The Test of Non-Specificity of Analogies (TNSA): A Method for Evaluating the Evidential Value of Analogical Inference in Cognitive and Behavioral Neuroscience

Analogical reasoning is pervasive in cognitive and behavioral neuroscience, from cross-species comparisons to metaphors linking neural circuits and cognitive functions. We present the Test of Non-Specificity of Analogies (TNSA), a five-step protocol adapted to neuroscience that assesses whether observed resemblances between heterogeneous entities carry discriminative, mechanistic, or causal weight. The TNSA operationalizes selection, category extraction, transfer, and inversion procedures to determine whether analogies reflect domain-specific mechanisms or arise from broadly applicable descriptive categories. We provide a methods blueprint for neuroscience applications, recommended quantitative checks (AUC, mutual information, cross-validated accuracy, permutation tests), and suggestions for figures and data reporting. Key conclusion: resemblance alone is insufficient as evidence for shared mechanisms; independent theoretical or empirical discriminants are required. Le raisonnement analogique est omniprésent en neurosciences cognitives et comportementales, qu’il s’agisse de comparaisons inter‑espèces ou de métaphores reliant circuits neuronaux et fonctions cognitives. Nous présentons le Test de non‑spécificité des analogies (TNSA), un protocole en cinq étapes adapté aux neurosciences, destiné à évaluer si les ressemblances observées entre des entités hétérogènes possèdent une valeur discriminative, mécanistique ou causale. Le TNSA opérationnalise les procédures de sélection, d’extraction de catégories, de transfert et d’inversion afin de déterminer si une analogie reflète des mécanismes propres à un domaine ou si elle découle de catégories descriptives largement applicables. Nous fournissons un plan méthodologique pour les applications en neurosciences, des recommandations pour les vérifications quantitatives (AUC, information mutuelle, exactitude en validation croisée, tests de permutation) ainsi que des suggestions pour les figures et le reporting des données.