g

Dans l’histoire des sciences humaines et cognitives, peu de concepts ont suscité autant de rigueur méthodologique, de débats ontologiques et de passions sociopolitiques que celui d’intelligence générale, universellement désigné sous le vocable de facteur g. Découvert à l’aube du XXe siècle par le psychologue et statisticien britannique Charles Spearman, ce construit statistique est né d’un constat empirique fondamental et immuable : les individus qui réussissent une tâche cognitive donnée ont une probabilité statistique très élevée de réussir d’autres épreuves intellectuelles, pourtant totalement disparates dans leur contenu, leur modalité sensorielle ou leur formalisme logique. Ce phénomène de corrélation universellement positive entre épreuves d’aptitude, connu sous l’expression de positive manifold, constitue le socle empirique sur lequel repose l’édifice de la psychométrie moderne.

Loin d’être un simple artifice mathématique ou une entité réifiée sans ancrage physiologique, le facteur g a fait l’objet, au cours du siècle écoulé, d’un effort de caractérisation multidisciplinaire sans précédent. Des formalisations factorielles de John Carroll aux modèles d’équations structurelles contemporains, de la morphométrie par résonance magnétique à la connectomique fonctionnelle, de la génétique comportementale quantitative aux études d’association pangénomique à haute résolution, le facteur g s’impose comme l’invariant le plus robuste de la psychologie différentielle. Il transcende les clivages méthodologiques pour interroger directement la nature de l’architecture cognitive, la vitesse de traitement de l’information et l’intégrité biologique du système nerveux central.

Ce traité encyclopédique se propose d’explorer le facteur g sous toutes ses facettes théoriques, statistiques, biologiques, développementales et philosophiques. En analysant sa genèse historique, ses modèles psychométriques concurrents, ses substrats neuroanatomiques précis, son héritabilité moléculaire, sa validité prédictive systémique dans les trajectoires de vie et les controverses scientifiques entourant son interprétation, cette analyse offre une synthèse exhaustive et rigoureuse de la littérature scientifique contemporaine consacrée à la quintessence de la cognition humaine.

1. Épistémologie et genèse conceptuelle du facteur g

1.1 Les travaux pionniers de Charles Spearman et la théorie bifactorielle

L’acte de naissance formel du facteur g remonte à 1904, avec la publication fondatrice de Charles Spearman intitulée « General Intelligence, » Objectively Determined and Measured dans l’American Journal of Psychology. En appliquant des outils statistiques inédits à l’évaluation des performances scolaires d’enfants dans des matières aussi diverses que les mathématiques, le latin, le grec et la discrimination sensorielle auditive et visuelle, Spearman constata une régularité troublante : toutes les corrélations inter-épreuves s’avéraient systématiquement positives. Pour rendre compte mathématiquement de cette matrice de covariation, il formalisa la théorie bifactorielle de l’intelligence.

Selon ce postulat princeps, la performance d’un individu à n’importe quelle tâche cognitive est déterminée par deux composantes orthogonales : un facteur général (noté g), partagé par l’ensemble des épreuves intellectuelles dans des proportions variables, et un facteur spécifique (noté s), strictement dévolu aux exigences particulières de la tâche évaluée ou aux erreurs de mesure inhérentes à l’instrument. Spearman tenta d’expliquer ce facteur g par une métaphore physiologique novatrice pour l’époque : celle d’une « énergie mentale » globale (mental energy) disponible dans le cortex cérébral, circulant à travers des « moteurs » spécifiques (engines) représentés par les facteurs s. Plus la tâche mobilise des opérations cognitives complexes, plus elle exige une décharge massive de cette énergie centrale.

Sur le plan qualitatif, Spearman articula sa théorie psychologique autour des lois de la « néogenèse » (noegenesis), décrivant les processus par lesquels l’esprit génère de nouvelles connaissances cognitives. Il distingua trois principes néogénétiques fondamentaux : l’appréhension de l’expérience (la capacité d’un sujet à percevoir et comprendre son propre état psychologique et ses sensations directes), l’éduction de relations (la faculté de déduire une relation conceptuelle abstraite entre deux ou plusieurs éléments présentés) et l’éduction de corrélats (la capacité d’inférer un élément manquant lorsqu’un stimulus initial et une relation sont donnés). Pour Spearman, les tests présentant les plus fortes corrélations avec g sont précisément ceux qui exigent une éduction pure, sans recours massif à la mémoire acquise ou aux automatismes culturels.

La communauté psychologique du début du XXe siècle réserva un accueil polarisé aux travaux de Spearman. Si des pionniers de la mesure comme Francis Galton virent dans cette mathématisation l’aboutissement de l’étude des différences individuelles, d’autres figures majeures, à l’instar d’Alfred Binet en France, manifestèrent un scepticisme prononcé. Binet privilégiait une approche pragmatique, composite et éducative de l’intelligence, redoutant qu’une réduction à une variable scalaire unitaire ne capture pas l’infinie variété qualitative des processus mentaux supérieurs, ouvrant ainsi un débat épistémologique qui traverse encore la psychométrie contemporaine.

1.2 L’évolution du concept face aux modèles multifactoriels rivaux

La suprématie de la conception unitaire spearmanienne fut vigoureusement contestée dès les années 1930 par les travaux de Louis Leon Thurstone. Rejetant l’hypothèse d’un facteur g prépondérant, Thurstone développa une méthodologie factorielle concurrente : l’analyse factorielle multiple avec rotation des axes (notamment la rotation varimax et oblique). En appliquant ces techniques à des batteries de tests très hétérogènes administrées à des étudiants, Thurstone isola un ensemble d’aptitudes mentales primaires (Primary Mental Abilities, ou PMA), autonomes et stables.

Ces aptitudes primaires comprenaient la compréhension verbale (V), la fluence verbale (W), l’aptitude numérique (N), la visualisation spatiale (S), la mémoire associative (M), la vitesse perceptive (P) et le raisonnement inductif (R). Selon le modèle initial de Thurstone, l’intelligence ne pouvait se réduire à une constante générale ; elle constituait une constellation de modules fonctionnels distincts sans primauté hiérarchique. Cette opposition frontale engendra l’une des controverses les plus fécondes de la psychologie différentielle, opposant les partisans de la doctrine unitaire britannique aux défenseurs du pluralisme factoriel américain.

La résolution de cette antinomie théorique fut permise par le raffinement mathématique des rotations factorielles obliques. Lorsque Thurstone autorisa les facteurs primaires à corréler entre eux afin de respecter l’adéquation aux données brutes, il s’aperçut que les corrélations entre ces aptitudes fondamentales étaient elles-mêmes toutes positives. L’application d’une analyse factorielle de second ordre sur la matrice de corrélation des facteurs primaires fit inévitablement réapparaître un facteur d’ordre supérieur dominant : le facteur g de Spearman. Loin d’annihiler l’hypothèse générale, les travaux de Thurstone fournirent la preuve empirique qu’une architecture cognitive ne peut s’affranchir d’un niveau sommital, conduisant à l’élaboration des modèles hiérarchiques de l’intelligence où les aptitudes spécifiques sont subordonnées à des facteurs larges, eux-mêmes gouvernés par g.

Dans le cadre contemporain néo-spearmanien, cette synthèse hiérarchique a définitivement pacifié l’opposition historique. Le facteur g n’exclut pas l’existence de compétences factorielles différenciées ; il traduit simplement la part de variance commune que partagent l’ensemble de ces sous-systèmes cognitifs. La formalisation mathématique moderne reconnaît ainsi une structure en strates imbriquées, garantissant la coexistence pacifique d’une capacité cognitive générale et de modules d’aptitudes spécialisés hautement informatifs sur le plan neuropsychologique.

1.3 Définition opérationnelle et statut ontologique de g

Sur le plan opérationnel, le facteur g se définit avec une précision mathématique irréprochable : il correspond à la première composante principale non tournée ou au facteur général d’ordre supérieur extrait d’une matrice de corrélation issue d’un ensemble suffisamment large et représentatif de tests cognitifs. Cependant, cette rigueur opérationnelle laisse ouverte une interrogation épistémologique cruciale quant à son statut ontologique. Le facteur g n’est-il qu’un simple résumé statistique, une « moyenne abstraite » de variances covariantes sans substance réelle, ou reflète-t-il une entité biologique, structurelle et causale sous-jacente du cerveau humain ?

Le point d’ancrage empirique de ce statut ontologique réside dans le phénomène universel du positive manifold (ou collectif positif). Quelle que soit la population examinée, l’époque historique, le niveau culturel ou la nature sémiotique des épreuves administrées (formes géométriques, lexique abstrait, calculs arithmétiques, manipulation de blocs tridimensionnels), aucune matrice de corrélation cognitive à grande échelle ne présente de corrélation significativement négative entre épreuves mesurant un effort mental délibéré. Ce phénomène constitue une loi quasi universelle de la psychologie comportementale, analogue aux constantes physiques de la matière.

Face à cette universalité, deux courants ontologiques s’affrontent. Pour le réalisme structural (soutenu vigoureusement par des chercheurs comme Arthur Jensen), g est une propriété physique et biologique du système nerveux : la vitesse de conduction axonale, la myélinisation cérébrale, l’efficacité métabolique ou la densité synaptique globale. À l’opposé, les modèles émergentistes et conexionnistes considèrent g comme une propriété émergente d’un réseau dynamique complexe. Selon cette perspective, il n’existe aucun « organe » ou « centre » de g ; la covariance générale proviendrait des interactions mutuellement bénéfiques (phénomène de mutualisme) que les différents modules cognitifs entretiennent au cours de l’ontogenèse et de l’apprentissage.

Une propriété mathématique fascinante découverte par Spearman renforce le caractère objectif de ce construit : le théorème de « l’indifférence de l’indicateur » (indifference of the indicator). Ce principe démontre que la nature exacte des épreuves utilisées pour extraire le facteur g importe peu, pourvu que la batterie de tests soit suffisamment diverse et complexe. Que l’on extrait g à partir d’une batterie de tests purement linguistiques et logiques, ou à partir d’un ensemble de tests spatiaux, moteurs et perceptifs, le facteur g obtenu dans les deux cas corrèle à des niveaux approchant l’unité ($r > 0,95$) après correction pour l’atténuation de mesure. Cette invariance factorielle transcende les instruments de mesure particuliers et confirme l’existence d’une dimension cognitive fondamentale, indépendante du support matériel des items administrés.

2. Fondements mathématiques et formalisation psychométrique

2.1 L’analyse factorielle exploratoire et confirmatoire appliquée à g

L’estimation quantitative du facteur g repose sur les méthodologies avancées de l’analyse multivariée. Historiquement, l’analyse factorielle exploratoire (AFE) a constitué le premier véhicule d’investigation. Dans le modèle factoriel classique, la performance observée $X_{ij}$ d’un sujet $i$ à une épreuve cognitive $j$ est modélisée par une combinaison linéaire de variables latentes :

$$X_{ij} = \lambda_{j1} F_{1i} + \lambda_{j2} F_{2i} + dots + \lambda_{jm} F_{mi} + \epsilon_{ij}$$

où $\lambda_{jm}$ représente la saturation (loading) de la variable $j$ sur le facteur latent $m$, $F$ représente le score factoriel du sujet, et $\epsilon_{ij}$ désigne l’unicité (variance spécifique cumulée à l’erreur de mesure aléatoire). Lors de l’extraction par la méthode des axes principaux sans rotation, le premier facteur extrait maximise la proportion de variance commune totale expliquée à travers l’ensemble des tests. Dans les batteries d’intelligence standardisées (telles que les échelles de Wechsler), ce premier facteur non tourné absorbe généralement entre 40 % et 50 % de la variance totale de la batterie, constituant une approximation empirique robuste du facteur g.

L’avènement de la modélisation par équations structurelles (Structural Equation Modeling, SEM) et de l’analyse factorielle confirmatoire (AFC) a profondément affiné cette approche en permettant de tester explicitement des hypothèses structurales a priori. En AFC, le chercheur spécifie formellement le patron de liaisons entre les variables indicatrices et les construits latents, testant la matrice de variance-covariance observée ($S$) contre la matrice théorique prédite par le modèle ($\Sigma$). Deux grandes topologies mathématiques s’opposent dans la modélisation de g : le modèle hiérarchique d’ordre supérieur (higher-order model) et le modèle bifactoriel (bifactor model).

Dans le modèle d’ordre supérieur, g n’exerce pas d’effet direct sur les variables observées ; il affecte directement des facteurs de premier ordre (les aptitudes larges telles que la mémoire de travail, le traitement visuospatial ou la compréhension verbale), qui à leur tour influencent les scores aux sous-tests. Dans le modèle bifactoriel, en revanche, g agit comme un facteur orthogonal direct sur l’ensemble des variables observées, la variance de chaque test étant décomposée simultanément en une part attribuable directement à g, une part attribuable à un facteur de groupe spécifique (par exemple, le domaine verbal) et une part d’unicité résiduelle. L’évaluation comparative de ces architectures repose sur des indices d’ajustement statistique rigoureux, tels que le RMSEA (Root Mean Square Error of Approximation), le CFI (Comparative Fit Index), le TLI (Tucker-Lewis Index) et le BIC (Bayesian Information Criterion), documentant la supériorité statistique et la parcimonie conceptuelle de la représentation factorielle de g.

2.2 Saturation en g et hiérarchisation des épreuves cognitives

La valeur diagnostique et théorique d’un test psychométrique dépend intrinsèquement de sa « saturation en g » (ou g-loading), qui correspond au coefficient de corrélation statistique entre les scores observés au test et le facteur latent général. Plus la saturation en g d’une épreuve est élevée (tendant vers 1,00), plus cette épreuve constitue un indicateur pur de l’intelligence générale, indépendamment de la modalité sensorielle ou des acquis scolaires préalables.

Les décennies de recherche psychométrique ont permis d’établir une hiérarchie empirique d’une stabilité remarquable concernant les saturations en g des différentes épreuves cognitives. Les tests manifestant les saturations les plus massives ($r > 0,75$ à $0,85$) sont invariablement ceux qui sollicitent le raisonnement inductif, déductif et abstrait. Les épreuves emblématiques de cette catégorie sont les matrices progressives de Raven, les tests d’analogies verbales ou géométriques complexes, les suites logiques de nombres et les tâches de résolution de problèmes inédits. Ces épreuves exigent une manipulation mentale active de règles implicites et une forte charge de contrôle exécutif.

À un niveau intermédiaire de saturation ($r \approx 0,50$ à $0,70$), on trouve les tests de connaissances cristallisées (vocabulaire, culture générale), les épreuves d’arithmétique mentale, la mémoire de travail complexe (empan envers, séquençage lettres-chiffres) et les tâches de rotation mentale tridimensionnelle. Enfin, les épreuves présentant les saturations en g les plus modestes ($r < 0,40$) correspondent aux tâches perceptives et motrices simples, telles que le temps de réaction simple, la vitesse de pointage moteur, la détection visuelle élémentaire ou la mémoire de reconnaissance immédiate de stimuli familiers.

Cette hiérarchie démontre de manière univoque que la saturation en g n’est pas fonction du support de la tâche, mais de sa complexité cognitive intrinsèque. Plus une épreuve requiert l’inhibition des réponses automatiques, la planification séquentielle, l’abstraction et l’intégration d’un grand nombre d’éléments relationnels distincts sous contrainte de temps, plus elle fait converger la variance inter-individuelle vers le facteur g. De surcroît, le niveau de difficulté des items module directement cette saturation : des items excessivement faciles génèrent des effets de plafond et ne mobilisent que des processus automatisés faiblement saturés, tandis que des items de difficulté calibrée contraignent le système nerveux à déployer l’intégralité de sa capacité computationnelle.

2.3 La théorie de la réponse aux items (TRI) et l’estimation de la capacité latente

Si l’analyse factorielle classique traite traditionnellement des variables agrégées ou continues sous l’hypothèse de linéarité, la psychométrie computationnelle contemporaine s’appuie massivement sur la Théorie de la Réponse aux Items (TRI). La TRI transcende les limites de la théorie classique des tests en modélisant mathématiquement la probabilité qu’un sujet réponde correctement à un item spécifique en fonction de son niveau sur un trait latent unilatéral, traditionnellement désigné par la variable $\theta$ (thêta), qui coïncide conceptuellement avec le facteur g lorsque la batterie est unidimensionnelle ou dominée par une dimension générale.

Dans un modèle logistique à trois paramètres (3PL), la probabilité de réussite $P_i(\theta)$ à un item $i$ est formulée selon l’équation différentielle suivante :

$$P_i(\theta) = c_i + \frac{1 – c_i}{1 + e^{-D a_i (\theta – b_i)}}$$

où $a_i$ représente le paramètre de discrimination de l’item (directement proportionnel à sa saturation en g), $b_i$ indique la difficulté de l’item sur l’échelle du trait latent, $c_i$ constitue le paramètre de pseudo-chance (probabilité d’obtenir une réponse correcte par hasard), et $D$ est une constante d’échelle (généralement fixée à 1,702 pour approcher la fonction ogive normale). Dans cette perspective, un test fortement saturé en g se caractérise par des items présentant des valeurs de discrimination $a_i$ extrêmement élevées, créant des Courbes Caractéristiques de l’Item (CCI) à pente très raide au niveau de leur seuil de difficulté.

L’apport déterminant de la TRI réside dans sa gestion probabiliste de l’erreur de mesure via la fonction d’information du test $I(\theta)$. Contrairement à la théorie classique qui postule une erreur de mesure standard constante pour tous les individus quel que soit leur score, la TRI démontre formellement que la précision de la mesure varie le long du continuum de l’aptitude cognitive générale :

$$SE(\theta) = \frac{1}{\sqrt{I(\theta)}}$$

Une batterie d’évaluation saturée en g peut ainsi être optimisée par le biais de tests adaptatifs informatisés (Computerized Adaptive Testing, CAT), où les items sont sélectionnés dynamiquement par des algorithmes bayésiens en temps réel pour maximiser l’information $I(\theta)$ au niveau exact de compétence estimé du sujet testé. Une fois l’aptitude latente $\theta$ estimée avec un maximum de vraisemblance, elle est convertie mathématiquement sur une échelle normalisée standard, telle que l’échelle conventionnelle du quotient intellectuel (QI) définie par une distribution gaussienne de moyenne $\mu = 100$ et d’écart-type $\sigma = 15$. Cette transformation préserve rigoureusement le positionnement ordinal et métrique du sujet sur le continuum latent du facteur g.

3. Modèles structuraux contemporains et intégration hiérarchique

3.1 La théorie des trois strates de John Carroll

L’entreprise la plus monumentale de clarification taxonomique de la structure de l’intelligence humaine a été menée par John B. Carroll, aboutissant en 1993 à la publication de son ouvrage magistral Human Cognitive Abilities: A Survey of Factor-Analytic Studies. Carroll a entrepris la ré-analyse systématique et standardisée de plus de 460 jeux de données psychométriques mondiaux collectés sur près de six décennies, englobant des dizaines de milliers de participants. Cette méta-analyse factorielle sans équivalent a permis d’ériger la Théorie des Trois Strates (Three-Stratum Theory).

L’architecture de Carroll organise l’univers des aptitudes cognitives en trois niveaux emboîtés de généralité croissante :

• La Strate I (Aptitudes étroites) : Située à la base de la pyramide, elle englobe plus de soixante aptitudes très spécifiques et opérationnelles, telles que le raisonnement quantitatif séquentiel, la discrimination des hauteurs tonales, l’empan mnésique direct, la vitesse d’articulation phonologique ou la vitesse de comparaison perceptive.
• La Strate II (Aptitudes larges) : Étage intermédiaire comprenant huit à dix domaines fonctionnels étendus. On y retrouve l’intelligence fluide ($Gf$), l’intelligence cristallisée ($Gc$), la mémoire générale et l’apprentissage ($Gy$), la perception visuelle globale ($Gv$), la perception auditive ($Gu$), la capacité de récupération mnésique ($Gr$), la rapidité cognitive ($Gs$) et la vitesse de traitement / temps de réaction ($Gt$).
• La Strate III (Aptitude générale) : Le sommet absolu de la hiérarchie factorielle, occupé par une unique dimension : le facteur g. Ce facteur chapeaute, contraint et alimente l’intégralité des aptitudes de la Strate II, qui elles-mêmes gouvernent les compétences instrumentales de la Strate I.

L’analyse de Carroll a définitivement démontré la réplicabilité universelle de cette structure hiérarchique. Le facteur g n’y apparaît pas comme une alternative aux facteurs de groupe, mais comme leur dénominateur commun mathématique et conceptuel. Les saturations des facteurs de Strate II sur le facteur g de Strate III sont particulièrement révélatrices : l’intelligence fluide ($Gf$) présente régulièrement une saturation factorielle approchant 1,00 ($r \approx 0,95$ à $0,99$), ce qui a conduit de nombreux psychométriciens à considérer l’intelligence fluide comme l’incarnation empirique quasi absolue du facteur g à l’état pur.

3.2 Le modèle intégrateur de Cattell-Horn-Carroll (CHC)

Au tournant du XXIe siècle, sous l’impulsion de chercheurs tels que Kevin McGrew et Daniel Flanagan, la théorie des trois strates de Carroll a fusionné avec la théorie factorielle dynamique élaborée par Raymond Cattell et John Horn, donnant naissance au cadre théorique unifié Cattell-Horn-Carroll (modèle CHC). Cette synthèse est devenue le standard de référence mondial pour la conception, la validation et l’étalonnage clinique de l’ensemble des batteries contemporaines d’évaluation cognitive, telles que le WISC-V, la WAIS-IV, le Stanford-Binet 5 ou les tests de Woodcock-Johnson IV.

Cette convergence ne s’est pas opérée sans friction théorique majeure. John Horn s’est historiquement opposé avec véhémence à la postulation d’un facteur g unitaire au sommet du modèle, arguant que l’intelligence fluide ($Gf$) et l’intelligence cristallisée ($Gc$) suivaient des trajectoires développementales et biologiques radicalement divergentes au cours de la vie (l’intelligence fluide déclinant dès l’âge adulte précoce sous l’effet de la sénescence biologique, tandis que l’intelligence cristallisée se stabilise ou croît jusqu’à un âge avancé grâce à l’accumulation culturelle). Horn défendait donc un modèle purement horizontal à aptitudes multiples sans niveau sommital.

Néanmoins, les consensus contemporains issus des analyses confirmatoires de pointe ont réintégré sans ambiguïté le facteur g au sommet de la taxonomie CHC. Les matrices de covariance entre les facteurs larges ($Gf$, $Gc$, $Gv$, $Gwm$, $Gs$, $Glr$) sont si systématiquement positives et de magnitude si substantielle qu’aucun modèle structural statistique n’atteint un ajustement satisfaisant sans l’inclusion d’une variable latente générale d’ordre supérieur. Le modèle CHC actuel modélise ainsi une architecture holistique où le facteur g gouverne la distribution des ressources computationnelles à travers l’ensemble des axes cognitifs spécialisés du sujet.

3.3 Le modèle g-VPR de Johnson et Bouchard

Bien que le modèle CHC fasse figure d’orthodoxie dominante, une alternative théorique et psychométrique majeure a été formulée par Wendy Johnson et Thomas Bouchard : le modèle g-VPR (Verbal, Perceptual, and Image Rotation). Élaboré à partir de l’analyse factorielle comparative approfondie de multiples batteries d’intelligence administrées à de très vastes cohortes (notamment au sein du Minnesota Twin Family Study), le modèle g-VPR propose une organisation architecturale concurrente de celle de Carroll.

Le modèle g-VPR structure les capacités cognitives autour de trois facteurs de second ordre reliés au sommet par un facteur g tout aussi robuste :

• Le facteur Verbal (V) : Comprenant les compétences linguistiques, le raisonnement sémantique, la mémoire déclarative verbale et la compréhension de textes complexes.
• Le facteur Perceptuel (P) : Englobant la vitesse de balayage visuel, la détection des régularités spatiales en deux dimensions et l’intégration perceptive immédiate.
• Le facteur de Rotation Spatiale (R) : Dévolu à la transformation géométrique active, à la manipulation mentale des formes en trois dimensions et à la cinématique visuospatiale.

Des études comparatives d’envergure ont démontré que le modèle g-VPR présentait souvent un ajustement statistique supérieur (indices BIC et AIC plus favorables) à celui du modèle CHC dans de multiples jeux de données psychométriques. Ce résultat a une implication théorique majeure : quelle que soit la taxonomie intermédiaire choisie pour modéliser les strates de groupe (qu’il s’agisse de la dizaine de facteurs larges du modèle CHC ou de la triade Verbal-Perceptuel-Rotation spatiale du modèle g-VPR), le facteur g extrait au niveau sommital demeure rigoureusement identique. La corrélation entre le facteur g dérivé du modèle CHC et le facteur g dérivé du modèle g-VPR frôle la perfection statistique ($r > 0,98$). Cette résilience structurale démontre que l’existence mathématique et psychométrique de g n’est pas un artefact dépendant d’un schéma de factorisation spécifique, mais une réalité invariante de la dynamique cognitive humaine.

4. Corrélats neurobiologiques et architectoniques cérébraux

4.1 Morphométrie cérébrale et intégrité structurelle

La recherche des substrats matériels du facteur g a connu une révolution grâce aux progrès de la neuro-imagerie structurelle par résonance magnétique (IRM). L’un des résultats les plus stables et les plus fréquemment répliqués de la neurobiologie différentielle concerne la corrélation positive entre le volume cérébral total (ajusté pour la taille et la masse corporelle) et les scores de facteur g. Les méta-analyses contemporaines évaluent cette corrélation à une magnitude comprise entre $r = 0,25$ et $r = 0,40$. Cette relation est observée de façon homogène à travers les deux sexes et l’ensemble des tranches d’âge de l’adulte.

Cependant, la volumétrie globale ne constitue qu’un indicateur macroscopique rudimentaire. L’analyse par morphométrie basée sur le voxel (Voxel-Based Morphometry, VBM) a permis de disséquer précisément cette relation au niveau régional. Les travaux démontrent que la densité et le volume de matière grise au sein d’un réseau distribué – comprenant principalement le cortex préfrontal dorsolatéral (aires de Brodmann 9 et 46), le cortex pariétal inférieur (aire 39 et 40) et le cortex cingulaire antérieur – prédisent significativement les niveaux individuels de g. L’épaisseur corticale globale, qui reflète le nombre de colonnes neuronales et la complexité des ramifications dendritiques, affiche également des corrélations substantielles avec l’aptitude intellectuelle générale.

Parallèlement à la matière grise, l’intégrité de la matière blanche joue un rôle architectural déterminant dans la médiation physique de g. En utilisant l’imagerie par tenseur de diffusion (DTI), les neuroscientifiques mesurent la fraction d’anisotropie (FA), un indice quantifiant la directionalité du flux d’eau le long des axones, marqueur direct de la densité axonale, du diamètre des fibres nerveuses et de la compacité de la myéline. Les études attestent que des valeurs élevées d’anisotropie fractionnaire dans les grands faisceaux d’association longitudinaux – tels que le faisceau longitudinal supérieur, le faisceau arqué et le corps calleux – sont positivement et significativement corrélées au facteur g. Une connectivité structurale optimisée permet un transfert inter-hémisphérique et antéro-postérieur rapide des signaux nerveux, minimisant la dégradation de l’information durant les opérations cognitives complexes.

4.2 La théorie de l’intégration pariéto-frontale (P-FIT)

Afin de synthétiser les données disparates issues de centaines d’études de neuro-imagerie fonctionnelle et structurelle, Rex Jung et Richard Haier ont formulé en 2007 un modèle neurobiologique unifié de référence : la théorie de l’intégration pariéto-frontale (P-FIT, Parieto-Frontal Integration Theory). Ce modèle soutient que le facteur g ne réside pas dans une région corticale isolée, mais émerge de la communication séquentielle et hautement intégrée entre un ensemble discret de nœuds cérébraux interconnectés.

Le modèle P-FIT décrit un traitement computationnel de l’information en quatre étapes séquentielles :

• Étape 1 (Traitement sensoriel précoce) : L’information issue de l’environnement est captée et analysée dans les zones sensorielles d’association occipitales et temporales (notamment les aires de Brodmann 18, 19 et le gyrus fusiforme), traitant les composantes visuelles, verbales ou auditives de base.
• Étape 2 (Intégration structurale et sémantique) : L’information sensorielle est acheminée vers les régions pariétales supérieures et inférieures (aires de Brodmann 7, 39, 40). Le cortex pariétal procède à l’abstraction symbolique, à la synthèse multimodale et à la manipulation géométrique des données perceptives.
• Étape 3 (Délibération et calcul frontal) : Les signaux pariétaux sont projetés vers le cortex préfrontal dorsolatéral et ventrolatéral (aires de Brodmann 6, 9, 10, 45, 46, 47). Le réseau frontal élabore des hypothèses déductives, maintient l’information active en mémoire de travail, compare différentes options de résolution de problème et inhibe les distracteurs non pertinents.
• Étape 4 (Validation de la réponse et régulation) : Dès qu’une règle ou une solution est générée, le cortex cingulaire antérieur (aire de Brodmann 32) est recruté pour arbitrer la prise de décision finale, détecter les conflits logiques potentiels et amorcer le comportement moteur approprié.

Les études en IRM fonctionnelle (IRMf) en phase de résolution active de tâches fortement saturées en g confirment systématiquement la synchronisation d’activation au sein du réseau P-FIT. L’intelligence générale repose ainsi sur la bande passante et la synchronisation de phase entre le cortex frontal et pariétal, reliés par le faisceau longitudinal supérieur. Les individus dotés d’un facteur g élevé présentent une organisation topologique de ce réseau qui maximise le débit de données tout en limitant les goulots d’étranglement de l’attention.

4.3 Efficience neurale et dynamique électrophysiologique

L’une des découvertes les plus contre-intuitives et fondamentales de la neuro-imagerie moderne de l’intelligence réside dans l’« hypothèse de l’efficience neurale » (Neural Efficiency Hypothesis), initialement formulée par Richard Haier. Dans ses études pionnières utilisant la tomographie par émission de positons (TEP) au fluorodésoxyglucose (18F-FDG), Haier a démontré que les individus présentant des scores de facteur g très élevés consomment moins de glucose cortical que les sujets présentant des scores moyens lorsqu’ils sont confrontés à des tâches cognitives de difficulté modérée.

L’intelligence générale ne traduit pas un cerveau qui travaille plus vigoureusement ou qui surconsomme de l’énergie métabolique, mais un cerveau caractérisé par une allocation ultra-parcimonieuse de ses ressources synaptiques. Chez les individus à fort facteur g, seules les populations neuronales strictement indispensables à la résolution de la tâche sont recrutées, tandis que les circuits non pertinents demeurent silencieux. À l’inverse, un cerveau caractérisé par un g plus faible manifeste une hyperactivation diffuse, désordonnée et inefficace, témoignant d’une déperdition thermique et d’un bruit synaptique excessif. Cette différence tend toutefois à s’atténuer lorsque la difficulté des problèmes atteint des niveaux extrêmes, requérant la mobilisation maximale de l’ensemble de la machinerie neuronale disponible.

Sur le plan électrophysiologique, cette vitesse et cette précision de transmission se manifestent dans les tracés de l’électroencéphalographie (EEG) et des potentiels évoqués cognitifs (ERP). En particulier, la composante P300 (une onde positive survenant environ 300 millisecondes après la présentation d’un stimulus cible dans des tâches de discrimination) affiche une relation directe avec g :

• Latence de la P300 : Elle est significativement plus courte chez les individus à facteur g élevé, reflétant une vitesse d’évaluation perceptive et de catégorisation du stimulus accélérée au sein du système nerveux central.
• Amplitude de la P300 : Elle est souvent plus stable et plus modulée en fonction des exigences de charge cognitive, illustrant une capacité supérieure à canaliser les ressources d’attention sélective vers l’information critique.

De plus, l’analyse spectrale par EEG démontre que la synchronisation de phase dans la bande de fréquence gamma (30-80 Hz) et la désynchronisation des rythmes alpha au repos comme à l’effort constituent des signatures neuro-dynamiques de l’efficience cérébrale. Enfin, la variabilité intra-individuelle des temps de transmission neurale – mesurée par la gigue temporelle des potentiels évoqués – est considérablement plus faible chez les personnes présentant un g supérieur, étayant la thèse d’une fidélité électromécanique supérieure de l’axone et de la fente synaptique.

5. Génétique comportementale et architecture moléculaire de g

5.1 Études gémellaires et estimations de l’héritabilité

La génétique quantitative a documenté l’étiologie des variations inter-individuelles du facteur g avec une précision empirique inégalée. Le protocole méthodologique de référence repose sur les études de jumeaux monozygotes (MZ) et dizygotes (DZ), élevés ensemble ou séparés dès la naissance (jumeaux adoptés). L’application des modèles de décomposition de variance de type ACE (Variance phénotypique = Variance génétique additive $A$ + Environnement partagé $C$ + Environnement non partagé $E$) a produit des résultats convergents à travers des centaines de cohortes indépendantes dans le monde.

L’un des phénomènes les plus spectaculaires de la génétique comportementale humaine est l’effet Wilson (nommé en hommage à Ronald Wilson) : l’héritabilité du facteur g n’est pas une constante statique tout au long de la vie, elle augmente continûment avec l’âge chronologique. Chez les nourrissons et les jeunes enfants, l’héritabilité ($h^2$) est modeste, oscillant autour de 20 % à 30 %, tandis que l’environnement partagé familial ($C$) explique près de 60 % de la variance phénotypique. Durant l’adolescence, l’héritabilité s’élève à 50 %. À l’âge adulte, l’influence de l’environnement partagé tombe statistiquement à zéro, tandis que l’héritabilité de g grimpe à des niveaux compris entre 70 % et 80 %, avant de se maintenir, voire de culminer chez les octogénaires.

L’explication fondamentale de cette trajectoire développementale réside dans la corrélation gène-environnement active (phénomène de sélection de niche). En grandissant, les individus acquièrent une autonomie accrue dans le choix de leurs activités, de leurs lectures, de leurs pairs et de leurs environnements professionnels. Ils modèlent ainsi activement leur micro-environnement de façon à renforcer leurs prédispositions génétiques endogènes, amplifiant l’expression de leur potentiel intellectuel latent.

Parallèlement, la génétique quantitative a mis en lumière l’« hypothèse des gènes généralistes » (Generalist Genes Hypothesis), théorisée par Robert Plomin. Les analyses génétiques multivariées révèlent que les facteurs génétiques qui influencent la lecture, les compétences mathématiques, la visualisation spatiale et la vitesse de traitement sont pour l’essentiel les mêmes ($r_g > 0,80$). La covariance phénotypique qui forme le positive manifold et donne naissance au facteur g est donc massivement sous-tendue par un socle génétique pléiotropique commun.

5.2 Génomique quantitative et études d’association pangénomique (GWAS)

L’avènement du séquençage génomique à haut débit et des Études d’Association Pangénomique (Genome-Wide Association Studies, GWAS) a permis de passer de la détection globale de l’héritabilité à l’identification physique des variants de l’ADN responsables de la variance de g. Ces travaux à l’échelle moléculaire ont définitivement réfuté l’hypothèse simpliste de « gènes uniques de l’intelligence », dévoilant une architecture génétique caractérisée par une polygénicité extrême.

Les méta-analyses GWAS récentes (portant sur des échantillons dépassant le million d’individus, issues de biobanques internationales comme la UK Biobank) ont identifié plusieurs milliers de polymorphismes nucléotidiques simples (Single Nucleotide Polymorphisms, SNP) significativement associés aux performances cognitives au seuil standard de significativité génomique ($p < 5 times 10^{-8}$). Chacun de ces variants individuels n'exerce qu'un effet infinitésimal sur la variance globale de g, représentant généralement moins de 0,01 % de la variance phénotypique à lui seul.

La sommation pondérée de ces millions de variants permet de construire des Scores Polygéniques (Polygenic Scores, PGS). À l’heure actuelle, les scores polygéniques dérivés des GWAS de pointe parviennent à expliquer entre 10 % et 15 % de la variance phénotypique des performances au facteur g dans des échantillons indépendants d’ascendance européenne, un chiffre en constante augmentation à mesure que la puissance statistique des études s’accroît. Les analyses bio-informatiques d’enrichissement fonctionnel démontrent sans ambiguïté que ces variants génomiques s’expriment quasi exclusivement dans les tissus du système nerveux central. Ils sont massivement enrichis dans les cascades biologiques gouvernant la neurogenèse embryonnaire, la plasticité synaptique dépendante de l’activité, la guidance axonale, la signalisation calcique neuronale et la différenciation des oligodendrocytes producteurs de myéline.

5.3 Interactions gène-environnement et épigénétique

La découverte de la base génomique de g ne valide en aucun cas une lecture déterministe unilatérale, car l’expression de ce génome est étroitement conditionnée par des interactions gène-environnement ($G \times E$). Le modèle le plus débattu à cet égard est l’hypothèse de Scarr-Rowe, postulée par Sandra Scarr et David Rowe. Selon ce modèle, l’héritabilité de l’aptitude intellectuelle générale serait modérée par le statut socio-économique (SES) de la famille d’origine : l’héritabilité serait très élevée dans les milieux aisés (les facteurs génétiques pouvant s’exprimer pleinement dans un environnement optimal), mais s’effondrerait dramatiquement dans les milieux défavorisés, où les privations matérielles, nutritionnelles et émotionnelles feraient office de plafond de verre environnemental.

Toutefois, la réplicabilité universelle de l’effet Scarr-Rowe est aujourd’hui remise en question. Si l’interaction est fréquemment observée aux États-Unis, où les inégalités d’accès à la santé et à une éducation de qualité sont prononcées, les méta-analyses internationales menées en Europe occidentale et en Australie – des pays dotés d’États-providence puissants et d’un système éducatif universel – ne parviennent généralement pas à mettre en évidence une chute de l’héritabilité chez les enfants issus de milieux défavorisés. Ce contraste illustre la façon dont les politiques publiques de péréquation sociale peuvent neutraliser les freins environnementaux limitant le déploiement du potentiel génétique.

À l’interface de la génétique moléculaire et des stimuli environnementaux opèrent les régulations épigénétiques, notamment la méthylation de l’ADN et l’acétylation des histones. Le stress toxique précoce durant la petite enfance, la malnutrition gestationnelle ou l’exposition in utero à des toxiques peuvent altérer durablement l’accessibilité transcriptionnelle de gènes neurodéveloppementaux majeurs (tels que le gène du facteur neurotrophique dérivé du cerveau, BDNF). Ces altérations épigénétiques modulent la plasticité synaptique et la synaptogenèse, exerçant un impact en aval sur l’efficience du traitement de l’information.

Il importe de souligner les limites éthiques et techniques actuelles de la génomique quantitative. Bien que les scores polygéniques constituent des outils inestimables pour la recherche épidémiologique sur des populations entières, leur utilité clinique et diagnostique à l’échelle d’un individu isolé reste quasi nulle. Le pouvoir explicatif résiduel est insuffisant pour toute prédiction individuelle fiable, et la non-portabilité des PGS actuels à des populations d’ascendances biogéographiques non européennes impose une prudence déontologique absolue face aux dérives commerciales de profilage embryonnaire ou génétique.

6. Validité prédictive de g dans les trajectoires de vie

6.1 Réussite académique et apprentissage tout au long de la vie

Parmi l’ensemble des variables psychologiques, psychométriques ou démographiques mesurables chez l’être humain, le facteur g constitue le prédicteur statistique le plus puissant et le plus universel de la réussite scolaire et académique. Les corrélations entre les scores obtenus à des batteries saturées en g durant l’enfance et les performances aux examens standardisés nationaux (tels que les GCSE britanniques ou le SAT américain) s’échelonnent typiquement entre $r = 0,50$ et $r = 0,70$.

Cette relation robuste a été démontrée à grande échelle par Ian Deary et son équipe dans une étude longitudinale portant sur plus de 70 000 élèves britanniques suivis sur cinq ans. Les scores d’intelligence générale mesurés à l’âge de 11 ans prédisaient les performances académiques à 16 ans dans plus de 25 disciplines scolaires distinctes, démontrant que g transcende la distinction traditionnelle entre filières littéraires et scientifiques. L’explication computationnelle de ce phénomène réside dans le fait que l’environnement éducatif est avant tout une arène d’acquisition rapide d’informations complexes, d’abstraction symbolique et d’application de règles implicites, opérations qui sollicitent précisément le facteur g.

De surcroît, le facteur g conserve une valeur prédictive incrémentale majeure lorsqu’on contrôle statistiquement les effets du statut socio-économique parental (SES) et les variables de personnalité conative (telles que la conscienciosité ou la persévérance, mesurées par les modèles en cinq facteurs du Big Five). Si le statut social des parents et la discipline personnelle contribuent de manière non négligeable aux trajectoires scolaires, le facteur g explique systématiquement une part de variance unique substantielle qui surpasse l’impact des ressources économiques familiales. Cette capacité prédictive s’étend jusqu’à l’enseignement universitaire supérieur et la formation continue tout au long de la vie d’adulte.

6.2 Performance professionnelle et complexité de l’emploi

Dans le domaine de la psychologie du travail et des organisations, les méta-analyses monumentales menées par Frank Schmidt et John Hunter ont révolutionné les paradigmes de sélection du personnel. En synthétisant des centaines d’études englobant des centaines de milliers de travailleurs dans tous les secteurs de l’économie, Schmidt et Hunter ont documenté que l’aptitude cognitive générale (le facteur g) est le prédicteur univarié le plus valide de la performance professionnelle globale et de la rapidité d’apprentissage au travail.

Le point crucial mis en lumière par ces méta-analyses est la modération de cette validité par le **niveau de complexité cognitive du poste** occupé :

• Métiers de haute complexité (chirurgiens, ingénieurs, chercheurs, cadres dirigeants) : La validité opérationnelle de g (corrigée pour la restriction d’étendue et l’atténuation de mesure) atteint des niveaux compris entre $rho = 0,58$ et $rho = 0,65$.
• Métiers de complexité moyenne (techniciens qualifiés, employés administratifs, artisans spécialisés) : La validité se situe autour de $rho = 0,51$.
• Métiers de basse complexité (manutentionnaires élémentaires, agents de chaîne automatisée) : La validité reste positive mais descend à environ $rho = 0,23$.

La supériorité prédictive de g s’explique par le fait que les environnements professionnels contemporains ne sont pas statiques ; ils exigent une adaptation permanente à des flux de données fluctuants, une résolution de problèmes non anticipés et la prise de décisions probabilistes sous contrainte de temps. Comparé aux autres prédicteurs couramment utilisés en gestion des ressources humaines – tels que l’entretien non structuré ($\rho \approx 0,15$), l’expérience professionnelle accumulée ($\rho \approx 0,18$) ou le niveau d’études formel ($\rho \approx 0,10$) –, le facteur g s’impose comme l’outil d’optimisation prédictive le plus efficient et le moins sensible aux biais de subjectivité de l’évaluateur.

6.3 Épidémiologie cognitive et santé globale

Au début des années 2000, Ian Deary et ses collègues de l’Université d’Édimbourg ont fondé une nouvelle discipline médicale et psychométrique : l’épidémiologie cognitive. En exploitant les registres exceptionnels des cohortes écossaises du Scottish Mental Survey de 1932 et 1947 – dans lesquelles la quasi-totalité des enfants de 11 ans de la nation écossaise avaient passé un test d’intelligence psychométrique standardisé validé –, les chercheurs ont pu croiser ces données d’intelligence précoce avec les dossiers médicaux et les registres de mortalité sur une période de suivi de plus de sept décennies.

La découverte centrale de l’épidémiologie cognitive est l’existence d’une relation inverse directe et graduelle entre le facteur g mesuré dans l’enfance et le risque de mortalité toutes causes confondues à l’âge de 70 ans. Une hausse d’un écart-type de score au facteur g à 11 ans est associée à une réduction de 20 % à 25 % du risque de mortalité prématurée, notamment par maladies coronariennes, accidents vasculaires cérébraux, cancers d’origine tabagique et traumatismes accidentels.

Quatre mécanismes complémentaires éclairent ce lien étiologique profond :

• La littératie en santé et le management du risque : La gestion moderne de la santé implique une compréhension méticuleuse de régimes thérapeutiques complexes, le calcul de dosages, l’interprétation des signaux physiologiques et la navigation au sein d’institutions médicales denses. Les individus dotés d’un g élevé traitent ces informations sanitaires avec plus d’exactitude.
• L’évitement des comportements à risque : Les cohortes révèlent une prévalence significativement moindre du tabagisme chronique, de la consommation abusive d’alcool et des accidents de la route chez les individus à fort facteur g, médiée par une évaluation plus lucide des conséquences probabilistes à long terme.
• La médiation socio-économique : Un niveau de g supérieur facilitant l’accès aux diplômes et aux postes de haute complexité, ces sujets jouissent de meilleures conditions matérielles d’existence, de logements moins exposés aux toxiques et d’une couverture médicale supérieure.
• L’intégrité systémique de l’organisme (System Integrity Hypothesis) : Selon cette hypothèse formulée par Charles Longley et confirmée par de multiples études, un facteur g élevé et un corps en excellente santé physiologique ne sont que deux expressions phénotypiques d’une même machinerie biologique : un organisme qui a bénéficié d’une absence relative de mutations génétiques délétères et d’un développement embryonnaire optimal produira simultanément un cerveau ultra-efficace et un système cardiovasculaire et immunitaire plus résilient.

7. Processus cognitifs élémentaires sous-tendant g

7.1 Vitesse de traitement de l’information

Face à la nature abstraite des saturations factorielles de g, les psychologues cognitivistes ont cherché à en disséquer les mécanismes computationnels à l’aide de paradigmes chronométriques élémentaires. L’hypothèse fondatrice stipule que le facteur g reflète, à son niveau le plus fondamental, la vitesse à laquelle le système nerveux central encode, transporte et traite des paquets discrets d’information élémentaire.

L’exploration expérimentale de cette piste a été immortalisée par l’application de la loi de Hick aux études différentielles. La loi de Hick postule que le temps de réaction de choix ($TR$) croît de façon linéairement proportionnelle au logarithme en base 2 du nombre d’alternatives stimulus-réponse disponibles :

$$TR = a + b \log_2(n)$$

Dans ce modèle, le paramètre $b$ représente la pente de la fonction, c’est-à-dire le taux d’accroissement du temps de traitement nécessaire par bit d’information additionnel. Les recherches méticuleuses menées par Arthur Jensen ont mis en évidence que la pente de Hick corrèle négativement de manière systématique avec le facteur g : les personnes dotées d’un g élevé manifestent une accélération de la vitesse de traitement computational par bit d’information supplémentaire ($b$ plus faible).

Un autre paradigme épuré de toute composante motrice est le temps d’inspection visuelle (Inspection Time, IT), développé par Ted Vickers et validé par Ian Deary. Dans cette tâche, le sujet doit déterminer lequel de deux segments verticaux parallèles est le plus long, les segments étant masqués rétroactivement par un pattern visuel complexe après un temps d’exposition extrêmement bref (de quelques millisecondes à quelques centaines de millisecondes). Le temps d’inspection visuelle corrèle à environ $r = -0,40$ avec g. Ce résultat prouve que la vitesse de discrimination perceptive précoce, située en amont de toute verbalisation ou motricité complexe, partage une part substantielle de variance avec l’intelligence générale abstraite.

Enfin, les études chronométriques contemporaines soulignent le rôle crucial de la variabilité intra-individuelle (Intra-Individual Variability, IIV). Ce n’est pas seulement le temps de réaction moyen qui distingue les niveaux de g, mais la constance temporelle milliseconde par milliseconde. Les individus à fort facteur g présentent une dispersion standard de leurs temps de réaction extrêmement étroite, tandis que les profils à g plus modeste exhibent des « décrochages » fréquents de vitesse (ondes lentes de fluctuation attentionnelle), indices d’une fidélité oscillatoire synaptique intermittente.

7.2 Capacité et contrôle de la mémoire de travail

Si la vitesse élémentaire constitue le débit temporel de la cognition, la mémoire de travail (Working Memory, WM) en représente l’espace computationnel dynamique. La mémoire de travail désigne le système cognitif responsable du maintien temporaire, de la mise à jour constante et de la manipulation contrôlée d’informations sous contrainte d’interférence active.

Dans un article historique resté célèbre, Patrick Kyllonen et Raymond Christal posaient en 1990 la question provocatrice : « Reasoning ability is (little more than) working-memory capacity?! ». En analysant de multiples cohortes militaires soumises à des batteries de raisonnement abstrait et à des tâches de mémoire de travail, ils ont mis en évidence des corrélations latentes massives entre ces deux construits, oscillant entre $r = 0,80$ et $r = 0,90$. Cette colinéarité statistique a conduit de nombreux psychologues cognitifs à considérer la mémoire de travail comme le moteur fonctionnel principal du facteur g.

Dans le cadre du modèle multicomposant d’Alan Baddeley, si les systèmes tampons esclaves (la boucle phonologique pour le matériel verbal et le calepin visuo-spatial pour les configurations géométriques) sont nécessaires, c’est l’administrateur central qui concentre l’essentiel de la saturation en g. L’administrateur central coordonne les stratégies de séquençage, bascule l’attention focale d’une information à l’autre et gère la surcharge cognitive.

Les modèles contemporains élaborés par Randall Engle affinent encore cette conceptualisation en insistant sur le rôle du contrôle attentionnel exécutif au sein de la mémoire de travail. Selon Engle, la capacité de la mémoire de travail ne réside pas tant dans le nombre brut d’items statiques pouvant être stockés (l’empan mnésique simple), mais dans la capacité à préserver l’information critique active face à une interférence proactive déstabilisatrice. Les individus disposant d’un facteur g élevé parviennent à maintenir leurs buts cognitifs au premier plan attentionnel et à purger activement de leur espace de travail mental les informations périmées ou parasites, empêchant ainsi l’effondrement de l’espace computationnel nécessaire à la déduction logique.

7.3 Fonctions exécutives et contrôle attentionnel

Les fonctions exécutives désignent l’ensemble des processus métacognitifs de haut niveau permettant l’adaptation à des situations nouvelles lorsqu’aucun schéma d’action automatisé n’est disponible. Dans le modèle princeps d’Akira Miyake et ses collègues, les fonctions exécutives sont formalisées selon une triade canonique : la flexibilité cognitive (shifting), la mise à jour en mémoire de travail (updating) et l’inhibition des réponses prépotentes (inhibition).

Les travaux d’équations structurelles appliqués à cette triade ont mis en évidence le paradoxe de « l’unité et de la diversité » des fonctions exécutives. Une fois les trois composantes isolées, le facteur d’« exécutif commun » (Common EF), qui reflète la variance partagée par l’inhibition, la flexibilité et la mise à jour, corrèle de façon presque parfaite avec le facteur g de l’intelligence fluide. L’aptitude cognitive générale est donc indissociable de cette capacité métacognitive à guider le comportement par des règles internes plutôt que par des stimuli environnementaux immédiats.

Cette convergence s’exprime dans des modèles théoriques intégrés dits « en cascade » :

1. L’intégrité biologique sous-jacente détermine la vitesse de traitement élémentaire et l’efficience synaptique.
2. Cette vitesse permet de réaliser les opérations computationnelles avant que l’information sensorielle ne s’estompe ou ne subisse l’interférence proactive.
3. Cette rapidité préserve l’espace de la mémoire de travail et alimente l’efficacité des fonctions exécutives.
4. L’ensemble de cette cascade dynamique permet l’éduction de relations complexes, l’abstraction et la résolution de problèmes, matérialisant l’observation statistique du facteur g.

Ce contrôle attentionnel contrôlé mobilise les ressources métaboliques du système fronto-pariétal, traçant une frontière nette entre les processus cognitifs automatiques (qui opèrent en parallèle, sans coût attentionnel conscient et avec une saturation en g nulle ou négligeable) et les processus cognitifs contrôlés (séquentiels, sensibles à la charge, exigeant un effort volontaire et saturés à l’extrême en facteur g).

8. Trajectoires ontogénétiques et stabilité temporelle

8.1 Développement de l’enfance à l’âge adulte

Le développement ontogénétique du facteur g est un processus dynamique intimement lié à la maturation morphologique et synaptique du cerveau humain. Dès la petite enfance, bien avant l’apparition du langage articulé ou de la pensée symbolique formelle, des indices précurseurs de l’efficience cognitive générale peuvent être détectés expérimentalement. Les protocoles d’habituation visuelle chez les nourrissons de 6 mois – mesurant la rapidité avec laquelle un bébé se désintéresse d’un stimulus visuel répété pour fixer son regard sur un stimulus nouveau – prédisent significativement les scores de facteur g évalués plus d’une décennie plus tard ($r \approx 0,35$ à $0,45$). Cette prédictibilité précoce confirme que les fondations du traitement de l’information sont ancrées dans la neurodynamique élémentaire dès l’aube de la vie.

Au fil du développement de l’enfance vers l’adolescence s’opère un phénomène théorisé sous le nom d’hypothèse de différenciation selon l’âge (initialement postulée par Henry Garrett). Durant l’enfance précoce, les aptitudes cognitives sont très fortement intriquées, et le facteur g absorbe une proportion massive de la variance globale des tests. Au fur et à mesure que l’enfant grandit, que le cortex préfrontal termine sa myélinisation et que les réseaux d’apprentissage s’individualisent par plasticité hébbienne, les aptitudes cognitives spécifiques (comme les aptitudes verbales, numériques ou spatiales) se différencient progressivement, voyant leur variance propre s’accroître au détriment relatif de la primauté exclusive de g.

Parallèlement, la **stabilité temporelle relative (ou stabilité du rang centile)** du facteur g à travers les âges de la vie adulte est l’une des découvertes les plus impressionnantes de la psychologie du développement. Dans le cadre des suivis de cohortes d’Édimbourg conduits par Ian Deary, des individus ayant passé le test du Moray House Test à l’âge de 11 ans ont été ré-évalués à l’âge de 70 ans, 80 ans et 90 ans avec les mêmes épreuves. La corrélation brute entre les scores à 11 ans et les scores à 70 ans était de $r = 0,66$, grimpant à plus de $r = 0,73$ après correction statistique de la restriction d’étendue. Malgré six décennies d’expériences de vie disparates, de trajectoires professionnelles distinctes et d’événements sanitaires aléatoires, le positionnement relatif d’un individu sur l’échelle du facteur g au sein de sa cohorte générationnelle demeure d’une constance stupéfiante.

8.2 Vieillissement cognitif normal et pathologique

Si la stabilité du rang centile est remarquablement préservée chez les sujets sains, le vieillissement chronologique normal s’accompagne d’une dynamique de désagrégation différentielle des aptitudes cognitives, souvent qualifiée de dissociation entre mécanique et pragmatique cognitive.

L’intelligence fluide ($Gf$), la vitesse de traitement de l’information et la mémoire de travail amorcent un déclin continu dès la fin de la troisième décennie de la vie ($25-30$ ans). Ce déclin physiologique s’accélère au-delà de 60 ans, corrélativement à la rétraction du volume de la matière grise frontale, à la raréfaction des connexions synaptiques et à la détérioration de la microstructure de la matière blanche. En revanche, l’intelligence cristallisée ($Gc$), représentant les connaissances encyclopédiques, le vocabulaire acquis et la sagesse contextuelle, demeure stable, voire s’enrichit jusqu’à 70 ans, avant de fléchir tardivement.

Au cours de la sénescence très avancée, on observe le processus inverse de celui de l’enfance : la dédifférenciation cognitive. Chez les personnes très âgées, les frontières entre les aptitudes spécifiques s’estompent de nouveau ; les corrélations inter-épreuves augmentent drastiquement, et le facteur g réabsorbe l’essentiel de la variance. La détérioration d’un domaine cognitif particulier s’accompagne presque systématiquement de celle des autres, reflétant un affaiblissement global et non spécifique de l’intégrité biologique cérébrale.

C’est dans ce contexte que s’inscrit le concept fondamental de réserve cognitive (théorisé par Yaakov Stern). Un niveau élevé de facteur g durant la jeunesse constitue un bouclier neuroprotecteur clinique de premier ordre. Face à une charge neuropathologique identique (par exemple, l’accumulation de plaques amyloïdes et d’enchevêtrements neurofibrillaires tau caractéristiques de la maladie d’Alzheimer), les individus disposant d’un facteur g initial élevé retardent significativement l’apparition des premiers symptômes cliniques de démence. Leur connectome cérébral hyper-efficace et leurs stratégies de compensation neuronale leur permettent de maintenir un fonctionnement quotidien optimal malgré la perte physique d’intégrité synaptique, bien que le déclin final, une fois le seuil de bascule franchi, soit souvent plus abrupt.

8.3 Plasticité cérébrale et tentatives de modification de g

La remarquable stabilité du facteur g a constamment été défiée par des initiatives visant à élever artificiellement le potentiel cognitif général par des entraînements ciblés. À la fin des années 2000, un engouement mondial a été suscité par les travaux de Susanne Jaeggi et ses collègues, prétendant avoir amélioré l’intelligence fluide générale de sujets adultes par le biais d’un entraînement intensif sur le paradigme du dual n-back (une tâche de mise à jour simultanée en mémoire de travail auditive et visuelle).

Cependant, les réplications méthodologiques rigoureuses conduites par des équipes indépendantes n’ont pas validé ces conclusions initiales. Si les participants entraînés améliorent incontestablement leurs scores à la tâche spécifique sur laquelle ils s’exercent (effet de transfert proche), cette amélioration ne produit aucun transfert lointain vers le facteur g latent ou vers des tâches de raisonnement abstrait inédites. L’effet d’entraînement correspond à l’acquisition d’automatismes procéduraux et de stratégies de contournement dévolues à l’instrument d’évaluation, sans augmentation mesurable de la capacité computationnelle intrinsèque du système nerveux.

Les interventions éducatives et sociales précoces et intensives, telles que le Perry Preschool Project ou le Carolina Abecedarian Project, ont fait l’objet d’observations similaires, formalisées sous le concept d’« évanouissement de l’effet » (fadeout effect). Si ces programmes de haute intensité déployés auprès de très jeunes enfants défavorisés entraînent une élévation temporaire spectaculaire de leur quotient intellectuel durant la phase d’intervention, ce gain sur les scores cognitifs s’étiole progressivement dans les années qui suivent la fin de la prise en charge, pour disparaître quasi totalement à l’adolescence sur le plan du facteur g latent.

Ce constat ne signifie en aucun cas l’inutilité de ces interventions : les cohortes suivies à l’âge adulte démontrent une réduction massive de la délinquance, une augmentation du taux d’emploi et une amélioration de la santé physique. Néanmoins, ces réussites sociétales majeures sont médiées par des changements durables dans les compétences conatives, émotionnelles et socio-comportementales (persévérance, socialisation, sentiment d’auto-efficacité), et non par une altération pérenne de la constante biologique du facteur g.

9. L’Effet Flynn et les influences environnementales

9.1 Description et caractérisation de l’effet Flynn séculaire

L’un des paradoxes les plus fascinants de la psychométrie du XXe siècle porte le nom d’effet Flynn, documenté exhaustivement par le chercheur néo-zélandais James Flynn. En examinant les données historiques de standardisation des tests d’intelligence dans une trentaine de pays industrialisés, Flynn a mis en évidence une élévation continue et massive des scores bruts aux tests de QI au fil des décennies, à un rythme moyen d’environ 3 points de QI par décennie (soit un tiers d’écart-type par génération).

Ce gain séculaire a été particulièrement déroutant en raison de sa non-uniformité structurelle :

• Les gains les plus massifs ont été enregistrés de manière spectaculaire sur les épreuves de raisonnement abstrait et d’intelligence fluide réputées exemptes d’influence culturelle (notamment les matrices progressives de Raven, où les gains séculaires ont parfois atteint 5 à 7 points par décennie).
• À l’inverse, les épreuves évaluant les compétences acquises directement enseignées à l’école – telles que le vocabulaire, les connaissances encyclopédiques ou le calcul arithmétique complexe – n’ont affiché que des gains minuscules, voire une stagnation parfaite au cours de la même période.

Cette dissociation a immédiatement soulevé une question théorique vertigineuse : si un individu de 1900 obtenait des scores bruts qui le positionneraient aujourd’hui, selon les normes contemporaines, au niveau de la déficience intellectuelle (QI < 70), et si un individu contemporain moyen était transporté un siècle en arrière avec les étalonnages d'alors, son QI frôlerait les sommets du génie (QI > 130). Ces gains reflètent-ils une véritable élévation ontologique de l’intelligence générale de l’espèce humaine, ou s’agit-il d’un artefact métrologique déconnecté du véritable facteur g ?

Par ailleurs, au tournant du XXIe siècle, plusieurs études conduites en Norvège, au Danemark, en France et au Royaume-Uni ont mis en évidence un plafonnement, voire un effet Flynn inversé (un déclin graduel des scores bruts). Cette inversion suscite de violents débats pour déterminer si elle résulte d’évolutions démographiques, d’une détérioration des systèmes éducatifs formels, ou de mutations des modes d’attention cognitive liées à la transition numérique.

9.2 Hypothèses causales environnementales et biomédicales

Pour expliquer l’effet Flynn séculaire ascendant, de multiples vecteurs environnementaux ont été identifiés, agissant en synergie systémique :

En premier lieu, l’hypothèse nutritionnelle et sanitaire (défendue par Richard Lynn) souligne l’amélioration drastique de la nutrition infantile durant le XXe siècle, couplée à la chute de la prévalence des maladies infectieuses et de la charge parasitaire néonatale. Le cerveau embryonnaire et infantile étant un organe extrêmement énergivore, la réduction des agressions pathogènes précoces a permis au tissu cérébral de maximiser sa croissance ontogénétique sans déperdition énergétique métabolique.

En deuxième lieu, l’allongement de la scolarisation obligatoire et la transformation qualitative de l’enseignement ont profondément modifié les modes de pensée. L’école moderne n’enseigne plus seulement la mémorisation de faits concrets, mais contraint l’esprit à manipuler des catégories abstraites, des taxonomies formelles et des raisonnements hypothético-déductifs décontextualisés. James Flynn a synthétisé cette mutation par la métaphore des « lunettes scientifiques » : la population du XXe siècle a appris à chausser en permanence des verres qui structurent la perception du monde à travers des prismes logiques, géométriques et catégoriels.

En troisième lieu, la complexification technologique de l’environnement quotidien – l’omniprésence des interfaces visuelles, des représentations schématiques, des symboles électroniques et de la culture de l’écran – a offert un entraînement constant et informel aux compétences visuospatiales et de balayage sélectif, domaines mesurés avec acuité par les matrices abstraites.

Enfin, les politiques de santé publique ont joué un rôle biomédical déterminant via la réduction de l’exposition environnementale aux neurotoxines cérébrales. L’élimination historique du plomb tétraéthyle dans les carburants automobiles et les peintures à partir des années 1970 a éliminé un poison neurochimique majeur reconnu pour bloquer le développement synaptique et dégrader de manière irréversible le facteur g chez les enfants en bas âge.

9.3 Implications psychométriques de l’effet Flynn pour le facteur g

L’analyse psychométrique avancée de l’effet Flynn a conduit à une conclusion méthodologique majeure : **l’effet Flynn n’est pas isomorphe au facteur g**. En appliquant la méthode de Jensen (la méthode des corrélations des vecteurs factoriels), Arthur Jensen et Jelte Wicherts ont croisé les saturations en g des différents sous-tests avec la magnitude des gains historiques observés sur ces mêmes sous-tests. Le constat est sans ambiguïté : la corrélation est quasi nulle, voire négative. Les épreuves qui bénéficient des gains historiques les plus colossaux ne sont pas celles qui saturent le plus en facteur g, mais celles qui mobilisent des compétences spécifiques ou des heuristiques visuospatiales.

Dans le formalisme de l’analyse factorielle confirmatoire multi-groupes (MGCFA), l’effet Flynn échoue au test d’invariance de mesure stricte. Les augmentations séculaires de scores ne traduisent pas un déplacement uniforme de la variable latente g le long du trait $\theta$, mais une modification des ordonnées à l’origine (intercepts) des items et des variances résiduelles spécifiques. En termes stricts de métrologie, l’effet Flynn reflète des gains d’aptitudes instrumentales (phénomène qualifié de gains « creux » par rapport à g), de familiarité avec les formats de tests et de flexibilité visuelle, plutôt qu’une explosion réelle de la vitesse neuronale ou de l’intégrité biologique computationnelle sous-tendant le facteur g.

Cette réalité métrologique impose la nécessité impérative d’un **réétalonnage périodique décennal** des batteries d’intelligence standardisées. Si un praticien utilisait aujourd’hui les normes de 1970 pour coter une évaluation contemporaine, les scores de QI seraient artificiellement gonflés de plus de dix points, ce qui aurait des répercussions cliniques et juridiques dramatiques. Aux États-Unis, par exemple, dans les affaires pénales d’application de la peine de mort, la jurisprudence de la Cour Suprême (arrêt Atkins v. Virginia, 2002) interdit l’exécution des personnes présentant un handicap intellectuel (seuil diagnostique de QI < 70). L'utilisation d'une batterie dont les normes ont vieilli de quelques années peut littéralement faire basculer le score d'un condamné au-dessus ou au-dessous du seuil légal de mise à mort, conférant à la gestion métrologique de l'effet Flynn un enjeu éthique et juridique absolu.

10. Débats théoriques, controverses et modèles alternatifs

10.1 La théorie des intelligences multiples de Howard Gardner

Dans l’arène publique et pédagogique, la théorie concurrente la plus populaire face à la suprématie du facteur g est sans conteste la théorie des intelligences multiples, formulée en 1983 par Howard Gardner dans son livre Frames of Mind. Rejetant catégoriquement l’idée d’une intelligence générale unitaire, Gardner a postulé l’existence d’au moins huit formes d’intelligence distinctes, semi-autonomes et modulaires : linguistique, logico-mathématique, spatiale, musicale, kinesthésique, interpersonnelle, intrapersonnelle et naturaliste.

Pour justifier cette taxonomie, Gardner s’est appuyé sur une grille multicritères non quantitative, englobant la présence de savants prodiges dans des domaines très étroits, l’isolement possible d’aptitudes spécifiques à la suite de lésions cérébrales focales et l’existence de systèmes symboliques distincts au fil de l’histoire humaine. L’impact de ce modèle sur le monde de l’éducation a été phénoménal, séduisant des générations de pédagogues par sa vision égalitaire et valorisante de la diversité des potentiels humains.

Toutefois, sur le plan de la psychométrie et des sciences cognitives empiriques, la théorie de Gardner fait l’objet d’une réprobation quasi unanime. La critique épistémologique centrale réside dans le refus initial de Gardner de soumettre sa théorie aux critères standardisés de la validation psychométrique réplicable. Lorsque des chercheurs indépendants (tels que Lynn Waterhouse ou John Visser) ont formalisé des tests opérationnels mesurant chacune des prétendues « intelligences multiples », les résultats ont immédiatement réfuté l’hypothèse de modularité indépendante :

• Les scores aux différentes épreuves d’intelligences multiples corrèlent toutes positivement et substantiellement entre elles.
• L’analyse factorielle appliquée à ces instruments fait réapparaître avec une netteté totale le facteur g, qui explique l’écrasante majorité de la variance partagée.
• Les aptitudes physiques (kinesthésiques) ou artistiques (musicales) ne constituent pas des formes d’intelligence au sens cognitif, mais des talents, des habiletés motrices ou des traits de personnalité conative.

Malgré l’absence persistante de validation empirique au cours des quatre dernières décennies, la théorie des intelligences multiples conserve une emprise durable dans les milieux scolaires, constituant l’un des neuromythes les plus tenaces de l’enseignement contemporain.

10.2 La théorie triarchique de Robert Sternberg

Une alternative théorique plus rigoureusement adossée à la psychologie cognitive a été élaborée par Robert Sternberg sous le nom de **Théorie Triarchique de l’Intelligence Réussie**. Sternberg soutient que l’évaluation psychométrique classique du facteur g est excessivement étroite et académique, échouant à appréhender l’efficacité adaptative de l’individu dans la vie réelle. Il conceptualise l’intelligence selon trois axes fonctionnels distincts :

• L’intelligence analytique : Mobilisée pour résoudre des problèmes abstraits, bien définis, ne comportant qu’une unique réponse correcte (ce que mesurent les tests de QI traditionnels saturés en g).
• L’intelligence créative : La capacité à générer des idées novatrices, à composer avec la nouveauté radicale et à synthétiser des domaines disjoints.
• L’intelligence pratique : La faculté d’appliquer des connaissances tacites, d’adapter son comportement aux exigences informelles du milieu, de modeler son environnement ou d’en changer si nécessaire pour atteindre des objectifs concrets (le « bon sens » opérationnel de la vie quotidienne).

Sternberg a soutenu que l’intelligence pratique reposait sur une forme de « savoir tacite » (tacit knowledge) acquis par expérience directe, non codifié verbalement et totalement indépendant du facteur g de Spearman. Il a développé des batteries d’évaluation (comme le Sternberg Triarchic Abilities Test, STAT) pour démontrer la valeur prédictive incrémentale de ses sous-dimensions pour la réussite professionnelle.

Cependant, les ré-analyses critiques systématiques de ces instruments, menées notamment par Linda Gottfredson et Nathan Brody, ont substantiellement déconstruit ces affirmations d’indépendance. Il a été démontré que dès lors que les instruments de mesure du savoir tacite sont épurés de leurs biais de méthode et corrigés pour l’atténuation de mesure, ils saturent massivement sur le facteur g conventionnel. De plus, les sous-échelles créatives et pratiques du STAT présentent un recouvrement statistique presque total avec les mesures de raisonnement général. Si l’apport théorique de Sternberg a utilement rappelé l’importance des variables conatives et adaptatives, l’hypothèse d’une intelligence pratique autonome de g demeure non soutenue par les données psychométriques contrôlées.

10.3 La critique sociologique et épistémologique de Stephen Jay Gould

L’assaut critique le plus virulent contre le facteur g n’est pas venu de la psychométrie interne, mais de l’histoire des sciences et de la biologie évolutive, sous la plume de Stephen Jay Gould dans son célèbre essai The Mismeasure of Man (La Mal-mesure de l’homme), publié en 1981.

L’argumentation épistémologique de Gould s’articule autour d’une dénonciation implacable de la **réification statistique**. Gould soutient que l’analyse factorielle est une technique descriptive mathématique pure, permettant de simplifier une matrice de nombres en réduisant des dimensions d’intercorrélations. L’erreur conceptuelle fondamentale de Spearman, et de la tradition psychométrique qui lui a succédé, aurait été de convertir un simple artefact vectoriel abstrait – le premier facteur principal d’une matrice – en une « chose » physique et tangible logée à l’intérieur du cerveau humain, appelée « intelligence générale ».

Gould a appuyé sa critique mathématique sur le théorème de la multiplicité des rotations factorielles : une matrice de corrélations donnée peut être décomposée d’une infinité de façons mathématiquement équivalentes. Si l’on applique une rotation varimax (comme le préconisait Thurstone), le facteur général g disparaît de l’analyse de premier ordre pour laisser place à une constellation d’aptitudes primaires orthogonales. Pourquoi, s’interrogeait Gould, ériger une solution factorielle non tournée (le facteur g) en réalité biologique absolue, alors qu’une solution tournée est mathématiquement indiscernable sur le plan de la variance expliquée ? Gould doublait cette critique épistémologique d’un réquisitoire historique accablant contre les mésusages idéologiques, eugénistes et raciaux de la psychométrie au cours du XXe siècle.

La communauté psychométrique a réagi par des réfutations techniques dévastatrices (notamment signées par John Carroll, Arthur Jensen et David Lubinski). Les psychométriciens ont rappelé que l’analyse factorielle moderne ne réifie rien a priori : le choix d’un modèle d’ordre supérieur n’est pas arbitraire, il est contraint par les données brutes, car les facteurs primaires de Thurstone corrèlent eux-mêmes positivement entre eux dès qu’on s’interdit d’imposer artificiellement une orthogonalité forcée. Le facteur g émerge donc inévitablement au second niveau. En outre, la découverte de corrélats neurobiologiques extérieurs stricts (volumes cérébraux, microstructures axonales, temps d’inspection visuelle, scores polygéniques) a anéanti la thèse du simple « artefact mathématique » : un artifice purement statistique ne saurait corréler avec la vitesse de conduction nerveuse ou le métabolisme du glucose cérébral mesuré en TEP.

10.4 Le modèle de l’échantillonnage mental de Godfrey Thomson et l’approche en réseau

L’alternative théorique la plus redoutable et la plus élégante sur le plan mathématique a été formulée dès 1916 par le physicien et statisticien écossais Godfrey Thomson : la **théorie de l’échantillonnage mental** (Bonds Model ou Sampling Theory).

Thomson a apporté une démonstration mathématique vertigineuse : il est possible d’engendrer un positive manifold parfait et de faire émerger un premier facteur général g massif à partir d’un système où il n’existe **absolument aucune entité générale causale**. Dans le modèle de Thomson, l’esprit humain est composé d’une myriade d’éléments neuronaux ou computationnels indépendants appelés des « liaisons » (bonds). Chaque tâche intellectuelle n’échantillonne qu’un sous-ensemble aléatoire de ces liaisons. Si deux épreuves cognitives quelconques requièrent chacune des centaines de ces liaisons élémentaires, la loi des grands nombres garantit qu’elles partageront nécessairement par recoupement probabiliste un certain nombre de liaisons communes. Cette intersection fortuite crée une corrélation positive observée entre les deux épreuves. L’ensemble des tests corrélant ainsi par chevauchement d’échantillons, l’analyse factorielle extrait un facteur g imposant, qui n’est qu’un épiphénomène mathématique de l’agrégation sans causalité descendante.

Cette intuition visionnaire de Thomson connaît aujourd’hui une renaissance éclatante sous l’égide de la **psychométrie de réseau** (Network Psychometrics), formalisée par Denny van der Maas et ses collègues dans leur modèle du **mutualisme** (Mutualism Model). L’approche en réseau récuse l’hypothèse des variables latentes :

• L’esprit n’est pas un système où un facteur g latent pilote des performances de surface.
• L’esprit est un réseau dynamique complexe de processus cognitifs interconnectés (mémoire de travail, perception, langage, flexibilité, vitesse).
• Durant l’enfance, ces processus distincts entrent dans des relations d’interaction mutuellement bénéfiques (le mutualisme) : un enfant dont la mémoire de travail est initialement un peu plus rapide acquiert plus vite le vocabulaire, ce qui facilite l’apprentissage du raisonnement logique, qui à son tour renforce les stratégies d’encodage perceptif.

Le modèle computationnel de Van der Maas démontre par simulation mathématique qu’un tel réseau de composants initialement non corrélés converge inévitablement, au fil du développement, vers un état d’équilibre où toutes les fonctions sont positivement connectées, reproduisant fidèlement l’apparition d’un positive manifold et d’un facteur g simulé parfait. Le débat actuel opposant l’école de la variable latente unitaire (Spearman-Carroll-Jensen) et l’école de la dynamique de réseau (Thomson-van der Maas) constitue la frontière épistémologique la plus vivante et la plus stimulante de la psychométrie computationnelle contemporaine.

11. Évaluation psychométrique transculturelle et biais de mesure

11.1 Invariance de mesure et équivalence structurelle transculturelle

L’administration de batteries de tests d’intelligence à travers des populations de cultures, de langues et de contextes socio-économiques hétérogènes pose la question cruciale de la validité transculturelle du facteur g. Pour qu’une comparaison psychométrique intergroupes soit scientifiquement légitime et exempte de biais de mesure, l’instrument d’évaluation doit obligatoirement satisfaire aux critères d’invariance de mesure testés par analyse factorielle confirmatoire multi-groupes (MGCFA).

La taxonomie de l’invariance comporte quatre paliers hiérarchiques stricts :

1. L’invariance configurationnelle : Le même modèle factoriel (le même nombre de facteurs et la même organisation des saturations) doit s’ajuster correctement aux données dans tous les groupes culturels examinés.
2. L’invariance métrique (faible) : Les saturations factorielles ($lambda$) de chaque test sur les variables latentes doivent être rigoureusement identiques entre les groupes. Cela garantit que l’unité de mesure du trait latent est équivalente.
3. L’invariance scalaire (forte) : Les ordonnées à l’origine (intercepts des items) doivent être identiques d’une culture à l’autre. C’est la condition sine qua non pour autoriser une comparaison directe des moyennes latentes de groupes sans commettre d’erreur de diagnostic.
4. L’invariance stricte : Les variances d’erreur résiduelle doivent être égales à travers les populations comparées.

Les études empiriques internationales attestent que le phénomène du positive manifold est rigoureusement universel : aucune population humaine documentée sur Terre ne présente de structure de corrélation négative entre tests cognitifs complexes. De même, l’invariance configurationnelle et métrique du facteur g a été validée à travers un très large spectre de cultures occidentales, asiatiques, africaines et amérindiennes. En revanche, l’invariance scalaire fait fréquemment défaut lorsque des tests comportant des charges verbales ou des références conceptuelles implicites sont administrés hors de leur zone d’étalonnage initiale, signalant la présence de biais d’items spécifiques qui interdisent les inférences naïves sur les moyennes absolues de groupes.

Pour tenter de pallier ces biais, les psychométriciens ont développé des tests dits « transculturels » ou à culture réduite (Culture-Fair Tests), tels que les matrices progressives de Raven ou le Cattell Culture Fair Intelligence Test. Bien que ces épreuves minimisent la composante linguistique au profit de stimuli géométriques universels et conservent des saturations en g exceptionnelles, l’idéal d’une pureté transculturelle absolue demeure chimérique : la familiarité préalable avec le formalisme des tests sur papier ou écran, la gestion du temps imparti et la motivation face à un dispositif expérimental abstrait constituent des variables d’acculturation qui modulent l’expression de la performance.

11.2 Différenciation de Spearman et loi des rendements décroissants (SLODR)

Dès 1927 dans son traité The Abilities of Man, Charles Spearman a énoncé une hypothèse différentielle intrigante connue sous le nom de **Loi des Rendements Décroissants de Spearman** (Spearman’s Law of Diminishing Returns, ou SLODR). Cette loi postule que la saturation en g n’est pas constante à travers tous les niveaux d’aptitude intellectuelle : le facteur g expliquerait une part significativement plus faible de la variance cognitive chez les individus à très haut potentiel intellectuel que chez les individus de niveau moyen ou inférieur.

Selon l’hypothèse SLODR, chez une personne présentant un niveau de g faible ou modéré, le facteur général agit comme un goulet d’étranglement limitant : l’ensemble des compétences spécifiques est bridé par la contrainte de la capacité computationnelle globale. En revanche, lorsque le facteur g dépasse un seuil d’efficience critique, ce plafond biologique se dissipe, permettant aux aptitudes larges et spécifiques (talent verbal, virtuosité spatiale, intuition mathématique) de se différencier et de s’exprimer de manière hautement autonome et spécialisée.

La recherche méthodologique contemporaine a testé cette hypothèse à l’aide de modélisations non linéaires avancées (Local Structural Equation Modeling, LSEM). Les résultats demeurent partiellement controversés :

• De nombreuses cohortes confirment l’effet SLODR, constatant une baisse effective de la proportion de variance absorbée par le premier facteur chez les groupes à haut QI, ainsi qu’une diminution des intercorrélations entre sous-tests.
• Cependant, une partie substantielle de ces observations est vulnérable à des artefacts statistiques, notamment le phénomène de restriction de l’étendue de variance (range restriction) et les effets de plafond sur les items d’évaluation standardisés.

Sur le plan des applications concrètes, l’effet SLODR possède des répercussions cliniques majeures pour l’identification des profils cognitifs à fort potentiel : il souligne l’inadéquation de résumer le fonctionnement intellectuel d’un individu brillant à un chiffre scalaire unique de QI global, recommandant l’exploration granulaire de ses dissymétries d’aptitudes spécifiques.

11.3 Considérations éthiques et applications cliniques

L’utilisation pratique du facteur g dans les arènes cliniques, neuropsychologiques et institutionnelles impose un cadre déontologique d’une rigueur absolue. En neuropsychologie clinique, l’évaluation du facteur g ne vise pas à catégoriser des individus de manière réductionniste, mais à fournir une ligne de base fonctionnelle pré-morbide face aux traumatismes crâniens, aux accidents vasculaires cérébraux ou aux affections neurodégénératives naissantes.

Dans les batteries cliniques modernes telles que la WAIS-IV ou le WISC-V, la détermination du score global de QI est formellement conditionnée à la cohérence du profil psychométrique. Lorsqu’un examen clinique révèle des écarts statistiquement et cliniquement anormaux entre les différents indices factoriels (par exemple, une divergence de plus de 20 points entre l’Indice de Compréhension Verbale et l’Indice de Raisonnement Fluide), le QI total perd sa validité de construit unitaire. Dans ce scénario de profil disharmonique, le facteur g est masqué par des atteintes fonctionnelles ou des atypies neurodéveloppementales spécifiques (comme un trouble déficitaire de l’attention ou une dyslexie développementale), et le clinicien doit impérativement recourir à des mesures alternatives telles que l’Indice d’Aptitude Générale (IAG), en évitant toute réification abusive d’un chiffre global fallacieux.

Sur le plan éthique, les directives internationales promulguées par l’International Test Commission (ITC) et l’American Psychological Association (APA) encadrent strictement les usages diagnostiques du facteur g. Le risque majeur dénoncé par les éthiciens de la psychométrie est le réductionnisme psychologique, qui consisterait à faire d’un score à une variable latente un indicateur de la valeur intrinsèque d’une personne humaine. L’intelligence générale mesurée par g ne rend aucun compte de l’intégrité morale, de la créativité divergente, de la stabilité émotionnelle, des compétences relationnelles et des compétences conatives qui concourent à l’accomplissement d’une vie humaine digne et épanouie.

12. Perspectives contemporaines : Neurosciences computationnelles et intelligence artificielle

12.1 Connectomique fonctionnelle et théorie des graphes

À l’ère des mégadonnées et de la biomédecine computationnelle, l’exploration neurobiologique du facteur g a dépassé l’analyse des régions corticales isolées pour embrasser la connectomique cérébrale et la théorie mathématique des graphes. Dans cette perspective, le cerveau humain est modélisé comme un graphe complexe constitué de nœuds (les régions cérébrales élémentaires) interconnectés par des arêtes (les faisceaux de substance blanche pour la connectivité structurelle, ou la corrélation temporelle des oscillations BOLD en IRMf pour la connectivité fonctionnelle).

Les analyses de connectomique démontrent que le cerveau humain présente une topologie hautement sophistiquée dite de **« petit monde »** (Small-World Architecture), qui réalise un compromis optimal entre une forte ségrégation locale (modularité élevée) et une efficacité d’intégration globale. Les recherches de pointe menées par des pionniers de la neuro-informatique comme Olaf Sporns et Danielle Bassett démontrent que le facteur g est directement corrélé aux paramètres d’efficacité globale du réseau cérébral :

• La longueur moyenne de chemin caractéristique ($L$) : Elle est significativement plus courte chez les individus à facteur g élevé, ce qui signifie que l’information transite entre n’importe quelle paire de nœuds corticaux distants par un nombre minimal de relais synaptiques intermédiaires.
• L’efficacité globale ($E_{glob}$) : Cet indice, inversement proportionnel à la longueur du chemin, quantifie la capacité de transmission en parallèle du réseau dans son ensemble et corrèle positivement avec l’intelligence générale.
• Le rôle des nœuds pivots (Hub Regions) : Le connectome cérébral contient un club sélect de régions densément interconnectées – le « riche club » (rich-club connectivity), englobant le cortex préfrontal médial, le précunéus et les lobes pariétaux. L’intégrité structurelle des connexions reliant spécifiquement ces hubs majeurs entre eux explique une part majeure de la variance de g.

Cette approche mathématique offre une conciliation élégante entre la théorie unitaire de Spearman et la modularité des neurosciences : le facteur g n’est pas un composant cérébral isolé, mais l’indicateur macroscopique de l’optimalité topologique de l’ensemble du connectome.

12.2 Intelligence générale artificielle (AGI) et comparaison avec le facteur g biologique

L’essor spectaculaire de l’intelligence artificielle au cours de la décennie actuelle – matérialisé par les architectures d’apprentissage profond (Deep Learning), les transformeurs (Transformers) et les grands modèles de langage (Large Language Models, LLM) – a réactivé la quête d’une **Intelligence Générale Artificielle** (Artificial General Intelligence, AGI). Cette confrontation technologique jette une lumière inédite sur la nature exacte du facteur g biologique.

Les systèmes d’intelligence artificielle actuels, malgré leurs prouesses encyclopédiques sidérantes, demeurent fondamentalement des systèmes d’intelligence étroite (Narrow AI). Un modèle de langage massif peut composer des sonnets complexes ou réussir des examens juridiques standardisés, mais s’avère incapable d’ajuster spontanément ses représentations conceptuelles pour naviguer dans un environnement physique inédit ou résoudre des problèmes logiques fondés sur des contraintes élémentaires jamais rencontrées dans ses données d’entraînement textuelles. Cette dissociation met en exergue ce qui constitue le cœur ontologique du facteur g biologique : la **flexibilité cognitive généralisée** et le transfert adaptatif à distance (Far Transfer).

Des chercheurs comme François Chollet (concepteur du benchmark ARC, Abstraction and Reasoning Corpus) ont souligné cette distinction fondamentale : l’intelligence ne se mesure pas à l’accumulation statique de compétences acquises (qui n’est que de l’intelligence cristallisée $Gc$ algorithmique), mais à l’**efficacité d’acquisition de nouvelles compétences face à la nouveauté radicale**, sous contrainte de parcimonie d’échantillonnage de données. C’est précisément l’essence du raisonnement inductif et de la néogenèse théorisés par Spearman en 1904. Les tentatives contemporaines d’évaluer les modèles de fondation IA à l’aide de véritables batteries psychométriques humaines ont révélé l’absence d’un véritable facteur g artificiel : dès que les items d’évaluation s’écartent des régularités statistiques de surface de leur corpus d’entraînement, les performances des modèles s’effondrent de façon chaotique, là où un esprit doté d’un facteur g biologique identifie la relation logique abstraite invariante.

12.3 Vers une synthèse mécaniste unifiée de l’intelligence générale

Au terme de plus d’un siècle d’investigations scientifiques acharnées, l’épistémologie de l’intelligence humaine converge vers une **synthèse mécaniste unifiée**, reliant de façon continue et multiniveau l’ensemble des données empiriques accumulées :

Cette synthèse transcende l’ancienne dichotomie stérile opposant constructivisme statistique et réalisme biologique. Le facteur g s’avère être une variable latente mathématique universelle qui reflète fidèlement une réalité matérielle dynamique sous-jacente : l’intégrité systémique, la connectivité et l’efficience énergétique computationnelle du système nerveux central humain.

Cette architecture intégrative relie sans rupture les échelles de la complexité biologique :

1. Le niveau moléculaire : Une charge allélique optimale caractérisée par une rareté de mutations génomiques délétères et des polymorphismes favorisant la myélinisation et la plasticité synaptique.
2. Le niveau cellulaire : Des axones de fort diamètre hautement myélinisés, assurant une vitesse de conduction nerveuse maximale, une fidélité oscillatoire élevée et un bruit synaptique minimal.
3. Le niveau anatomique : Un volume cérébral adéquat, une épaisseur corticale préservée et des faisceaux d’association longitudinaux denses interconnectant les aires pariéto-frontales du réseau P-FIT.
4. Le niveau connectomique : Une topologie de petit monde optimisant l’efficacité globale du transfert d’informations entre les hubs du réseau avec une dépense métabolique parcimonieuse (efficience neurale).
5. Le niveau cognitif : Une vitesse de traitement élémentaire accrue, couplée à un contrôle exécutif attentionnel d’acier au sein de la mémoire de travail, permettant d’endiguer l’interférence proactive.
6. Le niveau phénotypique macroscopique : L’aptitude supérieure à éduire des relations abstraites dans la nouveauté, à acquérir rapidement des apprentissages complexes et à s’adapter avec succès aux vicissitudes existentielles.

Le facteur g de Spearman n’est donc ni un mythe réductionniste ni une simple fiction mathématique. Il s’impose comme l’invariant le plus robuste de la cognition humaine, témoin de la beauté computationnelle d’un système cérébral parvenu au sommet de l’intégration adaptative.

Références

Baddeley, A. (2000). The fragile seven: The episodic buffer: A new component of working memory? Trends in Cognitive Sciences, 4(11), 417-423. https://doi.org/10.1016/S1364-6613(00)01538-2

Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies. Cambridge University Press. https://doi.org/10.1017/CBO9780511571312

Deary, I. J. (2000). Looking down on human intelligence: From psychometrics to the brain. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780198524175.001.0001

Deary, I. J., Strand, S., Smith, P., & Fernandes, C. (2007). Intelligence and educational achievement. Intelligence, 35(1), 13-21. https://doi.org/10.1016/j.intell.2006.02.001

Engle, R. W. (2002). Working memory capacity as executive attention. Current Directions in Psychological Science, 11(1), 19-23. https://doi.org/10.1111/1467-8721.00160

Flynn, J. R. (1987). Massive IQ gains in 14 nations: What IQ tests really measure. Psychological Bulletin, 101(2), 171-191. https://doi.org/10.1037/0033-2909.101.2.171

Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. Basic Books.

Gottfredson, L. S. (1997). Why g matters: The complexity of everyday life. Intelligence, 24(1), 79-132. https://doi.org/10.1016/S0160-2896(97)90014-3

Gould, S. J. (1981). The mismeasure of man. W. W. Norton & Company.

Haier, R. J. (2016). The neuroscience of intelligence. Cambridge University Press. https://doi.org/10.1017/9781316529881

Horn, J. L., & Cattell, R. B. (1966). Refinement and test of the theory of fluid and crystallized general intelligences. Journal of Educational Psychology, 57(5), 253-270. https://doi.org/10.1037/h0023816

Hunter, J. E., & Schmidt, F. L. (2004). Methods of meta-analysis: Correcting error and bias in research findings (2nd ed.). SAGE Publications. https://doi.org/10.4135/9781412985031

Jensen, A. R. (1998). The g factor: The science of mental ability. Praeger.

Johnson, W., & Bouchard, T. J. (2005). The g-VPR model: An alternative engine for intelligence. Intelligence, 33(4), 393-409. https://doi.org/10.1016/j.intell.2005.03.005

Jung, R. E., & Haier, R. J. (2007). The Parieto-Frontal Integration Theory (P-FIT) of intelligence: Converging neuroimaging evidence. Behavioral and Brain Sciences, 30(2), 135-154. https://doi.org/10.1017/S0140525X07001185

Kyllonen, P. C., & Christal, R. E. (1990). Reasoning ability is (little more than) working-memory capacity?! Intelligence, 14(4), 389-433. https://doi.org/10.1016/S0160-2896(05)80012-1

McGrew, K. S. (2009). CHC theory and the human cognitive abilities project: Standing on the shoulders of the giants of psychometric intelligence research. Intelligence, 37(1), 1-10. https://doi.org/10.1016/j.intell.2008.08.004

Miyake, A., Friedman, N. P., Emerson, M. J., Witzki, A. H., Howerter, A., & Wager, T. D. (2000). The unity and diversity of executive functions and their contributions to complex « Frontal Lobe » tasks: A latent variable analysis. Cognitive Psychology, 41(1), 49-100. https://doi.org/10.1006/cogp.1999.0734

Plomin, R., & von Stumm, S. (2018). The new genetics of intelligence. Nature Reviews Genetics, 19(3), 148-159. https://doi.org/10.1038/nrg.2017.104

Spearman, C. (1904). « General Intelligence, » objectively determined and measured. The American Journal of Psychology, 15(2), 201-292. https://doi.org/10.2307/1412107

Spearman, C. (1927). The abilities of man: Their nature and measurement. Macmillan.

Sternberg, R. J. (1985). Beyond IQ: A triarchic theory of human intelligence. Cambridge University Press.

Thomson, G. H. (1916). A hierarchy without a general factor. British Journal of Psychology, 8(3), 271-281.

Thurstone, L. L. (1938). Primary mental abilities. University of Chicago Press.

van der Maas, H. L., Dolan, C. V., Grasman, R. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. (2006). A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. Psychological Review, 113(4), 842-861. https://doi.org/10.1037/0033-295X.113.4.842