Six parallèles étayés par la recherche entre les modes de défaillance des LLM et la cognition du TDAH

Parallèles Pratiques Entre les Modèles Cognitifs des LLM et du TDAH

Un développeur atteint de TDAH qui a pratiqué la programmation en binôme avec des LLM a remarqué des modes de défaillance familiers : des fabrications confiantes, des pertes de contexte en milieu de conversation, des connexions latérales brillantes suivies d'échecs logiques séquentiels de base. La recherche révèle six parallèles spécifiques entre le fonctionnement des LLM et la cognition du TDAH.

Six Parallèles Étayés par la Recherche

• Traitement associatif : Dans le TDAH, le Réseau du Mode par Défaut déborde dans les réseaux positifs aux tâches (Castellanos et al., JAMA Psychiatry). L'attention des Transformers calcule des associations pondérées sur tous les tokens sans filtrage de pertinence fort. Les deux systèmes fonctionnent comme des machines d'association avec une connectivité créative élevée et des intrusions aléatoires non pertinentes.
• Fabulation : Les adultes atteints de TDAH produisent significativement plus de faux souvenirs qui semblent vrais (Soliman & Elfar, 2017, d=0.69+). Un article de PLOS Digital Health de 2023 soutient que les erreurs des LLM devraient être appelées fabulation plutôt qu'hallucination. Un article de l'ACL de 2024 a révélé que les fabulations des LLM partagent des caractéristiques mesurables avec la fabulation humaine (Millward et al.). Aucun des deux systèmes ne ment—tous deux comblent les lacunes avec un contenu plausible complété par des motifs.
• Fenêtre de contexte comme mémoire de travail : Les déficits de la mémoire de travail sont parmi les résultats les plus répliqués sur le TDAH (d=0.69-0.74 à travers les méta-analyses). La fenêtre de contexte d'un LLM fonctionne comme sa mémoire de travail—taille fixe, avec des informations qui tombent à la fin et un contenu antérieur qui devient flou. Les stratégies de compensation se reflètent mutuellement : les humains utilisent des planificateurs et des systèmes externes ; les LLM utilisent des invites système, des fichiers CLAUDE.md et du RAG.
• Complétion de motifs plutôt que précision : Le TDAH est corrélé à une meilleure pensée divergente et à une pensée convergente moins bonne (Hoogman et al., 2020). Les LLM présentent le même schéma—excellents en reconnaissance de motifs et en complétion créative, médiocres en raisonnement précis à plusieurs étapes. Les deux optimisent pour "ce qui correspond au motif" plutôt que "ce qui est logiquement correct en séquence".
• La structure comme multiplicateur de force : Les environnements structurés améliorent significativement les performances du TDAH (Frontiers in Psychology, 2025). Il en va de même pour les LLM—des invites système claires avec des contraintes produisent des résultats nettement meilleurs. Supprimez la structure et les deux systèmes produisent des résultats décousus et peu concentrés.
• Persistance motivée par l'intérêt vs continuité du fil : Un engagement concentré soutenu sur un seul fil produit une qualité croissante dans les deux cas. Briser le fil entraîne une perte totale de contexte, similaire à la façon dont les interruptions perturbent la concentration profonde dans le TDAH.

Implications Pratiques

Les personnes qui ont passé des années à gérer des cerveaux atteints de TDAH ont déjà été formées à des compétences pertinentes pour la collaboration avec l'IA : échafaudage externe, pensée axée sur les motifs, et itération sans frustration. La recherche complète avec toutes les citations est disponible sur thecreativeprogrammer.dev.