ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.

Why you should listen

An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.

Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard. 

More profile about the speaker
Temple Grandin | Speaker | TED.com
TED2010

Temple Grandin: The world needs all kinds of minds

Temple Grandin : Le monde a besoin de toutes sortes d'esprits.

Filmed:
5,588,848 views

Temple Grandin, diagnostiquée autiste alors qu'elle était enfant, raconte comment son esprit fonctionne, partageant sa capacité à "penser en images" qui l'aide à résoudre des problèmes que les cerveaux neurotypiques pourraient manquer. Elle affirme que le monde a besoin de gens du spectre autistique tels que les penseurs visuels, les penseurs par modèle, les penseurs verbaux et toutes les sortes d'enfants geeks intelligents.
- Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds. Full bio

Double-click the English transcript below to play the video.

00:15
I think I'll startdébut out and just talk a little bitbit about
0
0
2000
Je pense que je vais commencer par parler un peu
00:17
what exactlyexactement autismautisme is.
1
2000
2000
de ce qu'est exactement l'autisme.
00:19
AutismAutisme is a very biggros continuumcontinuum
2
4000
3000
L'autisme est un très grand continuum
00:22
that goesva from very severesévère -- the childenfant remainsrestes non-verbalnon verbal --
3
7000
3000
qui va de très grave, l'enfant ne communique pas,
00:25
all the way up to brilliantbrillant scientistsscientifiques and engineersingénieurs.
4
10000
3000
jusqu'à des scientifiques et ingénieurs brillants.
00:28
And I actuallyréellement feel at home here,
5
13000
2000
Je me sens vraiment à ma place ici
00:30
because there's a lot of autismautisme geneticsla génétique here.
6
15000
2000
car il y a beaucoup d'autisme génétique ici.
00:32
You wouldn'tne serait pas have any...
7
17000
2000
Vous n'auriez pas de....
00:34
(ApplauseApplaudissements)
8
19000
4000
(Applaudissements)
00:38
It's a continuumcontinuum of traitstraits.
9
23000
2000
C'est un continuum de traits.
00:40
When does a nerdnerd turntour into
10
25000
3000
Quand est-ce qu'un nerd se change-t-il en
00:43
AspergerAsperger, whichlequel is just milddoux autismautisme?
11
28000
2000
un Asperger, une forme légère de l'autisme ?
00:45
I mean, EinsteinEinstein and MozartMozart
12
30000
3000
Einstein, Mozart
00:48
and TeslaTesla would all be probablyProbablement diagnosedun diagnostic
13
33000
2000
et Tesla auraient probablement tous été diagnostiqués
00:50
as autisticautistique spectrumspectre todayaujourd'hui.
14
35000
2000
comme étant autistes aujourd'hui.
00:52
And one of the things that is really going to concernpréoccupation me is
15
37000
3000
Une des choses qui me préoccupe vraiment est
00:55
gettingobtenir these kidsdes gamins to be the onesceux that are going to inventinventer
16
40000
3000
d'inciter ces enfants à être ceux qui vont inventer
00:58
the nextprochain energyénergie things,
17
43000
2000
les prochaines choses énergétiques
01:00
you know, that BillProjet de loi GatesGates talkeda parlé about this morningMatin.
18
45000
4000
comme Bill Gates en a parlé ce matin.
01:04
OK. Now, if you want to understandcomprendre
19
49000
2000
Okay, si vous voulez comprendre
01:06
autismautisme, animalsanimaux.
20
51000
2000
l'autisme, les animaux...
01:08
And I want to talk to you now about differentdifférent waysfaçons of thinkingen pensant.
21
53000
2000
J'aimerais vous parler sur les différentes façons de penser.
01:10
You have to get away from verbalverbal languagela langue.
22
55000
3000
Vous devez vous écarter du langage verbal.
01:13
I think in picturesdes photos,
23
58000
2000
Je pense en images.
01:15
I don't think in languagela langue.
24
60000
3000
Je ne pense pas avec des mots.
01:18
Now, the thing about the autisticautistique mindesprit
25
63000
2000
La particularité de l'esprit autiste
01:20
is it attendsassiste à to detailsdétails.
26
65000
3000
est qu'il fait attention aux détails.
01:23
OK, this is a testtester where you eithernon plus have to
27
68000
2000
Voici un test où vous devez choisir
01:25
pickchoisir out the biggros lettersdes lettres, or pickchoisir out the little lettersdes lettres,
28
70000
2000
les grandes lettres ou les petites lettres.
01:27
and the autisticautistique mindesprit pickspics out the
29
72000
2000
L'esprit autiste relève
01:29
little lettersdes lettres more quicklyrapidement.
30
74000
2000
les petites lettres plus rapidement.
01:31
And the thing is, the normalnormal braincerveau ignoresne tient pas compte the detailsdétails.
31
76000
4000
Le cerveau normal ignore les détails.
01:35
Well, if you're buildingbâtiment a bridgepont, detailsdétails are prettyjoli importantimportant
32
80000
2000
Si vous construisez un pont, les détails sont importants
01:37
because it will falltomber down if you ignoreignorer the detailsdétails.
33
82000
3000
parce qu'il s'écroulera si vous ignorez les détails.
01:40
And one of my biggros concernspréoccupations with a lot of policypolitique things todayaujourd'hui
34
85000
3000
Une de mes importantes préoccupations aujourd'hui
01:43
is things are gettingobtenir too abstractabstrait.
35
88000
2000
est le fait que les choses deviennent trop abstraites.
01:45
People are gettingobtenir away from doing
36
90000
2000
Les gens se mettent à éviter
01:47
hands-onHands-on stuffdes trucs.
37
92000
2000
les tâches manuelles.
01:49
I'm really concernedconcerné that a lot of the schoolsécoles have takenpris out
38
94000
2000
Je m'inquiète du fait que de nombreuses écoles ont retiré
01:51
the hands-onHands-on classesclasses,
39
96000
2000
les cours de travaux pratiques,
01:53
because artart, and classesclasses like that,
40
98000
2000
car l'art et ce type de cours
01:55
those are the classesclasses where I excelledexcellé.
41
100000
2000
sont les classes où j'excellais.
01:57
In my work with cattlebétail,
42
102000
2000
Dans mon travail avec le bétail,
01:59
I noticedremarqué a lot of little things that mostles plus people don't noticeremarquer
43
104000
3000
j'ai relevé de nombreuses petites choses qui font reculer le bétail
02:02
would make the cattlebétail balkBalk. Like, for exampleExemple,
44
107000
2000
et que les gens ne remarquent pas. Par exemple,
02:04
this flagdrapeau wavingagitant, right in frontde face of the veterinaryvétérinaire facilityétablissement.
45
109000
3000
ce drapeau qui flotte juste devant la clinique vétérinaire.
02:07
This feedalimentation yardyard was going to tearlarme down theirleur wholeentier veterinaryvétérinaire facilityétablissement;
46
112000
3000
Cet espace allait détruire l'établissement vétérinaire entier.
02:10
all they needednécessaire to do was movebouge toi the flagdrapeau.
47
115000
2000
Tout ce qu'ils avaient à faire était de déplacer le drapeau.
02:12
RapidRapide movementmouvement, contrastcontraste.
48
117000
3000
Des mouvements rapides, le contraste.
02:15
In the earlyde bonne heure '70s when I startedcommencé, I got right down
49
120000
2000
Dans les années 70, je me suis rendue immédiatement
02:17
in the chutesgoulottes to see what cattlebétail were seeingvoyant.
50
122000
2000
dans les goulottes pour voir ce que le bétail voyait.
02:19
People thought that was crazyfou. A coatmanteau on a fenceclôture would make them balkBalk,
51
124000
3000
Les gens ont trouvé ça fou. Un manteau sur une barrière les ferait se rebiffer.
02:22
shadowsombres would make them balkBalk, a hosetuyau on the floorsol ...
52
127000
3000
Des ombres les auraient fait se rebiffer, un tuyau sur le sol.
02:25
people weren'tn'étaient pas noticingremarquer these things --
53
130000
2000
Les gens ne portaient pas attention à ces choses.
02:27
a chainchaîne hangingpendaison down --
54
132000
2000
Une chaine pendante.
02:29
and that's shownmontré very, very nicelybien in the moviefilm.
55
134000
2000
On le voit vraiment vraiment bien dans le film.
02:31
In factfait, I lovedaimé the moviefilm, how they
56
136000
2000
J'ai adoré la manière avec laquelle ils ont
02:33
duplicateddupliqué all my projectsprojets. That's the geekgeek sidecôté.
57
138000
2000
dupliqué tous mes projets dans le film. C'est mon coté geek.
02:35
My drawingsdessins got to starétoile in the moviefilm too.
58
140000
3000
Mes dessins ont aussi eu le droit de tourner dans le film.
02:38
And actuallyréellement it's calledappelé "TempleTemple GrandinGrandin,"
59
143000
2000
D'ailleurs le film s'appelle "Temple Grandin",
02:40
not "ThinkingPensée In PicturesPhotos."
60
145000
2000
pas "La pensée en images".
02:42
So, what is thinkingen pensant in picturesdes photos? It's literallyLittéralement moviesfilms
61
147000
2000
Qu'est-ce que penser en images ? C'est littéralement des films
02:44
in your headtête.
62
149000
2000
dans votre tête.
02:46
My mindesprit workstravaux like GoogleGoogle for imagesimages.
63
151000
2000
Mon esprit fonctionne comme Google images.
02:48
Now, when I was a youngJeune kidenfant I didn't know my thinkingen pensant was differentdifférent.
64
153000
3000
Quand j'étais une petite fille, je ne savais pas que ma pensée était différente.
02:51
I thought everybodyTout le monde thought in picturesdes photos.
65
156000
2000
Je pensais que tout le monde pensait en images.
02:53
And then when I did my booklivre, "ThinkingPensée In PicturesPhotos,"
66
158000
2000
Lorsque j'ai écrit mon livre, "La pensée en images",
02:55
I startdébut interviewinginterviewer people about how they think.
67
160000
3000
j'ai commencé à interviewer les gens sur leur façon de penser.
02:58
And I was shockedchoqué to find out that
68
163000
2000
J'ai été choquée de m'apercevoir que ma pensée
03:00
my thinkingen pensant was quiteassez differentdifférent. Like if I say,
69
165000
2000
était assez différente. Si je dis,
03:02
"Think about a churchéglise steeplesteeple"
70
167000
2000
"Pensez à un clocher d'église.",
03:04
mostles plus people get this sortTrier of generalizedgénéralisées genericgénérique one.
71
169000
2000
la plupart des gens ont cette sorte de clocher d'église générique.
03:06
Now, maybe that's not truevrai in this roomchambre,
72
171000
2000
Peut-être que ce n'est pas vrai dans cette pièce
03:08
but it's going to be truevrai in a lot of differentdifférent placesdes endroits.
73
173000
4000
mais cela s'avèrera vrai dans un tas d'autres endroits.
03:12
I see only specificspécifique picturesdes photos.
74
177000
2000
Je ne vois que des images spécifiques.
03:14
They flashflash up into my memoryMémoire, just like GoogleGoogle for picturesdes photos.
75
179000
4000
Elles apparaissent dans un flash dans ma mémoire, exactement comme Google images.
03:18
And in the moviefilm, they'veils ont got a great scenescène in there
76
183000
2000
Dans le film se trouve une superbe scène
03:20
where the wordmot "shoechaussure" is said, and a wholeentier bunchbouquet of '50s and '60s shoeschaussures
77
185000
4000
où le mot "chaussure" est prononcé et un tout un tas de chaussures des années 50-60
03:24
poppop into my imaginationimagination.
78
189000
2000
naissent dans mon imagination.
03:26
OK, there is my childhoodenfance churchéglise,
79
191000
2000
Voici l'église de mon enfance.
03:28
that's specificspécifique. There's some more, FortFort CollinsCollins.
80
193000
3000
C'est spécifique. En voici d'autres, Fort Collins.
03:31
OK, how about famouscélèbre onesceux?
81
196000
2000
Et si on passait aux églises connues?
03:33
And they just kindgentil of come up, kindgentil of like this.
82
198000
3000
Elles apparaissent un peu de comme ça.
03:36
Just really quicklyrapidement, like GoogleGoogle for picturesdes photos.
83
201000
3000
Très rapidement, comme Google images.
03:39
And they come up one at a time,
84
204000
2000
Elles apparaissent une à la fois.
03:41
and then I think, "OK, well maybe we can have it snowneige,
85
206000
2000
Je me dis, peut-être qu'il pourrait y avoir de la neige
03:43
or we can have a thunderstormorage,"
86
208000
2000
ou des éclairs.
03:45
and I can holdtenir it there and turntour them into videosvidéos.
87
210000
3000
On pourrait faire de ces images une vidéo.
03:48
Now, visualvisuel thinkingen pensant was a tremendousénorme assetatout
88
213000
3000
La pensée visuelle est un formidable atout
03:51
in my work designingconception cattle-handlingbovins-manutention facilitiesinstallations.
89
216000
3000
dans mon travail de conception d'installations pour le bétail.
03:54
And I've workedtravaillé really harddifficile on improvingaméliorer
90
219000
2000
J'ai travaillé vraiment dur pour améliorer
03:56
how cattlebétail are treatedtraité at the slaughterboucherie plantplante.
91
221000
2000
le système de traitement du bétail à l'usine d'abattage.
03:58
I'm not going to go into any guckygucky slaughterboucherie slidesglisse.
92
223000
3000
Je ne vais pas afficher de diapositives dégoutantes sur l'abattage.
04:01
I've got that stuffdes trucs up on YouTubeYouTube if you want to look at it.
93
226000
2000
J'ai mis tout ça sur Youtube si vous voulez y jeter un œil.
04:03
But, one of the things that I was ablecapable to do in my designconception work
94
228000
4000
Une des choses que je suis capable de faire au travail
04:07
is I could actuallyréellement testtester runcourir
95
232000
2000
est de réellement tester
04:09
a piecepièce of equipmentéquipement in my mindesprit,
96
234000
2000
une partie de mon équipement dans mon esprit,
04:11
just like a virtualvirtuel realityréalité computerordinateur systemsystème.
97
236000
3000
tout comme un programme de réalité virtuelle.
04:14
And this is an aerialAerial viewvue
98
239000
2000
Voici une vue aérienne
04:16
of a recreationRecreation of one of my projectsprojets that was used in the moviefilm.
99
241000
3000
d'une reproduction d'un de mes projets qui a été utilisée dans le film.
04:19
That was like just so supersuper coolcool.
100
244000
2000
C'était tellement super cool.
04:21
And there were a lot of kindgentil of AspergerAsperger typesles types
101
246000
2000
Beaucoup d'Asperger
04:23
and autismautisme typesles types workingtravail out there on the moviefilm setensemble too.
102
248000
3000
et d'autistes ont travaillé sur ce film.
04:26
(LaughterRires)
103
251000
2000
(Rires)
04:28
But one of the things that really worriesdes soucis me
104
253000
2000
Mais une des choses qui m'inquiète vraiment
04:30
is: Where'sOù est the youngerplus jeune versionversion of those kidsdes gamins going todayaujourd'hui?
105
255000
4000
est la version "jeune" de ces enfants aujourd'hui.
04:34
They're not endingfin up in SiliconSilicium ValleyVallée de, where they belongappartenir.
106
259000
3000
Ils ne terminent pas à Silicon Valley, à laquelle ils appartiennent.
04:37
(LaughterRires)
107
262000
3000
(Rires)
04:40
(ApplauseApplaudissements)
108
265000
5000
(Applaudissements)
04:45
Now, one of the things I learnedappris very earlyde bonne heure on because I wasn'tn'était pas that socialsocial,
109
270000
3000
J'ai appris très tôt, à cause de mon aspect asocial,
04:48
is I had to sellvendre my work, and not myselfmoi même.
110
273000
4000
que c'est mon travail que je devais vendre, pas moi.
04:52
And the way I soldvendu livestockbétail jobsemplois
111
277000
2000
Et j'ai vendu des travaux sur le bétail
04:54
is I showedmontré off my drawingsdessins, I showedmontré off picturesdes photos of things.
112
279000
3000
en montrant mes dessins, en montrant des images.
04:57
AnotherUn autre thing that helpedaidé me as a little kidenfant
113
282000
2000
Une autre chose qui m'a aidée quand j'étais enfant,
04:59
is, boygarçon, in the '50s, you were taughtenseigné mannersManners.
114
284000
2000
est qu'on vous inculquait les bonnes manières en 1950.
05:01
You were taughtenseigné you can't pulltirer the merchandisemarchandise off the shelvesétagères
115
286000
2000
On vous expliquait que vous ne pouvez pas retirer la marchandise des rayons
05:03
in the storele magasin and throwjeter it around.
116
288000
2000
et la balancer dans le magasin.
05:05
Now, when kidsdes gamins get to be in thirdtroisième or fourthQuatrième gradequalité,
117
290000
3000
Quand les enfant sont en 3ème ou 4ème année,
05:08
you mightpourrait see that this kid'sdes gamins going to be a visualvisuel thinkerpenseur,
118
293000
3000
vous pouvez voir que cet enfant qui dessine en perspective
05:11
drawingdessin in perspectivela perspective. Now, I want to
119
296000
2000
sera un penseur visuel. Je tiens à
05:13
emphasizesouligner that not everychaque autisticautistique kidenfant
120
298000
2000
souligner que tous les enfants autistes
05:15
is going to be a visualvisuel thinkerpenseur.
121
300000
2000
ne vont pas devenir des penseurs visuels.
05:17
Now, I had this braincerveau scanbalayage doneterminé severalnombreuses yearsannées agodepuis,
122
302000
4000
J'ai fait un scanner cérébral il y a plusieurs années,
05:21
and I used to jokeblague around about havingayant a
123
306000
2000
et je plaisantais, je disais avoir une
05:23
giganticgigantesque InternetInternet trunktronc lineligne
124
308000
2000
gigantesque ligne Internet
05:25
going deepProfond into my visualvisuel cortexcortex.
125
310000
2000
allant profondément dans mon cortex visuel.
05:27
This is tensortenseur imagingd’imagerie.
126
312000
2000
Voici une imagerie du tenseur de diffusion.
05:29
And my great biggros internetl'Internet trunktronc lineligne
127
314000
2000
Ma grande ligne internet
05:31
is twicedeux fois as biggros as the control'sde contrôle.
128
316000
2000
est deux fois plus grande que celle de référence.
05:33
The redrouge lineslignes there are me,
129
318000
2000
Les lignes rouges représentent mon cerveau
05:35
and the bluebleu lineslignes are the sexsexe and age-matchedappariés selon l’âge controlcontrôle.
130
320000
4000
et les lignes bleues celui du patient de référence de même age et sexe.
05:39
And there I got a giganticgigantesque one,
131
324000
2000
Là j'en ai un géant
05:41
and the controlcontrôle over there, the bluebleu one,
132
326000
2000
et la référence, en bleu,
05:43
has got a really smallpetit one.
133
328000
4000
en a un vraiment petit.
05:47
And some of the researchrecherche now is showingmontrer
134
332000
2000
Certaines études montrent
05:49
is that people on the spectrumspectre actuallyréellement think with primaryprimaire visualvisuel cortexcortex.
135
334000
4000
que les gens situés sur le spectre de l'autisme pensent avec le cortex visuel primaire.
05:53
Now, the thing is, the visualvisuel thinker'sdu penseur just one kindgentil of mindesprit.
136
338000
3000
Les penseurs visuels ne représentent qu'une sorte d'esprit.
05:56
You see, the autisticautistique mindesprit tendstendance to be a specialistspécialiste mindesprit --
137
341000
3000
L'esprit autiste tend à être un esprit spécialiste.
05:59
good at one thing, badmal at something elseautre.
138
344000
4000
Bon à quelque chose, mauvais pour autre chose.
06:03
And where I was badmal was algebraalgèbre. And I was never allowedpermis
139
348000
2000
J'étais mauvaise en algèbre. Et je n'ai jamais été autorisée
06:05
to take geometrygéométrie or trigtrig.
140
350000
2000
à faire de la géométrie ou de la trigo.
06:07
GiganticGigantesque mistakeerreur: I'm findingdécouverte a lot of kidsdes gamins who need to skipsauter algebraalgèbre,
141
352000
3000
Erreur monumentale. Je vois plein d'enfants qui devraient se passer d'algèbre
06:10
go right to geometrygéométrie and trigtrig.
142
355000
2000
se rendre directement au cours de géométrie et de trigo.
06:12
Now, anotherun autre kindgentil of mindesprit is the patternmodèle thinkerpenseur.
143
357000
3000
Un autre type d'esprit est le penseur par modèle.
06:15
More abstractabstrait. These are your engineersingénieurs,
144
360000
2000
Plus abstrait. Ce sont vos ingénieurs,
06:17
your computerordinateur programmersprogrammeurs.
145
362000
2000
vos programmeurs informatiques.
06:19
Now, this is patternmodèle thinkingen pensant. That prayingprier mantisMantis
146
364000
2000
C'est la pensée par modèle. Cette mante religieuse
06:21
is madefabriqué from a singleunique sheetdrap of paperpapier --
147
366000
2000
est faite d'une seule feuille de papier.
06:23
no scotchécossais taperuban, no cutscoupes.
148
368000
2000
Pas de scotch, pas de découpage.
06:25
And there in the backgroundContexte is the patternmodèle for foldingpliant it.
149
370000
3000
Au fond se trouve le modèle pour la plier.
06:28
Here are the typesles types of thinkingen pensant:
150
373000
2000
Voici les différents types de pensée:
06:30
photo-realisticphoto-réalistes visualvisuel thinkerspenseurs, like me;
151
375000
3000
Les penseurs visuels photo-réalistes, comme moi.
06:33
patternmodèle thinkerspenseurs, musicla musique and mathmath mindsesprits.
152
378000
4000
Les penseurs par modèle, les esprits pour la musique et les mathématiques.
06:37
Some of these oftentimessouvent have problemsproblèmes with readingen train de lire.
153
382000
2000
Certains d'entre eux ont souvent des problèmes de lecture.
06:39
You alsoaussi will see these kindgentil of problemsproblèmes
154
384000
2000
Vous verrez aussi ce type de problèmes avec
06:41
with kidsdes gamins that are dyslexicdyslexique.
155
386000
3000
des enfants qui sont dyslexiques.
06:44
You'llVous aurez see these differentdifférent kindssortes of mindsesprits.
156
389000
2000
Vous verrez ces différents types d'esprits.
06:46
And then there's a verbalverbal mindesprit, they know everychaque factfait about everything.
157
391000
3000
Il y a aussi l'esprit verbal. Ils savent tout sur tout.
06:49
Now, anotherun autre thing is the sensorysensoriel issuesproblèmes.
158
394000
2000
Il faut aussi mentionner les problèmes sensoriels.
06:51
I was really concernedconcerné about havingayant to wearporter this gadgetgadget on my facevisage.
159
396000
4000
J'étais vraiment soucieuse de devoir porter ce gadget sur ma tête.
06:55
And I camevenu in halfmoitié an hourheure beforehandpréalablement
160
400000
3000
J'y suis allée une demi heure en avance
06:58
so I could have it put on and kindgentil of get used to it,
161
403000
2000
afin de pouvoir le mettre et de m'y habituer.
07:00
and they got it bentpliés so it's not hittingfrappe my chinmenton.
162
405000
3000
Et ils l'ont plié afin que cela ne heurte pas mon menton.
07:03
But sensorysensoriel is an issueproblème. Some kidsdes gamins are bothereddérangé by fluorescentfluorescent lightslumières;
163
408000
3000
La sensibilité est un véritable problème. Certains enfants ont des ennuis avec les lampes fluorescentes.
07:06
othersautres have problemsproblèmes with sounddu son sensitivitysensibilité.
164
411000
3000
D'autres ont des problèmes avec une sensibilité au son.
07:09
You know, it's going to be variablevariable.
165
414000
3000
C'est variable.
07:12
Now, visualvisuel thinkingen pensant gavea donné me a wholeentier lot of insightperspicacité
166
417000
4000
La pensée visuelle m'a offert une compréhension beaucoup plus profonde
07:16
into the animalanimal mindesprit.
167
421000
2000
de l'esprit animal.
07:18
Because think about it: An animalanimal is a sensory-basedaxée sur le sensoriel thinkerpenseur,
168
423000
3000
Un animal a une pensée basée sur les sens,
07:21
not verbalverbal -- thinkspense in picturesdes photos,
169
426000
4000
pas sur la parole. Il pense en images.
07:25
thinkspense in soundsdes sons, thinkspense in smellsodeurs.
170
430000
3000
Il pense en sons. Il pense en odeurs.
07:28
Think about how much informationinformation there is there on the locallocal fireFeu hydrantbouche d’incendie.
171
433000
3000
Pensez au nombre d'informations que contient une hydrante.
07:31
He knowssait who'squi est been there, when they were there.
172
436000
3000
Il sait qui s'est trouvé là, quand il a été là,
07:34
Are they friendami or foeFoe? Is there anybodyn'importe qui he can go matematé with?
173
439000
3000
s'il s'agit d'un ami ou d'un ennemi, s'il y a quelqu'un avec qui il peut s'accoupler.
07:37
There's a tonton of informationinformation on that fireFeu hydrantbouche d’incendie.
174
442000
3000
Il y a une tonne d'information sur cette bouche d'incendie.
07:40
It's all very detaileddétaillées informationinformation,
175
445000
4000
Toutes ces informations sont très détaillées.
07:44
and, looking at these kindgentil of detailsdétails
176
449000
2000
Regarder tous ces détails
07:46
gavea donné me a lot of insightperspicacité into animalsanimaux.
177
451000
2000
m'a donné une compréhension profonde des animaux.
07:48
Now, the animalanimal mindesprit, and alsoaussi my mindesprit,
178
453000
4000
L'esprit animal, et mon esprit également,
07:52
putsmet sensory-basedaxée sur le sensoriel informationinformation
179
457000
2000
range les informations basées sur les sens
07:54
into categoriescategories.
180
459000
2000
en catégories.
07:56
Man on a horsecheval
181
461000
2000
Un homme sur un cheval
07:58
and a man on the groundsol --
182
463000
2000
et un homme au sol
08:00
that is viewedvu as two totallytotalement differentdifférent things.
183
465000
2000
sont vus comme deux choses complètement différentes.
08:02
You could have a horsecheval that's been abusedabusé by a ridercavalier.
184
467000
3000
Prenez un cheval qui aurait été maltraité par un cavalier.
08:05
They'llIls vont be absolutelyabsolument fine with the veterinarianvétérinaire
185
470000
2000
Le cheval s'entendra très bien avec le vétérinaire
08:07
and with the horseshoermaréchal-ferrant, but you can't ridebalade him.
186
472000
3000
et avec le maréchal ferrant mais vous ne pourrez pas le monter.
08:10
You have anotherun autre horsecheval, where maybe the horseshoermaréchal-ferrant beatbattre him up
187
475000
3000
Prenez un autre cheval qui a été battu par le maréchal ferrant.
08:13
and he'llenfer be terribleterrible for anything on the groundsol,
188
478000
2000
Il sera terrible avec tout ce qui sera à terre,
08:15
with the veterinarianvétérinaire, but a personla personne can ridebalade him.
189
480000
3000
avec le vétérinaire. Mais vous pourrez le monter.
08:18
CattleBovins are the sameMême way.
190
483000
2000
Le bétail fonctionne de la même façon.
08:20
Man on a horsecheval,
191
485000
2000
Un homme sur un cheval,
08:22
a man on footpied -- they're two differentdifférent things.
192
487000
2000
un homme à terre, ce sont deux choses différentes.
08:24
You see, it's a differentdifférent picturephoto.
193
489000
2000
C'est une image différente.
08:26
See, I want you to think about just how specificspécifique this is.
194
491000
3000
Je veux que vous pensiez à quel point tout cela est spécifique.
08:29
Now, this abilitycapacité to put informationinformation into categoriescategories,
195
494000
4000
Je trouve que beaucoup de monde a de la peine
08:33
I find a lot of people are not very good at this.
196
498000
3000
à distribuer l'information en catégories.
08:36
When I'm out troubleshootingDépannage equipmentéquipement
197
501000
2000
Quand je répare un équipement
08:38
or problemsproblèmes with something in a plantplante,
198
503000
2000
ou résous des problèmes dans une usine,
08:40
they don't seemsembler to be ablecapable to figurefigure out, "Do I have a trainingentraînement people issueproblème?
199
505000
4000
les gens ne semblent pas être capable de se demander "S'agit-il d'un problème de formation du personnel
08:44
Or do I have something wrongfaux with the equipmentéquipement?"
200
509000
2000
ou s'agit-il d'un problème d'équipement?"
08:46
In other wordsmots, categorizecatégoriser equipmentéquipement problemproblème
201
511000
2000
En d'autres termes, différencier les problèmes d'équipement
08:48
from a people problemproblème.
202
513000
2000
des problèmes humains.
08:50
I find a lot of people have difficultydifficulté doing that.
203
515000
3000
Je trouve que beaucoup de gens ont de la peine à faire cela.
08:53
Now, let's say I figurefigure out it's an equipmentéquipement problemproblème.
204
518000
3000
Disons que je comprenne que c'est un problème d'équipement.
08:56
Is it a minormineur problemproblème, with something simplesimple I can fixréparer?
205
521000
2000
Est-ce un problème mineur, quelque chose je peux facilement réparer?
08:58
Or is the wholeentier designconception of the systemsystème wrongfaux?
206
523000
3000
Ou est-ce toute la conception du système qui est mauvaise?
09:01
People have a harddifficile time figuringfigurer that out.
207
526000
3000
Les gens ont du mal à trouver cela.
09:04
Let's just look at something like, you know,
208
529000
2000
Prenons quelque chose comme
09:06
solvingrésoudre problemsproblèmes with makingfabrication airlinescompagnies aériennes saferplus sûr.
209
531000
2000
la résolution de problèmes liés à la sécurité des lignes aériennes.
09:08
Yeah, I'm a million-milemillions milles flierFlier.
210
533000
2000
J'ai parcouru plus d'un million de miles en avion.
09:10
I do lots and lots of flyingen volant,
211
535000
2000
Je prend très souvent l'avion
09:12
and if I was at the FAAFAA,
212
537000
3000
et si j'étais à la FAA (Administration de l'Aviation Fédérale)
09:15
what would I be doing a lot of directdirect observationobservation of?
213
540000
4000
qu'est-ce que j'observerais?
09:19
It would be theirleur airplaneavion tailsqueues.
214
544000
2000
Ce serait la queue des avions.
09:21
You know, fivecinq fatalfatal wrecksépaves in the last 20 yearsannées,
215
546000
3000
Cinq des accidents d'avion fatals des 20 dernières années
09:24
the tailqueue eithernon plus camevenu off or steeringpilotage stuffdes trucs insideà l'intérieur the tailqueue brokecassé
216
549000
4000
furent causés par un détachement de la queue ou par la rupture - d'une manière ou d'une autre -
09:28
in some way.
217
553000
2000
d'éléments de pilotage situés dans la queue.
09:30
It's tailsqueues, purepur and simplesimple.
218
555000
2000
C'est la queue, purement et simplement.
09:32
And when the pilotspilotes walkmarche around the planeavion, guessdeviner what? They can't see
219
557000
2000
Quand le pilote marche autour de l'avion, il ne peut pas voir
09:34
that stuffdes trucs insideà l'intérieur the tailqueue.
220
559000
2000
le matériel à l'intérieur de la queue.
09:36
You know, now as I think about that,
221
561000
2000
Quand j'y repense,
09:38
I'm pullingtirant up all of that specificspécifique informationinformation.
222
563000
3000
je revois toute ces informations spécifiques.
09:41
It's specificspécifique. See, my thinking'sde la pensée bottom-upde bas en haut.
223
566000
3000
C'est spécifique. Ma pensée remonte les strates du problème.
09:44
I take all the little piecesdes morceaux and I put the piecesdes morceaux togetherensemble like a puzzlepuzzle.
224
569000
4000
Je réunis toutes les petites pièces et je les assemble comme un puzzle.
09:48
Now, here is a horsecheval that was deathlyreliques afraidpeur
225
573000
2000
Voici un cheval qui avait une peur bleue
09:50
of blacknoir cowboyCow-Boy hatschapeaux.
226
575000
2000
des chapeaux de cowboy noirs.
09:52
He'dIl serait been abusedabusé by somebodyquelqu'un with a blacknoir cowboyCow-Boy hatchapeau.
227
577000
2000
Il avait été maltraité par quelqu'un avec un chapeau de cowboy noir.
09:54
WhiteBlanc cowboyCow-Boy hatschapeaux, that was absolutelyabsolument fine.
228
579000
3000
Avec des chapeaux de cowboy blancs, il n'y avait aucun problème.
09:57
Now, the thing is, the worldmonde is going to need
229
582000
3000
Le monde va avoir besoin
10:00
all of the differentdifférent kindssortes of mindsesprits
230
585000
2000
du travail commun de toutes
10:02
to work togetherensemble.
231
587000
2000
les différentes sortes d'esprits.
10:04
We'veNous avons got to work on developingdéveloppement all these differentdifférent kindssortes of mindsesprits.
232
589000
3000
Nous devons développer toutes ces sortes d'esprits.
10:07
And one of the things that is drivingau volant me really crazyfou,
233
592000
3000
Une des choses qui me rend vraiment folle,
10:10
as I travelVoyage around and I do autismautisme meetingsréunions,
234
595000
2000
à mesure que je voyage et que je participe à des assemblées sur l'autisme,
10:12
is I'm seeingvoyant a lot of smartintelligent, geekyGeek, nerdyringard kidsdes gamins,
235
597000
3000
est le fait que je rencontre un tas d'enfants geeks très intelligents.
10:15
and they just aren'tne sont pas very socialsocial,
236
600000
3000
Ils ne sont juste pas très sociaux.
10:18
and nobody'spersonne n' est workingtravail on developingdéveloppement theirleur interestintérêt
237
603000
2000
Mais personne n'essaie de développer leurs intérêts
10:20
in something like sciencescience.
238
605000
2000
pour quelque chose tel que les sciences.
10:22
And this bringsapporte up the wholeentier thing of my sciencescience teacherprof.
239
607000
3000
ça nous amène à mon professeur de sciences.
10:25
My sciencescience teacherprof is shownmontré absolutelyabsolument beautifullymagnifiquement in the moviefilm.
240
610000
3000
Mon professeur de sciences est magnifiquement présenté dans le film.
10:28
I was a goofballgoofball studentétudiant. When I was in highhaute schoolécole
241
613000
2000
Étudiante, j'étais un boulet. Quand j'étais au lycée
10:30
I just didn't carese soucier at all about studyingen train d'étudier,
242
615000
3000
je n'en avais rien à faire d'étudier,
10:33
untiljusqu'à I had MrM.. Carlock'sDe Carlock sciencescience classclasse.
243
618000
3000
jusqu'à ce que je suive les cours de science de M. Carlock.
10:36
He was now DrDr. CarlockCarlock in the moviefilm.
244
621000
3000
C'est Dr. Carlock dans le film.
10:39
And he got me challengedcontesté
245
624000
3000
Il m'a défié
10:42
to figurefigure out an opticaloptique illusionillusion roomchambre.
246
627000
3000
de comprendre une illusion d'optique.
10:45
This bringsapporte up the wholeentier thing of you've got to showmontrer kidsdes gamins
247
630000
2000
Cela nous amène au point clé: vous vous devez de montrer aux enfants
10:47
interestingintéressant stuffdes trucs.
248
632000
2000
des choses intéressantes.
10:49
You know, one of the things that I think maybe TEDTED oughtdevrait to do
249
634000
3000
Je pense qu'une des choses que TED devrait faire
10:52
is tell all the schoolsécoles about all the great lecturesconférences that are on TEDTED,
250
637000
3000
est d'informer toutes les écoles au sujet des grandes conférences que contient TED.
10:55
and there's all kindssortes of great stuffdes trucs on the InternetInternet
251
640000
2000
Il y a toutes sortes de choses très intéressantes sur Internet
10:57
to get these kidsdes gamins turnedtourné on.
252
642000
2000
pour motiver ces enfants.
10:59
Because I'm seeingvoyant a lot of these geekyGeek nerdyringard kidsdes gamins,
253
644000
3000
Je vois beaucoup de ces enfants geeks très intelligents.
11:02
and the teachersenseignants out in the MidwestMidwest, and the other partsles pièces of the countryPays,
254
647000
3000
Mais les enseignants dans le Midwest, et dans d'autres parties du pays,
11:05
when you get away from these techtechnologie areaszones,
255
650000
2000
ne savent pas quoi faire avec ces enfants
11:07
they don't know what to do with these kidsdes gamins.
256
652000
2000
lorsque vous quittez ces champs d'institutions techniques.
11:09
And they're not going down the right pathchemin.
257
654000
2000
Ils ne sont pas sur la bonne voie.
11:11
The thing is, you can make a mindesprit
258
656000
2000
Vous pouvez former un esprit
11:13
to be more of a thinkingen pensant and cognitivecognitif mindesprit,
259
658000
3000
et le rendre plus penseur et cognitif.
11:16
or your mindesprit can be wiredcâblé to be more socialsocial.
260
661000
3000
Ou l'activer pour le rendre plus social.
11:19
And what some of the researchrecherche now has shownmontré in autismautisme
261
664000
2000
Certaines études sur l'autisme ont maintenant démontré
11:21
is there maymai by extrasupplémentaire wiringcâblage back here,
262
666000
2000
qu'il peut y avoir plus de connections, ici,
11:23
in the really brilliantbrillant mindesprit, and we loseperdre a fewpeu socialsocial circuitsles circuits here.
263
668000
3000
dans un esprit très brillant, et la perte de connexions dans la partie sociale, là.
11:26
It's kindgentil of a trade-offTrade-OFF betweenentre thinkingen pensant and socialsocial.
264
671000
4000
C'est une sorte de compromis entre pensée et sociabilité.
11:30
And then you can get into the pointpoint where it's so severesévère
265
675000
2000
Dans les cas très sévères,
11:32
you're going to have a personla personne that's going to be non-verbalnon verbal.
266
677000
3000
une personne peut être non-verbale.
11:35
In the normalnormal humanHumain mindesprit
267
680000
2000
Dans un esprit humain normal,
11:37
languagela langue coverscouvre up the visualvisuel thinkingen pensant we sharepartager with animalsanimaux.
268
682000
3000
le langage recouvre la pensée visuelle que nous partageons avec les animaux.
11:40
This is the work of DrDr. BruceBruce MillerMiller.
269
685000
3000
C'est le travail du Dr. Bruce Miller.
11:43
And he studiedétudié Alzheimer'sAlzheimer patientsles patients
270
688000
3000
Il étudiait les patients atteint d'Alzheimer
11:46
that had frontalfrontal temporaltemporel lobelobe dementiadémence.
271
691000
2000
qui présentaient une démence fronto-temporale.
11:48
And the dementiadémence atea mangé out the languagela langue partsles pièces of the braincerveau,
272
693000
3000
La démence dévorait les zones du langage du cerveau.
11:51
and then this artworkouvrages d'art camevenu out of somebodyquelqu'un who used to installinstaller stereosstéréos in carsdes voitures.
273
696000
5000
Cette œuvre sortit de quelqu'un qui installait des postes radio dans les voitures.
11:56
Now, VanVan GoghGogh doesn't know anything about physicsla physique,
274
701000
4000
Van Gogh ne connaissait rien de la physique.
12:00
but I think it's very interestingintéressant
275
705000
2000
Mais il est très intéressant de voir
12:02
that there was some work doneterminé to showmontrer that
276
707000
2000
que des études ont montré
12:04
this eddytourbillon patternmodèle in this paintingLa peinture
277
709000
2000
que les tourbillons de cette peinture
12:06
followedsuivi a statisticalstatistique modelmaquette of turbulenceturbulence,
278
711000
3000
obéissent à un modèle statistique des turbulences.
12:09
whichlequel bringsapporte up the wholeentier interestingintéressant ideaidée
279
714000
2000
Ce qui nous amène à l'idée intéressante
12:11
of maybe some of this mathematicalmathématique patternsmodèles
280
716000
2000
que peut-être certains de ces modèles mathématiques
12:13
is in our ownposséder headtête.
281
718000
2000
sont dans notre tête.
12:15
And the WolframWolfram stuffdes trucs -- I was takingprise
282
720000
2000
Je prenais en note les histoires de Wolfram
12:17
notesRemarques and I was writingl'écriture down all the
283
722000
2000
et je recopiais tous les
12:19
searchchercher wordsmots I could use,
284
724000
2000
mot-clés que je pouvais utiliser
12:21
because I think that's going to go on in my autismautisme lecturesconférences.
285
726000
4000
parce que je pense que cela ressortira dans mes conférences sur l'autisme.
12:25
We'veNous avons got to showmontrer these kidsdes gamins interestingintéressant stuffdes trucs.
286
730000
2000
Nous nous devons de montrer à ces enfants des choses intéressantes.
12:27
And they'veils ont takenpris out the autoshopAutoshop classclasse
287
732000
2000
Ils ont suivi des cours d'atelier mécanique,
12:29
and the draftingrédaction classclasse and the artart classclasse.
288
734000
2000
de rédaction et d'art.
12:31
I mean artart was my bestmeilleur subjectassujettir in schoolécole.
289
736000
3000
L'art était mon sujet préféré à l'école.
12:34
We'veNous avons got to think about all these differentdifférent kindssortes of mindsesprits,
290
739000
2000
Nous devons penser à tous ces différents types d'esprits.
12:36
and we'venous avons got to absolutelyabsolument work with these kindgentil of mindsesprits,
291
741000
3000
Et nous devons absolument travailler avec ces types d'esprits
12:39
because we absolutelyabsolument are going to need
292
744000
3000
parce que nous aurons absolument besoin
12:42
these kindgentil of people in the futureavenir.
293
747000
3000
de ce type de personnes dans le futur.
12:45
And let's talk about jobsemplois.
294
750000
2000
Parlons d'emplois.
12:47
OK, my sciencescience teacherprof got me studyingen train d'étudier
295
752000
2000
Mon professeur de sciences m'a poussé à étudier
12:49
because I was a goofballgoofball that didn't want to studyétude.
296
754000
3000
parce que j'étais un boulet qui ne voulait pas travailler.
12:52
But you know what? I was gettingobtenir work experienceexpérience.
297
757000
2000
Mais vous savez quoi? J'acquérais de l'expérience.
12:54
I'm seeingvoyant too manybeaucoup of these smartintelligent kidsdes gamins who haven'tn'a pas learnedappris basicde base things,
298
759000
2000
Je vois trop de ces enfants intelligents qui n'ont pas appris les éléments de base,
12:56
like how to be on time.
299
761000
2000
comme le fait d'être à l'heure.
12:58
I was taughtenseigné that when I was eighthuit yearsannées oldvieux.
300
763000
2000
On me l'a appris lorsque j'avais huit ans.
13:00
You know, how to have tabletable mannersManners at granny'sgrand-mère SundayDimanche partyfête.
301
765000
3000
Bien se tenir à table au repas du dimanche chez mamie.
13:03
I was taughtenseigné that when I was very, very youngJeune.
302
768000
3000
On me l'a appris lorsque j'étais très très jeune.
13:06
And when I was 13, I had a jobemploi at a dressmaker'sde couturière shopboutique
303
771000
3000
Lorsque j'avais 13 ans, j'avais un travail. Je vendais des vêtements
13:09
sewingcouture clothesvêtements.
304
774000
2000
dans une boutique couturière.
13:11
I did internshipsstages in collegeUniversité,
305
776000
3000
J'ai fait des stages à l'université.
13:14
I was buildingbâtiment things,
306
779000
3000
Je construisais des choses.
13:17
and I alsoaussi had to learnapprendre how to do assignmentsaffectations.
307
782000
3000
J'ai aussi dû apprendre à faire mes devoirs.
13:20
You know, all I wanted to do was drawdessiner picturesdes photos of horsesles chevaux when I was little.
308
785000
4000
Tout ce que je voulais faire, quand j'étais petite, c'était dessiner des chevaux.
13:24
My mothermère said, "Well let's do a picturephoto of something elseautre."
309
789000
2000
Ma mère disait: "Bien, dessinons quelque chose d'autre."
13:26
They'veIls ont got to learnapprendre how to do something elseautre.
310
791000
2000
Ils doivent apprendre à faire d'autres choses.
13:28
Let's say the kidenfant is fixatedobsédé on LegosLegos.
311
793000
2000
Prenons un enfant qui fait une fixation sur les légos.
13:30
Let's get him workingtravail on buildingbâtiment differentdifférent things.
312
795000
3000
Il faut lui apprendre à construire différentes choses.
13:33
The thing about the autisticautistique mindesprit
313
798000
2000
Les esprits autistes
13:35
is it tendstendance to be fixatedobsédé.
314
800000
2000
tendent à faire des fixations.
13:37
Like if a kidenfant lovesamours racecarsvoitures de course,
315
802000
2000
Si un enfant aime les voitures de course,
13:39
let's use racecarsvoitures de course for mathmath.
316
804000
2000
utilisons les voitures de course pour lui enseigner les maths.
13:41
Let's figurefigure out how long it takes a racecarvoiture de course to go a certaincertain distancedistance.
317
806000
3000
Trouvons de combien de temps une voiture de course a besoin pour parcourir une certaine distance.
13:44
In other wordsmots, use that fixationfixation
318
809000
4000
En d'autre termes, utilisez cette fixation
13:48
in ordercommande to motivatemotiver that kidenfant, that's one of the things we need to do.
319
813000
3000
afin de motiver l'enfant. C'est une des choses que nous devons faire.
13:51
I really get fednourris up when they, you know, the teachersenseignants,
320
816000
3000
J'en ai vraiment marre de voir que les enseignants,
13:54
especiallynotamment when you get away from this partpartie of the countryPays,
321
819000
3000
en particulier quand vous partez de cette partie du pays,
13:57
they don't know what to do with these smartintelligent kidsdes gamins.
322
822000
2000
ne savent pas quoi faire avec ces enfants intelligents.
13:59
It just drivesdisques me crazyfou.
323
824000
2000
Cela me rend folle.
14:01
What can visualvisuel thinkerspenseurs do when they growcroître up?
324
826000
2000
Que peuvent faire les penseurs visuels lorsqu'ils grandissent ?
14:03
They can do graphicgraphique designconception, all kindssortes of stuffdes trucs with computersdes ordinateurs,
325
828000
3000
Ils peuvent faire du design graphique, toutes sortes de choses avec les ordinateurs,
14:06
photographyla photographie, industrialindustriel designconception.
326
831000
5000
de la photographie, de la conception industrielle.
14:11
The patternmodèle thinkerspenseurs, they're the onesceux that are going to be
327
836000
2000
Les penseurs par modèles sont ceux qui seront
14:13
your mathematiciansmathématiciens, your softwareLogiciel engineersingénieurs,
328
838000
3000
vos mathématiciens, vos ingénieurs informaticiens,
14:16
your computerordinateur programmersprogrammeurs, all of those kindssortes of jobsemplois.
329
841000
4000
vos programmeurs informatique, ceux qui feront toutes ces sortes de jobs.
14:20
And then you've got the wordmot mindsesprits. They make great journalistsjournalistes,
330
845000
3000
Puis viennent les esprits verbaux. Ils font de grands journalistes.
14:23
and they alsoaussi make really, really good stageétape actorsacteurs.
331
848000
3000
Ils font aussi de très très bons acteurs.
14:26
Because the thing about beingétant autisticautistique is,
332
851000
2000
Comme je suis autiste,
14:28
I had to learnapprendre socialsocial skillscompétences like beingétant in a playjouer.
333
853000
3000
j'ai dû apprendre le comportement social comme si j'apprenais une pièce.
14:31
It's just kindgentil of -- you just have to learnapprendre it.
334
856000
3000
Vous devez l'apprendre.
14:34
And we need to be workingtravail with these studentsélèves.
335
859000
3000
Nous devons travailler avec ces étudiants.
14:37
And this bringsapporte up mentorsmentors.
336
862000
2000
Cela nous amène aux mentors.
14:39
You know, my sciencescience teacherprof was not an accreditedaccrédités par teacherprof.
337
864000
3000
Mon professeur de sciences n'était pas un enseignant accrédité.
14:42
He was a NASANASA spaceespace scientistscientifique.
338
867000
2000
C'était un scientifique spatial de la NASA.
14:44
Now, some statesÉtats now are gettingobtenir it to where
339
869000
2000
Certains états en arrivent à un point où
14:46
if you have a degreedegré in biologyla biologie, or a degreedegré in chemistrychimie,
340
871000
2000
vous pouvez venir à l'école et enseigner la biologie ou la chimie
14:48
you can come into the schoolécole and teachapprendre biologyla biologie or chemistrychimie.
341
873000
3000
si vous avez un diplôme en biologie ou en chimie.
14:51
We need to be doing that.
342
876000
2000
Nous avons besoin d'en arriver là.
14:53
Because what I'm observingobserver is
343
878000
2000
Car je remarque que
14:55
the good teachersenseignants, for a lot of these kidsdes gamins,
344
880000
2000
les bons professeurs, pour un tas de ces enfants,
14:57
are out in the communitycommunauté collegescollèges,
345
882000
2000
sont dans les universités publiques.
14:59
but we need to be gettingobtenir some of these good teachersenseignants into the highhaute schoolsécoles.
346
884000
3000
Nous avons besoin de certains de ces bon professeurs dans les lycées.
15:02
AnotherUn autre thing that can be very, very, very successfulréussi is
347
887000
3000
De nombreuses personnes qui sont parties à la retraite
15:05
there is a lot of people that maymai have retiredà la retraite
348
890000
3000
d'un travail dans l'industrie informatique pourraient enseigner.
15:08
from workingtravail in the softwareLogiciel industryindustrie, and they can teachapprendre your kidenfant.
349
893000
3000
Et cela pourrait donner de très très bons résultats.
15:11
And it doesn't mattermatière if what they teachapprendre them is oldvieux,
350
896000
3000
Cela n'a pas d'importance si ce qu'ils enseignent est dépassé.
15:14
because what you're doing is you're lightingéclairage the sparkétincelle.
351
899000
3000
Ils vont provoquer une étincelle.
15:17
You're gettingobtenir that kidenfant turnedtourné on.
352
902000
3000
ça va motiver cet enfant.
15:20
And you get him turnedtourné on, then he'llenfer learnapprendre all the newNouveau stuffdes trucs.
353
905000
3000
Si vous arrivez à le motiver, il apprendra toutes les nouveautés par lui-même.
15:23
MentorsMentors are just essentialessentiel.
354
908000
2000
Les mentors sont tout simplement essentiels.
15:25
I cannotne peux pas emphasizesouligner enoughassez
355
910000
2000
Je ne peux pas suffisamment insister
15:27
what my sciencescience teacherprof did for me.
356
912000
3000
sur ce que mon professeur de sciences a fait pour moi.
15:30
And we'venous avons got to mentormentor them, hirelouer them.
357
915000
3000
Nous devons les guider, les employer.
15:33
And if you bringapporter them in for internshipsstages in your companiesentreprises,
358
918000
2000
Si vous offrez un stage dans votre société
15:35
the thing about the autismautisme, Asperger-yAsperger-y kindgentil of mindesprit,
359
920000
3000
à une personne autiste, avec une forme d'Asperger,
15:38
you've got to give them a specificspécifique tasktâche. Don't just say, "DesignConception newNouveau softwareLogiciel."
360
923000
3000
vous devez leur assigner une tâche spécifique. Ne dites pas simplement: "Crée un nouveau logiciel."
15:41
You've got to tell them something a lot more specificspécifique:
361
926000
2000
Vous devez leur dire quelque chose de beaucoup plus spécifique.
15:43
"Well, we're designingconception a softwareLogiciel for a phonetéléphone
362
928000
3000
"Nous concevons un logiciel pour un téléphone
15:46
and it has to do some specificspécifique thing.
363
931000
2000
et il doit faire des choses précises
15:48
And it can only use so much memoryMémoire."
364
933000
2000
avec telle quantité de mémoire."
15:50
That's the kindgentil of specificityspécificité you need.
365
935000
2000
C'est le genre de précision dont vous avez besoin.
15:52
Well, that's the endfin of my talk.
366
937000
2000
Bien, c'est la fin de mon exposé.
15:54
And I just want to thank everybodyTout le monde for comingvenir.
367
939000
2000
Je tiens à remercier tout le monde d'être venu.
15:56
It was great to be here.
368
941000
2000
Ce fut formidable d'être ici.
15:58
(ApplauseApplaudissements)
369
943000
12000
(Applaudissements)
16:10
Oh, you've got a questionquestion for me? OK.
370
955000
3000
Oh, vous avez une question pour moi ? Okay.
16:13
(ApplauseApplaudissements)
371
958000
1000
(Applaudissements)
16:14
ChrisChris AndersonAnderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Merci beaucoup.
16:18
You know, you onceune fois que wrotea écrit, I like this quotecitation,
373
963000
2000
Vous avez écrit un jour, j'aime bien cette citation:
16:20
"If by some magicla magie, autismautisme had been
374
965000
2000
"Si par quelque magie, l'autisme eut été
16:22
eradicatedéradiqué from the facevisage of the EarthTerre,
375
967000
3000
éradiqué de la surface de la Terre,
16:25
then menHommes would still be socializingsocialisation in frontde face of a woodbois fireFeu
376
970000
3000
les Hommes socialiseraient encore devant un feu de bois
16:28
at the entranceentrée to a caveCave."
377
973000
2000
à l'entrée d'une cave."
16:30
TempleTemple GrandinGrandin: Because who do you think madefabriqué the first stonepierre spearsdes lances?
378
975000
2000
Temple Grandin: Qui selon vous a fabriqué la première lance de pierre?
16:32
The AspergerAsperger guy. And if you were to get riddébarrasser of all the autismautisme geneticsla génétique
379
977000
3000
L'Asperger. Si vous deviez vous débarrasser de tous les gènes de l'autisme
16:35
there would be no more SiliconSilicium ValleyVallée de,
380
980000
2000
il n'y aurait plus de Silicon Valley
16:37
and the energyénergie crisiscrise would not be solvedrésolu.
381
982000
2000
et la crise énergétique ne serait pas résolue.
16:39
(ApplauseApplaudissements)
382
984000
3000
(Applaudissements)
16:42
CACA: So, I want to askdemander you a couplecouple other questionsdes questions,
383
987000
2000
CA: Je voulais vous poser une ou deux autres questions.
16:44
and if any of these feel inappropriateinapproprié,
384
989000
2000
Si l'une d'elle vous semble inappropriée
16:46
it's okay just to say, "NextProchaine questionquestion."
385
991000
2000
vous n'avez qu'a dire "Question suivante."
16:48
But if there is someoneQuelqu'un here
386
993000
2000
S'il se trouve quelqu'un ici
16:50
who has an autisticautistique childenfant,
387
995000
2000
qui a un enfant autiste
16:52
or knowssait an autisticautistique childenfant
388
997000
2000
ou connait un enfant autiste
16:54
and feelsse sent kindgentil of cutCouper off from them,
389
999000
3000
et se sent en quelque sorte coupé de leur monde,
16:57
what adviceConseil would you give them?
390
1002000
2000
quel avis lui donneriez-vous ?
16:59
TG: Well, first of all, you've got to look at ageâge.
391
1004000
2000
TG : Tout d'abord, vous devez prêter attention à l'age.
17:01
If you have a two, threeTrois or fourquatre yearan oldvieux
392
1006000
2000
Si vous avez un enfant de 2, 3 ou 4 ans
17:03
you know, no speechdiscours, no socialsocial interactioninteraction,
393
1008000
2000
qui ne parle pas, n'a pas d'interactions sociales,
17:05
I can't emphasizesouligner enoughassez:
394
1010000
2000
je ne peux pas suffisamment insister:
17:07
Don't wait, you need at leastmoins 20 hoursheures a weekla semaine of one-to-oneun à un teachingenseignement.
395
1012000
4000
n'attendez pas, vous avez besoin d'au moins 20 heures de cours par semaine en face à face.
17:11
You know, the thing is, autismautisme comesvient in differentdifférent degreesdegrés.
396
1016000
3000
L'autisme se présente à différents degrés.
17:14
There's going to be about halfmoitié the people on the spectrumspectre
397
1019000
2000
Environ la moitié des gens du spectre entier
17:16
that are not going to learnapprendre to talk, and they're not going to be workingtravail
398
1021000
2000
n'apprendrons pas à parler et ne vont pas travailler
17:18
SiliconSilicium ValleyVallée de, that would not be a reasonableraisonnable thing for them to do.
399
1023000
3000
à la Sillicon Valley. Cela ne serait pas une chose raisonnable pour eux.
17:21
But then you get the smartintelligent, geekyGeek kidsdes gamins
400
1026000
2000
Mais vous devez motiver
17:23
that have a touchtoucher of autismautisme,
401
1028000
2000
les enfants geeks intelligents
17:25
and that's where you've got to get them turnedtourné on
402
1030000
2000
qui présentent une touche d'autisme
17:27
with doing interestingintéressant things.
403
1032000
2000
en faisant des choses intéressantes.
17:29
I got socialsocial interactioninteraction throughpar sharedpartagé interestintérêt.
404
1034000
3000
J'ai eu des interactions sociales au travers d'intérêts partagés.
17:32
I roderodé horsesles chevaux with other kidsdes gamins, I madefabriqué modelmaquette rocketsfusées with other kidsdes gamins,
405
1037000
4000
Je montais des chevaux avec d'autres enfants. Je faisais des maquettes de fusées avec d'autres enfants.
17:36
did electronicsélectronique lablaboratoire with other kidsdes gamins,
406
1041000
2000
Je faisais de l'électronique avec d'autres enfants.
17:38
and in the '60s, it was gluingcollage mirrorsmiroirs
407
1043000
2000
Dans les années 60, cela consistait à coller des miroirs
17:40
ontosur a rubbercaoutchouc membranemembrane on a speakerorateur to make a lightlumière showmontrer.
408
1045000
3000
sur une membrane en caoutchouc d'un haut parleur pour créer un jeu de lumières.
17:43
That was like, we consideredpris en considération that supersuper coolcool.
409
1048000
3000
On trouvait ça super cool.
17:46
CACA: Is it unrealisticirréaliste for them
410
1051000
2000
CA : Est-ce irréaliste pour eux
17:48
to hopeespérer or think that that childenfant
411
1053000
2000
d'espérer ou de penser que cet enfant
17:50
lovesamours them, as some mightpourrait, as mostles plus, wishsouhait?
412
1055000
3000
les aime, comme certains - la plupart - pourraient l'espérer.
17:53
TG: Well let me tell you, that childenfant will be loyalfidèle,
413
1058000
2000
TG : Sachez que cet enfant sera loyal.
17:55
and if your housemaison is burningbrûlant down, they're going to get you out of it.
414
1060000
2000
Si votre maison brûle, il vous en sortira.
17:57
CACA: WowWow. So, mostles plus people, if you askdemander them
415
1062000
3000
CA : Wow! Si vous le leur demandez, la plupart des gens
18:00
what are they mostles plus passionatepassionné about, they'dils auraient say things like,
416
1065000
2000
dira que ce qui les passionne le plus est
18:02
"My kidsdes gamins" or "My loveramant."
417
1067000
3000
"mes enfants" ou "mon amant".
18:05
What are you mostles plus passionatepassionné about?
418
1070000
3000
Qu'est-ce qui vous passionne le plus ?
18:08
TG: I'm passionatepassionné about that the things I do
419
1073000
2000
TG : Je suis passionnée que le fait que les choses que je réalise
18:10
are going to make the worldmonde a better placeendroit.
420
1075000
2000
feront du monde un monde meilleur.
18:12
When I have a mothermère of an autisticautistique childenfant say,
421
1077000
2000
Quand la mère d'un enfant autiste m'a dit:
18:14
"My kidenfant wentest allé to collegeUniversité because of your booklivre,
422
1079000
2000
"Mon enfant a été à l'école grâce à votre livre,
18:16
or one of your lecturesconférences," that makesfait du me happycontent.
423
1081000
2000
ou grâce à une de vos conférences" cela me rend heureuse.
18:18
You know, the slaughterboucherie plantsles plantes, I've workedtravaillé with them
424
1083000
3000
Vous savez, j'ai travaillé sur les abattoirs
18:21
in the '80s; they were absolutelyabsolument awfulterrible.
425
1086000
2000
dans les années 80. Ils étaient absolument affreux.
18:23
I developeddéveloppé a really simplesimple scoringScoring systemsystème for slaughterboucherie plantsles plantes
426
1088000
4000
J'ai développé un système de notation très simple pour les abattoirs
18:27
where you just measuremesure outcomesrésultats: How manybeaucoup cattlebétail fellest tombée down?
427
1092000
2000
avec lequel vous mesurez seulement le résultat, le nombre de bêtes qui sont tombées,
18:29
How manybeaucoup cattlebétail got pokedfourré with the prodderProdder?
428
1094000
2000
le nombre de bêtes qui se sont piquées avec la sonde,
18:31
How manybeaucoup cattlebétail are mooingmeuglement theirleur headstêtes off?
429
1096000
2000
le nombre de bêtes qui meuglent la têtes coupée.
18:33
And it's very, very simplesimple.
430
1098000
2000
C'est très très simple.
18:35
You directlydirectement observeobserver a fewpeu simplesimple things.
431
1100000
2000
Vous observez directement des choses simples.
18:37
It's workedtravaillé really well. I get satisfactionla satisfaction out of
432
1102000
2000
ça a vraiment bien fonctionné. Je tire de la satisfaction
18:39
seeingvoyant stuffdes trucs that makesfait du realréal changechangement
433
1104000
3000
à observer des choses qui mènent à des changements concrets
18:42
in the realréal worldmonde. We need a lot more of that,
434
1107000
2000
dans le monde réel. Nous avons besoin de bien plus de cela
18:44
and a lot lessMoins abstractabstrait stuffdes trucs.
435
1109000
2000
et de bien moins de choses abstraites.
18:46
(ApplauseApplaudissements)
436
1111000
7000
(Applaudissements)
18:53
CACA: When we were talkingparlant on the phonetéléphone, one of the things you said that
437
1118000
2000
CA : Quand nous parlions au téléphone, une des choses que vous avez dites qui
18:55
really astonishedétonné me was you said one thing
438
1120000
2000
m'a vraiment étonné était le fait qu'une chose
18:57
you were passionatepassionné about was serverserveur farmsfermes. Tell me about that.
439
1122000
4000
qui vous passionne est les fermes de serveurs. Parlez-moi de ça.
19:01
TG: Well the reasonraison why I got really excitedexcité when I readlis about that,
440
1126000
3000
TG : ça me motiva vraiment de lire des articles là-dessus
19:04
it containscontient knowledgeconnaissance.
441
1129000
3000
car ils contiennent le savoir.
19:07
It's librariesbibliothèques.
442
1132000
2000
Ce sont des bibliothèques.
19:09
And to me, knowledgeconnaissance is something
443
1134000
2000
À mes yeux, le savoir est quelque chose
19:11
that is extremelyextrêmement valuablede valeur. So, maybe, over 10 yearsannées agodepuis
444
1136000
2000
d'extrêmement précieux. Il y a plus de 10 ans,
19:13
now our librarybibliothèque got floodedinondées.
445
1138000
2000
nos bibliothèques ont été inondées.
19:15
And this is before the InternetInternet got really biggros.
446
1140000
2000
ça s'est passé avant qu'Internet ne se développe.
19:17
And I was really upsetdérangé about all the bookslivres beingétant wreckedfait naufrage,
447
1142000
2000
Je fus vraiment énervée de voir ces livres anéantis
19:19
because it was knowledgeconnaissance beingétant destroyeddétruit.
448
1144000
2000
car du savoir fut alors détruit.
19:21
And serverserveur farmsfermes, or dataLes données centerscentres
449
1146000
2000
Les fermes de serveurs, ou "datacenters",
19:23
are great librariesbibliothèques of knowledgeconnaissance.
450
1148000
3000
sont de grandes bibliothèques du savoir.
19:26
CACA: TempleTemple, can I just say it's an absoluteabsolu delightdélice to have you at TEDTED.
451
1151000
3000
CA: Temple, ce fut un plaisir absolu de vous avoir à TED.
19:29
TG: Well thank you so much. Thank you.
452
1154000
3000
TG : Merci beaucoup. Merci.
19:32
(ApplauseApplaudissements)
453
1157000
6000
(Applaudissements)
Translated by Nicolas BISPO
Reviewed by Thibaut Monnin

▲Back to top

ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activist
Through groundbreaking research and the lens of her own autism, Temple Grandin brings startling insight into two worlds.

Why you should listen

An expert on animal behavior, Temple Grandin has designed humane handling systems for half the cattle-processing facilities in the US, and consults with the meat industry to develop animal welfare guidelines. As PETA wrote when awarding her a 2004 Proggy: “Dr. Grandin's improvements to animal-handling systems found in slaughterhouses have decreased the amount of fear and pain that animals experience in their final hours, and she is widely considered the world's leading expert on the welfare of cattle and pigs.” In 2010, Time Magazine listed her as one of its most Important People of the Year. She is also a member of the American Academy of Arts and Sciences.

Grandin’s books about her interior life as an autistic person have increased the world's understanding of the condition with personal immediacy -- and with import, as rates of autism diagnosis rise. She is revered by animal rights groups and members of autistic community, perhaps because in both regards she is a voice for those who are sometimes challenged to make themselves heard. 

More profile about the speaker
Temple Grandin | Speaker | TED.com