TED2010
Temple Grandin: The world needs all kinds of minds
Temple Grandin : Le monde a besoin de toutes sortes d'esprits.
Filmed:
Readability: 3.4
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.
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. Full bio
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 start out and just talk a little bit about
0
0
2000
Je pense que je vais commencer par parler un peu
00:17
what exactly autism is.
1
2000
2000
de ce qu'est exactement l'autisme.
00:19
Autism is a very big continuum
2
4000
3000
L'autisme est un très grand continuum
00:22
that goes from very severe -- the child remains non-verbal --
3
7000
3000
qui va de très grave, l'enfant ne communique pas,
00:25
all the way up to brilliant scientists and engineers.
4
10000
3000
jusqu'à des scientifiques et ingénieurs brillants.
00:28
And I actually feel at home here,
5
13000
2000
Je me sens vraiment à ma place ici
00:30
because there's a lot of autism genetics here.
6
15000
2000
car il y a beaucoup d'autisme génétique ici.
00:32
You wouldn't have any...
7
17000
2000
Vous n'auriez pas de....
00:34
(Applause)
8
19000
4000
(Applaudissements)
00:38
It's a continuum of traits.
9
23000
2000
C'est un continuum de traits.
00:40
When does a nerd turn into
10
25000
3000
Quand est-ce qu'un nerd se change-t-il en
00:43
Asperger, which is just mild autism?
11
28000
2000
un Asperger, une forme légère de l'autisme ?
00:45
I mean, Einstein and Mozart
12
30000
3000
Einstein, Mozart
00:48
and Tesla would all be probably diagnosed
13
33000
2000
et Tesla auraient probablement tous été diagnostiqués
00:50
as autistic spectrum today.
14
35000
2000
comme étant autistes aujourd'hui.
00:52
And one of the things that is really going to concern me is
15
37000
3000
Une des choses qui me préoccupe vraiment est
00:55
getting these kids to be the ones that are going to invent
16
40000
3000
d'inciter ces enfants à être ceux qui vont inventer
00:58
the next energy things,
17
43000
2000
les prochaines choses énergétiques
01:00
you know, that Bill Gates talked about this morning.
18
45000
4000
comme Bill Gates en a parlé ce matin.
01:04
OK. Now, if you want to understand
19
49000
2000
Okay, si vous voulez comprendre
01:06
autism, animals.
20
51000
2000
l'autisme, les animaux...
01:08
And I want to talk to you now about different ways of thinking.
21
53000
2000
J'aimerais vous parler sur les différentes façons de penser.
01:10
You have to get away from verbal language.
22
55000
3000
Vous devez vous écarter du langage verbal.
01:13
I think in pictures,
23
58000
2000
Je pense en images.
01:15
I don't think in language.
24
60000
3000
Je ne pense pas avec des mots.
01:18
Now, the thing about the autistic mind
25
63000
2000
La particularité de l'esprit autiste
01:20
is it attends to details.
26
65000
3000
est qu'il fait attention aux détails.
01:23
OK, this is a test where you either have to
27
68000
2000
Voici un test où vous devez choisir
01:25
pick out the big letters, or pick out the little letters,
28
70000
2000
les grandes lettres ou les petites lettres.
01:27
and the autistic mind picks out the
29
72000
2000
L'esprit autiste relève
01:29
little letters more quickly.
30
74000
2000
les petites lettres plus rapidement.
01:31
And the thing is, the normal brain ignores the details.
31
76000
4000
Le cerveau normal ignore les détails.
01:35
Well, if you're building a bridge, details are pretty important
32
80000
2000
Si vous construisez un pont, les détails sont importants
01:37
because it will fall down if you ignore the details.
33
82000
3000
parce qu'il s'écroulera si vous ignorez les détails.
01:40
And one of my big concerns with a lot of policy things today
34
85000
3000
Une de mes importantes préoccupations aujourd'hui
01:43
is things are getting too abstract.
35
88000
2000
est le fait que les choses deviennent trop abstraites.
01:45
People are getting away from doing
36
90000
2000
Les gens se mettent à éviter
01:47
hands-on stuff.
37
92000
2000
les tâches manuelles.
01:49
I'm really concerned that a lot of the schools have taken out
38
94000
2000
Je m'inquiète du fait que de nombreuses écoles ont retiré
01:51
the hands-on classes,
39
96000
2000
les cours de travaux pratiques,
01:53
because art, and classes like that,
40
98000
2000
car l'art et ce type de cours
01:55
those are the classes where I excelled.
41
100000
2000
sont les classes où j'excellais.
01:57
In my work with cattle,
42
102000
2000
Dans mon travail avec le bétail,
01:59
I noticed a lot of little things that most people don't notice
43
104000
3000
j'ai relevé de nombreuses petites choses qui font reculer le bétail
02:02
would make the cattle balk. Like, for example,
44
107000
2000
et que les gens ne remarquent pas. Par exemple,
02:04
this flag waving, right in front of the veterinary facility.
45
109000
3000
ce drapeau qui flotte juste devant la clinique vétérinaire.
02:07
This feed yard was going to tear down their whole veterinary facility;
46
112000
3000
Cet espace allait détruire l'établissement vétérinaire entier.
02:10
all they needed to do was move the flag.
47
115000
2000
Tout ce qu'ils avaient à faire était de déplacer le drapeau.
02:12
Rapid movement, contrast.
48
117000
3000
Des mouvements rapides, le contraste.
02:15
In the early '70s when I started, I got right down
49
120000
2000
Dans les années 70, je me suis rendue immédiatement
02:17
in the chutes to see what cattle were seeing.
50
122000
2000
dans les goulottes pour voir ce que le bétail voyait.
02:19
People thought that was crazy. A coat on a fence would make them balk,
51
124000
3000
Les gens ont trouvé ça fou. Un manteau sur une barrière les ferait se rebiffer.
02:22
shadows would make them balk, a hose on the floor ...
52
127000
3000
Des ombres les auraient fait se rebiffer, un tuyau sur le sol.
02:25
people weren't noticing these things --
53
130000
2000
Les gens ne portaient pas attention à ces choses.
02:27
a chain hanging down --
54
132000
2000
Une chaine pendante.
02:29
and that's shown very, very nicely in the movie.
55
134000
2000
On le voit vraiment vraiment bien dans le film.
02:31
In fact, I loved the movie, how they
56
136000
2000
J'ai adoré la manière avec laquelle ils ont
02:33
duplicated all my projects. That's the geek side.
57
138000
2000
dupliqué tous mes projets dans le film. C'est mon coté geek.
02:35
My drawings got to star in the movie too.
58
140000
3000
Mes dessins ont aussi eu le droit de tourner dans le film.
02:38
And actually it's called "Temple Grandin,"
59
143000
2000
D'ailleurs le film s'appelle "Temple Grandin",
02:40
not "Thinking In Pictures."
60
145000
2000
pas "La pensée en images".
02:42
So, what is thinking in pictures? It's literally movies
61
147000
2000
Qu'est-ce que penser en images ? C'est littéralement des films
02:44
in your head.
62
149000
2000
dans votre tête.
02:46
My mind works like Google for images.
63
151000
2000
Mon esprit fonctionne comme Google images.
02:48
Now, when I was a young kid I didn't know my thinking was different.
64
153000
3000
Quand j'étais une petite fille, je ne savais pas que ma pensée était différente.
02:51
I thought everybody thought in pictures.
65
156000
2000
Je pensais que tout le monde pensait en images.
02:53
And then when I did my book, "Thinking In Pictures,"
66
158000
2000
Lorsque j'ai écrit mon livre, "La pensée en images",
02:55
I start interviewing 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 shocked to find out that
68
163000
2000
J'ai été choquée de m'apercevoir que ma pensée
03:00
my thinking was quite different. Like if I say,
69
165000
2000
était assez différente. Si je dis,
03:02
"Think about a church steeple"
70
167000
2000
"Pensez à un clocher d'église.",
03:04
most people get this sort of generalized generic one.
71
169000
2000
la plupart des gens ont cette sorte de clocher d'église générique.
03:06
Now, maybe that's not true in this room,
72
171000
2000
Peut-être que ce n'est pas vrai dans cette pièce
03:08
but it's going to be true in a lot of different places.
73
173000
4000
mais cela s'avèrera vrai dans un tas d'autres endroits.
03:12
I see only specific pictures.
74
177000
2000
Je ne vois que des images spécifiques.
03:14
They flash up into my memory, just like Google for pictures.
75
179000
4000
Elles apparaissent dans un flash dans ma mémoire, exactement comme Google images.
03:18
And in the movie, they've got a great scene in there
76
183000
2000
Dans le film se trouve une superbe scène
03:20
where the word "shoe" is said, and a whole bunch of '50s and '60s shoes
77
185000
4000
où le mot "chaussure" est prononcé et un tout un tas de chaussures des années 50-60
03:24
pop into my imagination.
78
189000
2000
naissent dans mon imagination.
03:26
OK, there is my childhood church,
79
191000
2000
Voici l'église de mon enfance.
03:28
that's specific. There's some more, Fort Collins.
80
193000
3000
C'est spécifique. En voici d'autres, Fort Collins.
03:31
OK, how about famous ones?
81
196000
2000
Et si on passait aux églises connues?
03:33
And they just kind of come up, kind of like this.
82
198000
3000
Elles apparaissent un peu de comme ça.
03:36
Just really quickly, like Google for pictures.
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 snow,
85
206000
2000
Je me dis, peut-être qu'il pourrait y avoir de la neige
03:43
or we can have a thunderstorm,"
86
208000
2000
ou des éclairs.
03:45
and I can hold it there and turn them into videos.
87
210000
3000
On pourrait faire de ces images une vidéo.
03:48
Now, visual thinking was a tremendous asset
88
213000
3000
La pensée visuelle est un formidable atout
03:51
in my work designing cattle-handling facilities.
89
216000
3000
dans mon travail de conception d'installations pour le bétail.
03:54
And I've worked really hard on improving
90
219000
2000
J'ai travaillé vraiment dur pour améliorer
03:56
how cattle are treated at the slaughter plant.
91
221000
2000
le système de traitement du bétail à l'usine d'abattage.
03:58
I'm not going to go into any gucky slaughter slides.
92
223000
3000
Je ne vais pas afficher de diapositives dégoutantes sur l'abattage.
04:01
I've got that stuff up on YouTube 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 able to do in my design work
94
228000
4000
Une des choses que je suis capable de faire au travail
04:07
is I could actually test run
95
232000
2000
est de réellement tester
04:09
a piece of equipment in my mind,
96
234000
2000
une partie de mon équipement dans mon esprit,
04:11
just like a virtual reality computer system.
97
236000
3000
tout comme un programme de réalité virtuelle.
04:14
And this is an aerial view
98
239000
2000
Voici une vue aérienne
04:16
of a recreation of one of my projects that was used in the movie.
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 super cool.
100
244000
2000
C'était tellement super cool.
04:21
And there were a lot of kind of Asperger types
101
246000
2000
Beaucoup d'Asperger
04:23
and autism types working out there on the movie set too.
102
248000
3000
et d'autistes ont travaillé sur ce film.
04:26
(Laughter)
103
251000
2000
(Rires)
04:28
But one of the things that really worries me
104
253000
2000
Mais une des choses qui m'inquiète vraiment
04:30
is: Where's the younger version of those kids going today?
105
255000
4000
est la version "jeune" de ces enfants aujourd'hui.
04:34
They're not ending up in Silicon Valley, where they belong.
106
259000
3000
Ils ne terminent pas à Silicon Valley, à laquelle ils appartiennent.
04:37
(Laughter)
107
262000
3000
(Rires)
04:40
(Applause)
108
265000
5000
(Applaudissements)
04:45
Now, one of the things I learned very early on because I wasn't that social,
109
270000
3000
J'ai appris très tôt, à cause de mon aspect asocial,
04:48
is I had to sell my work, and not myself.
110
273000
4000
que c'est mon travail que je devais vendre, pas moi.
04:52
And the way I sold livestock jobs
111
277000
2000
Et j'ai vendu des travaux sur le bétail
04:54
is I showed off my drawings, I showed off pictures of things.
112
279000
3000
en montrant mes dessins, en montrant des images.
04:57
Another thing that helped me as a little kid
113
282000
2000
Une autre chose qui m'a aidée quand j'étais enfant,
04:59
is, boy, in the '50s, you were taught manners.
114
284000
2000
est qu'on vous inculquait les bonnes manières en 1950.
05:01
You were taught you can't pull the merchandise off the shelves
115
286000
2000
On vous expliquait que vous ne pouvez pas retirer la marchandise des rayons
05:03
in the store and throw it around.
116
288000
2000
et la balancer dans le magasin.
05:05
Now, when kids get to be in third or fourth grade,
117
290000
3000
Quand les enfant sont en 3ème ou 4ème année,
05:08
you might see that this kid's going to be a visual thinker,
118
293000
3000
vous pouvez voir que cet enfant qui dessine en perspective
05:11
drawing in perspective. Now, I want to
119
296000
2000
sera un penseur visuel. Je tiens à
05:13
emphasize that not every autistic kid
120
298000
2000
souligner que tous les enfants autistes
05:15
is going to be a visual thinker.
121
300000
2000
ne vont pas devenir des penseurs visuels.
05:17
Now, I had this brain scan done several years ago,
122
302000
4000
J'ai fait un scanner cérébral il y a plusieurs années,
05:21
and I used to joke around about having a
123
306000
2000
et je plaisantais, je disais avoir une
05:23
gigantic Internet trunk line
124
308000
2000
gigantesque ligne Internet
05:25
going deep into my visual cortex.
125
310000
2000
allant profondément dans mon cortex visuel.
05:27
This is tensor imaging.
126
312000
2000
Voici une imagerie du tenseur de diffusion.
05:29
And my great big internet trunk line
127
314000
2000
Ma grande ligne internet
05:31
is twice as big as the control's.
128
316000
2000
est deux fois plus grande que celle de référence.
05:33
The red lines there are me,
129
318000
2000
Les lignes rouges représentent mon cerveau
05:35
and the blue lines are the sex and age-matched control.
130
320000
4000
et les lignes bleues celui du patient de référence de même age et sexe.
05:39
And there I got a gigantic one,
131
324000
2000
Là j'en ai un géant
05:41
and the control over there, the blue one,
132
326000
2000
et la référence, en bleu,
05:43
has got a really small one.
133
328000
4000
en a un vraiment petit.
05:47
And some of the research now is showing
134
332000
2000
Certaines études montrent
05:49
is that people on the spectrum actually think with primary visual cortex.
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 visual thinker's just one kind of mind.
136
338000
3000
Les penseurs visuels ne représentent qu'une sorte d'esprit.
05:56
You see, the autistic mind tends to be a specialist mind --
137
341000
3000
L'esprit autiste tend à être un esprit spécialiste.
05:59
good at one thing, bad at something else.
138
344000
4000
Bon à quelque chose, mauvais pour autre chose.
06:03
And where I was bad was algebra. And I was never allowed
139
348000
2000
J'étais mauvaise en algèbre. Et je n'ai jamais été autorisée
06:05
to take geometry or trig.
140
350000
2000
à faire de la géométrie ou de la trigo.
06:07
Gigantic mistake: I'm finding a lot of kids who need to skip algebra,
141
352000
3000
Erreur monumentale. Je vois plein d'enfants qui devraient se passer d'algèbre
06:10
go right to geometry and trig.
142
355000
2000
se rendre directement au cours de géométrie et de trigo.
06:12
Now, another kind of mind is the pattern thinker.
143
357000
3000
Un autre type d'esprit est le penseur par modèle.
06:15
More abstract. These are your engineers,
144
360000
2000
Plus abstrait. Ce sont vos ingénieurs,
06:17
your computer programmers.
145
362000
2000
vos programmeurs informatiques.
06:19
Now, this is pattern thinking. That praying mantis
146
364000
2000
C'est la pensée par modèle. Cette mante religieuse
06:21
is made from a single sheet of paper --
147
366000
2000
est faite d'une seule feuille de papier.
06:23
no scotch tape, no cuts.
148
368000
2000
Pas de scotch, pas de découpage.
06:25
And there in the background is the pattern for folding it.
149
370000
3000
Au fond se trouve le modèle pour la plier.
06:28
Here are the types of thinking:
150
373000
2000
Voici les différents types de pensée:
06:30
photo-realistic visual thinkers, like me;
151
375000
3000
Les penseurs visuels photo-réalistes, comme moi.
06:33
pattern thinkers, music and math minds.
152
378000
4000
Les penseurs par modèle, les esprits pour la musique et les mathématiques.
06:37
Some of these oftentimes have problems with reading.
153
382000
2000
Certains d'entre eux ont souvent des problèmes de lecture.
06:39
You also will see these kind of problems
154
384000
2000
Vous verrez aussi ce type de problèmes avec
06:41
with kids that are dyslexic.
155
386000
3000
des enfants qui sont dyslexiques.
06:44
You'll see these different kinds of minds.
156
389000
2000
Vous verrez ces différents types d'esprits.
06:46
And then there's a verbal mind, they know every fact about everything.
157
391000
3000
Il y a aussi l'esprit verbal. Ils savent tout sur tout.
06:49
Now, another thing is the sensory issues.
158
394000
2000
Il faut aussi mentionner les problèmes sensoriels.
06:51
I was really concerned about having to wear this gadget on my face.
159
396000
4000
J'étais vraiment soucieuse de devoir porter ce gadget sur ma tête.
06:55
And I came in half an hour beforehand
160
400000
3000
J'y suis allée une demi heure en avance
06:58
so I could have it put on and kind of get used to it,
161
403000
2000
afin de pouvoir le mettre et de m'y habituer.
07:00
and they got it bent so it's not hitting my chin.
162
405000
3000
Et ils l'ont plié afin que cela ne heurte pas mon menton.
07:03
But sensory is an issue. Some kids are bothered by fluorescent lights;
163
408000
3000
La sensibilité est un véritable problème. Certains enfants ont des ennuis avec les lampes fluorescentes.
07:06
others have problems with sound sensitivity.
164
411000
3000
D'autres ont des problèmes avec une sensibilité au son.
07:09
You know, it's going to be variable.
165
414000
3000
C'est variable.
07:12
Now, visual thinking gave me a whole lot of insight
166
417000
4000
La pensée visuelle m'a offert une compréhension beaucoup plus profonde
07:16
into the animal mind.
167
421000
2000
de l'esprit animal.
07:18
Because think about it: An animal is a sensory-based thinker,
168
423000
3000
Un animal a une pensée basée sur les sens,
07:21
not verbal -- thinks in pictures,
169
426000
4000
pas sur la parole. Il pense en images.
07:25
thinks in sounds, thinks in smells.
170
430000
3000
Il pense en sons. Il pense en odeurs.
07:28
Think about how much information there is there on the local fire hydrant.
171
433000
3000
Pensez au nombre d'informations que contient une hydrante.
07:31
He knows who's 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 friend or foe? Is there anybody he can go mate 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 ton of information on that fire hydrant.
174
442000
3000
Il y a une tonne d'information sur cette bouche d'incendie.
07:40
It's all very detailed information,
175
445000
4000
Toutes ces informations sont très détaillées.
07:44
and, looking at these kind of details
176
449000
2000
Regarder tous ces détails
07:46
gave me a lot of insight into animals.
177
451000
2000
m'a donné une compréhension profonde des animaux.
07:48
Now, the animal mind, and also my mind,
178
453000
4000
L'esprit animal, et mon esprit également,
07:52
puts sensory-based information
179
457000
2000
range les informations basées sur les sens
07:54
into categories.
180
459000
2000
en catégories.
07:56
Man on a horse
181
461000
2000
Un homme sur un cheval
07:58
and a man on the ground --
182
463000
2000
et un homme au sol
08:00
that is viewed as two totally different things.
183
465000
2000
sont vus comme deux choses complètement différentes.
08:02
You could have a horse that's been abused by a rider.
184
467000
3000
Prenez un cheval qui aurait été maltraité par un cavalier.
08:05
They'll be absolutely fine with the veterinarian
185
470000
2000
Le cheval s'entendra très bien avec le vétérinaire
08:07
and with the horseshoer, but you can't ride him.
186
472000
3000
et avec le maréchal ferrant mais vous ne pourrez pas le monter.
08:10
You have another horse, where maybe the horseshoer beat him up
187
475000
3000
Prenez un autre cheval qui a été battu par le maréchal ferrant.
08:13
and he'll be terrible for anything on the ground,
188
478000
2000
Il sera terrible avec tout ce qui sera à terre,
08:15
with the veterinarian, but a person can ride him.
189
480000
3000
avec le vétérinaire. Mais vous pourrez le monter.
08:18
Cattle are the same way.
190
483000
2000
Le bétail fonctionne de la même façon.
08:20
Man on a horse,
191
485000
2000
Un homme sur un cheval,
08:22
a man on foot -- they're two different things.
192
487000
2000
un homme à terre, ce sont deux choses différentes.
08:24
You see, it's a different picture.
193
489000
2000
C'est une image différente.
08:26
See, I want you to think about just how specific this is.
194
491000
3000
Je veux que vous pensiez à quel point tout cela est spécifique.
08:29
Now, this ability to put information into categories,
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 troubleshooting equipment
197
501000
2000
Quand je répare un équipement
08:38
or problems with something in a plant,
198
503000
2000
ou résous des problèmes dans une usine,
08:40
they don't seem to be able to figure out, "Do I have a training people issue?
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 wrong with the equipment?"
200
509000
2000
ou s'agit-il d'un problème d'équipement?"
08:46
In other words, categorize equipment problem
201
511000
2000
En d'autres termes, différencier les problèmes d'équipement
08:48
from a people problem.
202
513000
2000
des problèmes humains.
08:50
I find a lot of people have difficulty 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 figure out it's an equipment problem.
204
518000
3000
Disons que je comprenne que c'est un problème d'équipement.
08:56
Is it a minor problem, with something simple I can fix?
205
521000
2000
Est-ce un problème mineur, quelque chose je peux facilement réparer?
08:58
Or is the whole design of the system wrong?
206
523000
3000
Ou est-ce toute la conception du système qui est mauvaise?
09:01
People have a hard time figuring 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
solving problems with making airlines safer.
209
531000
2000
la résolution de problèmes liés à la sécurité des lignes aériennes.
09:08
Yeah, I'm a million-mile flier.
210
533000
2000
J'ai parcouru plus d'un million de miles en avion.
09:10
I do lots and lots of flying,
211
535000
2000
Je prend très souvent l'avion
09:12
and if I was at the FAA,
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 direct observation of?
213
540000
4000
qu'est-ce que j'observerais?
09:19
It would be their airplane tails.
214
544000
2000
Ce serait la queue des avions.
09:21
You know, five fatal wrecks in the last 20 years,
215
546000
3000
Cinq des accidents d'avion fatals des 20 dernières années
09:24
the tail either came off or steering stuff inside the tail broke
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 tails, pure and simple.
218
555000
2000
C'est la queue, purement et simplement.
09:32
And when the pilots walk around the plane, guess what? They can't see
219
557000
2000
Quand le pilote marche autour de l'avion, il ne peut pas voir
09:34
that stuff inside the tail.
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 pulling up all of that specific information.
222
563000
3000
je revois toute ces informations spécifiques.
09:41
It's specific. See, my thinking's bottom-up.
223
566000
3000
C'est spécifique. Ma pensée remonte les strates du problème.
09:44
I take all the little pieces and I put the pieces together like a puzzle.
224
569000
4000
Je réunis toutes les petites pièces et je les assemble comme un puzzle.
09:48
Now, here is a horse that was deathly afraid
225
573000
2000
Voici un cheval qui avait une peur bleue
09:50
of black cowboy hats.
226
575000
2000
des chapeaux de cowboy noirs.
09:52
He'd been abused by somebody with a black cowboy hat.
227
577000
2000
Il avait été maltraité par quelqu'un avec un chapeau de cowboy noir.
09:54
White cowboy hats, that was absolutely fine.
228
579000
3000
Avec des chapeaux de cowboy blancs, il n'y avait aucun problème.
09:57
Now, the thing is, the world is going to need
229
582000
3000
Le monde va avoir besoin
10:00
all of the different kinds of minds
230
585000
2000
du travail commun de toutes
10:02
to work together.
231
587000
2000
les différentes sortes d'esprits.
10:04
We've got to work on developing all these different kinds of minds.
232
589000
3000
Nous devons développer toutes ces sortes d'esprits.
10:07
And one of the things that is driving me really crazy,
233
592000
3000
Une des choses qui me rend vraiment folle,
10:10
as I travel around and I do autism meetings,
234
595000
2000
à mesure que je voyage et que je participe à des assemblées sur l'autisme,
10:12
is I'm seeing a lot of smart, geeky, nerdy kids,
235
597000
3000
est le fait que je rencontre un tas d'enfants geeks très intelligents.
10:15
and they just aren't very social,
236
600000
3000
Ils ne sont juste pas très sociaux.
10:18
and nobody's working on developing their interest
237
603000
2000
Mais personne n'essaie de développer leurs intérêts
10:20
in something like science.
238
605000
2000
pour quelque chose tel que les sciences.
10:22
And this brings up the whole thing of my science teacher.
239
607000
3000
ça nous amène à mon professeur de sciences.
10:25
My science teacher is shown absolutely beautifully in the movie.
240
610000
3000
Mon professeur de sciences est magnifiquement présenté dans le film.
10:28
I was a goofball student. When I was in high school
241
613000
2000
Étudiante, j'étais un boulet. Quand j'étais au lycée
10:30
I just didn't care at all about studying,
242
615000
3000
je n'en avais rien à faire d'étudier,
10:33
until I had Mr. Carlock's science class.
243
618000
3000
jusqu'à ce que je suive les cours de science de M. Carlock.
10:36
He was now Dr. Carlock in the movie.
244
621000
3000
C'est Dr. Carlock dans le film.
10:39
And he got me challenged
245
624000
3000
Il m'a défié
10:42
to figure out an optical illusion room.
246
627000
3000
de comprendre une illusion d'optique.
10:45
This brings up the whole thing of you've got to show kids
247
630000
2000
Cela nous amène au point clé: vous vous devez de montrer aux enfants
10:47
interesting stuff.
248
632000
2000
des choses intéressantes.
10:49
You know, one of the things that I think maybe TED ought to do
249
634000
3000
Je pense qu'une des choses que TED devrait faire
10:52
is tell all the schools about all the great lectures that are on TED,
250
637000
3000
est d'informer toutes les écoles au sujet des grandes conférences que contient TED.
10:55
and there's all kinds of great stuff on the Internet
251
640000
2000
Il y a toutes sortes de choses très intéressantes sur Internet
10:57
to get these kids turned on.
252
642000
2000
pour motiver ces enfants.
10:59
Because I'm seeing a lot of these geeky nerdy kids,
253
644000
3000
Je vois beaucoup de ces enfants geeks très intelligents.
11:02
and the teachers out in the Midwest, and the other parts of the country,
254
647000
3000
Mais les enseignants dans le Midwest, et dans d'autres parties du pays,
11:05
when you get away from these tech areas,
255
650000
2000
ne savent pas quoi faire avec ces enfants
11:07
they don't know what to do with these kids.
256
652000
2000
lorsque vous quittez ces champs d'institutions techniques.
11:09
And they're not going down the right path.
257
654000
2000
Ils ne sont pas sur la bonne voie.
11:11
The thing is, you can make a mind
258
656000
2000
Vous pouvez former un esprit
11:13
to be more of a thinking and cognitive mind,
259
658000
3000
et le rendre plus penseur et cognitif.
11:16
or your mind can be wired to be more social.
260
661000
3000
Ou l'activer pour le rendre plus social.
11:19
And what some of the research now has shown in autism
261
664000
2000
Certaines études sur l'autisme ont maintenant démontré
11:21
is there may by extra wiring back here,
262
666000
2000
qu'il peut y avoir plus de connections, ici,
11:23
in the really brilliant mind, and we lose a few social circuits here.
263
668000
3000
dans un esprit très brillant, et la perte de connexions dans la partie sociale, là.
11:26
It's kind of a trade-off between thinking and social.
264
671000
4000
C'est une sorte de compromis entre pensée et sociabilité.
11:30
And then you can get into the point where it's so severe
265
675000
2000
Dans les cas très sévères,
11:32
you're going to have a person that's going to be non-verbal.
266
677000
3000
une personne peut être non-verbale.
11:35
In the normal human mind
267
680000
2000
Dans un esprit humain normal,
11:37
language covers up the visual thinking we share with animals.
268
682000
3000
le langage recouvre la pensée visuelle que nous partageons avec les animaux.
11:40
This is the work of Dr. Bruce Miller.
269
685000
3000
C'est le travail du Dr. Bruce Miller.
11:43
And he studied Alzheimer's patients
270
688000
3000
Il étudiait les patients atteint d'Alzheimer
11:46
that had frontal temporal lobe dementia.
271
691000
2000
qui présentaient une démence fronto-temporale.
11:48
And the dementia ate out the language parts of the brain,
272
693000
3000
La démence dévorait les zones du langage du cerveau.
11:51
and then this artwork came out of somebody who used to install stereos in cars.
273
696000
5000
Cette œuvre sortit de quelqu'un qui installait des postes radio dans les voitures.
11:56
Now, Van Gogh doesn't know anything about physics,
274
701000
4000
Van Gogh ne connaissait rien de la physique.
12:00
but I think it's very interesting
275
705000
2000
Mais il est très intéressant de voir
12:02
that there was some work done to show that
276
707000
2000
que des études ont montré
12:04
this eddy pattern in this painting
277
709000
2000
que les tourbillons de cette peinture
12:06
followed a statistical model of turbulence,
278
711000
3000
obéissent à un modèle statistique des turbulences.
12:09
which brings up the whole interesting idea
279
714000
2000
Ce qui nous amène à l'idée intéressante
12:11
of maybe some of this mathematical patterns
280
716000
2000
que peut-être certains de ces modèles mathématiques
12:13
is in our own head.
281
718000
2000
sont dans notre tête.
12:15
And the Wolfram stuff -- I was taking
282
720000
2000
Je prenais en note les histoires de Wolfram
12:17
notes and I was writing down all the
283
722000
2000
et je recopiais tous les
12:19
search words 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 autism lectures.
285
726000
4000
parce que je pense que cela ressortira dans mes conférences sur l'autisme.
12:25
We've got to show these kids interesting stuff.
286
730000
2000
Nous nous devons de montrer à ces enfants des choses intéressantes.
12:27
And they've taken out the autoshop class
287
732000
2000
Ils ont suivi des cours d'atelier mécanique,
12:29
and the drafting class and the art class.
288
734000
2000
de rédaction et d'art.
12:31
I mean art was my best subject in school.
289
736000
3000
L'art était mon sujet préféré à l'école.
12:34
We've got to think about all these different kinds of minds,
290
739000
2000
Nous devons penser à tous ces différents types d'esprits.
12:36
and we've got to absolutely work with these kind of minds,
291
741000
3000
Et nous devons absolument travailler avec ces types d'esprits
12:39
because we absolutely are going to need
292
744000
3000
parce que nous aurons absolument besoin
12:42
these kind of people in the future.
293
747000
3000
de ce type de personnes dans le futur.
12:45
And let's talk about jobs.
294
750000
2000
Parlons d'emplois.
12:47
OK, my science teacher got me studying
295
752000
2000
Mon professeur de sciences m'a poussé à étudier
12:49
because I was a goofball that didn't want to study.
296
754000
3000
parce que j'étais un boulet qui ne voulait pas travailler.
12:52
But you know what? I was getting work experience.
297
757000
2000
Mais vous savez quoi? J'acquérais de l'expérience.
12:54
I'm seeing too many of these smart kids who haven't learned basic 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 taught that when I was eight years old.
300
763000
2000
On me l'a appris lorsque j'avais huit ans.
13:00
You know, how to have table manners at granny's Sunday party.
301
765000
3000
Bien se tenir à table au repas du dimanche chez mamie.
13:03
I was taught that when I was very, very young.
302
768000
3000
On me l'a appris lorsque j'étais très très jeune.
13:06
And when I was 13, I had a job at a dressmaker's shop
303
771000
3000
Lorsque j'avais 13 ans, j'avais un travail. Je vendais des vêtements
13:09
sewing clothes.
304
774000
2000
dans une boutique couturière.
13:11
I did internships in college,
305
776000
3000
J'ai fait des stages à l'université.
13:14
I was building things,
306
779000
3000
Je construisais des choses.
13:17
and I also had to learn how to do assignments.
307
782000
3000
J'ai aussi dû apprendre à faire mes devoirs.
13:20
You know, all I wanted to do was draw pictures of horses 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 mother said, "Well let's do a picture of something else."
309
789000
2000
Ma mère disait: "Bien, dessinons quelque chose d'autre."
13:26
They've got to learn how to do something else.
310
791000
2000
Ils doivent apprendre à faire d'autres choses.
13:28
Let's say the kid is fixated on Legos.
311
793000
2000
Prenons un enfant qui fait une fixation sur les légos.
13:30
Let's get him working on building different things.
312
795000
3000
Il faut lui apprendre à construire différentes choses.
13:33
The thing about the autistic mind
313
798000
2000
Les esprits autistes
13:35
is it tends to be fixated.
314
800000
2000
tendent à faire des fixations.
13:37
Like if a kid loves racecars,
315
802000
2000
Si un enfant aime les voitures de course,
13:39
let's use racecars for math.
316
804000
2000
utilisons les voitures de course pour lui enseigner les maths.
13:41
Let's figure out how long it takes a racecar to go a certain distance.
317
806000
3000
Trouvons de combien de temps une voiture de course a besoin pour parcourir une certaine distance.
13:44
In other words, use that fixation
318
809000
4000
En d'autre termes, utilisez cette fixation
13:48
in order to motivate that kid, 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 fed up when they, you know, the teachers,
320
816000
3000
J'en ai vraiment marre de voir que les enseignants,
13:54
especially when you get away from this part of the country,
321
819000
3000
en particulier quand vous partez de cette partie du pays,
13:57
they don't know what to do with these smart kids.
322
822000
2000
ne savent pas quoi faire avec ces enfants intelligents.
13:59
It just drives me crazy.
323
824000
2000
Cela me rend folle.
14:01
What can visual thinkers do when they grow up?
324
826000
2000
Que peuvent faire les penseurs visuels lorsqu'ils grandissent ?
14:03
They can do graphic design, all kinds of stuff with computers,
325
828000
3000
Ils peuvent faire du design graphique, toutes sortes de choses avec les ordinateurs,
14:06
photography, industrial design.
326
831000
5000
de la photographie, de la conception industrielle.
14:11
The pattern thinkers, they're the ones that are going to be
327
836000
2000
Les penseurs par modèles sont ceux qui seront
14:13
your mathematicians, your software engineers,
328
838000
3000
vos mathématiciens, vos ingénieurs informaticiens,
14:16
your computer programmers, all of those kinds of jobs.
329
841000
4000
vos programmeurs informatique, ceux qui feront toutes ces sortes de jobs.
14:20
And then you've got the word minds. They make great journalists,
330
845000
3000
Puis viennent les esprits verbaux. Ils font de grands journalistes.
14:23
and they also make really, really good stage actors.
331
848000
3000
Ils font aussi de très très bons acteurs.
14:26
Because the thing about being autistic is,
332
851000
2000
Comme je suis autiste,
14:28
I had to learn social skills like being in a play.
333
853000
3000
j'ai dû apprendre le comportement social comme si j'apprenais une pièce.
14:31
It's just kind of -- you just have to learn it.
334
856000
3000
Vous devez l'apprendre.
14:34
And we need to be working with these students.
335
859000
3000
Nous devons travailler avec ces étudiants.
14:37
And this brings up mentors.
336
862000
2000
Cela nous amène aux mentors.
14:39
You know, my science teacher was not an accredited teacher.
337
864000
3000
Mon professeur de sciences n'était pas un enseignant accrédité.
14:42
He was a NASA space scientist.
338
867000
2000
C'était un scientifique spatial de la NASA.
14:44
Now, some states now are getting it to where
339
869000
2000
Certains états en arrivent à un point où
14:46
if you have a degree in biology, or a degree in chemistry,
340
871000
2000
vous pouvez venir à l'école et enseigner la biologie ou la chimie
14:48
you can come into the school and teach biology or chemistry.
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 observing is
343
878000
2000
Car je remarque que
14:55
the good teachers, for a lot of these kids,
344
880000
2000
les bons professeurs, pour un tas de ces enfants,
14:57
are out in the community colleges,
345
882000
2000
sont dans les universités publiques.
14:59
but we need to be getting some of these good teachers into the high schools.
346
884000
3000
Nous avons besoin de certains de ces bon professeurs dans les lycées.
15:02
Another thing that can be very, very, very successful is
347
887000
3000
De nombreuses personnes qui sont parties à la retraite
15:05
there is a lot of people that may have retired
348
890000
3000
d'un travail dans l'industrie informatique pourraient enseigner.
15:08
from working in the software industry, and they can teach your kid.
349
893000
3000
Et cela pourrait donner de très très bons résultats.
15:11
And it doesn't matter if what they teach them is old,
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 lighting the spark.
351
899000
3000
Ils vont provoquer une étincelle.
15:17
You're getting that kid turned on.
352
902000
3000
ça va motiver cet enfant.
15:20
And you get him turned on, then he'll learn all the new stuff.
353
905000
3000
Si vous arrivez à le motiver, il apprendra toutes les nouveautés par lui-même.
15:23
Mentors are just essential.
354
908000
2000
Les mentors sont tout simplement essentiels.
15:25
I cannot emphasize enough
355
910000
2000
Je ne peux pas suffisamment insister
15:27
what my science teacher did for me.
356
912000
3000
sur ce que mon professeur de sciences a fait pour moi.
15:30
And we've got to mentor them, hire them.
357
915000
3000
Nous devons les guider, les employer.
15:33
And if you bring them in for internships in your companies,
358
918000
2000
Si vous offrez un stage dans votre société
15:35
the thing about the autism, Asperger-y kind of mind,
359
920000
3000
à une personne autiste, avec une forme d'Asperger,
15:38
you've got to give them a specific task. Don't just say, "Design new software."
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 specific:
361
926000
2000
Vous devez leur dire quelque chose de beaucoup plus spécifique.
15:43
"Well, we're designing a software for a phone
362
928000
3000
"Nous concevons un logiciel pour un téléphone
15:46
and it has to do some specific thing.
363
931000
2000
et il doit faire des choses précises
15:48
And it can only use so much memory."
364
933000
2000
avec telle quantité de mémoire."
15:50
That's the kind of specificity you need.
365
935000
2000
C'est le genre de précision dont vous avez besoin.
15:52
Well, that's the end of my talk.
366
937000
2000
Bien, c'est la fin de mon exposé.
15:54
And I just want to thank everybody for coming.
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
(Applause)
369
943000
12000
(Applaudissements)
16:10
Oh, you've got a question for me? OK.
370
955000
3000
Oh, vous avez une question pour moi ? Okay.
16:13
(Applause)
371
958000
1000
(Applaudissements)
16:14
Chris Anderson: Thank you so much for that.
372
959000
4000
Chris Anderson: Merci beaucoup.
16:18
You know, you once wrote, I like this quote,
373
963000
2000
Vous avez écrit un jour, j'aime bien cette citation:
16:20
"If by some magic, autism had been
374
965000
2000
"Si par quelque magie, l'autisme eut été
16:22
eradicated from the face of the Earth,
375
967000
3000
éradiqué de la surface de la Terre,
16:25
then men would still be socializing in front of a wood fire
376
970000
3000
les Hommes socialiseraient encore devant un feu de bois
16:28
at the entrance to a cave."
377
973000
2000
à l'entrée d'une cave."
16:30
Temple Grandin: Because who do you think made the first stone spears?
378
975000
2000
Temple Grandin: Qui selon vous a fabriqué la première lance de pierre?
16:32
The Asperger guy. And if you were to get rid of all the autism genetics
379
977000
3000
L'Asperger. Si vous deviez vous débarrasser de tous les gènes de l'autisme
16:35
there would be no more Silicon Valley,
380
980000
2000
il n'y aurait plus de Silicon Valley
16:37
and the energy crisis would not be solved.
381
982000
2000
et la crise énergétique ne serait pas résolue.
16:39
(Applause)
382
984000
3000
(Applaudissements)
16:42
CA: So, I want to ask you a couple other questions,
383
987000
2000
CA: Je voulais vous poser une ou deux autres questions.
16:44
and if any of these feel inappropriate,
384
989000
2000
Si l'une d'elle vous semble inappropriée
16:46
it's okay just to say, "Next question."
385
991000
2000
vous n'avez qu'a dire "Question suivante."
16:48
But if there is someone here
386
993000
2000
S'il se trouve quelqu'un ici
16:50
who has an autistic child,
387
995000
2000
qui a un enfant autiste
16:52
or knows an autistic child
388
997000
2000
ou connait un enfant autiste
16:54
and feels kind of cut off from them,
389
999000
3000
et se sent en quelque sorte coupé de leur monde,
16:57
what advice 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 age.
391
1004000
2000
TG : Tout d'abord, vous devez prêter attention à l'age.
17:01
If you have a two, three or four year old
392
1006000
2000
Si vous avez un enfant de 2, 3 ou 4 ans
17:03
you know, no speech, no social interaction,
393
1008000
2000
qui ne parle pas, n'a pas d'interactions sociales,
17:05
I can't emphasize enough:
394
1010000
2000
je ne peux pas suffisamment insister:
17:07
Don't wait, you need at least 20 hours a week of one-to-one teaching.
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, autism comes in different degrees.
396
1016000
3000
L'autisme se présente à différents degrés.
17:14
There's going to be about half the people on the spectrum
397
1019000
2000
Environ la moitié des gens du spectre entier
17:16
that are not going to learn to talk, and they're not going to be working
398
1021000
2000
n'apprendrons pas à parler et ne vont pas travailler
17:18
Silicon Valley, that would not be a reasonable 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 smart, geeky kids
400
1026000
2000
Mais vous devez motiver
17:23
that have a touch of autism,
401
1028000
2000
les enfants geeks intelligents
17:25
and that's where you've got to get them turned on
402
1030000
2000
qui présentent une touche d'autisme
17:27
with doing interesting things.
403
1032000
2000
en faisant des choses intéressantes.
17:29
I got social interaction through shared interest.
404
1034000
3000
J'ai eu des interactions sociales au travers d'intérêts partagés.
17:32
I rode horses with other kids, I made model rockets with other kids,
405
1037000
4000
Je montais des chevaux avec d'autres enfants. Je faisais des maquettes de fusées avec d'autres enfants.
17:36
did electronics lab with other kids,
406
1041000
2000
Je faisais de l'électronique avec d'autres enfants.
17:38
and in the '60s, it was gluing mirrors
407
1043000
2000
Dans les années 60, cela consistait à coller des miroirs
17:40
onto a rubber membrane on a speaker to make a light show.
408
1045000
3000
sur une membrane en caoutchouc d'un haut parleur pour créer un jeu de lumières.
17:43
That was like, we considered that super cool.
409
1048000
3000
On trouvait ça super cool.
17:46
CA: Is it unrealistic for them
410
1051000
2000
CA : Est-ce irréaliste pour eux
17:48
to hope or think that that child
411
1053000
2000
d'espérer ou de penser que cet enfant
17:50
loves them, as some might, as most, wish?
412
1055000
3000
les aime, comme certains - la plupart - pourraient l'espérer.
17:53
TG: Well let me tell you, that child will be loyal,
413
1058000
2000
TG : Sachez que cet enfant sera loyal.
17:55
and if your house is burning down, they're going to get you out of it.
414
1060000
2000
Si votre maison brûle, il vous en sortira.
17:57
CA: Wow. So, most people, if you ask them
415
1062000
3000
CA : Wow! Si vous le leur demandez, la plupart des gens
18:00
what are they most passionate about, they'd say things like,
416
1065000
2000
dira que ce qui les passionne le plus est
18:02
"My kids" or "My lover."
417
1067000
3000
"mes enfants" ou "mon amant".
18:05
What are you most passionate about?
418
1070000
3000
Qu'est-ce qui vous passionne le plus ?
18:08
TG: I'm passionate 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 world a better place.
420
1075000
2000
feront du monde un monde meilleur.
18:12
When I have a mother of an autistic child say,
421
1077000
2000
Quand la mère d'un enfant autiste m'a dit:
18:14
"My kid went to college because of your book,
422
1079000
2000
"Mon enfant a été à l'école grâce à votre livre,
18:16
or one of your lectures," that makes me happy.
423
1081000
2000
ou grâce à une de vos conférences" cela me rend heureuse.
18:18
You know, the slaughter plants, I've worked with them
424
1083000
3000
Vous savez, j'ai travaillé sur les abattoirs
18:21
in the '80s; they were absolutely awful.
425
1086000
2000
dans les années 80. Ils étaient absolument affreux.
18:23
I developed a really simple scoring system for slaughter plants
426
1088000
4000
J'ai développé un système de notation très simple pour les abattoirs
18:27
where you just measure outcomes: How many cattle fell down?
427
1092000
2000
avec lequel vous mesurez seulement le résultat, le nombre de bêtes qui sont tombées,
18:29
How many cattle got poked with the prodder?
428
1094000
2000
le nombre de bêtes qui se sont piquées avec la sonde,
18:31
How many cattle are mooing their heads off?
429
1096000
2000
le nombre de bêtes qui meuglent la têtes coupée.
18:33
And it's very, very simple.
430
1098000
2000
C'est très très simple.
18:35
You directly observe a few simple things.
431
1100000
2000
Vous observez directement des choses simples.
18:37
It's worked really well. I get satisfaction out of
432
1102000
2000
ça a vraiment bien fonctionné. Je tire de la satisfaction
18:39
seeing stuff that makes real change
433
1104000
3000
à observer des choses qui mènent à des changements concrets
18:42
in the real world. 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 less abstract stuff.
435
1109000
2000
et de bien moins de choses abstraites.
18:46
(Applause)
436
1111000
7000
(Applaudissements)
18:53
CA: When we were talking on the phone, 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 astonished me was you said one thing
438
1120000
2000
m'a vraiment étonné était le fait qu'une chose
18:57
you were passionate about was server farms. Tell me about that.
439
1122000
4000
qui vous passionne est les fermes de serveurs. Parlez-moi de ça.
19:01
TG: Well the reason why I got really excited when I read about that,
440
1126000
3000
TG : ça me motiva vraiment de lire des articles là-dessus
19:04
it contains knowledge.
441
1129000
3000
car ils contiennent le savoir.
19:07
It's libraries.
442
1132000
2000
Ce sont des bibliothèques.
19:09
And to me, knowledge is something
443
1134000
2000
À mes yeux, le savoir est quelque chose
19:11
that is extremely valuable. So, maybe, over 10 years ago
444
1136000
2000
d'extrêmement précieux. Il y a plus de 10 ans,
19:13
now our library got flooded.
445
1138000
2000
nos bibliothèques ont été inondées.
19:15
And this is before the Internet got really big.
446
1140000
2000
ça s'est passé avant qu'Internet ne se développe.
19:17
And I was really upset about all the books being wrecked,
447
1142000
2000
Je fus vraiment énervée de voir ces livres anéantis
19:19
because it was knowledge being destroyed.
448
1144000
2000
car du savoir fut alors détruit.
19:21
And server farms, or data centers
449
1146000
2000
Les fermes de serveurs, ou "datacenters",
19:23
are great libraries of knowledge.
450
1148000
3000
sont de grandes bibliothèques du savoir.
19:26
CA: Temple, can I just say it's an absolute delight to have you at TED.
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
(Applause)
453
1157000
6000
(Applaudissements)
ABOUT THE SPEAKER
Temple Grandin - Livestock handling designer, autism activistThrough 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.
Temple Grandin | Speaker | TED.com