 30-31, 194-197, 199, 224, VAK (méthode) 65, 82, 90-92, 94
231 Variabilité interindividuelle (voir aussi
Style cognitif 81-87, 94 différences interindividuelles) 83,
Style d’apprentissage 65, 81-82, 85-91, 173
93-95 Variabilité intraindividuelle 83-84
Synapse 19, 23, 26-27, 61, 145, 204,
Vigilance 25, 95, 193-195, 199-200
225, 356
Vitesse de traitement 137, 170, 173,
Synaptogenèse 356
Système auditif 352, 361, 369 175, 177
Système d’approximation des nombres Vocabulaire 62, 107-109, 112, 124, 151,
(ANS) 289 322, 327, 370
Système moteur 25, 39, 357 Vulnérabilité 222, 227, 235
Table des matières
Sommaire 5
Introduction 11
Références bibliographiques 14