g

Dans l’histoire des sciences humaines et du comportement, peu de concepts ont suscité autant d’avancées méthodologiques, de validations empiriques et de controverses épistémologiques que le facteur g, ou facteur général d’intelligence. Énoncé pour la première fois à l’aube du XXe siècle par le psychologue et statisticien britannique Charles Spearman, ce construit théorique postule l’existence d’une dimension fondamentale, transversale et invariante sous-tendant l’ensemble des performances cognitives humaines. Loin de se réduire à une simple commodité descriptive ou à un artefact de laboratoire, le facteur g s’est imposé comme l’un des phénomènes les plus robustes de la psychométrie différentielle, résistant à plus d’un siècle d’assauts critiques, de révolutions statistiques et de mutations technologiques.

L’émergence du facteur g procède d’une observation empirique élémentaire mais universelle : le « collecteur positif » (positive manifold). Quels que soient la nature des épreuves administrées, le niveau de complexité des tâches, le support verbal, spatial, numérique ou logique employé, les performances d’un même individu à travers une batterie diversifiée de tests cognitifs manifestent invariablement des corrélations positives. Cette covariance systématique exclut l’hypothèse d’une indépendance fonctionnelle absolue des facultés mentales et suggère qu’une source commune de variance innerve la diversité apparente de nos activités intellectuelles. De l’algèbre linéaire initiale des tétrades spearmaniennes aux modèles contemporains d’équations structurelles, l’extraction de ce facteur a forgé les bases de l’analyse multivariée moderne.

Pourtant, la nature profonde de g demeure au cœur d’une dialectique scientifique majeure : s’agit-il d’une entité biologique unitaire, d’une capacité globale de traitement de l’information adossée à des paramètres neurophysiologiques spécifiques, ou bien d’une propriété émergente issue d’un réseau dynamique d’interactions entre composantes cognitives mutuellement bénéfiques ? De la génétique comportementale à l’imagerie par résonance magnétique, de la psychologie cognitive expérimentale à l’épidémiologie clinique, le facteur g sert désormais d’axe intégrateur pour sonder l’architecture de l’esprit. Ce traité encyclopédique propose une exploration exhaustive de cette dimension cardinale, depuis ses fondations historiques et ses formalismes mathématiques jusqu’à ses manifestations neurobiologiques et ses résonances socio-cognitives contemporaines.

1. Fondements épistémologiques et émergence historique du facteur g

1.1 Les origines conceptuelles de la mesure des aptitudes intellectuelles

La genèse de la quantification de l’esprit trouve ses racines au sein de la pensée évolutionniste victorienne du XIXe siècle, singulièrement incarnée par les travaux de Sir Francis Galton. Fasciné par l’hérédité des réalisations éminentes au sein de la société britannique, Galton postulait dans Hereditary Genius (1869) que l’intelligence humaine constituait une faculté générale de nature fondamentalement biologique, gouvernée par les lois de la transmission héréditaire. Adoptant une perspective résolument empiriste et associationniste, inspirée de Locke et de Hume, Galton soutenait que l’ensemble des données atteignant l’intellect transite inévitablement par les canaux perceptifs. Par conséquent, il déduisait que plus l’appareil sensoriel d’un individu est discriminatif, plus son esprit dispose d’éléments précis pour élaborer des jugements et des opérations rationnelles complexes.

Dans son laboratoire anthropométrique établi lors de l’Exposition universelle de Londres en 1884, Galton entreprit d’évaluer cette « énergie mentale » par le biais d’épreuves physiques et sensorielles élémentaires : acuité visuelle et auditive, seuils de discrimination de poids, temps de réaction à des stimuli lumineux, ou encore force de préhension dynamométrique. L’hypothèse fondamentale était limpide : la supériorité intellectuelle devait se traduire par une sensibilité perceptive accrue et une vitesse neurale supérieure. Néanmoins, les investigations ultérieures menées par l’Américain James McKeen Cattell à l’aide de tests similaires aboutirent à une impasse empirique majeure. Les corrélations entre ces indices sensorimoteurs élémentaires et les réussites académiques ou les estimations externes du jugement s’avérèrent proches de zéro, jetant un discrédit passager sur la possibilité de capturer scientifiquement les compétences mentales par la voie réductionniste.

La véritable rupture épistémologique fut orchestrée au tournant du siècle par le psychologue français Alfred Binet, en collaboration avec Théodore Simon. Mandaté par le ministère de l’Instruction publique pour élaborer un instrument diagnostique capable d’identifier les enfants en situation d’échec scolaire nécessitant un enseignement spécialisé, Binet répudia délibérément le micrométrage sensoriel de Galton. Il formula l’axiome selon lequel l’évaluation des facultés intellectuelles devait porter directement sur les processus mentaux dits supérieurs : la mémoire logique, l’attention délibérée, l’imagination conceptuelle, la compréhension verbale et, par-dessus tout, le jugement critique et l’auto-correction. L’échelle métrique de l’intelligence de Binet et Simon (1905) instaura une méthodologie pragmatique reposant sur des tâches hétérogènes réparties selon des paliers d’âge chronologique, introduisant le concept fécond d’âge mental.

Cette divergence entre le réductionnisme sensoriel galtonien et l’approche molaire binetienne souleva un paradoxe théorique profond. Alors même que Binet composait une mosaïque d’items disparates — reliant la répétition de chiffres à la définition de termes abstraits ou à la comparaison esthétique de visages —, les scores obtenus à ces épreuves divergentes tendaient à converger de manière spectaculaire vers une variance partagée. Cette convergence empirique inattendue entre des mesures d’apparence incommensurable posait un défi explicatif sans précédent : pourquoi des tâches cognitives reposant sur des modalités expressives et des contenus radicalement différents révélaient-elles une cohérence sous-jacente aussi prononcée ?

1.2 L’article fondateur de Charles Spearman en 1904

La résolution théorique et statistique de ce paradoxe fut apportée par un officier de l’armée britannique reconverti dans la psychologie expérimentale, Charles Edward Spearman. Élève de Wilhelm Wundt à Leipzig, Spearman était imprégné de la rigueur de la psychologie physiologique allemande, tout en conservant l’intérêt britannique pour la modélisation mathématique des différences individuelles. En 1904, il publia dans l’American Journal of Psychology un article monumental intitulé « « General Intelligence, » Objectively Determined and Measured », qui allait refonder définitivement la discipline psychométrique et sceller la naissance de l’analyse factorielle.

Dans cette étude séminale, Spearman entreprit d’administrer une batterie d’épreuves à de petites cohortes homogènes d’écoliers d’un village rural du Berkshire. Son protocole combinait des évaluations sensorielles rigoureuses (discrimination de hauteurs tonales, discrimination lumineuse et tactile) et des mesures de performance académique issues de disciplines variées, telles que les classiques gréco-latins, le français, l’anglais et les mathématiques. Contrairement aux tentatives infructueuses de Cattell, Spearman introduisit une innovation méthodologique cruciale : la correction pour atténuation. Conscient que les imperfections de mesure et le manque de fidélité des instruments abaissaient artificiellement les associations observées, il développa une formule algébrique permettant d’estimer la corrélation réelle entre deux variables si celles-ci étaient mesurées sans erreur expérimentale.

Une fois ces corrections apportées, un résultat d’une clarté saisissante émergea des matrices de données : toutes les corrélations entre les différentes épreuves scolaires et sensorielles étaient positives, et leurs grandeurs relatives présentaient une régularité proportionnelle remarquable. Ce constat constituait la première mise en évidence formelle du phénomène que Spearman qualifia ultérieurement de « collecteur positif » (positive manifold). Quelles que fussent la subtilité ou l’hétérogénéité des aptitudes requises, un individu performant dans une discipline comme le grec ancien démontrait une probabilité mathématiquement supérieure d’exceller également en arithmétique ou en discrimination auditive fine.

Pour rendre compte de cette intercorrélation universelle et ordonnée, Spearman formula l’hypothèse radicale d’une entité fonctionnelle unitaire, une variable latente commune à l’ensemble des activités intellectuelles, qu’il désigna sous la lettre neutre g, afin d’éviter les connotations subjectives ou philosophiques attachées au vocable « intelligence ». Selon sa modélisation inaugurale, chaque tâche psychologique mesurait deux composantes : d’une part, ce facteur général g, partagé par toutes les épreuves dans des proportions variables, et d’autre part, un facteur spécifique, noté s, strictement propre à la tâche considérée et indépendant du premier. L’édifice de la théorie bifactorielle venait d’être érigé.

1.3 L’énergie mentale comme premier postulat explicatif

Refusant de confiner le facteur g au statut d’une simple abstraction mathématique ou d’une fiction statistique utile, Charles Spearman chercha immédiatement à lui assigner une assise ontologique et physiologique. Dans son maître-ouvrage de 1927, The Abilities of Man, il formula l’hypothèse selon laquelle g correspondrait à une ressource biologique globale, une sorte d’« énergie mentale » (mental energy) quantitativement constante au sein d’un même individu mais variable d’une personne à l’autre. Dans cette perspective métaphorique mais résolument matérialiste, le système nerveux central était conceptualisé comme un réseau de circuits spécialisés alimenté par une source dynamique centrale.

Spearman traçait une analogie explicite avec le fonctionnement d’une usine mécanique : les facteurs spécifiques s représentaient les différents moteurs, engrenages et mécanismes particuliers dévolus à des fonctions techniques précises (la modalité linguistique, le calcul numérique, l’acuité spatiale), tandis que le facteur g incarnait l’énergie électrique globale distribuée à l’ensemble des machines pour les mouvoir. Une tâche hautement saturée en g mobilisait une grande quantité de cette énergie centrale, provoquant une activation corticale étendue et indifférenciée, alors qu’une tâche faiblement saturée en g fonctionnait de façon quasi autonome, tributaire de ses seuls agencements neuronaux locaux.

Ce postulat suscita d’intenses débats épistémologiques et théoriques au sein de la communauté psychologique du premier tiers du XXe siècle. Les psychologues structuralistes et les béhavioristes naissants, partisans d’une fragmentation de l’apprentissage en réflexes conditionnés ou en connexions associatives discrètes (à l’instar d’Edward Thorndike), contestèrent vigoureusement la possibilité d’une énergie mentale centrale indifférenciée. Thorndike défendait au contraire un modèle multifactoriel ou « hypothèse anarchique », postulant que l’esprit n’est composé que d’une myriade de liens associatifs indépendants et que les corrélations observées résultaient simplement du fait que les tests partageaient certains éléments communs (identical elements theory).

Sur le continent européen, les neurologues s’interrogeaient sur la compatibilité de ce modèle énergétique avec les découvertes relatives aux localisations cérébrales issues des études de Broca et Wernicke. Comment une force globale pouvait-elle s’accorder avec la compartimentation modulaire du cortex cérébral ? Spearman rétorqua que la localisation n’était pas incompatible avec une fourniture énergétique unifiée et que l’organisation du cerveau conjuguait simultanément une plasticité dynamique globale et des spécialisations régionales. Malgré les lacunes physiologiques évidentes de cette formulation préliminaire, l’intuition de Spearman préfigurait avec une lucidité remarquable les théories neurobiologiques contemporaines axées sur le métabolisme du glucose cérébral, la connectivité intrinsèque et l’efficience neuronale globale.

2. Le modèle bifactoriel de Charles Spearman et sa formalisation

2.1 Architecture théorique de la théorie des deux facteurs

L’architecture du modèle bifactoriel classique repose sur une partition élégante et parcimonieuse de la variance observée lors de l’exécution de n’importe quel acte cognitif. Selon la théorie formulée par Spearman, la performance d’un individu $i$ à une épreuve $j$ quelconque peut être mathématiquement décomposée en deux segments additifs indépendants :

D’une part, l’intervention du facteur général g, dont l’influence est omniprésente dans tous les processus intellectuels. L’impact de g sur une performance donnée n’est toutefois pas uniforme : il dépend de la sensibilité intrinsèque de la tâche à cette dimension fondamentale, sensibilité que l’on nomme le coefficient de saturation ou poids factoriel. D’autre part, la contribution d’un facteur spécifique $s_j$, qui est exclusivement restreint à l’épreuve $j$ et ne partage aucune variance avec les autres facteurs spécifiques associés aux autres épreuves, ni avec le facteur g lui-même. Chaque individu possède ainsi un niveau unique et invariable de g, mais dispose d’une constellation variable d’aptitudes spécifiques $s_1, s_2, dots, s_k$.

Cette structure implique une conséquence métrologique primordiale : le facteur g assume l’intégralité de la charge explicative concernant la variance partagée (ou covariance) entre les différents tests psychologiques. Deux épreuves, fussent-elles un problème de géométrie non verbale et un exercice de vocabulaire complexe, ne corrèlent entre elles que dans l’exacte mesure où chacune d’elles est corrélée avec le facteur g sous-jacent. Si l’on pouvait, par un artifice statistique, neutraliser ou maintenir constant le niveau de g chez un groupe de sujets, la corrélation résiduelle entre ces épreuves s’effondrerait rigoureusement à zéro. Les facteurs spécifiques $s$, quant à eux, n’expliquent que la variance unique (uniqueness), englobant la technicité instrumentale de la tâche ainsi que la part d’erreur de mesure non systématique.

Le modèle des deux facteurs établit ainsi une hiérarchie causale implicite : g représente le pivot fondamental de la cognition humaine, la matrice commune d’où procèdent les variations interindividuelles de compétence générale, tandis que les facteurs s ne constituent que des épiphénomènes modulaires sans portée explicative au-delà du cadre restreint de leur mise en œuvre immédiate.

2.2 Principes noétiques régissant l’activité intellectuelle

Afin de conférer à son modèle bifactoriel un fondement qualitatif et phénoménologique robuste, Charles Spearman s’attacha à définir précisément la nature des opérations mentales qui sollicitent au plus haut degré le facteur g. Dans son ouvrage The Nature of ‘Intelligence’ and the Principles of Cognition (1923), il élabora une théorie épistémologique connue sous le nom de « principes noétiques » (du grec noesis, l’activité de l’intellect), qui délimite les lois universelles de la genèse de la connaissance au sein de l’esprit humain. Spearman distingua trois lois noétiques fondamentales :

• L’appréhension de l’expérience (Apprehension of Experience) : Cette première loi stipule que tout individu a la capacité immédiate de percevoir ses propres états sensoriels, affectifs et cognitifs. Lorsqu’un sujet ressent une stimulation ou formule une pensée, il ne se contente pas d’en être le réceptacle passif : il appréhende réflexivement les caractéristiques qualitatives et quantitatives de cette expérience interne ou externe. Bien que fondamentale, cette étape préliminaire présente une saturation en g modérée, car elle relève largement de la réceptivité perceptive primaire.
• L’éduction des relations (Eduction of Relations) : Deuxième principe et véritable cœur de l’intellect, l’éduction (du latin educere, faire sortir, extraire) désigne la capacité de l’esprit, lorsque deux items cognitifs ou plus (appelés fundaments) sont présentés mentalement, de discerner et d’extraire le lien relationnel logique qui les unit. Par exemple, confronté aux concepts de « blanc » et de « noir », le sujet éduit spontanément la relation d’opposition ou d’antonymie. Spearman démontra empiriquement que les tâches requérant une éduction de relations abstraites, complexes et novatrices présentent les saturations en g les plus élevées de toutes les épreuves psychométriques.
• L’éduction des corrélats (Eduction of Correlates) : Troisième loi noétique, ce processus constitue le symétrique du précédent. Lorsqu’un individu se voit présenter un terme générateur unique accompagné d’une relation conceptuelle spécifique, son esprit est capable d’engendrer, d’inférer ou de reconstruire le terme corrélatif manquant. Par exemple, si l’on propose le stimulus « froid » associé à la relation « inverse de », l’esprit extrait le corrélat cible « chaud ». Cette opération d’extrapolation déductive sollicite intensément la ressource générale du facteur g, en imposant une manipulation active de représentations symboliques sans soutien perceptif direct.

Selon Spearman, la saturation d’un test en g dépend directement de son exigence en termes d’éduction noétique. Plus une épreuve requiert la découverte active de règles implicites, l’abstraction géométrique ou verbale et la projection inférentielle, plus son coefficient de saturation approche l’unité. À l’inverse, les tâches reposant sur la mémorisation brute, l’application automatisée de routines acquises ou la vitesse motrice superficielle ne nécessitent que peu d’éduction noétique et demeurent, par conséquent, marginalement saturées en g.

2.3 Formalisation algébrique initiale du modèle

Sur le plan mathématique, l’ambition de Spearman était de démontrer la validité de sa partition bifactorielle par une démonstration rigoureuse, fondée exclusivement sur l’analyse des coefficients de corrélation linéaire de Pearson entre quatre épreuves distinctes. C’est ainsi qu’il formalisa le critère des « tétrades de différences » (tetrad difference criterion), qui constitua la matrice théorique originelle de l’analyse factorielle.

Considérons quatre épreuves cognitives quelconques désignées par les indices $a$, $b$, $c$ et $d$, et notons $r_{ab}, r_{cd}, r_{ac}, r_{bd}$ les corrélations respectives entre ces paires de variables. Si la variance de chacune de ces quatre épreuves est intégralement explicable par un seul facteur général latent g et un facteur spécifique propre, alors la corrélation théorique entre deux tests $j$ et $k$ s’exprime simplement comme le produit de leurs saturations respectives en g :

$$r_{jk} = g_j \cdot g_k$$

En vertu de cette propriété d’indépendance conditionnelle, le produit croisé des corrélations reliant $a$ à $b$ et $c$ à $d$ devient strictement équivalent au produit croisé des corrélations reliant $a$ à $c$ et $b$ à $d$, car :

$$r_{ab} \cdot r_{cd} = (g_a \cdot g_b) \cdot (g_c \cdot g_d) = (g_a \cdot g_c) \cdot (g_b \cdot g_d) = r_{ac} \cdot r_{bd}$$

Spearman établit par conséquent l’équation canonique de l’équation tétrade :

$$T_{abcd} = (r_{ab} \cdot r_{cd}) – (r_{ac} \cdot r_{bd}) = 0$$

L’annulation mathématique de cette équation de tétrade (aux erreurs d’échantillonnage près) constituait la condition nécessaire et suffisante pour affirmer l’unidimensionnalité factorielle de la matrice de corrélations observée. Si la tétrade calculée déviait de manière significative de zéro, l’hypothèse bifactorielle pure devait être rejetée, signalant la présence de facteurs de groupe intermédiaires liant préférentiellement certaines paires d’épreuves (comme deux tests verbaux ou deux tests mathématiques).

Cependant, les capacités de calcul manuel du début du siècle imposaient de sévères limitations computationnelles. Pour une batterie de seulement dix tests, le nombre de tétrades distinctes à vérifier manuellement atteignait plusieurs centaines, rendant l’analyse de vastes matrices particulièrement laborieuse et sujette à l’accumulation d’erreurs d’échantillonnage. Il fallut attendre le développement ultérieur de l’algèbre matricielle moderne, sous l’impulsion de Thurstone, Hotelling et plus tard Jöreskog, pour que la démonstration spearmanienne des tétrades soit généralisée sous la forme du calcul des valeurs propres et de la décomposition spectrale des matrices de covariance.

3. Méthodologie statistique et analyse factorielle dans l’extraction de g

3.1 L’analyse factorielle exploratoire et confirmatoire

L’évolution de la méthodologie statistique a permis de raffiner considérablement les protocoles d’extraction mathématique du facteur g. Au sein de l’analyse factorielle exploratoire (AFE), deux paradigmes d’extraction coexistent historiquement : l’Analyse en Composantes Principales (ACP) et l’Analyse en Facteurs Communs (AFC, ou Common Factor Analysis). Bien que l’ACP soit fréquemment utilisée pour des raisons de simplicité computationnelle, les psychométriciens rigoristes privilégient l’analyse en facteurs communs. En effet, l’ACP analyse l’intégralité de la variance (y compris la variance unique et la variance d’erreur), supposant une communauté égale à 1 sur la diagonale de la matrice de corrélation, ce qui tend à surestimer l’importance de la première composante. L’AFC, en revanche, isole la variance commune (partagée) de la variance unique, offrant une estimation non contaminée des saturations factorielles de g.

L’extraction de g s’articule aujourd’hui autour de deux architectures structurelles distinctes dans les modèles factoriels confirmatoires (AFC) :

• Le modèle hiérarchique de second ou troisième ordre : Les items ou sous-tests se regroupent d’abord en facteurs d’aptitudes spécifiques de premier ordre (ex. vitesse de traitement, raisonnement fluide, mémoire de travail). Les corrélations systématiques entre ces facteurs de premier ordre sont ensuite expliquées par un facteur superordonné de second ordre, qui n’est autre que g. Dans cette configuration, l’action de g sur les variables manifestes est indirecte et médiatisée par les aptitudes de premier ordre.
• Le modèle bifactoriel direct (Bifactor Model) : Popularisé par Holzinger et Swineford, ce cadre postule que g et les facteurs de groupe influencent simultanément et directement les variables manifestes observées. La variance d’un item est ainsi scindée de façon orthogonale en une part directement attribuable à g et une part résiduelle dévolue à un domaine spécifique (ex. spatial ou verbal). Cette modélisation permet d’évaluer directement le poids réel de g sur chaque tâche sans passer par le filtre des facteurs intermédiaires.

Dans le champ de la modélisation par équations structurelles (SEM), la robustesse et l’existence statistique de g sont évaluées au moyen d’indices d’adéquation rigoureux : l’erreur quadratique moyenne d’approximation (RMSEA, devant être inférieure à 0,05 ou 0,08), l’indice d’ajustement comparatif (CFI) et l’indice de Tucker-Lewis (TLI), tous deux devant excéder idéalement le seuil de 0,95. L’application systématique de ces indices confirme que les modèles incluant un facteur général ajustent les données de manière significativement supérieure aux modèles postulant des facteurs d’aptitudes totalement indépendants.

3.2 Le phénomène du collecteur positif (Positive Manifold)

L’assise empirique sur laquelle repose l’extraction de g est le phénomène universel du « collecteur positif » (positive manifold). Depuis plus d’un siècle, des milliers d’administrations de batteries de tests d’intelligence à travers le monde, englobant des populations d’âges, de cultures, de milieux socio-économiques et d’états cliniques radicalement hétérogènes, ont invariablement démontré que les coefficients d’intercorrélation linéaire entre deux épreuves mesurant un processus cognitif quelconque sont systématiquement positifs.

Il est empiriquement impossible de concevoir une batterie d’épreuves cognitives diversifiées dont la matrice de corrélation présenterait des relations négatives stables et réplicables. Une personne démontrant des capacités exceptionnelles dans la rotation mentale de polygones tridimensionnels ne sera presque jamais inférieure à la moyenne de la population générale dans la définition de concepts verbaux abstraits, la déduction logique ou la rétention de séquences numériques. Cette universalité du collecteur positif confère à la matrice de corrélation une structure mathématique spécifique : le théorème de Perron-Frobenius s’applique, garantissant que la première valeur propre extraite de la matrice est strictement positive et nettement dominante, concentrant une part substantielle de la variance totale (généralement entre 40 % et 60 % de la variance partagée).

Néanmoins, si la réalité empirique du collecteur positif fait l’unanimité parmi les statisticiens, son interprétation théorique demeure le terrain d’un affrontement conceptuel d’envergure :

Pour les tenants du réalisme psychométrique (tels qu’Arthur Jensen ou Ian Deary), le collecteur positif est la signature mathématique indiscutable d’une variable latente causale unique : le facteur g est une entité biologique ou fonctionnelle réelle qui pilote directement l’efficience globale du système nerveux.

Pour les partisans des modèles de réseaux et du néo-béhaviorisme (comme Han van der Maas et son modèle du mutualisme), le collecteur positif ne prouve en rien l’existence d’une variable latente unitaire. Il peut parfaitement s’expliquer par un modèle dynamique d’interactions réciproques positives : durant le développement ontogénétique, l’amélioration d’un processus cognitif individuel (par exemple, la mémoire de travail) facilite directement l’apprentissage et le développement d’autres processus distincts (comme le raisonnement abstrait ou l’acquisition de lexique). Dans cette perspective émergentiste, g n’est pas une entité causale sous-jacente, mais l’état d’équilibre émergent d’un système complexe d’aptitudes s’entraidant mutuellement au cours de la maturation cognitive.

3.3 Indifférence de l’indicateur et saturation factorielle

L’une des propriétés les plus remarquables du facteur g, formulée originellement par Charles Spearman, est le « principe d’indifférence de l’indicateur » (indifference of the indicator). Ce principe stipule que la nature précise ou le format superficiel des tests utilisés au sein d’une batterie d’évaluation importe peu pour l’extraction statistique finale de g, pourvu que la batterie soit suffisamment vaste, variée et complexe. En d’autres termes, que l’on extrait le premier facteur général d’une batterie composée de tâches spatiales, de calculs mentaux et de complétions de figures, ou d’une batterie distincte articulée autour de la fluidité lexicale, de l’assemblage d’objets et de la mémoire de travail auditive, les facteurs g obtenus dans les deux cas manifesteront une corrélation quasi parfaite (souvent $r > 0,95$) lorsqu’ils sont estimés sur le même échantillon de sujets.

Cette invariance montre que g transcende les modalités sensorielles ou les véhicules symboliques par lesquels il est mesuré. Il ne s’incarne pas préférentiellement dans le mot, le nombre ou l’image, mais dans la manipulation logique de relations abstraites. Cette observation introduit la notion fondamentale de saturation en g (ou g-loading). La saturation factorielle d’une épreuve désigne la corrélation de Pearson entre les scores observés à cette épreuve et le facteur latent g. Les tâches caractérisées par une faible saturation (souvent $r < 0,30$) incluent généralement des tests de motricité fine élémentaire, des temps de réaction simple ou des exercices de barrage de signes répétitifs.

À l’autre extrémité du continuum, les tâches présentant les saturations en g les plus élevées ($r$ oscillant fréquemment entre $0,75$ et $0,85$) sont les épreuves de raisonnement inductif et déductif exigeant la découverte de règles implicites au sein de configurations entièrement nouvelles. Le parangon historique de la saturation élevée en g est incontestablement constitué par les Matrices progressives de Raven. Conçue à l’origine par John C. Raven en 1938 pour évaluer les principes spearmaniens d’éduction de relations sans l’interférence du langage ou du bagage culturel acquis, cette épreuve matricielle non verbale demeure l’une des mesures les plus pures et les plus saturées du facteur général jamais élaborées en psychométrie.

4. Évolution théorique : Du modèle de Thurstone au modèle hiérarchique CHC

4.1 La contestation des aptitudes primaires de Louis Thurstone

L’hégémonie de la théorie bifactorielle de Spearman fut frontalement contestée dans les années 1930 par l’ingénieur et psychologue américain Louis Leon Thurstone. Rejetant catégoriquement l’existence d’un facteur g unitaire qu’il considérait comme un artefact résultant du mode d’agrégation mathématique choisi par Spearman, Thurstone introduisit une nouvelle méthode d’analyse factorielle : l’analyse factorielle multiple avec rotation des axes vers une « structure simple » (simple structure).

En analysant les résultats de vastes batteries de tests administrées à des étudiants de l’Université de Chicago, Thurstone affirmait qu’aucune entité générale ne reliait directement les facultés humaines. Dans son ouvrage de référence Primary Mental Abilities (1938), il proposa un modèle horizontal et multidimensionnel composé de sept « aptitudes mentales primaires » (PMA, Primary Mental Abilities) indépendantes les unes des autres :

• V (Verbal Comprehension) : La compréhension verbale, évaluée par le vocabulaire et la lecture.
• W (Word Fluency) : La fluidité verbale, capacité à générer rapidement des mots isolés selon des contraintes phonétiques ou sémantiques.
• N (Number Facility) : L’aptitude numérique, vitesse et exactitude dans les opérations arithmétiques de base.
• S (Spatial Visualization) : La visualisation spatiale, manipulation mentale d’objets bidimensionnels et tridimensionnels.
• M (Associative Memory) : La mémoire associative, capacité de rétention par cœur de paires de stimuli.
• P (Perceptual Speed) : La vitesse perceptive, rapidité d’identification visuelle de détails, de similitudes et de différences.
• R (Inductive Reasoning) : Le raisonnement inductif, découverte de règles sous-jacentes à des séries logiques.

Cependant, le rejet initial de g par Thurstone se heurta rapidement à une contrainte mathématique inéluctable. Lorsqu’il calculait les corrélations entre les facteurs primaires identifiés après avoir appliqué une rotation orthogonale (de type Varimax, supposant l’indépendance stricte des facteurs), le modèle s’ajustait mal aux données brutes. Pour préserver la qualité descriptive de son modèle, Thurstone fut contraint d’autoriser les axes factoriels à former des angles obliques (rotations obliques de type Promax ou Oblimin), admettant ainsi que les aptitudes mentales primaires corrèlent entre elles.

Cette concession méthodologique conduisit à une éclatante réconciliation mathématique avec le paradigme spearmanien : en soumettant la matrice des corrélations entre les sept aptitudes primaires à une nouvelle analyse factorielle, Thurstone vit émerger un puissant facteur de second ordre. L’indépendance absolue des aptitudes primaires était réfutée par les données mêmes de son concepteur : le facteur g réapparaissait inévitablement au sommet de la hiérarchie factorielle.

4.2 La dichotomie fluide/cristallisée de Raymond Cattell et John Horn

La réconciliation entre la perspective unitaire de Spearman et le pluralisme de Thurstone trouva une formulation majeure sous la plume d’un ancien collaborateur de Spearman, Raymond B. Cattell. En 1943, puis de concert avec son étudiant John L. Horn dans les années 1960, Cattell proposa la théorie de l’intelligence fluide et de l’intelligence cristallisée (modèle Gf-Gc), qui fractionnait le facteur g originel en deux composantes majeures de second ordre.

L’intelligence fluide ($Gf$) représente la capacité biologique pure de raisonnement, de déduction logique et de résolution de problèmes inédits face à des situations où l’individu ne peut mobiliser aucun apprentissage préalable ni automatisme culturel. Évaluée typiquement par des tests de matrices abstraites ou de séries topologiques, l’$Gf$ est intimement liée à l’intégrité neurobiologique du cortex cérébral, atteint son acmé à la fin de l’adolescence et subit un déclin progressif et régulier dès la troisième décennie de vie sous l’effet de la sénescence cellulaire cérébrale.

L’intelligence cristallisée ($Gc$), à l’inverse, correspond à l’accumulation structurée de connaissances sémantiques, de compétences verbales, de conventions lexicales et d’expertises procédurales façonnées par l’acculturation, l’instruction scolaire formelle et l’expérience existentielle. Évaluée par des épreuves de vocabulaire complexe, de culture générale et de compréhension sociale, l’$Gc$ demeure remarquablement résiliente face au vieillissement neurobiologique normal, pouvant croître ou se maintenir de façon stable jusqu’à un âge très avancé.

Pour articuler ces deux composantes, Cattell formula la célèbre « théorie de l’investissement » (investment theory). Selon cette hypothèse développementale, chaque être humain naît avec un potentiel d’$Gf$ déterminé par son capital génétique et la santé de son système nerveux. Au fil de l’ontogenèse, l’individu « investit » cette énergie fluide générale dans des contextes d’apprentissage spécifiques (l’école, l’immersion culturelle, l’environnement social). C’est cet investissement délibéré d’$Gf$ dans des tâches intellectuelles qui engendre l’émergence et la consolidation progressive de l’$Gc$. Bien que Horn ait ultérieurement soutenu un modèle sans facteur g superordonné (stipulant une prolifération de facteurs larges comme la vitesse de traitement $Gs$ ou la mémoire à court terme $Gsm$), les analyses empiriques globales révélèrent une forte corrélation continue entre $Gf$ et $Gc$ ($r$ oscillant souvent entre $0,60$ et $0,80$), confirmant que $Gf$ demeure le vecteur le plus saturé en facteur g général.

4.3 L’intégration tridimensionnelle de John Carroll et la synthèse CHC

L’apogée de l’architecture psychométrique des aptitudes humaines fut atteinte en 1993 avec la parution du travail monumental de John Bissell Carroll, Human Cognitive Abilities: A Survey of Factor-Analytic Studies. Dans un effort d’intégration sans précédent dans l’histoire de la psychologie, Carroll réanalysa méthodiquement plus de 460 banques de données psychométriques mondiales accumulées sur plus d’un demi-siècle, représentant plusieurs dizaines de milliers de sujets. Utilisant des critères méthodologiques uniformes et standardisés, il formalisa la « théorie des trois strates » (Three-Stratum Theory).

Le modèle de Carroll organise la structure factorielle des aptitudes cognitives selon un édifice pyramidal stratifié :

• Strate I (Aptitudes étroites / Narrow Abilities) : Située à la base de la pyramide, elle englobe plus de soixante aptitudes cognitives très ciblées et spécifiques (ex. la discrimination de tons, la mémoire d’empan, le raisonnement séquentiel, la vitesse de closure perceptive).
• Strate II (Aptitudes larges / Broad Abilities) : Étage intermédiaire regroupant environ huit à dix méga-domaines cognitifs autonomes, correspondant largement aux facteurs identifiés par Thurstone et Horn : le raisonnement fluide ($Gf$), l’intelligence cristallisée ($Gc$), la mémoire générale et apprentissage ($Gy$), la perception visuelle ($Gv$), la perception auditive ($Gu$), la capacité de récupération ($Gr$), la vitesse cognitive ($Gs$) et la vitesse de décision/temps de réaction ($Gt$).
• Strate III (Facteur général / General Ability) : Trônant incontestablement au sommet unique de la pyramide, cette strate n’est occupée que par une seule entité factorielle transversale : le facteur g. Ce dernier sature directement l’ensemble des facteurs de la Strate II et, par répercussion transitive, l’intégralité des aptitudes étroites de la Strate I.

À la fin des années 1990, sous la houlette de chercheurs tels que Kevin McGrew et Joel Schneider, la théorie des trois strates de Carroll fut formellement fusionnée avec les prolongements du modèle de Cattell et Horn pour donner naissance au modèle unifié Cattell-Horn-Carroll (CHC). Cette taxonomie intégrative constitue aujourd’hui le paradigme de référence absolu guidant la conception, l’étalonnage et la validation de l’ensemble des batteries psychométriques contemporaines, scellant la consécration définitive du facteur g comme clef de voûte de l’architecture cognitive globale.

5. Substrats neuroanatomiques et corrélats cérébraux du facteur g

5.1 Volume cérébral et morphométrie corticale

L’hypothèse selon laquelle les différences interindividuelles au niveau du facteur g trouvent leur fondement dans les caractéristiques macrostructurales du cerveau humain a longtemps été l’objet de vifs débats, alimentés à l’origine par les mesures crâniométriques approximatives du XIXe siècle. Toutefois, l’avènement de l’Imagerie par Résonance Magnétique (IRM) structurelle à haute résolution a transformé cette interrogation en un champ d’investigation quantitative rigoureux. Les méta-analyses contemporaines (notamment celles de Pietschnig et al., 2015, compilant des données sur plus de 8 000 participants) révèlent une corrélation robuste, positive et statistiquement significative d’environ $r = 0,24$ à $r = 0,31$ entre le volume intracrânien total ajusté et les scores de facteur g.

Cette relation ne dépend pas d’un simple grossissement passif de la masse cérébrale, mais est sous-tendue par des spécificités morphométriques précises. L’analyse basée sur les voxels (Voxel-Based Morphometry ou VBM) démontre que la densité et le volume de la substance grise — qui regroupe les corps cellulaires neuronaux, les dendrites et les synapses — présentent des corrélations supérieures avec g que le volume global de substance blanche. En outre, les mesures de morphométrie corticale révèlent une dissociation instructive entre l’épaisseur corticale et la surface corticale totale. Alors que la surface corticale (résultant du nombre de colonnes corticales ontogénétiques selon l’hypothèse de l’unité radiale de Rakic) est fortement corrélée au volume général, l’épaisseur corticale (reflétant le nombre de neurones par colonne et la complexité des arborisations synaptiques au sein des couches II et III) manifeste des associations dynamiques remarquables avec g au cours du développement.

Au niveau microscopique, les recherches novatrices menées sur des tissus cérébraux humains vivants réséqués lors de chirurgies neurochirurgicales (Goriounova et al., 2018) ont mis en lumière une cytoarchitecture neuronale singulière chez les individus dotés d’un g élevé : leurs neurones pyramidaux corticaux de la couche corticale TEM (cortex temporal) possèdent des corps cellulaires significativement plus volumineux, des arbres dendritiques plus étendus et complexes, et une vitesse de propagation des potentiels d’action substantiellement plus rapide sous forte sollicitation synaptique, réduisant ainsi la dégradation du signal lors de calculs complexes.

5.2 La théorie de l’intégration fronto-pariétale (P-FIT)

Le facteur g ne peut être assigné à une région corticale unique, ni confiné à l’action isolée des lobes frontaux, contrairement à une simplification localisationniste fréquente. En 2007, Rex Jung et Richard Haier ont formulé un modèle neurofonctionnel intégratif désormais classique : la théorie de l’intégration fronto-pariétale (P-FIT, Parieto-Frontal Integration Theory), issue de la méta-analyse de 37 études d’imagerie structurelle et fonctionnelle (IRMf, TEP, spectroscopie par résonance magnétique).

Le modèle P-FIT propose une trajectoire séquentielle et hautement distribuée du traitement de l’information corrélée avec les performances en g, organisée en plusieurs étapes neuro-anatomiques distinctes :

• Étape 1 : Réception et reconnaissance perceptive précoce. Les stimuli environnementaux sont d’abord traités par les aires associatives sensorielles temporales et occipitales (telles que le gyrus fusiforme pour la reconnaissance visuelle ou le cortex auditif supérieur), extrayant les composantes élémentaires de l’information.
• Étape 2 : Intégration structurelle et abstraction pariétale. L’information sensorielle est acheminée vers les zones du cortex pariétal, notamment le lobule pariétal supérieur, le gyrus supramarginal et le gyrus angulaire. Ces régions opèrent une synthèse multimodale, encodent les relations spatiales, numériques et sémantiques, et transforment les données perceptives brutes en représentations symboliques abstraites.
• Étape 3 : Évaluation et convergence frontale. Les représentations symboliques abstraites convergent ensuite vers le cortex préfrontal dorsolatéral (DLPFC, aires de Brodmann 9, 10 et 46). C’est dans ce hub central que s’opèrent le maintien actif en mémoire de travail, l’inhibition des interférences non pertinentes, la formulation d’hypothèses alternatives et l’évaluation logique des options déduites.
• Étape 4 : Sélection motrice et monitoring attentionnel. Enfin, une fois la solution générée, le cortex cingulaire antérieur (ACC, aire de Brodmann 32) entre en jeu pour assurer la gestion de l’effort cognitif, la suppression des conflits décisionnels et l’arbitrage final avant l’exécution de la réponse comportementale.

La robustesse empirique du modèle P-FIT démontre que les différences interindividuelles relatives à g reposent sur la coordination fonctionnelle et structurelle harmonieuse de ce circuit fronto-pariétal. Les individus présentant un facteur g plus élevé ne mobilisent pas nécessairement une quantité plus importante de tissu cérébral ; ils manifestent au contraire une synchronisation plus sélective et temporellement mieux ordonnée des modules critiques de ce réseau distribué.

5.3 Connectivité structurelle et intégrité de la substance blanche

Si la substance grise fournit les unités computationnelles du traitement cognitif, l’efficience de la communication globale à travers le modèle P-FIT dépend entièrement de l’intégrité architecturale de la substance blanche. Les progrès de l’imagerie du tenseur de diffusion (Diffusion Tensor Imaging ou DTI) ont permis de quantifier cette organisation microstructurale in vivo, principalement par le biais de la métrique d’anisotropie fractionnelle (FA), qui mesure le degré d’orientation préférentielle et de liberté de diffusion de l’eau le long des gaines de myéline axonales.

Des corrélations positives significatives ont été établies entre l’anisotropie fractionnelle moyenne du cerveau et le facteur g. Cette relation est particulièrement marquée au sein de faisceaux d’association cortico-corticaux majeurs, notamment le faisceau longitudinal supérieur (qui connecte directement les régions frontales et pariétales de la théorie P-FIT), le faisceau arqué (impliqué dans le traitement et l’intégration syntaxico-sémantique) et le corps calleux, dont le splénium et le genu assurent la vitesse de communication interhémisphérique. Une myélinisation dense et intacte limite la dispersion axiale, prévient la perte d’énergie électrochimique et autorise une conduction axonale à haute célérité.

Dans le cadre de la théorie des graphes appliquée au connectome cérébral, les neurosciences modernes ont dépassé l’analyse des faisceaux isolés pour embrasser la topologie globale des réseaux. Les réseaux cérébraux des individus dotés d’un g supérieur présentent les attributs caractéristiques des topologies dites à « petit monde » (small-world networks) :

Ils combinent une forte ségrégation locale (haut coefficient de regroupement ou clustering, garantissant des calculs modulaires spécialisés denses) et une intégration globale optimale (faible longueur moyenne du chemin caractéristique reliant deux zones arbitraires du cerveau). Ce câblage optimise le coût métabolique de la transmission synaptique à longue distance tout en maximisant la vitesse de circulation de l’information entre les différents lobes cérébraux. Ces données s’alignent avec la théorie du cerveau efficace (Neural Efficiency Hypothesis), formulée initialement par Haier : lors de la résolution de tâches cognitives complexes, les sujets les plus intelligents sur le plan psychométrique consomment moins de glucose cortical dans les aires non requises, concentrant précisément leurs ressources énergétiques au sein des hubs nodaux les plus stratégiques du réseau.

6. Génétique comportementale et héritabilité du facteur g

6.1 Études de jumeaux et d’adoption classiques

L’origine des variations individuelles du facteur g a fait l’objet des investigations les plus approfondies au sein de la génétique comportementale quantitative. La méthode reine pour démêler les influences génétiques des influences environnementales repose sur la comparaison classique entre jumeaux monozygotes (MZ, partageant 100 % de leur patrimoine génétique) et jumeaux dizygotes (DZ, partageant en moyenne 50 % de leurs allèles ségréguant), qu’ils aient été élevés ensemble dans le même foyer ou séparés dès la naissance par adoption.

Les données compilées au cours de multiples études épidémiologiques internationales convergent vers un constat sans ambiguïté : l’héritabilité au sens large (notée $h^2$) du facteur g s’établit entre 0,50 et 0,80 chez l’adulte. Cela signifie qu’entre 50 % et 80 % de la variance phénotypique de g observée au sein d’une population donnée est directement attribuable aux différences de variances génétiques interindividuelles. L’un des résultats les plus spectaculaires de ce champ de recherche provient de la célèbre étude des jumeaux élevés séparément du Minnesota (Minnesota Twin Family Study, menée par Thomas Bouchard) : des jumeaux monozygotes séparés précocement et ayant grandi dans des cultures, des climats religieux ou des contextes géographiques totalement disparates manifestent à l’âge adulte des scores à g quasiment aussi similaires ($r \approx 0,70$ à $0,75$) que des jumeaux monozygotes élevés ensemble dans le même foyer familial.

Un autre enseignement majeur concerne la répartition des influences environnementales en deux composantes : l’environnement partagé (noté $c^2$, incluant le statut socio-économique des parents, l’accès commun aux livres, le style parental général) et l’environnement non partagé (noté $e^2$, englobant les accidents de vie uniques, les infections, les interactions singulières avec les pairs, ainsi que l’erreur de mesure). Si l’environnement partagé exerce une influence notable durant la petite enfance (expliquant jusqu’à 30 % de la variance), son poids s’érode continuellement au fil de l’adolescence pour devenir statistiquement indiscernable de zéro à l’âge adulte mûr.

Cette dynamique temporelle singulière porte le nom d’effet Wilson (décrit par Ronald S. Wilson) : l’héritabilité de g augmente de manière linéaire avec l’avancée en âge chronologique. Chez les jeunes enfants d’âge préscolaire, $h^2$ tourne autour de 0,20 à 0,30 ; elle grimpe à environ 0,40-0,50 au cours de la scolarité élémentaire, franchit la barre des 0,60 à la fin de l’adolescence, et peut atteindre jusqu’à 0,80 chez les personnes âgées. Loin de s’effacer devant l’accumulation des expériences de vie, l’influence du génome sur le phénotype cognitif s’accentue avec le temps.

6.2 Génétique quantitative moderne et études d’association pangénomique (GWAS)

Durant des décennies, la génétique moléculaire a cherché en vain « le gène de l’intelligence ». Les premières études par gènes candidats supposaient que quelques polymorphismes à fort impact phénotypique (comme des variants du gène codant pour le récepteur de la dopamine DRD2 ou pour le facteur neurotrophique BDNF) pourraient expliquer une fraction importante de la variance de g. Ces hypothèses se sont presque toutes soldées par des échecs cuisants de réplication, brisant les illusions d’une génétique mendélienne simple appliquée aux fonctions cognitives supérieures.

Le saut technologique des études d’association pangénomique (GWAS, Genome-Wide Association Studies) mobilisant des centaines de milliers, voire des millions d’individus (comme les cohortes de la UK Biobank sous la direction de chercheurs tels que Stuart Ritchie ou Danielle Posthuma), a apporté une clarification définitive : le facteur g est une caractéristique phénotypique à l’extrême limite de la polygénicité. Il n’existe aucun variant génétique individuel exerçant un effet causal massif ; chaque polymorphisme mononucléotidique (SNP) statistiquement validé n’explique qu’une fraction infinitésimale de la variance totale de g (souvent bien moins de 0,05 % par SNP).

La méthodologie contemporaine résume cette architecture génétique morcelée par le calcul de scores polygéniques (Polygenic Scores ou PGS). En sommant les effets pondérés de dizaines de milliers de SNPs répartis sur l’ensemble du génome, les scores polygéniques actuels permettent de prédire de manière prospective entre 7 % et 12 % de la variance phénotypique de l’intelligence générale et des accomplissements académiques dans des échantillons indépendants.

Parallèlement, la technique de la GCTA-GREML (estimation de l’héritabilité basée directement sur les SNPs communs chez des individus sans lien de parenté connu) a confirmé que l’héritabilité génomique (« SNP-heritability », $h^2_{SNP}$) avoisine les 0,25 à 0,30. L’écart subsistant entre cette estimation et l’héritabilité de 0,60-0,80 issue des études de jumeaux classiques correspond au problème bien documenté de « l’héritabilité manquante » (missing heritability), qui trouve son explication dans l’existence de variants rares non capturés par les puces à ADN standard, d’interactions épistatiques complexes et de variations structurales du génome (variations du nombre de copies ou CNV).

6.3 Interactions et corrélations gène-environnement

L’opposition dichotomique binaire entre nature et culture (nature versus nurture) est désormais jugée obsolète par la génétique comportementale moderne, qui lui substitue l’étude rigoureuse des mécanismes de corrélation gène-environnement ($rGE$) et d’interaction gène-environnement ($G \times E$).

Pour expliquer l’effet Wilson évoqué précédemment (l’augmentation continue de l’héritabilité de g avec l’âge), les chercheurs invoquent le rôle prépondérant des corrélations génotype-environnement actives. Au fur et à mesure qu’un individu gagne en autonomie et s’émancipe de la tutelle de son milieu familial, il ne subit plus passivement un environnement imposé ; il commence à sélectionner activement, à modifier et à construire sa propre « niche cognitive ». Un enfant génétiquement doté d’une propension supérieure pour l’abstraction cherchera des pairs intellectuellement stimulants, sollicitera des lectures complexes, fréquentera des bibliothèques et choisira des parcours universitaires exigeants, démultipliant ainsi par rétroaction positive son potentiel biologique initial. L’environnement devient ainsi le médiateur et l’amplificateur du génotype.

Concernant les interactions ($G \times E$), l’une des théories les plus débattues est l’hypothèse Scarr-Rowe (formulée par Sandra Scarr et David Rowe). Selon ce modèle, l’expression du potentiel génétique de g serait conditionnée par la qualité socio-économique de l’environnement :

Dans les milieux aisés et stimulants où l’ensemble des besoins matériels, sanitaires et éducatifs sont pourvus, l’environnement atteint un plafond de saturation bénéfique, et les différences individuelles observables dépendent alors presque exclusivement du potentiel génétique ($h^2$ élevée, $c^2$ quasi nulle).

En revanche, dans des environnements marqués par une précarité extrême, la malnutrition, le stress toxique ou la carence éducative sévère, ces contraintes environnementales délétères agiraient comme un goulot d’étranglement étouffant le développement phénotypique, comprimant artificiellement l’héritabilité à des valeurs très faibles ($h^2$ basse, $c^2$ prédominante). Bien que solidement validée dans des échantillons nord-américains, la portée universelle de l’effet Scarr-Rowe demeure tempérée dans les pays d’Europe occidentale dotés de systèmes de protection sociale et d’écoles publiques hautement égalitaires.

Enfin, le domaine de l’épigénétique explore comment des facteurs exogènes (tels que l’exposition prénatale aux toxines ou l’intensité du stress précoce) peuvent modifier de façon stable la méthylation de l’ADN ou la conformation de la chromatine autour de gènes neurodéveloppementaux régulant la synaptogenèse, modulant ainsi l’expression finale du facteur g sans altération directe de la séquence des nucléotides.

7. Traitement cognitif, vitesse mentale et efficience neuronale sous-jacente à g

7.1 Temps de réaction élémentaire et loi de Hick

Parallèlement aux démarches factorielles et génétiques, une branche féconde de la psychologie différentielle, initiée au sein de la « chronométrie mentale » contemporaine par Arthur R. Jensen, s’est attachée à disséquer les bases cognitives élémentaires du facteur g. Jensen cherchait à écarter le reproche récurrent de contamination culturelle ou linguistique adressé aux tests psychométriques traditionnels en mesurant la vitesse pure de traitement de l’information au moyen de tâches de laboratoire extrêmement basiques, appelées Tâches Cognitives Élémentaires (TCE / ECT, Elementary Cognitive Tasks).

L’appareil de Jensen utilise le paradigme classique du temps de réaction (TR). Le sujet doit maintenir son doigt sur un bouton central de veille (« home key »), puis, dès qu’une diode lumineuse s’allume parmi un éventail de choix, déplacer le plus vite possible son doigt pour appuyer sur le bouton adjacent à la diode activée. Cette mesure permet d’isoler avec précision deux fractions temporelles : le Temps de Réaction proprement dit (TR, l’intervalle entre l’illumination du stimulus et le moment où le doigt quitte le bouton de veille, représentant le temps d’encodage et de décision cérébrale) et le Temps de Mouvement (TM, le temps pris pour atteindre physiquement la cible, purement moteur). Les résultats montrent que seul le TR — et non le TM — corrèle de manière systématique avec le facteur g ($r$ négatif oscillant entre $-0,30$ et $-0,40$), indiquant que les individus dotés d’un g supérieur initient leur traitement décisionnel plus rapidement.

Plus fondamental encore est le comportement de ce temps de réaction sous le régime de la loi de Hick. Cette loi psychophysique postule que le temps de réaction augmente linéairement en fonction de la quantité d’information transmise, formulée en bits logarithmiques selon la formule :

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

où $n$ représente le nombre de choix lumineux alternatifs possibles, $a$ l’ordonnée à l’origine (vitesse basale d’encodage) et $b$ la pente de la droite de régression (taux de ralentissement par bit d’information supplémentaire). Jensen a démontré que la pente $b$ de la droite de Hick présente des corrélations négatives très significatives avec le facteur g : plus une tâche devient complexe sur le plan informationnel (passant de 1 à 2, 4 ou 8 choix), moins les individus à haut g subissent un ralentissement décisionnel comparativement aux sujets dont le g est plus modeste.

Enfin, une découverte robuste de la chronométrie mentale concerne la variabilité intra-individuelle des temps de réponse (Intra-Individual Variability ou IIV). Lorsqu’un individu réalise une centaine d’essais successifs d’une tâche de temps de réaction simple, la dispersion de ses propres performances (l’écart-type de ses temps de réaction individuels, noté $RTSD$) est un prédicteur encore plus puissant de g que sa vitesse moyenne ($r \approx -0,40$ à $-0,50$). Les sujets à g élevé font preuve d’une régularité et d’une constance temporelle quasi chirurgicale, tandis que les individus à g plus faible manifestent de brusques fluctuations erratiques, interprétées par Jensen comme des « micro-décrochages attentionnels » ou des bruits stochastiques dans la transmission synaptique du signal neuronal.

7.2 La théorie de l’inspection temporelle et de la discrimination sensorielle

Pour s’affranchir totalement de toute interférence liée à la coordination neuromotrice ou à la vitesse de déclenchement d’un geste physique, des chercheurs comme Douglas Vickers, Ted Nettelbeck et ultérieurement Ian J. Deary ont développé le paradigme du temps d’inspection (Inspection Time ou IT). Dans cette épreuve de discrimination visuelle minimale, le sujet observe un écran où apparaît brièvement un stimulus en forme de « pi grec » doté de deux branches verticales parallèles d’inégale longueur, l’une étant légèrement plus courte que l’autre.

Le stimulus est présenté pendant une durée extrêmement brève (variant de 10 à 200 millisecondes), puis est immédiatement écrasé par un masque rétroactif visuel complexe destiné à effacer instantanément toute trace d’image rétinienne rémanente ou de persistance iconique. La tâche de l’individu n’est pas de répondre le plus vite possible (le temps de réponse motrice n’est pas mesuré), mais simplement d’indiquer sans contrainte temporelle si la branche la plus courte se trouvait à gauche ou à droite. Le Temps d’Inspection correspond à la durée d’exposition minimale nécessaire au sujet pour atteindre un seuil d’exactitude calibré (généralement 85 % de réussites correctes).

Les méta-analyses compilées par Grudnik et Kranzler (2001) démontrent que le temps d’inspection est corrélé de façon substantielle avec le facteur g ($r \approx -0,45$ à $-0,50$). Les individus possédant un facteur g élevé n’ont besoin que de fenêtres d’échantillonnage temporel cortical extrêmement réduites pour extraire une information perceptive discriminative fiable de leur environnement sensoriel immédiat.

Ces observations confortent l’hypothèse d’une limite biologique primaire de la fréquence d’échantillonnage temporel du cerveau. Au plan biophysique, cette efficience sensorimétrique semble étroitement couplée à la fidélité de la transmission synaptique et à la vitesse de conduction nerveuse centrale (VCN). Des potentiels évoqués visuels et auditifs à latence précoce (notamment la forme d’onde P300) mesurés par électroencéphalographie (EEG) confirment que les personnes disposant d’un g supérieur génèrent des ondes d’encodage dont la latence d’apparition est plus courte et l’amplitude plus marquée face à des signaux perceptifs inattendus, objectivant la présence d’une circuiterie neuronale moins assujettie au bruit biologique.

7.3 Mémoire de travail et bande passante exécutive

Bien que la vitesse de traitement élémentaire offre un ancrage temporel quantitatif, le processus cognitif qui manifeste l’isomorphisme fonctionnel le plus étroit avec le facteur g est incontestablement la mémoire de travail (Working Memory ou WM). Définie formellement dans les cadres de Baddeley, de Cowan ou d’Engle, la mémoire de travail ne se limite pas à la rétention passive d’informations (empan mémoriel simple), mais désigne la capacité à maintenir actives des représentations mentales face à des distracteurs tout en manipulant, réorganisant et actualisant ces données de manière contrôlée.

Au début des années 2000, un débat majeur a émergé quant au degré de chevauchement empirique entre la mémoire de travail et l’intelligence fluide/le facteur g, certains chercheurs comme Patrick Kyllonen ou Michael Kane allant jusqu’à poser la question provocatrice : « L’intelligence générale est-elle simplement de la mémoire de travail ? » (Is working memory capacity identical to g ?). Les études d’équations structurelles révèlent des corrélations latentes d’une ampleur spectaculaire entre les construits de capacité de mémoire de travail (WMC, Working Memory Capacity) et le facteur g, les coefficients oscillant fréquemment entre $r = 0,70$ et $0,85$, voire frôlant l’unité selon la méthode d’extraction utilisée.

Cette convergence massive s’explique par le fait que la mémoire de travail opère comme la « bande passante exécutive » de l’appareil cognitif. Lorsque Spearman décrivait l’éduction de relations complexes au sein de son facteur général, cette opération exigeait impérativement le maintien simultané de multiples prémisses au foyer attentionnel sans perte de cohérence. Selon le modèle d’attention exécutive de Randall Engle, la WMC reflète fondamentalement l’efficacité du contrôle attentionnel dirigé par le cortex préfrontal : l’aptitude à focaliser le faisceau attentionnel sur les items pertinents, à inhiber activement les stimuli intrusifs ou les schémas de réponse automatisés inadéquats, et à basculer rapidement d’une consigne à une autre.

Au niveau neurofonctionnel, ces opérations correspondent à l’architecture de l’« espace de travail neuronal global » (Global Neuronal Workspace, théorisé par Stanislas Dehaene, Changeux et collègues). La manipulation mentale requiert le maintien synaptique transitoire d’assemblées neuronales réverbérantes interconnectées par des projections d’axones myélinisés longs liant les régions préfrontales, pariétales et cingulaires. La capacité maximale d’informations pouvant être stabilisées simultanément dans cet espace global sans effondrement entropique limite directement la complexité logique maximale qu’un cerveau humain peut appréhender : cette limite fondamentale d’allocation de ressources attentionnelles constitue l’incarnation computationnelle directe du facteur g.

8. Mesure psychométrique contemporaine et invariance de mesure de g

8.1 Standardisation dans les échelles de Wechsler et batteries modernes

Dans la pratique psychologique clinique, neuropsychologique et d’orientation, le facteur g ne fait jamais l’objet d’une mesure brute ou isolée, mais est appréhendé au travers de batteries d’épreuves standardisées, au premier rang desquelles figurent les échelles d’intelligence de David Wechsler : la WAIS (Wechsler Adult Intelligence Scale) pour les adultes et le WISC (Wechsler Intelligence Scale for Children) pour les enfants et adolescents. Dans ces instruments étalonnés par tranche d’âge selon une distribution normale gaussienne (moyenne fixée à 100, écart-type à 15), l’approximation opératoire de g est traditionnellement incarnée par le Quotient Intellectuel Total (QIT).

Cependant, une distinction psychométrique cardinale s’impose : le QIT observé est un score composite agrégé, qui ne se confond pas rigoureusement avec le facteur latent pur g. Le calcul du QIT repose sur la sommation des notes standardisées obtenues à une dizaine de sous-tests spécifiques regroupés en quatre ou cinq indices factoriels de second ordre :

• L’Indice de Compréhension Verbale (ICV, mesurant $Gc$).
• L’Indice Visuospatial (IVS, mesurant $Gv$).
• L’Indice de Raisonnement Fluide (IRF, mesurant $Gf$).
• L’Indice de Mémoire de Travail (IMT, mesurant $Gsm$).
• L’Indice de Vitesse de Traitement (IVT, mesurant $Gs$).

Tous ces sous-tests ne contribuent pas équitablement à la charge du facteur général. Le diagnostic de la saturation en g (g-loading) propre à chaque sous-test, établi par modélisation factorielle hiérarchique, révèle une hiérarchie invariante. Les sous-tests de « Vocabulaire », de « Similitudes » et de « Matrices » présentent régulièrement des saturations très fortes (souvent supérieures à 0,75), faisant de ces épreuves le cœur battant de la mesure indirecte de g. En revanche, des épreuves telles que le « Code » (vitesse de transcription graphique) ou les « Symboles » présentent des saturations beaucoup plus modestes (autour de 0,45 à 0,55), leur variance étant principalement capturée par la vitesse motrice fine ou des facteurs spécifiques.

D’autres batteries contemporaines de référence, comme le Woodcock-Johnson Tests of Cognitive Abilities (WJ-IV) ou la Stanford-Binet Intelligence Scales (SB5), sont directement calibrées sur les axiomes du modèle CHC. Ces instruments offrent des indices d’aptitude générale (comme le score GIA, General Intellectual Ability) qui procèdent d’une pondération factorielle sophistiquée, minimisant l’impact des variances spécifiques résiduelles au profit d’une estimation optimale de la variance de Strate III.

8.2 Invariance de mesure à travers les groupes démographiques

Pour qu’un construit psychologique tel que le facteur g possède une portée scientifique valide, il est impératif d’apporter la preuve méthodologique formelle que l’instrument mesure le même phénomène cognitif latent, avec la même fidélité et la même signification, quelles que soient les populations auxquelles il est administré. Cette démonstration repose sur les procédures rigoureuses d’invariance de mesure multigroupes (Measurement Invariance) au sein de la modélisation par équations structurelles.

L’invariance s’établit selon une hiérarchie cumulative de contraintes statistiques successives :

• L’invariance configural : Le modèle théorique de base (la disposition des items autour des facteurs spécifiques et du facteur g) doit posséder la même structure de patrons dimensionnels au sein des différents groupes sans contrainte d’égalité numérique.
• L’invariance métrique (faible) : Les poids factoriels (les saturations reliant les variables manifestes à g) doivent être strictement identiques d’un groupe à l’autre. Cette équivalence garantit que chaque test réagit avec la même sensibilité à l’échelle de la variable latente g.
• L’invariance scalaire (forte) : Les ordonnées à l’origine (ou seuils d’interception des items) doivent être équivalentes entre les groupes, condition sine qua non pour autoriser la comparaison valide et équitable des moyennes latentes de g sans distorsion d’échelle.
• L’invariance stricte : Les variances d’erreur résiduelle doivent également être équivalentes, assurant une précision métrologique absolue entre les groupes.

Parallèlement, la psychométrie différentielle traque le Fonctionnement Différentiel de l’Item (DIF, Differential Item Functioning) par les modèles de la théorie de la réponse à l’item (TRI). Un item présente un DIF s’il confère une probabilité de réussite divergente à deux individus issus de groupes démographiques distincts mais partageant rigoureusement le même niveau sous-jacent de facteur g.

L’accumulation monumentale de données menée sur les versions modernes des échelles de Wechsler, des matrices de Raven et d’autres batteries standardisées confirme l’invariance métrique et scalaire de g à travers les sexes, les catégories socio-professionnelles et les différents pays ou sous-groupes ethniques étudiés. Bien que des écarts de moyennes phénotypiques brutes puissent être enregistrés entre divers groupes (écartant une stricte équité de résultats), la structure factorielle interne de g, son principe d’extraction et sa nature prédictive demeurent universellement invariants, écartant l’hypothèse simpliste selon laquelle g serait un artefact culturellement biaisé réservé au seul monde académique occidental.

8.3 La loi du rendement décroissant de Spearman (SLODR)

Dès 1927, dans son ouvrage The Abilities of Man, Charles Spearman observa un phénomène curieux qui allait susciter des décennies de conjectures méthodologiques : la loi du rendement décroissant de Spearman (Spearman’s Law of Diminishing Returns ou SLODR), également désignée sous le terme d’hypothèse de différentiation cognitive.

Cette hypothèse postule que le facteur g exercerait une influence plus puissante et expliquerait une proportion significativement plus élevée de la variance cognitive chez les individus possédant un niveau intellectuel global modeste ou bas, tandis que chez les individus dotés d’un haut niveau intellectuel, le poids de g tendrait à s’atténuer au profit d’une spécialisation et d’une diversification accrues des aptitudes spécifiques. Selon la SLODR, les intercorrélations entre des tests variés devraient donc être plus fortes chez les sujets à faible score que chez les individus très performants. Dans la métaphore énergétique spearmanienne originelle : lorsque l’« énergie mentale » centrale fait défaut, elle contraint de façon rigide l’ensemble des mécanismes cérébraux spécifiques (provoquant un écrasement général des performances) ; mais dès lors que cette énergie centrale existe en surabondance, elle sature le système et permet aux particularités fonctionnelles de chaque module neurologique spécialisé ($s$) de s’exprimer pleinement sans limitation globale.

Sur le plan psychométrique contemporain, les tentatives de validation empirique de la SLODR ont produit une littérature abondante et parfois contradictoire. Des méta-analyses et études de grande envergure (comme celles menées par Robert Detterman ou Gilles Gignac) ont fréquemment confirmé une légère baisse des saturations en g chez les groupes à haut QI par rapport aux groupes à bas QI, la première composante pouvant concentrer jusqu’à 50-60 % de la variance chez les premiers, contre seulement 35-45 % chez les seconds.

Néanmoins, des critiques méthodologiques pointues rappellent que cette apparente atténuation factorielle peut souvent être expliquée par des artefacts statistiques courants, tels que la restriction d’étendue (range restriction) au sein des échantillons à haut niveau ou les effets de plancher et de plafond inhérents à certains items de tests. L’application de modèles factoriels non linéaires (Factor Mixture Modeling et régressions polynomiales latentes) indique que si la différentiation cognitive existe bel et bien, son amplitude phénotypique réelle demeure subtile, réaffirmant la persistance structurante de g y compris parmi les strates les plus élevées de la douance intellectuelle.

9. Validité prédictive de g dans les trajectoires académiques et professionnelles

9.1 Pronostic des accomplissements scolaires et universitaires

L’une des propriétés empiriques les plus indiscutables du facteur g réside dans son pouvoir de prédiction longitudinale à l’égard de la réussite éducative. Loin d’être une mesure circulaire confinée à prédire des compétences artificielles de laboratoire, les évaluations précoces de g mesurées dès l’enfance s’avèrent être le prédicteur univarié le plus puissant de l’ensemble de la trajectoire académique ultérieure.

Dans une étude épidémiologique prospective devenue emblématique menée sur une cohorte représentative de plus de 70 000 écoliers britanniques suivis sur cinq années (Deary et al., 2007), la corrélation latente entre le facteur g extrait à l’âge de 11 ans à l’aide du test CAT (Cognitive Abilities Test) et les résultats consolidés obtenus à l’âge de 16 ans aux examens nationaux de fin d’études secondaires (le GCSE, General Certificate of Secondary Education, englobant 25 disciplines académiques indépendantes) atteignait un niveau exceptionnel de $r = 0,81$. L’influence prédictive de g ne se cantonne pas aux disciplines formelles comme les mathématiques ($r \approx 0,77$) ou la physique ($r \approx 0,72$) ; elle s’exprime également avec une intensité remarquable dans l’apprentissage de la langue maternelle anglaise ($r \approx 0,67$), l’histoire ($r \approx 0,63$) ou la littérature.

Face à ces données, une interrogation sociologique cruciale a souvent été formulée : le facteur g n’est-il pas simplement le reflet masqué du Statut Socio-Économique (SSE) des parents, c’est-à-dire du capital économique, social et culturel transmis par le foyer familial ? Des régressions multiples de grande échelle intégrant simultanément le revenu des parents, leur niveau de diplôme, la qualité du quartier d’habitation et le facteur g démontrent systématiquement que si le SSE parental contribue positivement à la variance du succès scolaire (expliquant généralement 10 à 15 % de la variance), le facteur g de l’enfant conserve une variance prédictive propre nettement supérieure (expliquant fréquemment 30 à 40 % de variance incrémentielle unique).

De surcroît, le facteur g agit comme un puissant facteur de résilience cognitive et d’équité : au sein d’une fratrie partageant rigoureusement le même capital socio-économique familial et la même école de quartier, les trajectoires d’accomplissement académique divergent de manière substantielle et prévisible en fonction des différences de scores de facteur g mesurées entre les frères et sœurs.

9.2 Performance au travail et complexité professionnelle

Dans le domaine de la psychologie organisationnelle et des ressources humaines, les méta-analyses pionnières et massives conduites par Frank L. Schmidt et John E. Hunter, compilant des données issues de plus de 85 années de recherche appliquée sur plusieurs centaines de milliers d’employés répartis dans des centaines de métiers, ont apporté une confirmation empirique majeure : le facteur g (souvent désigné sous l’acronyme GMA, General Mental Ability) constitue le prédicteur valide universel le plus fiable de la performance au travail et de l’efficacité professionnelle globale.

Le coefficient de validité prédictive opérationnel moyen de g (corrigé pour l’atténuation due à l’erreur de mesure et pour la restriction d’étendue) s’établit globalement autour de $r = 0,51$ pour prédire la réussite objective en poste (évaluée par des métriques quantitatives de productivité, des tests d’échantillons de travail réels et des évaluations standardisées par les pairs). Ce pouvoir prédictif surpasse largement l’ensemble des autres critères de sélection usuels tels que les entretiens non structurés ($r \approx 0,18$), les références académiques, les tests de personnalité isolés ($r \approx 0,22$ à $0,31$) ou les années d’expérience professionnelle préalable ($r \approx 0,16$).

Cependant, la magnitude de cette validité prédictive est fortement modérée par une variable contextuelle fondamentale : le degré de complexité cognitive du poste. Les recherches de Schmidt et Hunter démontrent que l’impact de g suit une progression linéaire croissante en fonction des exigences d’abstraction requises par la profession :

• Pour des emplois de complexité faible et hautement répétitifs (manutention, tâches d’assemblage simple, nettoyage), la validité de g se situe autour de $r \approx 0,20$ à $0,25$.
• Pour des postes de complexité moyenne (techniciens qualifiés, secrétariat administratif, agents commerciaux spécialisés), la validité monte à $r \approx 0,50$.
• Pour les postes à très haute complexité professionnelle (ingénieurs de conception, chirurgiens, scientifiques, cadres dirigeants, magistrats), la validité prédictive de g culmine à des niveaux exceptionnels oscillant entre $r = 0,65$ et $0,75$.

Le mécanisme sous-jacent à cette prédictibilité supérieure ne relève pas de la mémorisation statique de savoirs techniques étanches, mais de la vitesse et de la profondeur d’acquisition des connaissances professionnelles spécifiques. Face à l’évolution constante des environnements industriels et informatiques modernes, les individus dotés d’un haut facteur g apprennent plus vite, adaptent leurs heuristiques face à des anomalies inédites, déduisent plus adéquatement les solutions ad hoc et commettent moins d’erreurs d’évaluation dans des situations d’ambiguïté informationnelle aiguë.

9.3 Épidémiologie cognitive et résultats de santé globale

L’une des frontières de recherche les plus fascinantes ouvertes au début du XXIe siècle par le psychologue Ian J. Deary et ses collègues à l’Université d’Édimbourg est l’épidémiologie cognitive (Cognitive Epidemiology). Cette discipline étudie l’influence prédictive du facteur g mesuré précocement dans l’enfance sur les résultats de santé physique, la prévalence des pathologies chroniques et la longévité globale tout au long de la vie adulte.

En exploitant les registres exceptionnels des Scottish Mental Surveys de 1932 et 1947 — qui avaient évalué le quotient intellectuel de la quasi-totalité des enfants écossais nés en 1921 et 1936 à l’âge de 11 ans —, Deary et son équipe ont pu croiser ces données historiques avec les registres d’état civil, les dossiers hospitaliers et les causes médicales de décès survenues plus de six décennies plus tard. La conclusion de ces investigations longitudinales à grande échelle est frappante : un avantage d’un écart-type de facteur g (soit 15 points de QI) mesuré à l’âge de 11 ans est associé à une réduction relative de 20 % à 25 % du risque de mortalité toutes causes confondues avant l’âge de 75 ans.

Cette association s’observe pour une panoplie de pathologies majeures : maladies coronariennes et cardiovasculaires, accidents vasculaires cérébraux, cancers liés au tabagisme, maladies respiratoires chroniques et décès d’origine traumatique ou accidentelle. Trois hypothèses théoriques complémentaires s’articulent pour expliquer cette relation paradoxale entre intellect et santé biologique :

• L’hypothèse des comportements de santé et de la littératie médicale : La gestion contemporaine de la santé personnelle au sein d’une société complexe requiert d’importantes capacités d’abstraction. Comprendre la posologie de traitements poly-médicamenteux, interpréter des risques nutritionnels, adhérer rigoureusement à des régimes thérapeutiques contraignants (comme la gestion de l’insuline dans le diabète) et décoder les messages de prévention constituent des tâches complexes fortement saturées en g.
• L’hypothèse de la médiation socio-économique : Un facteur g plus élevé favorise de meilleurs accomplissements scolaires et professionnels, qui procurent des revenus supérieurs, l’accès à un habitat sain, une meilleure alimentation et un suivi médical de premier ordre. Néanmoins, les analyses épidémiologiques montrent que la prise en compte du SSE n’annule qu’environ 30 % à 40 % de l’association entre g et mortalité.
• L’hypothèse de l’intégrité systémique de l’organisme (System Integrity Hypothesis) : Formulée par Deary et Whalley, cette explication biologique séduisante postule que la performance à des tests de facteur g dans l’enfance constitue l’indicateur phénotypique indirect de l’intégrité et de la santé globale de l’ensemble du système nerveux central et de l’organisme. Un cerveau dont le développement neurogénétique et synaptique s’est déroulé de façon optimale sous un fardeau mutationnel allostatique faible présenterait à la fois une haute efficience computationnelle (haut g) et une constitution physiologique plus robuste pour résister aux agressions environnementales, au stress oxydatif et à la sénescence cellulaire.

10. Dynamique temporelle, vieillissement cognitif et effet Flynn

10.1 Trajectoires développementales et sénescence cognitive

L’étude de la dynamique temporelle du facteur g offre un aperçu captivant de l’équilibre entre plasticité et stabilité au long du cycle de vie humain. Au plan de la psychométrie différentielle, le constat le plus frappant concerne la stabilité différentielle remarquable du rang de g. Bien que les performances cognitives absolues évoluent considérablement au cours de l’ontogenèse (croissance rapide durant l’enfance, pic au début de l’âge adulte, puis déclin progressif), la position relative d’un individu par rapport à ses pairs du même âge demeure d’une fidélité spectaculaire. Dans les cohortes de suivi longitudinal de Deary sur les sujets écossais, la corrélation test-retest entre le facteur g mesuré à 11 ans et le facteur g réévalué chez les mêmes personnes à l’âge de 90 ans atteignait encore $r = 0,54$ (valeur s’élevant à plus de $0,70$ après correction statistique pour restriction d’étendue et atténuation métrique), démontrant une persistance structurelle sur près de huit décennies de vie humaine.

Néanmoins, la sénescence cognitive normale n’affecte pas l’ensemble des modules intellectuels de manière homogène. L’architecture factorielle du vieillissement met en évidence un déclin asymétrique documenté par le modèle de Cattell-Horn :

Les composantes fortement associées à l’intelligence fluide ($Gf$), à la vitesse cognitive ($Gs$) et à la mémoire de travail ($Gsm$) entament une trajectoire d’érosion graduelle et inexorable dès l’âge de 25-30 ans, trajectoire qui s’accélère après 65 ans sous l’effet de l’atrophie de la substance blanche, de la perte synaptique et du ralentissement de la transmission dopaminergique fronto-striatale.

À l’opposé, les aptitudes liées à l’intelligence cristallisée ($Gc$), aux capacités verbales et aux savoirs sémantiques font preuve d’une remarquable résilience, croissant régulièrement jusqu’à la cinquantaine et demeurant quasiment stables jusqu’à 75 ou 80 ans en l’absence de processus neurodégénératifs pathologiques.

Ce déclin divergent débouche au cours du très grand âge sur un phénomène d’une grande portée théorique : la dédifférenciation cognitive. Alors que l’âge adulte moyen se caractérise par une relative autonomie des différents domaines cognitifs (mémoire, espace, langage), la sénescence très avancée voit les intercorrélations entre tous ces tests remonter brutalement en flèche. Chez les personnes très âgées, le facteur général g ré-absorbe l’essentiel de la variance de toutes les sous-épreuves : si un individu âgé vacille en rapidité motrice, il aura tendance à chuter symétriquement en mémoire, en vocabulaire et en raisonnement abstrait. Cette dédifférenciation terminale conforte l’hypothèse de l’intégrité systémique de l’organisme, le déclin global du tissu neuronal agissant comme un facteur commun limitant qui réinstalle une prépondérance absolue de g sur l’ensemble de l’appareil psychique.

10.2 L’effet Flynn et ses implications pour la nature de g

Au cours des années 1980, le chercheur néo-zélandais d’origine américaine James R. Flynn a documenté un phénomène macro-historique aux répercussions théoriques considérables, connu sous le nom d’effet Flynn : la hausse continue et spectaculaire des performances brutes aux tests d’intelligence observée tout au long du XXe siècle à travers les pays industrialisés. En comparant les standardisations successives des manuels psychométriques de cohortes d’âges comparables réévaluées à plusieurs décennies d’intervalle, Flynn a calculé que les populations occidentales gagnaient en moyenne l’équivalent de 3 points de QI par décennie, soit près d’un écart-type complet (environ 15 points) en l’espace de 50 ans.

Ce résultat historique a soulevé un paradoxe théorique déroutant quant à la nature du facteur g : comment une telle accélération phénotypique était-elle possible à une échelle temporelle bien trop courte pour relever de la moindre sélection génétique ou évolutionniste ? Si nos grands-parents présentaient des scores bruts qui, étalonnés sur nos normes contemporaines, les situeraient à la lisière de la déficience intellectuelle légère, et si nous devions être considérés comme des génies en puissance par rapport à leurs étalonnages d’époque, comment concilier cette dérive séculaire massive avec l’affirmation de la forte héritabilité et de la stabilité neurobiologique du facteur g ?

La résolution de ce paradoxe a été apportée par la modélisation factorielle confirmatoire multigroupes, sous l’impulsion de méthodologistes tels que Jelte Wicherts (2004). En testant formellement l’invariance de mesure de l’effet Flynn au sein de matrices de covariances intergénérationnelles, Wicherts a démontré que l’effet Flynn viole systématiquement l’invariance factorielle stricte. En clair : les gains séculaires observés ne sont pas saturés en facteur g. L’effet Flynn constitue un « effet non-g » (non-g phenomenon).

Les gains séculaires massifs se concentrent de manière disproportionnée sur des tâches hautement abstraites et décontextualisées, typiquement les matrices progressives de Raven, tout en étant marginaux, voire nuls, sur des épreuves de rétention de chiffres, d’arithmétique ou de vitesse de traitement élémentaire (lesquelles sont pourtant intimement corrélées à g au sein d’une génération donnée). Flynn lui-même a théorisé que ce phénomène ne reflète pas une augmentation de l’intelligence biologique globale ou de la puissance synaptique du cerveau, mais une familiarisation progressive avec des « lunettes conceptuelles » (scientific spectacles). L’urbanisation, l’allongement sans précédent de la scolarité obligatoire, la prolifération des supports visuels, des abstractions technologiques et des jeux logiques ont accoutumé les générations successives à manipuler des catégories logiques arbitraires avec une dextérité technique déconnectée d’une expansion du potentiel biologique sous-jacent de g.

10.3 Le récent retournement séculaire (effet Flynn négatif)

Depuis le tournant du XXIe siècle, une série d’investigations épidémiologiques rigoureuses conduites initialement dans les pays scandinaves (notamment en Norvège par Bratsberg et Rogeberg, 2018, à partir des registres exhaustifs de la conscription militaire), puis répliquées au Royaume-Uni, en France, aux Pays-Bas et en Allemagne, a mis en évidence une inversion de la dynamique séculaire : l’effet Flynn négatif (anti-Flynn effect) ou retournement séculaire des scores psychométriques bruts.

Les cohortes de conscrits nées à partir du milieu des années 1970 et durant les décennies 1980 et 1990 enregistrent une stagnation, suivie d’un déclin progressif de leurs scores moyens aux épreuves psychométriques généralisées, déclin estimé selon les études entre 0,2 et 0,4 point de QI par an. Ce phénomène a immédiatement ravivé de vives controverses publiques et scientifiques.

Certains partisans d’une explication dysgénique (comme Richard Lynn) ont affirmé que ce recul phénotypique matérialiserait les conséquences génétiques à long terme d’une fécondité différentielle négative, les individus dotés d’un niveau d’instruction plus élevé ayant statistiquement moins d’enfants. Cependant, l’étude longitudinale élégante menée par Bratsberg et Rogeberg au sein des registres de l’armée norvégienne a infligé un démenti catégorique à l’hypothèse génétique : en analysant les trajectoires de scores au sein de membres d’une même fratrie (frères issus des mêmes parents nés à des années d’intervalle), les auteurs ont retrouvé l’intégralité de la trajectoire de l’effet Flynn (hausse historique puis déclin récent) à l’intérieur même des familles. La cause sous-jacente est donc indiscutablement d’ordre environnemental.

Les hypothèses explicatives contemporaines se focalisent sur la transformation des cadres pédagogiques, culturels et technologiques :

• L’évolution des programmes scolaires vers des approches moins axées sur l’entraînement formel à la grammaire analytique, au calcul mental rigoureux et à la démonstration logique classique.
• La prolifération de la culture numérique immersive, marquée par le règne de l’instantanéité, des micro-formats vidéo et du multitâche numérique, réduisant le temps consacré à la lecture soutenue de textes longs et à la contemplation réflexive indispensable à l’exercice d’un raisonnement complexe.
• Des facteurs environnementaux biologiques émergents, tels que la sédentarité accrue, les altérations de la qualité du sommeil chez les adolescents exposés aux écrans lumineux nocturnes, ou encore l’exposition ubiquitaire à des perturbateurs endocriniens susceptibles d’interférer avec le neurodéveloppement prénatal.

Tout comme pour l’effet Flynn positif originel, les psychométriciens soulignent que ce déclin moderne touche prioritairement des aptitudes instrumentales de surface sans constituer nécessairement la preuve d’un effondrement irréversible de l’intégrité biologique fondamentale du facteur g.

11. Débats critiques, controverses théoriques et limites ontologiques du facteur g

11.1 L’objection néo-béhavioriste et constructiviste de Stephen Jay Gould

Aucun plaidoyer critique contre la validité ontologique du facteur g n’a exercé un écho intellectuel et populaire aussi retentissant que l’ouvrage du paléontologue et historien des sciences Stephen Jay Gould, The Mismeasure of Man (1981, traduit en français sous le titre La Mal-mesure de l’homme). Écrivant dans une perspective épistémologique ouvertement constructiviste et politiquement engagée contre les dérives de l’eugénisme social, Gould a articulé une dénonciation féroce de l’analyse factorielle spearmanienne, qu’il considérait comme l’avatar d’une illusion méthodologique coupable.

L’argumentaire central de Gould repose sur la dénonciation de ce qu’il qualifiait de « réification fallacieuse » (fallacy of reification). Selon Gould, Spearman et ses successeurs auraient commis une erreur logique impardonnable : transformer une simple abstraction mathématique — le premier vecteur propre extrait d’une matrice de corrélations — en une entité physique, matérielle et biologique logée au sein de la boîte crânienne humaine. Gould rappelait que l’analyse factorielle est une technique purement géométrique et descriptive de réduction de dimensions : extraire un premier axe dominant n’implique en aucun cas que cet axe renvoie à une cause causale unitaire réelle dans la nature. De plus, il soulignait qu’en opérant une rotation factorielle orthogonale ou oblique différente (comme le démontrait Thurstone), le facteur général pouvait s’évanouir mathématiquement dans la géométrie des axes pour laisser place à une constellation d’aptitudes spécifiques.

Gould avertissait également contre le danger d’une circularité tautologique inhérente à la métrologie différentielle : l’intelligence est définie comme étant ce que mesure le facteur g, et le facteur g est modélisé à partir d’épreuves sélectionnées précisément parce qu’elles corrèlent entre elles et correspondent aux représentations culturelles de ce qu’est l’excellence intellectuelle au sein d’une élite académique définie.

Toutefois, la critique de Gould a elle-même essuyé des ripostes dévastatrices de la part des plus éminents représentants de la psychométrie et des neurosciences (dont Arthur Jensen, John Carroll et Ian Deary). Ces derniers ont reproché à Gould d’ignorer volontairement les données physiologiques, génétiques et chronométriques accumulées depuis des décennies. La réification dénoncée par Gould ne repose pas sur une postulation abstraite en vase clos : si g n’était qu’un artefact mathématique issu de rotations d’axes arbitraires, il serait rigoureusement incapable de corréler avec le volume de substance grise, avec l’anisotropie fractionnelle des neurones, avec la vitesse de conduction nerveuse, avec des scores polygéniques issus du séquençage génomique, ou de prédire la survie à des infarctus du myocarde soixante ans après sa mesure.

11.2 Modèles alternatifs : Échantillonnage de Godfrey Thomson et modularité

L’une des alternatives théoriques les plus solides au réalisme unitaire de Spearman fut élaborée dès 1916 par le psychologue écossais Sir Godfrey Thomson, avec sa célèbre théorie de l’échantillonnage des liaisons (Bonds Model of intelligence). Thomson cherchait à démontrer que le phénomène empirique du collecteur positif (l’intercorrélation universelle entre tous les tests mentaux) pouvait être rigoureusement généré sans supposer l’existence d’une quelconque variable causale unitaire g.

Selon le modèle de Thomson, l’esprit humain ne repose pas sur une énergie globale centrale, mais est constitué d’une myriade innombrable de petites composantes indépendantes, de liens ou de liaisons neuronales élémentaires (bonds) : des connexions synaptiques discrètes, des micro-apprentissages, des réflexes moteurs, des associations perceptives. Lorsqu’un individu est confronté à un test psychométrique particulier, ce test n’active pas une entité générale g, mais procède à un « échantillonnage » stochastique (un prélèvement aléatoire) d’un large sous-ensemble de ces liaisons élémentaires. Si deux tests présentent une corrélation positive élevée, ce n’est pas parce qu’ils sont gouvernés par un maître-facteur commun, mais simplement parce qu’ils requièrent et échantillonnent de nombreuses liaisons neuronales identiques ou sécantes (recouvrement structural). Le facteur g statistique n’est alors rien d’autre qu’un agrégat de surface résultant de ce chevauchement d’éléments partagés.

Un siècle plus tard, cette conception a trouvé une formulation mathématique contemporaine sophistiquée dans le modèle du mutualisme dynamique (Mutualism Model), proposé en 2006 par Han van der Maas et son équipe d’Amsterdam. En s’appuyant sur la théorie des systèmes complexes et la dynamique des réseaux, van der Maas a modélisé l’architecture cognitive sans aucun facteur latent g :

À la naissance, les différents processus cognitifs (perception, langage, raisonnement, motricité) débutent avec des niveaux d’efficience quasi indépendants les uns des autres. Cependant, tout au long de l’ontogenèse et du développement interactif avec l’environnement, ces modules s’influencent mutuellement de façon dynamiquement bénéfique (interaction trophique positive) :

• Développer une meilleure mémoire de travail aide directement à apprendre plus de lexique.
• Maîtriser un vocabulaire précis décuple les capacités de raisonnement analogique.
• Un raisonnement affûté accélère l’acquisition de stratégies de calcul et la vitesse d’inférence.

Par simulation informatique différentielle, van der Maas a formellement prouvé que ce réseau dynamique de relations de mutualisme positif engendre inévitablement, au cours de la maturation du système, une matrice de corrélations phénotypiques manifestant un collecteur positif parfait et dont l’analyse factorielle classique extraira… un puissant facteur g mathématique !

Ces modélisations en réseau rencontrent un écho puissant au sein de la psychologie évolutionniste contemporaine (défendue par Leda Cosmides, John Tooby ou Steven Pinker), qui postule une modularité massive de l’esprit (Massive Modularity Hypothesis). L’évolution par sélection naturelle ayant façonné des adaptations spécialisées pour résoudre des défis adaptatifs cloisonnés (évitement des prédateurs, sélection sexuelle, détection des tricheurs, orientation spatiale), le modèle du mutualisme ou de l’échantillonnage de Thomson permet de concilier l’architecture modulaire biologiquement évoluée de l’encéphale avec la covariance factorielle globale observée au laboratoire psychométrique.

11.3 La théorie des intelligences multiples face à la psychométrie

Dans l’arène de la vulgarisation éducative et du grand public, la contestation la plus visible de la suprématie du facteur g provient de la théorie des intelligences multiples, formulée en 1983 par le psychologue du développement Howard Gardner dans son livre Frames of Mind. Rejetant le postulat d’une intelligence unitaire et universelle capturée par les tests de QI traditionnels, Gardner proposa initialement sept, puis huit (voire neuf) intelligences autonomes, qualitatives et indépendantes :

• Linguistique
• Logico-mathématique
• Spatiale
• Musicale
• Kinesthésique-corporelle
• Interpersonnelle
• Intrapersonnelle
• Naturaliste

Bien que le modèle de Gardner ait été accueilli avec un immense enthousiasme au sein des milieux pédagogiques et des sciences de l’éducation en raison de son caractère humaniste, inclusif et valorisant (chaque individu pouvant être jugé « intelligent » sous une forme ou une autre), il fait l’objet d’un rejet unanime et sans concession au sein de la communauté psychométrique et de la psychologie différentielle computationnelle.

Le reproche fondamental adressé à Gardner est son refus persistant de soumettre sa taxonomie aux exigences élémentaires de la falsifiabilité poppérienne et aux méthodes d’évaluation standardisée. Gardner s’est délibérément abstenu de développer des instruments psychométriques validés pour opérationnaliser et quantifier ses différentes prétendues intelligences. Or, dès lors que des chercheurs indépendants (tels que John Visser, Michael Ashton ou Gilles Gignac) ont conçu des batteries de tests standardisés mesurant fidèlement les diverses compétences décrites par Gardner, le résultat empirique a systématiquement désavoué la thèse de l’indépendance modulaire :

Les épreuves de capacités spatiales, logiques, linguistiques, et même kinesthésiques ou musicales, manifestent invariablement des intercorrélations positives substantielles entre elles. Lorsqu’elles sont soumises à une analyse factorielle confirmatoire rigoureuse, les prétendues intelligences indépendantes de Gardner s’effondrent immédiatement et se font intégralement réabsorber sous la variance commune du facteur g ! Les composantes restantes correspondent exactement aux aptitudes de Strate II déjà cartographiées depuis des décennies par le modèle CHC (telles que le traitement auditif $Gu$ pour l’intelligence musicale, ou la perception visuelle $Gv$ pour l’intelligence spatiale). Quant aux facettes interpersonnelle et intrapersonnelle, les études d’analyses multivariées démontrent qu’elles ne relèvent pas du domaine de l’aptitude cognitive, mais appartiennent entièrement au champ de la personnalité (se superposant aux traits de l’Agréabilité, de l’Extraversion et de la Stabilité émotionnelle au sein du modèle des Big Five).

12. Perspectives futures : Intégration neuro-computationnelle et reconfiguration de g

12.1 Connectomique fonctionnelle et plasticité dynamique

À l’ère contemporaine des neurosciences computationnelles et de l’imagerie multimodale, l’étude du facteur g est en train d’opérer une profonde métamorphose paradigmatique, s’émancipant des modèles neuroanatomiques statiques (volume, épaisseur corticale locale) pour s’enraciner dans la connectomique fonctionnelle dynamique. Les investigations menées à l’aide de l’Imagerie par Résonance Magnétique fonctionnelle au repos (resting-state fMRI ou rs-fMRI), notamment au sein du consortium mondial du Human Connectome Project, s’intéressent aux motifs d’organisation spatio-temporelle spontanés du cerveau lorsque celui-ci n’est engagé dans aucune tâche explicite.

Les travaux novateurs de Finn et al. (2015) ont démontré qu’il est possible d’isoler une véritable « empreinte digitale de connectivité » (functional connectome fingerprinting) unique et stable pour chaque individu, permettant non seulement d’identifier une personne parmi des centaines d’autres à partir de sa seule matrice de connectivité intrinsèque, mais surtout de prédire de manière robuste son niveau latent de facteur g dans des analyses croisées hors échantillon. Les circuits cérébraux dont le profil d’interconnexion au repos s’avère le plus prédictif de g sont précisément les réseaux fronto-pariétal (FPN) et de contrôle de l’attention dorsale (DAN).

Plus prometteuse encore est la transition vers la connectomique fonctionnelle chronotopique (résolution temporelle dynamique). L’intelligence générale ne repose pas sur une architecture de connectivité figée, mais sur la capacité du cerveau à reconfigurer de façon transitoire, fluide et réversible ses états de connectivité entre différents attracteurs de réseaux. Des chercheurs comme Cole, Ito et Braver ont formulé l’hypothèse de la flexibilité de connectivité du réseau fronto-pariétal :

Lors de la transition d’un état de repos à l’exécution d’une tâche cognitive inédite et complexe, le réseau fronto-pariétal des individus dotés d’un haut facteur g change de partenaires fonctionnels avec une agilité algorithmique supérieure, venant se synchroniser de manière opportuniste avec les réseaux sensoriels primaires ou moteurs pertinents pour orchestrer la computation requise, avant de réinitialiser instantanément son état topologique basal.

Le facteur g est ainsi redéfini comme une métrique temporelle de coordination métabolique et d’adaptabilité plastique : la signature d’un cerveau capable de naviguer au sein d’un paysage d’états dynamiques avec un minimum de friction informationnelle.

12.2 Modélisation neuro-computationnelle et intelligence artificielle

L’essor vertigineux de l’intelligence artificielle contemporaine, et singulièrement l’émergence des grands modèles de langage multimodaux (LLMs) adossés à l’architecture du Transformer et des réseaux de neurones profonds à mécanismes d’auto-attention (Self-Attention Mechanisms), pose avec une acuité renouvelée la question de la nature computationnelle de l’intelligence générale.

Des équipes de recherche interdisciplinaires ont entrepris d’administrer des batteries psychométriques standardisées humaines (telles que les matrices de Raven, les tests de vocabulaire ou les épreuves de rotation mentale) à des réseaux profonds (comme GPT-4). L’analyse factorielle des matrices de performances obtenues par ces agents artificiels à travers une panoplie hétérogène de benchmarks logiques et linguistiques commence à révéler l’émergence empirique d’un « facteur g artificiel ». Les modèles qui dominent les tâches de déduction sémantique manifestent également les performances les plus robustes dans la synthèse de code informatique ou l’inférence spatiale, reproduisant le collecteur positif originellement documenté par Spearman il y a plus d’un siècle.

Cette convergence n’est pas fortuite : elle éclaire la nature profonde des opérations spearmaniennes. L’architecture de l’attention au sein d’un Transformer — qui consiste à évaluer dynamiquement le degré d’association vectorielle et de similarité cosinus entre des représentations symboliques distribuées (tokens) — n’est rien d’autre qu’une formalisation algorithmique et matricielle directe de l’éduction des relations et de l’éduction des corrélats théorisées par Spearman en 1923 !

Au niveau computationnel théorique, le facteur g s’identifie de plus en plus formellement à la capacité d’apprentissage par transfert (Transfer Learning) et d’adaptation « zéro-coup » (Zero-Shot Generalization). Un système d’intelligence artificielle étroit (Narrow AI), comme un algorithme de jeu d’échecs, présente une saturation en g nulle : il est magistral dans son domaine d’optimisation spécifique ($s$), mais totalement incapable de transférer ses paramètres pour décoder une métaphore verbale ou classifier une image. L’intelligence générale — qu’elle soit biologique ou de synthèse — correspond à la capacité computationnelle à extraire des méta-règles d’invariance relationnelle au-dessus de domaines phénoménologiques disparates, pour les projeter avec succès sur des environnements d’apprentissage inédits.

12.3 Vers une ontologie bio-computationnelle unifiée

Au terme de ce vaste panorama épistémologique, méthodologique et empirique, une synthèse dialectique s’impose pour résoudre le grand débat séculaire opposant le réductionnisme biologique (qui traite g comme une entité physiologique isolée) et le constructivisme de réseau (qui ne voit en g qu’un artefact mathématique ou une simple entraide mutuelle d’aptitudes disjointes).

La psychologie scientifique et les sciences cognitives contemporaines s’orientent vers une ontologie bio-computationnelle unifiée. Dans cette perspective réconciliatrice, le facteur g n’est ni un simple « organe mental » localisable dans une aire anatomique étanche, ni une fiction statistique dénuée de substrat matériel. Le facteur g est appréhendé comme la propriété émergente globale d’un système complexe adaptatif robuste.

L’édifice peut être conceptualisé selon une hiérarchie multiniveau continue :

• À l’échelle moléculaire et génomique, des dizaines de milliers de SNPs modulent subtilement le développement cellulaire, l’efficacité de la transcription de l’ARN et la régulation synaptique de l’encéphale.
• À l’échelle neuro-architecturale, ces variations génomiques se traduisent par une intégrité microstructurale optimale de la myéline, une densité dendritique dense et un câblage de réseau optimisé sous forme de graphes à petit monde (modèle P-FIT).
• À l’échelle computationnelle, ce substrat cérébral performant confère au système une fréquence d’échantillonnage temporel supérieure (faible temps d’inspection, variabilité décisionnelle minimale selon la loi de Hick) et une bande passante attentionnelle élargie (mémoire de travail élevée au sein de l’espace global).
• À l’échelle développementale enfin, cette machinerie computationnelle robuste permet aux processus cognitifs en interaction mutuelle (mutualisme) d’apprendre plus vite, d’extraire plus de sens des rétroactions environnementales et d’alimenter une boucle vertueuse permanente de consolidation de connaissances et d’expertise ($Gf \rightarrow Gc$).

Redéfini comme l’indice de l’efficience informationnelle globale d’un système neuronal face à l’entropie et à la complexité de son environnement, le facteur g conserve plus que jamais son statut d’axe d’intelligibilité majeur. Plus d’un siècle après sa formulation mathématique inaugurale par Charles Spearman dans les colonnes d’une modeste revue académique, ce construit fondamental de la psychométrie transcende les querelles doctrinales pour s’affirmer comme l’une des contributions les plus élégantes, robustes et durables de l’histoire des sciences du comportement humain.

Références

• Baddeley, A. (2000). 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
• Binet, A., & Simon, T. (1905). Méthodes nouvelles pour le diagnostic du niveau intellectuel des anormaux. L’Année Psychologique, 11(1), 191-244. https://doi.org/10.3406/psy.1904.3675
• Bouchard, T. J., Lykken, D. T., McGue, M., Segal, N. L., & Tellegen, A. (1990). Sources of human psychological differences: The Minnesota Study of Twins Reared Apart. Science, 250(4978), 223-228. https://doi.org/10.1126/science.2218526
• Bratsberg, B., & Rogeberg, O. (2018). Flynn effect and its reversal are both environmentally driven. Proceedings of the National Academy of Sciences, 115(26), 6674-6678. https://doi.org/10.1073/pnas.1718793115
• Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies. Cambridge University Press. https://doi.org/10.1017/CBO9780511571312
• Cattell, R. B. (1943). The measurement of adult intelligence. Psychological Bulletin, 40(3), 153-193. https://doi.org/10.1037/h0059973
• Cole, M. W., Reynolds, J. R., Power, J. D., Repovs, G., Anticevic, A., & Braver, T. S. (2012). Multi-task connectivity reveals flexible hubs for adaptive task control. Nature Neuroscience, 16(9), 1348-1355. https://doi.org/10.1038/nn.3470
• Deary, I. J. (2010). The science of human intelligence differences. Journal of Child Psychology and Psychiatry, 51(4), 485-498. https://doi.org/10.1111/j.1469-7610.2010.02237.x
• 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
• Finn, E. S., Shen, X., Scheinost, D., Rosenberg, M. D., Huang, J., Chun, M. M., Papademetris, X., & Constable, R. T. (2015). Functional connectome fingerprinting: Identifying individuals using patterns of brain connectivity. Nature Neuroscience, 18(11), 1664-1671. https://doi.org/10.1038/nn.4135
• 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
• Galton, F. (1869). Hereditary genius: An inquiry into its laws and consequences. Macmillan and Co.
• Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. Basic Books.
• Goriounova, N. A., Heyer, D. B., Wilbers, R., Verhoog, M. B., Giugliano, M., Verbist, C., Obermayer, J., Kerkhofs, A., Smeding, H., Verberne, M., Idema, S., Baayen, J. C., Pieneman, A. W., de Kock, C. P. J., Klein, M., & Mansvelder, H. D. (2018). Large and fast human pyramidal neurons associate with intelligence. eLife, 7, e41714. https://doi.org/10.7554/eLife.41714
• 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
• Hick, W. E. (1952). On the rate of gain of information. Quarterly Journal of Experimental Psychology, 4(1), 11-26. https://doi.org/10.1080/17470215208416600
• 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
• Jensen, A. R. (1998). The g factor: The science of mental ability. Praeger.
• Jensen, A. R. (2006). Clocking the mind: Mental chronometry and individual differences. Elsevier. https://doi.org/10.1016/B978-0-08-044939-5.X5000-6
• 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
• Pietschnig, J., Penke, L., Wicherts, J. M., Zeiler, M., & Voracek, M. (2015). Meta-analysis of associations between human brain volume and intelligence differences: How strong are they and what do they mean? Neuroscience & Biobehavioral Reviews, 57, 411-432. https://doi.org/10.1016/j.neubiorev.2015.09.017
• 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
• Raven, J. C. (1938). Progressive matrices: A perceptual test of intelligence. H. K. Lewis & Co. Ltd.
• Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings. Psychological Bulletin, 124(2), 262-274. https://doi.org/10.1037/0033-2909.124.2.262
• Schneider, W. J., & McGrew, K. S. (2018). The Cattell-Horn-Carroll theory of cognitive abilities. In D. P. Flanagan & E. M. McDonough (Eds.), Contemporary intellectual assessment: Theories, tests, and issues (4th ed., pp. 73-163). The Guilford Press.
• 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. (1923). The nature of ‘intelligence’ and the principles of cognition. Macmillan and Co.
• Spearman, C. (1927). The abilities of man: Their nature and measurement. Macmillan and Co.
• 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. The University of Chicago Press.
• van der Maas, H. L. J., Dolan, C. V., Grasman, R. P. P. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. J. (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
• Vickers, D., Nettelbeck, T., & Willson, R. J. (1972). Perceptual indices of performance: The measurement of ‘inspection time’. Perception, 1(3), 263-295. https://doi.org/10.1068/p010263
• Wechsler, D. (2008). Wechsler Adult Intelligence Scale – Fourth Edition (WAIS-IV). NCS Pearson.
• Wicherts, J. M., Dolan, C. V., Hessen, D. J., Oosterveld, P., van Baal, G. C. M., Boomsma, D. I., & Span, M. M. (2004). Are intelligence tests measurement invariant over time? Investigating the nature of the Flynn effect. Intelligence, 32(5), 509-537. https://doi.org/10.1016/j.intell.2004.07.002