Résumé
L’IA générative ne règle pas magiquement les écarts entre compétence réelle et format attendu, mais elle rend ces écarts beaucoup plus visibles.
Pour les profils neurodivergents, le sujet n’est pas seulement l’outil : c’est le coût de transformation entre une pensée maîtrisée et un livrable reconnu par l’organisation.
L’article propose aux managers un cadre pour distinguer assistance, compensation, augmentation et substitution, sans diagnostic sauvage ni baisse d’exigence.
Cet article s’adresse aux dirigeants, managers, responsables RH et équipes IA qui veulent encadrer les usages de l’IA générative sans confondre compétence, conformité au format et accessibilité cognitive.
Il couvre le coût invisible de transformation des idées en livrables, les effets possibles de l’IA sur les profils neurodivergents, le phénomène d’imposture et les clarifications managériales utiles.
Il ne propose pas de diagnostic clinique, ne généralise pas l’expérience des personnes neurodivergentes et ne transforme pas l’IA générative en solution automatique d’inclusion.
Dans une organisation, un livrable n’est jamais seulement un livrable. Un mail, une note de synthèse, une présentation, un ticket, un compte rendu ou une priorisation sont aussi des preuves sociales : preuve que l’on a compris, que l’on sait formuler, que l’on maîtrise les codes implicites, que l’on sait produire dans les temps et dans la forme attendue.
Le problème est que ces dimensions sont rarement distinguées.
On pense évaluer une compétence de fond. On évalue aussi, souvent sans le voir, une vitesse de formulation, une disponibilité attentionnelle, une aisance rédactionnelle, une capacité à prioriser dans le flou, une endurance cognitive, une conformité aux codes sociaux et une aptitude à transformer une pensée en livrable acceptable.
L’IA générative ne règle pas ce problème. Elle le révèle.
Le livrable comme preuve sociale
Un manager demande une note « rapide ». En apparence, la tâche est simple. En réalité, elle contient plusieurs tâches imbriquées : comprendre le sujet, identifier ce qui compte, deviner le niveau de détail attendu, choisir un angle, éliminer le secondaire, structurer l’information, adopter le bon ton, formuler une recommandation, produire un document lisible et l’envoyer dans le délai implicite.
Rien de tout cela n’est absurde. Une organisation a besoin de formats. Elle ne peut pas fonctionner uniquement avec des intuitions, des conversations, des idées brutes ou des raisonnements non partagés. Elle a besoin de traces, de décisions, de synthèses, de documents, de supports, de tickets, d’arbitrages.
Mais un format n’est jamais neutre.
Une note de synthèse ne mesure pas seulement la compréhension d’un sujet. Elle mesure aussi la capacité à écrire, à hiérarchiser, à anticiper le lecteur, à réduire l’ambiguïté, à respecter les usages internes, à livrer dans la bonne forme. Une réunion, de la même manière, ne mesure pas seulement la pertinence intellectuelle. Elle mesure aussi la vitesse de réaction, l’aisance orale, la tolérance aux interruptions, la lecture des signaux sociaux, l’énergie disponible à ce moment précis.
C’est là que le malentendu commence.
Un collaborateur peut avoir compris le fond et échouer dans le format. Un autre peut produire un format très convaincant sans avoir réellement maîtrisé le fond. Dans la pratique, les organisations distinguent rarement ces deux situations avec précision.
Ce que le management voit, et ce qu’il ne voit pas
Les managers savent repérer certains signaux.
Une personne est très pertinente à l’oral, mais peine à produire une note claire. Une autre est brillante sur des sujets complexes, mais se bloque sur des tâches administratives apparemment simples. Une troisième rend parfois un travail excellent, puis devient très irrégulière selon les contextes. Quelqu’un répond trop directement, ou trop longuement, ou trop tard. Quelqu’un semble manquer de méthode alors que, dans d’autres circonstances, il résout des problèmes que personne d’autre ne voit.
Ces signaux existent. Ils ne doivent pas être niés.
Mais leur interprétation va souvent plus vite que le phénomène.
Un retard peut signaler un manque de rigueur. Il peut aussi signaler une difficulté à initier une tâche mal définie. Une note confuse peut révéler une pensée confuse ; elle peut aussi révéler un coût élevé de structuration. Une difficulté à prioriser peut venir d’un manque d’expérience, ou d’une demande dont les critères restent implicites. Une communication très directe peut être une maladresse, ou une stratégie pour réduire l’ambiguïté.
Ces comportements ne prouvent ni une neurodivergence, ni une incompétence. Ils indiquent d’abord que plusieurs couches sont mélangées : compétence de fond, forme attendue, contexte de travail, clarté de la demande, coût cognitif, fatigue, normes sociales, outils disponibles.
Le management gagne à regarder cette superposition avant de conclure.
Non pour excuser systématiquement. Non pour diminuer l’exigence. Mais pour éviter de se tromper d’objet.
Neurodivergence : ne pas réduire, ne pas romantiser
La neurodivergence est utile ici non comme étiquette, mais comme révélateur. Elle oblige à regarder ce que le travail rend parfois invisible.
Pour situer le vocabulaire : la neurodiversité désigne la variation des fonctionnements neurocognitifs humains à l’échelle d’une population ; la neurodivergence désigne un fonctionnement qui s’écarte des normes dominantes à l’échelle d’une personne.
Sous cette étiquette unique cohabitent des réalités très différentes : TDAH, autisme, dyslexie, dyspraxie, dyscalculie. Elles peuvent concerner des différences spécifiques d’attention, de communication, de coordination, de lecture des mots, de rapport au nombre, sans qu’aucune ne se traduise de la même façon selon les personnes, les contextes ou les âges de diagnostic. [1] ; [2] ; [3] ; [4] ; [5] ; [6]
Ces catégories ne décrivent pas des personnes identiques. Elles ne disent pas automatiquement ce qu’une personne sait faire, ce qu’elle ne sait pas faire, ni les conditions dans lesquelles elle travaille le mieux.
Il faut donc éviter deux erreurs symétriques.
La première serait de romantiser la neurodivergence : les « super-pouvoirs », le génie caché, la créativité automatique, la pensée forcément différente et supérieure. Ces récits flattent parfois, mais ils écrasent la diversité réelle des situations.
La seconde serait de la réduire à une déficience globale ou à une excuse. Ce n’est pas plus juste.
Le sujet est plus précis : certains environnements de travail reposent sur des normes implicites qui coûtent beaucoup plus cher à certains profils qu’à d’autres.
La norme peut être la réponse immédiate. Le mail court. Le ton diplomatique. La réunion bruyante. Le changement de contexte permanent. La priorisation spontanée. Le « tu vois ce que je veux dire ». Le livrable attendu, mais jamais décrit. La demande « simple » qui suppose en réalité de deviner le bon format, le bon niveau de détail et le bon degré d’engagement.
Pour certains, ces normes sont simplement irritantes. Pour d’autres, elles deviennent un coût structurel.
Le vrai sujet : le coût de transformation
Le travail intellectuel ne consiste pas seulement à comprendre. Il consiste à transformer ce que l’on comprend en quelque chose d’utilisable par d’autres.
C’est dans cette transformation que se situe une partie du malentendu.
On peut distinguer trois couches.
-
La compétence de fond : comprendre, analyser, relier, arbitrer, décider, détecter un risque, poser une hypothèse, voir une incohérence.
-
La compétence de forme : structurer, écrire, synthétiser, prioriser, adopter le ton attendu, choisir le bon format, produire une version lisible et recevable.
-
Le coût invisible : l’énergie nécessaire pour passer de l’une à l’autre.
Dans beaucoup d’organisations, ces trois couches sont traitées comme une seule. Une personne qui produit vite une note claire est perçue comme compétente. C’est souvent vrai. Mais on ne sait pas toujours quelle part de cette compétence relève de l’analyse, quelle part relève de la mise en forme, et quelle part relève de l’aisance à naviguer dans les codes de l’organisation.
À l’inverse, une personne qui peine à produire le livrable attendu peut être jugée moins compétente qu’elle ne l’est réellement sur le fond. Le problème n’est pas nécessairement qu’elle ne comprend pas. Il peut être qu’elle dépense une énergie disproportionnée pour rendre cette compréhension partageable.
Ce point vaut pour des personnes neurodivergentes, mais pas seulement. Il vaut aussi pour des personnes fatiguées, nouvellement promues, allophones, anxieuses, en surcharge, issues d’un autre milieu professionnel, en transition de poste, ou simplement confrontées à des règles implicites qu’elles n’ont pas apprises.
La neurodivergence rend le phénomène plus visible parce que l’écart entre compétence de fond et coût de restitution peut y être plus marqué. Mais elle n’en a pas le monopole.
Ce que l’IA générative change vraiment
L’IA générative intervient précisément dans cet espace : entre pensée, organisation, formulation et restitution.
Elle peut reformuler une pensée brute, transformer des notes fragmentaires en plan, clarifier une consigne, découper une tâche, produire une première version, proposer plusieurs formulations, résumer un document, préparer un message délicat ou convertir une idée en structure exploitable.
Les premières recherches directement liées à l’IA générative et aux personnes neurodivergentes invitent toutefois à rester prudent. Ronksley-Pavia et ses co-auteurs publient en 2025 une revue de portée sur les élèves neurodivergents et l’IA générative : elle identifie 21 sources pertinentes, dont seulement 9 études avec données originales ; elle conclut à un potentiel réel, notamment pour la personnalisation et le soutien éducatif, mais souligne le manque de validation empirique robuste, les risques d’exactitude, de surdépendance, de confidentialité et la nécessité d’une supervision humaine. [7]
Zhao, Cox et Chen observent la même année, auprès de 124 étudiants en situation de handicap, que des étudiants concernés notamment par le TDAH, la dyslexie, la dyspraxie ou l’autisme utilisent déjà l’IA générative pour des tâches d’écriture académique. Les principaux outils cités sont les chatbots, les applications de réécriture et les logiciels de traduction ; les préoccupations principales portent sur l’inexactitude des réponses, l’intégrité académique et le coût des abonnements. [8]
Le potentiel est donc réel, mais il n’autorise pas les conclusions simplistes.
L’IA ne rend pas automatiquement plus compétent. Elle peut rendre moins coûteux l’accès à une forme attendue de compétence.
La nuance est décisive.
Pour une personne qui sait ce qu’elle veut dire mais peine à l’écrire, l’outil peut réduire le bruit entre l’idée et le texte. Pour une personne qui se perd dans une tâche floue, il peut transformer l’objectif en étapes. Pour une personne qui hésite devant un message sensible, il peut proposer plusieurs tons et rendre explicites des codes sociaux autrement implicites.
Mais l’outil peut aussi produire des erreurs plausibles, lisser le style, normaliser les formulations, encourager la dépendance, masquer la contribution réelle ou pousser les personnes vers une conformité excessive. Zhai, Wibowo et Li examinent justement, dans une revue systématique de 2024 sur la surdépendance aux systèmes de dialogue IA en éducation, les effets possibles de cette dépendance sur des capacités comme la décision, la pensée critique et le raisonnement analytique. [9] Lee et ses co-auteurs montrent également, dans une étude CHI 2025 menée auprès de 319 travailleurs de la connaissance et fondée sur 936 exemples d’usage déclarés, que l’IA ne supprime pas le besoin de pensée critique : elle le déplace vers la supervision, la vérification et l’intégration. [10]
L’IA peut donc devenir un échafaudage cognitif. Elle peut aussi devenir une machine à produire une version plus lisse, plus moyenne, plus conforme de la personne.
La différence dépend moins de l’outil seul que du cadre d’usage.
Quand l’aide rend le mérite suspect
Il y a une autre conséquence, plus intime mais très concrète dans les métiers intellectuels : l’usage de l’IA peut rendre le mérite subjectivement suspect.
L’expression courante est « syndrome de l’imposteur ». Le terme plus précis est « phénomène d’imposture », car il ne s’agit pas d’un diagnostic clinique stabilisé. Le concept a été formulé par Pauline Rose Clance et Suzanne Imes en 1978 pour décrire une expérience d’illégitimité persistante chez des femmes à haut niveau de réussite malgré des preuves externes de compétence. [11] Bravata et ses co-auteurs relèvent, dans une revue systématique publiée dans le Journal of General Internal Medicine, des estimations de prévalence extrêmement variables selon les instruments et les seuils de mesure utilisés. [12] Mak, Kleitman et Abbott confirment, dans une revue consacrée aux échelles de mesure du phénomène d’imposture, que les outils, les propriétés psychométriques et les usages restent hétérogènes. [13]
Le phénomène reste néanmoins intelligible dans les organisations. Il apparaît souvent là où la performance est visible, comparée, ambiguë ou fortement symbolique : études supérieures, recherche, conseil, tech, création, management, prise de parole, promotion professionnelle. Il est renforcé lorsque les critères de qualité restent implicites : « avoir le niveau », « être senior », « penser stratégique », « avoir la bonne culture ».
L’IA ajoute une formulation nouvelle à ce doute ancien.
- « J’ai réussi, mais avec un outil. »
- « J’ai écrit, mais l’IA m’a aidé. »
- « J’ai livré à temps, mais sans elle je n’y serais peut-être pas arrivé. »
- « Donc ce n’est peut-être pas vraiment moi. »
Cette pensée est compréhensible. Elle est aussi incomplète.
La compétence ne réside pas seulement dans la production brute. Elle réside aussi dans l’intention, le cadrage, la question posée, la sélection, la correction, le refus de certaines sorties, la vérification, la mise en contexte et la responsabilité finale.
Un texte assisté par IA peut être très peu personnel s’il est généré sans compréhension, sans reprise, sans arbitrage. Il peut aussi être profondément personnel si l’outil a aidé à structurer une pensée déjà là, à la rendre plus lisible, à en réduire la friction d’expression.
La frontière n’est pas dans l’existence de l’outil. Elle est dans la contribution humaine réelle.
Neurodivergence et imposture : prudence nécessaire
Il serait tentant d’affirmer que les personnes neurodivergentes sont nécessairement plus exposées au phénomène d’imposture. Ce serait trop rapide.
La recherche spécifique reste limitée. Brown et Morley comparent en 2025 le phénomène d’imposture chez des étudiants britanniques de première année neurotypiques et neurodivergents, mais leur étude s’inscrit précisément dans un champ encore émergent. [14]
Certains mécanismes additionnels sont toutefois plausibles et commencent à être documentés.
Le diagnostic tardif, par exemple, peut conduire une personne à relire des années de réussites, d’échecs, de critiques, d’efforts et de stratégies de compensation. Attoe et Climie soulignent, dans une revue systématique de 2023 sur le TDAH chez les femmes adultes, les effets du fait de vivre longtemps sans diagnostic et identifient notamment quatre thèmes : bien-être socio-émotionnel, relations difficiles, manque de contrôle et acceptation de soi après le diagnostic. [15]
Pour les personnes autistes, le masquage social et la question de la divulgation diagnostique ajoutent une couche particulière. Alaghband-rad et ses co-auteurs décrivent, dans une revue systématique de 2023 sur le camouflage chez les adultes autistes, un champ encore insuffisamment stabilisé, mais soulignent l’importance d’en étudier les motivations, les corrélats et les effets possibles sur la santé mentale. [16] Au-Yeung, Freeth et Thompson montrent, dans une étude qualitative de 2025 sur la divulgation du diagnostic chez des adultes autistes, que celle-ci peut permettre l’accès au soutien et à une forme d’authenticité, mais aussi exposer à l’incrédulité, aux préconceptions, aux besoins non reconnus et à des sentiments explicitement liés à l’imposture. [17]
Là encore, il ne faut pas généraliser. Toutes les personnes neurodivergentes ne vivent pas cela. Toutes les personnes neurotypiques n’en sont pas exemptes.
Une hypothèse raisonnable est que l’imposture peut être renforcée lorsque la réussite repose sur une compensation invisible.
Deux personnes rendent le même livrable. Pour l’une, c’est une journée ordinaire. Pour l’autre, c’est une journée de scripts mentaux, de relectures, de contournements, d’efforts de concentration, de lutte contre le bruit, de récupération différée. Le résultat visible est identique. Le coût interne ne l’est pas.
C’est ce coût invisible qui peut fragiliser le sentiment de légitimité.
Assistance, compensation, augmentation, substitution
Pour les dirigeants et managers, la question utile n’est pas : « faut-il autoriser l’IA ? » Elle est trop générale.
La vraie question est : « pour quelle tâche, avec quelles données, dans quel objectif, avec quel niveau de vérification, et avec quelle contribution humaine attendue ? »
Une grille simple peut aider.
| Niveau d'usage | Ce que fait l'IA | Exemple | Point de vigilance |
|---|---|---|---|
| Assistance | Elle aide à accomplir une tâche sans changer son objectif. | Corriger un mail, reformuler une phrase, résumer une réunion. | Vérifier que le sens n'a pas changé. |
| Compensation | Elle réduit une friction cognitive spécifique. | Transformer une consigne floue en étapes, soutenir la mémoire de travail, proposer un plan. | Ne pas exiger de diagnostic pour autoriser une bonne ergonomie cognitive. |
| Augmentation | Elle permet d'explorer plus vite plusieurs options. | Comparer des scénarios, générer des angles, produire une analyse contradictoire. | Garder l'arbitrage humain et la connaissance du contexte. |
| Substitution | Elle remplace le geste cognitif principal. | Produire une recommandation stratégique sans compréhension ni vérification humaine réelle. | Assumer que la nature de la tâche a changé, ou l'interdire lorsque c'est incompatible avec l'objectif. |
Cette grille évite deux erreurs symétriques.
La première consiste à tout interdire par réflexe. Dans ce cas, on risque de pénaliser des usages qui relèvent de l’assistance ordinaire, voire de l’accessibilité cognitive. L’OCDE souligne que l’IA et d’autres technologies avancées peuvent rendre la formation professionnelle plus adaptative et accessible pour des apprenants neurodivergents, tout en rappelant des risques de confidentialité, de biais, de surdépendance, de développement des compétences et de confusion entre triche et assistance légitime. [18]
La seconde consiste à tout autoriser naïvement. Dans ce cas, on confond assistance et délégation irresponsable. On produit des textes plus propres, des analyses plus rapides, des supports plus convaincants, mais sans toujours savoir si quelqu’un a réellement compris, vérifié, arbitré et assumé.
Une organisation mature ne traite donc l’IA ni comme un gadget, ni comme une menace uniforme. Elle la traite comme un outil de production intellectuelle qui modifie la relation entre compétence, forme et responsabilité.
Ce que les managers devraient clarifier
Le sujet n’est pas d’abaisser l’exigence. Le sujet est de savoir ce que l’on exige réellement. Cinq clarifications sont utiles, qui n’ont rien d’un protocole médical ni d’une faveur accordée à certains profils.
Premièrement, les critères d’évaluation. Dans une note, évalue-t-on la qualité de l’analyse, la structure, le style, la concision, la vitesse, la conformité à un modèle interne, la capacité à décider ? Si tout est évalué à la fois, il ne faut pas s’étonner que certains collaborateurs échouent pour des raisons qui ne correspondent pas exactement à leur compétence de fond.
Deuxièmement, les formats attendus. Une demande comme « fais-moi un point rapide » est rarement simple. Faut-il trois lignes ? Une synthèse structurée ? Des risques ? Une recommandation ? Un niveau de confiance ? Des chiffres ? Des options ? Une décision attendue ? La consigne implicite coûte cher, surtout lorsque les attentes changent selon les interlocuteurs.
Troisièmement, les règles d’usage de l’IA. Quels outils sont autorisés ? Quelles données ne doivent jamais être copiées ? Quelles tâches peuvent être assistées ? Quelles tâches doivent rester non assistées parce qu’elles évaluent précisément une compétence d’écriture, de raisonnement ou de décision ? Quel niveau de trace est attendu ? Quand faut-il signaler l’usage de l’IA ? Quand est-ce inutile ? Qui est responsable en cas d’erreur ?
Quatrièmement, la confidentialité. Les usages d’IA peuvent impliquer des données sensibles : santé, diagnostic, difficultés de travail, conflits, évaluations, données clients, code propriétaire, informations RH. L’UNESCO a publié dès 2023 des recommandations sur l’IA générative dans l’éducation et la recherche, incluant notamment la protection des données et la nécessité de cadres de régulation centrés sur l’humain. [19] Ces principes ne se transposent pas mécaniquement à toute entreprise, mais ils indiquent bien que l’usage de l’IA ne peut pas être traité comme une simple question d’outil bureautique.
Cinquièmement, la frontière du diagnostic. Le rôle d’un manager n’est en aucune manière de diagnostiquer un TDAH, un autisme ou une dyslexie à partir de signaux faibles. S’y risquer ouvre la porte à des erreurs d’appréciation, des malentendus et des dérives, que la personne concernée par ce diagnostic « de comptoir » soit neuroatypique ou non. Symétriquement, un manager ne devrait jamais forcer un salarié à révéler un diagnostic pour bénéficier d’une meilleure ergonomie cognitive. Clarifier une consigne, accepter un plan intermédiaire, fournir un modèle de livrable, autoriser une reformulation assistée, distinguer le fond de la forme : ce ne sont pas des privilèges médicaux, ce sont simplement de bonnes pratiques de management.
Elles bénéficient aux personnes neurodivergentes. Elles bénéficient surtout à l’ensemble des collaborateurs.
La responsabilité humaine ne disparaît pas
L’un des malentendus actuels autour de l’IA vient d’une vision trop pauvre de la compétence.
Si la compétence est seulement « produire un texte », alors un outil qui produit du texte semble retirer une partie de la compétence. Mais dans beaucoup de métiers, la production finale n’est qu’une trace. La compétence réelle inclut la compréhension du contexte, la formulation du problème, le choix des contraintes, l’évaluation des conséquences, la vérification, l’arbitrage et la responsabilité.
Cela ne veut pas dire que tout usage est légitime.
Générer une recommandation que l’on ne comprend pas, l’envoyer sans vérification, citer des sources non lues, livrer du code non testé ou masquer une absence de raisonnement derrière une prose fluide reste problématique. Shao propose en 2025 de traiter les hallucinations de l’IA comme une forme spécifique d’inexactitude informationnelle, avec des conséquences sociales et épistémiques propres. [19]
Mais utiliser un outil pour rendre plus lisible une pensée maîtrisée n’est pas de même nature.
Le travail assisté par IA oblige donc à poser une question plus précise : qu’est-ce qui doit rester humain dans cette tâche ?
La réponse ne sera pas la même pour un mail interne, une analyse juridique, une décision RH, une note stratégique, un devoir universitaire, une ligne de code critique, un support client ou un brouillon créatif.
C’est pour cela que les politiques générales du type « IA autorisée » ou « IA interdite » sont insuffisantes. Elles ne disent rien du contrat réel.
Conclusion : mieux définir la compétence
Le travail intellectuel a toujours mélangé compréhension, formulation, vitesse, conformité, aisance sociale et endurance cognitive. Tant que les outils restaient limités, ce mélange demeurait stable. Il faisait partie du décor. L’IA générative change la donne parce qu’elle peut désormais intervenir au milieu de la chaîne, entre l’idée et sa forme sociale.
Cela oblige les organisations à mieux définir ce qu’elles évaluent.
Veut-on mesurer une pensée juste ? Une expression autonome ? Une capacité à livrer vite ? Une conformité à un format ? Une responsabilité de validation ? Une aptitude à transformer une expertise en livrable partageable ? Ces dimensions peuvent toutes être importantes. Elles ne sont pas identiques. Et tant qu’elles restent confondues, l’évaluation reste imprécise pour tout le monde. Pour les profils neurodivergents en premier lieu, mais aussi pour les profils en transition, en surcharge, en apprentissage, ou simplement étrangers aux codes implicites de l’organisation.
Pour beaucoup de collaborateurs, le problème n’est pas l’absence de compétence. C’est le coût de transformation entre ce qu’ils comprennent et ce que l’organisation reconnaît comme preuve recevable de cette compréhension. L’IA peut réduire ce coût. Elle peut aussi le masquer, l’aggraver ou le déplacer. La différence dépendra de la clarté du cadre, et de la maturité avec laquelle l’organisation distingue ce qu’elle exige du fond, ce qu’elle exige de la forme, et ce qu’elle accepte de déléguer à un outil. Ce travail de clarification est moins spectaculaire qu’un discours sur la révolution du travail. Il consiste à préciser ce qui compte, ce qui doit être vérifié, ce qui peut être assisté, ce qui doit rester assumé, et ce que l’organisation appelle réellement compétence. Mais il est probablement plus utile.
C’est moins spectaculaire qu’un discours sur la révolution du travail. Il consiste à clarifier ce qui compte, ce qui doit être vérifié, ce qui peut être assisté, ce qui doit rester assumé, et ce que l’organisation appelle réellement compétence.
Mais c’est probablement plus utile.
Références
1. « Attention-Deficit/Hyperactivity Disorder: What You Need to Know ».
https://www.nimh.nih.gov/health/publications/attention-deficit-hyperactivity-disorder-what-you-need-to-know
2. « Autism ».
https://www.who.int/news-room/fact-sheets/detail/autism-spectrum-disorders
3. « 2025 Dyslexia Definition Project ».
https://dyslexiaida.org/2025-dyslexia-definition-project/
4. « Definition of Dyslexia ».
https://eida.org/definition-of-dyslexia/
5. « Dyspraxia in adults ».
https://www.nhs.uk/conditions/developmental-coordination-disorder-dyspraxia-in-adults/
6. « Dyscalculia: What It Is, Causes, Symptoms & Treatment ».
https://my.clevelandclinic.org/health/diseases/23949-dyscalculia
7. « A scoping literature review of generative artificial intelligence for supporting neurodivergent school students ».
https://www.sciencedirect.com/science/article/pii/S2666920X25000773
8. « The use of generative AI by students with disabilities in higher education ».
https://www.sciencedirect.com/science/article/pii/S1096751625000235
9. « The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review ».
https://link.springer.com/article/10.1186/s40561-024-00316-7
10. « The Impact of Generative AI on Critical Thinking ».
https://www.microsoft.com/en-us/research/publication/the-impact-of-generative-ai-on-critical-thinking-self-reported-reductions-in-cognitive-effort-and-confidence-effects-from-a-survey-of-knowledge-workers/
11. « The Imposter Phenomenon in High Achieving Women: Dynamics and Therapeutic Intervention ».
https://paulineroseclance.com/pdf/ip_high_achieving_women.pdf
12. « Prevalence, Predictors, and Treatment of Impostor Syndrome: a Systematic Review ».
https://pubmed.ncbi.nlm.nih.gov/31848865/
13. « Impostor Phenomenon Measurement Scales: A Systematic Review ».
https://pmc.ncbi.nlm.nih.gov/articles/PMC6463809/
14. « Feeling Like a Fraud: Exploring How the Impostor Phenomenon Manifests in Neurotypical and Neurodivergent First-Year Undergraduate Students in the UK ».
https://www.tandfonline.com/doi/full/10.1080/28367138.2025.2493896
15. « Miss. Diagnosis: A Systematic Review of ADHD in Adult Women ».
https://pmc.ncbi.nlm.nih.gov/articles/PMC10173330/
16. « Camouflage and masking behavior in adult autism ».
https://www.frontiersin.org/journals/psychiatry/articles/10.3389/fpsyt.2023.1108110/full
17. « The experiences of diagnostic disclosure in autistic adults ».
https://eprints.whiterose.ac.uk/id/eprint/226346/
18. « AI to Support Neurodivergent Learners in Vocational Education and Training ».
https://www.oecd.org/en/publications/ai-to-support-neurodivergent-learners-in-vocational-education-and-training_718d7522-en.html
19. « New sources of inaccuracy? A conceptual framework for studying AI hallucinations ».
https://misinforeview.hks.harvard.edu/article/new-sources-of-inaccuracy-a-conceptual-framework-for-studying-ai-hallucinations/
20. « Guidance for generative AI in education and research ».
https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
21. « Neurodiversity: Some Basic Terms & Definitions ».
https://neuroqueer.com/neurodiversity-terms-and-definitions/