Intelligence générale (

L’étude scientifique des facultés cognitives humaines constitue l’un des chapitres les plus denses, rigoureux et débattus de la psychologie contemporaine. Au cœur de cette entreprise intellectuelle émerge le concept d’intelligence générale, universellement désigné sous le sigle du facteur g. Échafaudé à la croisée de la formalisation mathématique, de la modélisation statistique et des neurosciences fondamentales, ce construit nomothétique postule qu’au-delà de l’hétérogénéité apparente des compétences humaines — qu’il s’agisse de résoudre une équation différentielle, de déchiffrer une métaphore poétique, d’anticiper une rotation spatiale ou de mémoriser une séquence d’instructions complexes —, il existe une source unitaire ou intégrée de variance covariante qui conditionne de manière substantielle l’efficacité du traitement de l’information par l’esprit humain.

Loin de se réduire à une simple abstraction numérique ou à un artefact dérivé de la prolifération des tests standardisés, l’intelligence générale a acquis au fil d’un siècle d’investigations empiriques une densité phénoménologique et ontologique singulière. Des équations fondatrices de Charles Spearman aux architectures hiérarchiques contemporaines du modèle Cattell-Horn-Carroll, de la cartographie des réseaux cérébraux pariéto-frontaux aux études d’association pangénomique à très grande échelle, la trajectoire du facteur g illustre le passage d’une psychologie purement descriptive à une véritable science causale des différences interindividuelles. Ce construit traverse aujourd’hui des disciplines aussi diverses que l’épidémiologie cognitive, la génétique quantitative, la psychiatrie biologique et l’apprentissage automatique profond.

Pourtant, la persistance de cette entité théorique ne s’est point accomplie sans heurts épistémologiques majeurs. Elle a suscité d’âpres querelles doctrinales entre partisans de l’unitarisme mental et défenseurs de modèles modulaires, pluralistes ou dynamiques. Explorer l’intelligence générale exige ainsi d’embrasser simultanément l’histoire des idées scientifiques, l’appareillage métrologique de la psychométrie, les substrats neurobiologiques de la connectomique et les considérations socio-éthiques liées à l’évaluation diagnostique. Cette monographie se propose d’examiner exhaustivement les fondements, les modèles, les corrélats matériels, les mécanismes computationnels et les implications sociétales de ce qui demeure la propriété la plus puissamment prédictive de la psychologie différentielle.

1. Fondements historiques et émergence conceptuelle de l’intelligence générale

1.1 Les précurseurs philosophiques et les débuts de l’évaluation cognitive

L’interrogation sur la nature de l’entendement humain trouve son ancrage premier dans les grandes traditions philosophiques classiques. D’Aristote et sa conception de la facultas rationnelle ordonnant le chaos sensible, jusqu’aux épistémologies empiristes de John Locke et de David Hume concevant l’esprit comme une table rase articulée par des principes d’association, la pensée occidentale a longtemps oscillé entre une vision modulaire des facultés de l’âme et la quête d’une vertu unificatrice de la raison discursive. Au dix-neuvième siècle, sous l’impulsion du matérialisme scientifique et de la théorie de l’évolution exposée par Charles Darwin, la conceptualisation de l’intelligence s’émancipe de la métaphysique spéculative pour s’ancrer dans le domaine de la biologie comparée et de l’adaptation différentielle des espèces et des individus.

C’est à Sir Francis Galton que revient l’initiative méthodologique d’avoir tenté d’objectiver scientifiquement les écarts individuels de capacité mentale. Influencé par les paradigmes de la psychophysique naissante incarnée par Gustav Fechner et Ernst Weber, Galton postule dans son ouvrage Hereditary Genius (1869) que l’efficience intellectuelle est tributaire de l’acuité et de la rapidité du système nerveux central. Dans son laboratoire anthropométrique établi à South Kensington en 1884, il soumet des milliers de sujets à des épreuves sensorielles élémentaires : discrimination des seuils auditifs et visuels, temps de réaction à un stimulus simple, force de préhension dynamométrique et kinesthésie. Bien que cette approche mécaniste n’ait point réussi à corréler de manière convaincante ces métriques sensorielles avec des critères tangibles d’accomplissement intellectuel, Galton pose les jalons conceptuels de la corrélation, de la régression vers la moyenne et de l’étalonnage normatif.

La rupture paradigmatique intervient au tournant du vingtième siècle sous l’égide de la psychologie française. Mandatés par le ministère de l’Instruction publique pour élaborer un instrument diagnostique capable d’identifier les enfants en situation d’échec scolaire requérant un enseignement spécialisé, Alfred Binet et son collaborateur le docteur Théodore Simon publient en 1905 l’Échelle métrique de l’intelligence. Binet récuse explicitement le réductionnisme sensoriel de Galton et déplace l’attention métrologique vers les processus mentaux supérieurs : le jugement, la mémoire de travail, la compréhension sémantique, la suggestibilité et la faculté d’adaptation logique. En introduisant le concept opératoire d’âge mental — raffiné plus tard par Wilhelm Stern sous la forme du quotient intellectuel traditionnel (rapport de l’âge mental sur l’âge chronologique multiplié par cent) —, Binet et Simon conçoivent une batterie pragmatique, hétérogène et empiriquement calibrée qui démontre la possibilité clinique de quantifier le développement cognitif global sans s’enfermer dans un formalisme théorique rigide.

1.2 L’émergence formelle du facteur g dans le paradigme psychométrique

L’acte de naissance épistémologique et mathématique de l’intelligence générale est indissociable de la publication, en 1904, de l’article séminal de Charles Spearman, alors officier de l’armée britannique converti à la psychologie expérimentale auprès de Wilhelm Wundt à Leipzig. Dans son étude intitulée « General Intelligence », Objectively Determined and Measured, Spearman analyse les performances scolaires d’élèves de milieux divers dans des matières académiques radicalement dissemblables (les lettres classiques, le français, les mathématiques, la musique) tout en recueillant des mesures de discrimination sensorielle auditive et visuelle. À l’aide de nouveaux instruments statistiques qu’il forge pour l’occasion — notamment la corrélation de rangs et la correction pour atténuation liée à l’erreur de mesure —, Spearman met en lumière une régularité empirique frappante : toutes les épreuves cognitives, quelle que soit leur nature apparente, manifestent entre elles des corrélations mutuelles systématiquement positives et statistiquement significatives.

Ce phénomène universel, désigné sous le terme fondamental de positive manifold (ou réseau de corrélations positives), constitue la pierre angulaire empirique de la psychométrie différentielle. Spearman démontre que cette intercorrélation positive n’est ni fortuite ni réductible à des artefacts méthodologiques. Face à une matrice de covariances où aucun coefficient n’est négatif, Spearman conclut qu’un facteur unique latent transcende la spécificité intrinsèque des tâches. Il baptise cette source de variance partagée le facteur g (pour intelligence générale). Dans la perspective spearmanienne, le facteur g n’est point une somme arithmétique ou un simple agrégat descriptif, mais une entité mathématiquement extraite qui rend compte de la part commune de variance observée à travers l’ensemble des comportements intelligents.

Cette conceptualisation opère une rupture radicale avec les doctrines facultistes de la phrénologie de Franz Joseph Gall et avec l’associationnisme compartimenté de l’école britannique. Spearman soutient que l’architecture de l’esprit ne peut plus être envisagée comme une mosaïque de modules hermétiques et indépendants. Au contraire, le modèle spearmanien consacre la primauté nomothétique d’une aptitude fondamentale unitaire, tout en concédant l’existence de composantes spécifiques propres à chaque épreuve. En formulant cette hypothèse, Spearman ne se contente pas d’élaborer une technique de traitement des données ; il inaugure le paradigme de l’analyse factorielle et assigne à la psychologie la tâche de dévoiler la nature physique et biologique de cette énergie psychique universelle qu’il postule derrière son coefficient mathématique.

1.3 Évolution historiographique des débats autour de la nature unitaire de l’esprit

L’accueil réservé aux thèses de Spearman au sein de la communauté scientifique internationale fut marqué par de violentes controverses épistémologiques et idéologiques. Dès les années 1910, les partisans d’une vision pluraliste de la cognition s’élèvent contre ce qu’ils perçoivent comme une réification abusive d’un simple artefact statistique. Aux États-Unis, des pionniers de la psychologie de l’éducation comme Edward Thorndike défendent une théorie connexionniste et atomiste de l’intelligence. Selon Thorndike, l’esprit est composé d’une multitude innombrable de liens associatifs et d’aptitudes spécifiques indépendantes ; le positive manifold observé par Spearman ne serait pas la manifestation d’une force unitaire sous-jacente, mais la résultante statistique du fait que des épreuves complexes sollicitent simultanément des grappes d’éléments communs indépendants.

L’avènement de la Première Guerre mondiale confère au débat une urgence sociétale et géopolitique inédite. Sous la direction de Robert Yerkes, président de l’American Psychological Association, un collège de psychologues conçoit les célèbres tests Army Alpha (pour les recrues alphabétisées) et Army Beta (destiné aux illettrés et aux immigrants ne maîtrisant point la langue anglaise). Administrés à plus de 1,7 million de soldats mobilisés, ces tests massifs constituent la première application à grande échelle de l’évaluation standardisée de l’aptitude générale. Bien que conçus initialement à des fins de classification militaire pragmatique et de sélection des officiers, les résultats de ces épreuves sont immédiatement mobilisés par les défenseurs de l’unitarisme mental pour asseoir la validité écologique et sociologique du construit, tout en alimentant des dérives idéologiques eugénistes et nativistes qui terniront durablement l’histoire de la discipline.

Durant l’entre-deux-guerres, la formalisation progressive des critères d’admissibilité scientifique du construit psychologique s’accélère. Les méthodologistes s’efforcent de distinguer rigoureusement ce qui relève de la structure dimensionnelle intrinsèque des données de ce qui appartient aux conventions d’analyse factorielle. Les travaux de Karl Pearson, l’essor des critères de réfutabilité poppériens et l’exigence d’une validité de construit — telle que théorisée ultérieurement par Lee Cronbach et Paul Meehl — forcent les partisans de l’intelligence générale à dépasser la simple tautologie consistant à affirmer que « l’intelligence est ce que mesurent les tests ». Dès lors, l’admissibilité scientifique de g exige qu’il démontre sa stabilité à travers différentes batteries de tests, sa robustesse face aux variations démographiques, sa valeur prédictive différentielle et sa convergence avec des variables neurobiologiques indépendantes.

2. La théorie bifactorielle de Spearman et la formalisation mathématique

2.1 Structure fondamentale du modèle bifactoriel

La modélisation initiale formulée par Spearman repose sur une distinction mathématique et conceptuelle rigoureuse : le modèle bifactoriel classique. Dans cette formulation élémentaire, la variance de la performance d’un individu $i$ à une épreuve cognitive donnée $j$ ($X_{ij}$) est décomposée de manière linéaire en deux composantes indépendantes et orthogonales : une composante générale, désignée sous le symbole $g$, partagée par l’ensemble des tâches intellectuelles, et une composante spécifique, désignée par $s_j$, strictement idiosyncrasique à la tâche en question et statistiquement indépendante du facteur général et des autres facteurs spécifiques. L’équation formelle s’écrit ainsi :

$$X_{ij} = a_j g_i + e_{ij}$$

où $a_j$ représente la saturation factorielle (le poids accordé au facteur $g$ dans la tâche $j$) et $e_{ij}$ regroupe l’influence du facteur spécifique $s_j$ ainsi que l’erreur de mesure aléatoire associée à l’administration du test. Cette structure implique une hypothèse ontologique majeure : il n’existe point d’aptitudes intermédiaires de groupe (comme la mémoire verbale ou le raisonnement spatial isolés) ; toute variance partagée entre des tests distincts doit pouvoir être intégralement absorbée et expliquée par le facteur général $g$.

Pour conférer à cette architecture mathématique une substance psychologique, Spearman avance sa fameuse théorie physiologique de « l’énergie mentale » (mental energy). Selon cette métaphore électrophysiologique, le facteur $g$ correspondrait à une réserve centrale et quantitativement variable d’énergie nerveuse disponible pour l’ensemble du cortex cérébral. Les facteurs spécifiques $s$, quant à eux, représenteraient les « moteurs » ou les circuits neuronaux spécialisés dédiés à des opérations sensorielles ou praxiques locales. Un individu doté d’un haut niveau d’énergie mentale ($g$) pourrait alimenter efficacement n’importe quel moteur neural spécifique, obtenant ainsi des performances supérieures même dans des tâches dont les structures opératoires divergent radicalement.

Sur le plan des processus cognitifs qualitatifs, Spearman s’efforce d’ancrer le fonctionnement de g dans ce qu’il dénomme les trois lois noétiques fondamentales de la cognition :

• L’appréhension de l’expérience : la capacité intrinsèque d’un sujet à percevoir, enregistrer et devenir conscient de ses propres états psychiques et des stimuli environnementaux qui l’assaillent.
• L’éduction de relations : l’aptitude fondamentale, confronté à deux ou plusieurs éléments perceptifs ou conceptuels (nommés « fundants »), à inférer spontanément la règle abstraite ou la relation logique qui les lie (par exemple, identifier que la relation entre « blanc » et « noir » est celle de l’opposition antinomique).
• L’éduction de corrélats : l’aptitude symétrique, confronté à un élément initial et à une relation abstraite donnée, à générer mentalement l’élément manquant satisfaisant cette relation (par exemple, confronté au concept « chaud » et à la relation d’opposition, induire le concept de « froid »).

Selon Spearman, la saturation d’un test en facteur $g$ est directement proportionnelle à son exigence en termes d’éduction de relations et d’éduction de corrélats, les épreuves de pure mémoire répétitive ou d’adresse motrice simple présentant des saturations quasi nulles.

2.2 Méthodologie statistique originelle et analyse tétrade

Pour apporter la preuve mathématique que la corrélation entre de multiples épreuves découle exclusivement de l’existence d’un facteur sous-jacent unique, Charles Spearman conçoit un théorème algébrique élégant fondé sur ce qu’il intitule le critère des « différences tétrades » (tetrad differences). Considérons quatre épreuves cognitives quelconques notées 1, 2, 3 et 4, dont les corrélations bivariées mutuelles sont représentées par $r_{12}$, $r_{13}$, $r_{14}$, $r_{23}$, $r_{24}$ et $r_{34}$. Spearman démontre que si le modèle bifactoriel est exact — c’est-à-dire si une seule et unique variable latente $g$ rend compte de l’ensemble des intercorrélations entre ces quatre variables sans qu’aucune corrélation résiduelle ne subsiste entre leurs facteurs spécifiques —, alors l’équation tétrade suivante doit être rigoureusement égale à zéro, aux erreurs d’échantillonnage près :

$$r_{12} r_{34} – r_{13} r_{24} = 0$$

De manière symétrique, les deux autres permutations tétrades possibles ($r_{12}r_{34} – r_{14}r_{23} = 0$ et $r_{13}r_{24} – r_{14}r_{23} = 0$) doivent également s’évanouir. L’observation systématique d’écarts nuls ou infinitésimaux au sein des matrices de corrélation empiriques permet à Spearman d’affirmer que sa condition de rang un pour la matrice de covariance est satisfaite, invalidant de facto l’hypothèse de facteurs multiples autonomes en compétition au même niveau hiérarchique.

Néanmoins, les contraintes méthodologiques de cette approche tétrade se heurtèrent rapidement à des limites formelles insurmontables. D’une part, le calcul combinatoire des différences tétrades devenait exponentiellement ingérable dès lors que la matrice incluait plusieurs dizaines de tests. D’autre part, la rigueur de l’égalité tétrade à zéro ne tolérait aucune covariance résiduelle locale ; or, dès que deux tests partageaient un mode de passation identique (par exemple, deux épreuves spatiales ou deux tests verbaux), la différence tétrade déviait systématiquement de zéro, signalant la présence indéniable de facteurs de groupe que le modèle bifactoriel pur de Spearman échouait structurellement à intégrer sans artifice d’ajustement ad hoc.

En dépit de ces limites contraignantes, l’algorithme d’estimation de Spearman a posé les fondations analytiques de l’analyse factorielle exploratoire moderne. Les mathématiciens et statisticiens du premier tiers du vingtième siècle — notamment Karl Pearson pour la formulation mathématique des composantes principales et plus tard Harold Hotelling — se sont largement appuyés sur les intuitions formalisées de Spearman pour développer les algorithmes d’extraction de valeurs propres et de vecteurs propres qui constituent encore aujourd’hui l’ossature computationnelle de la réduction dimensionnelle en psychométrie.

2.3 Réceptions critiques et raffinements méthodologiques précoces

La rigidité théorique du modèle bifactoriel suscita d’immédiates résistances académiques de premier ordre. La critique la plus redoutable et la plus sophistiquée sur le plan mathématique fut formulée par le psychologue et statisticien écossais Sir Godfrey Thomson. Dans une série de publications marquantes inaugurée dès 1916 et culminant dans son ouvrage de 1939 The Factorial Analysis of Human Ability, Thomson démontre de manière implacable qu’il est mathématiquement possible de reproduire des matrices de corrélation présentant des différences tétrades strictement nulles sans faire intervenir la moindre entité ontologique générale unitaire telle que le facteur $g$.

Thomson propose l’hypothèse alternative de l’échantillonnage de liaisons élémentaires (bonds model). Selon cette perspective stochastique, l’esprit humain est constitué d’un nombre incommensurable de processus cognitifs microscopiques indépendants, de liaisons neuronales ou de micro-capacités (les « bonds »). Lorsqu’un individu résout un test psychométrique donné, ce test n’active point un facteur général centralisé, mais échantillonne au hasard une sous-fraction importante de ces liaisons élémentaires. Si deux tests cognitifs distincts sont administrés, leurs domaines d’échantillonnage respectifs vont statistiquement se chevaucher, activant des contingents de liaisons communes. Ce recouvrement probabiliste d’unités élémentaires microscopiques génère mathématiquement un positive manifold indistinguable de celui prédit par la théorie d’une force unitaire. La controverse Spearman-Thomson a ainsi posé une question épistémologique fondamentale toujours active : le facteur $g$ est-il une cause commune unitaire réelle (un endophénotype biologique) ou un artefact émergent résultant du recouvrement d’une multitude de processus élémentaires ?

Parallèlement, l’école psychométrique américaine, portée par Louis Leon Thurstone à l’Université de Chicago, rejeta catégoriquement l’hégémonie du facteur général spearmanien. Thurstone développa l’algèbre matricielle de l’analyse factorielle multiple et inventa la notion de « structure simple » par rotation géométrique orthogonale et oblique des axes factoriels (notamment par la méthode Varimax ultérieure de Kaiser). En appliquant ces nouvelles méthodes, Thurstone pulvérisa le facteur unique de Spearman pour mettre en évidence, en 1938, ses sept Aptitudes Mentales Primaires (PMA) : la compréhension verbale (V), la fluence verbale (W), l’aptitude numérique (N), la visualisation spatiale (S), la mémoire associative (M), la vitesse perceptive (P) et le raisonnement inductif (R). Cependant, Thurstone fut contraint d’admettre une concession majeure : lorsqu’il autorisa ses facteurs primaires à corréler entre eux (rotations obliques), ces facteurs d’aptitudes primaires manifestèrent à leur tour des corrélations mutuelles systématiquement positives, réintroduisant inévitablement l’obligation mathématique d’extraire un facteur de second ordre, ressuscitant ainsi le facteur g au sommet de sa propre architecture.

3. Modélisations psychométriques contemporaines et architectures hiérarchiques

3.1 Le modèle triadique de Raymond Cattell et John Horn (Gf-Gc)

Face à l’opposition stérile entre l’unitarisme radical de Spearman et le pluralisme horizontal de Thurstone, Raymond B. Cattell, ancien élève de Spearman, propose au début des années 1940 une scission théorique féconde du facteur général. Dans sa communication historique au Congrès de l’American Psychological Association de 1941, Cattell postule que le facteur $g$ n’est pas monolithique, mais se subdivise en deux composantes fondamentales majeures : l’intelligence fluide (notée Gf) et l’intelligence cristallisée (notée Gc).

L’intelligence fluide ($Gf$) correspond à la capacité biologique brute du sujet à résoudre des problèmes logiques entièrement inédits, à identifier des patrons d’interrelations abstraites, à raisonner inductivement et déductivement en présence de stimuli qui ne peuvent être élucidés par le simple recours à des connaissances préalablement mémorisées. L’intelligence cristallisée ($Gc$), en contraste direct, représente l’ensemble des compétences cognitives, des lexiques conceptuels, des savoirs déclaratifs et procéduraux acquis par l’individu tout au long de sa socialisation et de sa scolarisation au sein d’une culture donnée. Alors que $Gf$ culmine biologiquement vers la fin de l’adolescence avant d’amorcer un déclin continu lié à la sénescence neuronale, $Gc$ manifeste une remarquable résilience temporelle, progressant ou se maintenant stable jusqu’à un âge très avancé dans les trajectoires de vieillissement typique.

Pour expliquer l’interdépendance empirique entre ces deux dimensions, Cattell élabore la célèbre théorie de l’investissement. Selon cette théorie ontogénétique, un individu doté d’un haut niveau d’intelligence fluide ($Gf$) initial investit cette capacité biologique d’apprentissage dans les situations d’enseignement formel et informel mises à sa disposition par son environnement social. Au fil du temps, cet investissement dynamique engendre l’accumulation de savoirs structurés, transformant ainsi le potentiel fluide en compétences cristallisées ($Gc$). Dans les décennies suivantes, son collaborateur John L. Horn élargit substantiellement ce cadre pour concevoir le modèle de l’intelligence élargie (Extended Gf-Gc Theory), incorporant de nouvelles dimensions cognitives majeures :

• La vitesse de traitement de l’information ($Gs$).
• Le traitement visuel spatial ($Gv$).
• Le traitement auditif ($Ga$).
• L’aptitude de récupération en mémoire à long terme ($Glr$).
• La mémoire à court terme ($Gsm$).

Fait épistémologique crucial, Horn s’écarta de la position de Cattell en rejetant explicitement la validité ontologique d’un facteur $g$ de niveau supérieur chapeautant ces aptitudes larges, préférant maintenir un modèle multidimensionnel sans apex hiérarchique.

3.2 La synthèse hiérarchique : la théorie à trois strates de John Carroll

La fragmentation conceptuelle de la psychométrie connut son point d’orgue intégratif en 1993 avec la parution de l’opus magnum de John Bissell Carroll, intitulé Human Cognitive Abilities: A Survey of Factor-Analytic Studies. Dans cette entreprise monumentale sans précédent dans l’histoire des sciences du comportement, Carroll procède à la réanalyse systématique et standardisée de plus de 460 jeux de données psychométriques mondiaux colligés entre 1927 et 1987, représentant des dizaines de milliers de participants soumis à une multitude de batteries de tests diversifiées.

En appliquant rigoureusement les mêmes critères mathématiques d’analyse factorielle exploratoire hiérarchique — notamment la technique de transformation d’ordre supérieur de Schmid-Leiman —, Carroll aboutit à une taxonomie structurelle unifiée désignée sous le nom de théorie des trois strates (Three-Stratum Theory) :

• La Strate I (Aptitudes étroites) : Constituée d’une soixantaine de micro-capacités cognitives hautement spécifiques (par exemple, la discrimination phonologique, la vitesse de closure perceptive, l’empan mnésique numérique ou la facilité de calcul arithmétique).
• La Strate II (Aptitudes larges) : Regroupe huit dimensions cognitives intermédiaires robustes qui correspondent très largement aux dimensions identifiées par Horn et Cattell : intelligence fluide ($2F$), intelligence cristallisée ($2C$), mémoire générale et apprentissage ($2Y$), perception visuelle ($2V$), perception auditive ($2U$), capacité de récupération ($2R$), vitesse cognitive ($2S$) et vitesse de traitement/décision ($2T$).
• La Strate III (Facteur général) : Occupe le sommet absolu de la pyramide nomothétique sous la forme d’un facteur g unique d’ordre supérieur, qui sature directement ou indirectement l’ensemble des facteurs de la strate II et des sous-tests de la strate I.

L’apport scientifique cardinal de Carroll réside dans la validation empirique irréfutable du fait que, sitôt que l’on analyse une batterie cognitive suffisamment variée et représentative, l’émergence mathématique du facteur g au sommet de la structure factorielle est un invariant structurel incontournable. Carroll démontre en outre que les différentes aptitudes larges de la Strate II ne présentent point le même degré de proximité ontologique avec $g$ : le raisonnement fluide ($Gf$) présente invariablement la saturation factorielle la plus écrasante en $g$ (dépassant fréquemment 0,90), suivi de très près par l’intelligence cristallisée ($Gc$), alors que les aptitudes sensorielles simples ou la vitesse pure affichent des saturations nettement plus modestes.

3.3 Le consensus contemporain : le modèle Cattell-Horn-Carroll (CHC)

À la fin des années 1990, sous la houlette de chercheurs tels que Kevin McGrew, Richard Woodcock et Dawn Flanagan, les taxonomies complémentaires de John Carroll et de John Horn fusionnent pour donner naissance au modèle Cattell-Horn-Carroll (communément désigné sous l’acronyme CHC). Ce modèle intégratif constitue aujourd’hui le consensus métrologique dominant qui sous-tend la conception, la révision et la validation clinique de la quasi-totalité des batteries d’évaluation psychométrique contemporaines à travers le monde, notamment les Échelles de Wechsler (WISC, WAIS), les tests de Woodcock-Johnson ou la Batterie de Kaufman (KABC).

Le modèle CHC opérationnalise la cognition humaine selon une architecture vectorielle dynamique qui compte aujourd’hui jusqu’à seize aptitudes larges (broad abilities) et plus de quatre-vingts aptitudes étroites (narrow abilities). Parmi les domaines larges cardinaux, on dénombre :

• Le raisonnement fluide ($Gf$) : induction, déduction quantitative et pensée logique abstraite.
• L’intelligence cristallisée ($Gc$) : amplitude lexicale, connaissances déclaratives culturelles et écoute compréhensive.
• La mémoire de travail à court terme ($Gwm$) : maintien actif et manipulation mentale de stimuli en présence de distracteurs.
• Le traitement visuo-spatial ($Gv$) : rotation mentale, synthèse de formes et imagerie spatiale.
• L’efficience de récupération en mémoire à long terme ($Glr$) : fluence associative, fluidité d’idées et originalité conceptuelle.
• La vitesse de traitement ($Gs$) : rapidité d’exécution de tâches perceptives élémentaires sans surcharge cognitive.
• La vitesse de décision et temps de réaction ($Gt$).
• Les connaissances quantitatives ($Gq$) et les compétences en lecture/écriture ($Grw$).

Toutefois, le modèle CHC contemporain demeure traversé par un débat métrologique et épistémologique particulièrement stimulant quant au statut exact du facteur g. Deux écoles factorielles s’affrontent au sein du paradigme confirmatoire : l’approche factorielle d’ordre supérieur (higher-order model), où $g$ exerce une influence causale indirecte sur les sous-tests via les aptitudes larges, et l’approche bifactorielle contemporaine (bifactor model ou modèle canonique imbriqué). Dans les modèles bifactoriels, chaque sous-test décharge simultanément sur le facteur g général et sur une aptitude spécifique de groupe, sans médiation hiérarchique intermédiaire.

Cette distinction méthodologique soulève des questions fondamentales sur la redondance théorique du facteur général : certaines études contemporaines mobilisant la modélisation en équations structurelles démontrent que la variance prédictive de la réussite académique ou professionnelle est presque intégralement captée par le facteur g général, rendant les indices spécifiques de groupe statistiquement marginaux dans les régressions multivariées, tandis que d’autres cliniciens préconisent une analyse fine du profil d’aptitudes larges pour le diagnostic différentiel des troubles neurodéveloppementaux.

4. Corrélats neurobiologiques et morphologie cérébrale de l’intelligence générale

4.1 Volumétrie cérébrale, morphométrie et macrostructure

L’exploration des bases biologiques de l’intelligence a bénéficié de manière spectaculaire de l’avènement des techniques d’imagerie par résonance magnétique (IRM) structurelle à haute résolution in vivo, mettant un terme définitif aux conjectures anatomiques post-mortem incertaines du dix-neuvième siècle. Dès le milieu des années 2000, des méta-analyses exhaustives conduites par des neuroscientifiques comme McDaniel (2005) puis confirmées par Pietschnig et collaborateurs en 2015 ont établi de manière indubitable l’existence d’une association modérée mais systématique entre le volume cérébral total ajusté et les scores composites mesurant le facteur $g$. Le coefficient de corrélation moyen de la population générale s’établit de manière récurrente autour de $r \approx 0{,}24$ à $0{,}30$ (pouvant atteindre 0,40 après correction des atténuations statistiques et contrôle de l’âge et du sexe).

Toutefois, les protocoles de morphométrie basée sur les voxels (VBM) et les analyses surfaciques corticales ont rapidement démontré que cette macrostructure globale masque des spécificités anatomiques régionales cruciales. L’intelligence générale ne se réduit pas à une simple expansion allométrique indiscriminée de la masse encéphalique ; elle est étroitement corrélée à l’épaisseur corticale et à la surface corticale totale, avec une contribution prépondérante de cette dernière liée à la gyrification (le degré de plissement des sillons et circonvolutions cérébrales). Des études longitudinales pédiatriques de premier ordre, notamment celles menées par Shaw et ses collègues en 2006 publiées dans la revue Nature, ont révélé un phénomène morphologique remarquable : les enfants dotés des quotients intellectuels les plus élevés ne se caractérisent pas par un cortex précocement plus épais dès le plus jeune âge, mais par une plasticité neurodéveloppementale hautement dynamique, caractérisée par une phase de maturation et d’épaississement cortical prolongée jusqu’à la préadolescence, suivie d’un élagage synaptique (synaptic pruning) extraordinairement rapide et efficace à l’adolescence.

Sur le plan histologique macroscopique, l’association biologique implique à la fois la substance grise et la substance blanche :

• La densité de la matière grise : reflétant le nombre, la taille et le volume neuropilaire des corps cellulaires neuronaux, des dendrites et des synapses, particulièrement au sein des aires associatives multimodales.
• L’intégrité microstructurale de la matière blanche : quantifiée par imagerie du tenseur de diffusion (DTI) via la mesure de l’anisotropie fractionnaire (FA). Une anisotropie fractionnaire élevée au sein des grands tractus sous-corticaux dénote une myélinisation dense, un alignement axonal optimal et un diamètre axonal favorisant une conduction saltatoire ultra-rapide des potentiels d’action, reliant de manière synchrone des hubs corticaux spatialement distants.

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

En 2007, les neurobiologistes Rex E. Jung et Richard J. Haier publient une synthèse monumentale intégrant trente-sept études d’imagerie structurelle et fonctionnelle (IRMf, PET-scan, spectroscopie par résonance magnétique), formulant le modèle neuro-anatomique le plus influent du domaine : la théorie de l’intégration pariéto-frontale (Parieto-Frontal Integration Theory, ou P-FIT).

Le modèle P-FIT postule que l’efficience du facteur $g$ ne réside pas dans une structure cérébrale isolée — réfutant ainsi l’illusion d’un « centre de l’intelligence » localisé —, mais dans la synchronisation et la fluidité de communication d’un réseau interconnecté d’aires corticales et sous-corticales précises, distribuées principalement entre les lobes pariétaux et frontaux :

1. Étape 1 (Traitement sensoriel précoce) : L’information perceptive externe pénètre par les aires sensorielles secondaires temporales et occipitales (notamment les aires de Brodmann BA 18, 19, 37), assurant la reconnaissance des formes, la détection des visages ou le décodage grapho-phonémique.
2. Étape 2 (Synthèse et abstraction pariétale) : L’information converge immédiatement vers le cortex pariétal associatif, plus particulièrement le gyrus supramarginal (BA 40), le gyrus angulaire (BA 39) et le lobule pariétal supérieur (BA 7). Ces zones constituent le creuset de l’intégration multisensorielle, de la sémantisation spatiale et de la manipulation symbolique abstraite.
3. Étape 3 (Délibération préfrontale et formulation d’hypothèses) : Les signaux pariétaux sont projetés vers le cortex préfrontal dorsolatéral (BA 9, 46) et ventrolatéral (BA 45, 47). Ce hub préfrontal prend en charge la mémoire de travail, l’attention exécutive sélective, la manipulation de règles de raisonnement complexes et l’inhibition des inférences fallacieuses.
4. Étape 4 (Arbitrage décisionnel et évaluation métacognitive) : Une fois les solutions alternatives élaborées, le cortex cingulaire antérieur (BA 32) est sollicité pour l’arbitrage conflictuel, l’inhibition des réponses rivales et le monitorage métacognitif de l’erreur.

L’ossature fondamentale de ce circuit P-FIT repose sur le faisceau longitudinal supérieur (SLF) et sa composante arquée, véritable autoroute axonale dense connectant bidirectionnellement les représentations visuo-spatiales et sémantiques postérieures aux modules décisionnels préfrontaux antérieurs. Selon Haier et Jung, la qualité du câblage de ce réseau détermine la latence et l’exactitude avec lesquelles l’organisme navigue dans les problèmes cognitivement denses.

4.3 Connectomique fonctionnelle et efficacité neuronale

Au-delà de la morphologie volumique, la dynamique fonctionnelle du cerveau au repos et en tâche a permis d’affiner considérablement les mécanismes biophysiques du facteur général. L’une des propositions les plus robustes émerge de l’hypothèse de l’efficacité neuronale (neural efficiency hypothesis), initiée par Richard Haier dès 1988 à l’aide des premières tomographies par émission de positons (PET). Cette hypothèse stipule que les individus pourvus d’un niveau élevé d’intelligence générale ne mobilisent pas une activité cérébrale plus intense pour résoudre un problème donné, mais manifestent au contraire une moindre consommation métabolique de glucose cérébral comparés aux sujets de niveau moyen. L’intelligence ne s’apparenterait donc point à une surchauffe métabolique de l’encéphale, mais à une parcimonie économique : le cerveau éliminerait les activations parasites des circuits collatéraux non pertinents pour focaliser l’influx énergétique uniquement sur les synapses strictement indispensables à la résolution de la tâche.

L’essor de la connectomique basée sur la théorie des graphes au cours de la dernière décennie est venu enrichir cette perspective. Lorsqu’on modélise le cerveau comme un réseau complexe composé de nœuds (régions cérébrales) et d’arêtes (connexions structurelles ou corrélations fonctionnelles temporelles), l’intelligence générale apparaît intimement liée à la flexibilité dynamique et à la capacité de reconfiguration des grands réseaux cérébraux intrinsèques. Deux macro-réseaux sont particulièrement impliqués :

• Le réseau du contrôle exécutif (Central Executive Network, CEN) : comprenant le cortex préfrontal dorsolatéral et le cortex pariétal postérieur, recruté activement durant l’engagement attentionnel orienté vers un but externe.
• Le réseau du mode par défaut (Default Mode Network, DMN) : englobant le cortex cingulaire postérieur, le cortex préfrontal médian et le précunéus, traditionnellement actif lors de la pensée auto-référentielle et de la déconnexion sensorielle.

Les individus caractérisés par un facteur $g$ supérieur démontrent une capacité accrue à basculer rapidement d’un réseau à l’autre via la médiation du réseau de saillance (insule antérieure et cortex cingulaire antérieur), évitant l’intrusion délétère des ruminations du DMN lors des phases d’effort cognitif intense. En outre, leurs architectures de réseaux présentent une organisation de type « petit monde » (small-world organization) hautement optimisée, caractérisée par une modularité locale forte doublée d’une faible longueur moyenne de chemin caractéristique, assurant une intégration globale de l’information avec un coût de câblage métabolique minimal et une synchronisation électrophysiologique par oscillations gamma et thêta ultra-rapide.

5. Génétique quantitative, moléculaire et épigénétique du facteur g

5.1 Héritabilité psychométrique et études de jumeaux

L’estimation de la part de variance phénotypique de l’intelligence générale attribuable aux variations génétiques constitue l’un des volets les plus empiriquement documentés de la génétique du comportement humain. À travers les paradigmes classiques comparant les jumeaux monozygotes (partageant 100 % de leur patrimoine génomique) et dizygotes (partageant en moyenne 50 % de leurs allèles ségréguant), qu’ils soient élevés conjointement dans le même foyer ou séparés dès la naissance par des processus d’adoption précoce (comme dans les cohortes célèbres de l’étude de l’Université du Minnesota dirigée par Thomas Bouchard), la décomposition de la variance par modélisation ACE a fourni des estimations de l’héritabilité au sens large ($h^2$) du facteur g oscillant de manière récurrente entre 0,50 et 0,80.

L’une des découvertes les plus contre-intuitives et fondamentales de cette discipline est sans conteste l’effet Wilson (nommé en hommage au généticien Ronald Wilson). Contrairement au postulat béhavioriste traditionnel affirmant que l’influence de l’environnement devrait s’accumuler au fil des ans pour amoindrir l’impact génétique à l’âge adulte, les études longitudinales démontrent rigoureusement la dynamique inverse :

• Dans la petite enfance, l’héritabilité du facteur $g$ est modeste, estimée à environ $h^2 \approx 0{,}20$ à $0{,}30$, l’environnement familial partagé ($c^2$) expliquant la majorité de la variance.
• À l’adolescence, l’héritabilité grimpe à près de $h^2 \approx 0{,}50$.
• À l’âge adulte et durant la maturité, l’héritabilité culmine entre $h^2 \approx 0{,}70$ et $0{,}80$, tandis que la variance imputable à l’environnement partagé ($c^2$) s’effondre jusqu’à devenir statistiquement indiscernable de zéro.

Ce paradoxe apparent s’explique par les mécanismes de corrélation gène-environnement active (ou sélection de niche) : à mesure que les individus grandissent et s’émancipent du carcan parental, ils choisissent, façonnent et modifient activement leurs environnements de vie intellectuelle (fréquentations, lectures, parcours universitaires, loisirs) pour les aligner sur leurs propensions et aptitudes génétiquement guidées.

5.2 Génétique moléculaire et études d’association pangénomique (GWAS)

Si la génétique quantitative a solidement prouvé l’héritabilité du facteur $g$, la génétique moléculaire du début des années 2000 a initialement trébuché sur le problème de « l’héritabilité manquante » (missing heritability). Les études fondées sur l’hypothèse de « gènes candidats » (tels que COMT, BDNF ou APOE), menées sur des échantillons réduits, se sont révélées quasiment impossibles à répliquer de façon robuste. Il fallut attendre le déploiement des études d’association pangénomique (Genome-Wide Association Studies, ou GWAS) sur des cohortes colossales — rassemblant des centaines de milliers, puis plus d’un million d’individus, notamment via la UK Biobank et le consortium 23andMe —, pour élucider l’architecture génomique véritable de la cognition.

Les GWAS contemporaines menées par des généticiens comme Savage et al. (2018) ou Lee et al. (2018) ont prouvé de manière définitive que l’intelligence générale est un trait d’une extrême polyphénie et polygénicité. Il n’existe aucun « gène de l’intelligence » à effet individuel majeur. L’architecture de g est façonnée par des dizaines de milliers de polymorphismes nucléotidiques simples (SNP) distribués à travers l’intégralité du génome, chacun n’expliquant qu’une fraction infinitésimale de variance (souvent inférieure à 0,01 %). L’agrégation de ces myriades d’effets alléliques minuscules permet de calculer des scores de propension polygénique (polygenic scores, ou PGS). À ce jour, les PGS d’intelligence générale sont capables d’expliquer entre 10 % et 16 % de la variance phénotypique réelle du facteur $g$ dans des populations indépendantes d’ascendance européenne, un score en progression constante à mesure que la puissance statistique des méta-analyses s’accroît.

L’analyse bio-informatique des voies d’enrichissement fonctionnel (pathway analysis) de ces SNP associés au facteur $g$ confirme de façon spectaculaire les modèles neurobiologiques. Les gènes identifiés ne s’expriment pas de manière uniforme dans l’organisme : ils présentent une surexpression écrasante et quasi exclusive au sein des tissus cérébraux, plus particulièrement dans les neurones pyramidaux du cortex et de l’hippocampe. Les processus moléculaires enrichis régulent directement :

• La neurogenèse et la différenciation neuronale fœtale.
• La transmission synaptique et la plasticité synaptique à long terme (LTP).
• Le guidage axonal et la structure du cytosquelette d’actine dendritique.
• L’organisation des canaux ioniques voltage-dépendants régulant le potentiel d’action.

5.3 Interactions gène-environnement et régulations épigénétiques

L’expression du potentiel génomique n’opère jamais dans un vacuum biologique ; elle s’articule intimement avec les facteurs contextuels à travers les mécanismes complexes d’interaction gène-environnement ($G \times E$). Le cas d’école le plus débattu dans la littérature psychométrique est l’effet Scarr-Rowe, documenté pour la première fois par Sandra Scarr (1971) et formalisé par David Rowe (1999) puis Eric Turkheimer (2003). Selon cette hypothèse, l’héritabilité du facteur $g$ serait modérée de façon spectaculaire par le statut socio-économique (SES) de la famille d’origine : dans les foyers aisés et sur le plan socio-culturel favorisés, l’héritabilité de l’intelligence serait très élevée ($h^2 to 0{,}80$), l’environnement optimal permettant à chaque individu de réaliser pleinement son potentiel génétique ; à l’inverse, au sein des milieux frappés par une grande précarité socio-économique, l’héritabilité s’effondrerait ($h^2 to 0{,}10$), les carences environnementales (malnutrition, instabilité toxique, absence d’accès aux livres et à la stimulation verbale) agissant comme un plafond de verre répressif étouffant l’expression des prédispositions génétiques.

Bien que des méta-analyses internationales ultérieures (notamment aux Pays-Bas, en Allemagne et au Royaume-Uni) aient montré que l’effet Scarr-Rowe est particulièrement saillant aux États-Unis en raison de l’inégalité extrême de son système de santé et de protection sociale, il met en lumière le rôle déterminant de la régulation épigénétique. L’épigénétique englobe les modifications structurales de la chromatine et les méthylations de l’ADN qui altèrent la transcription des gènes sans modifier la séquence nucléotidique sous-jacente. Des stress infantiles chroniques, des expositions in utero à des toxiques environnementaux (comme le plomb ou la fumée de tabac) ou des privations affectives extrêmes entraînent une hyperméthylation des promoteurs de gènes cruciaux pour la synaptogenèse (tels que le récepteur des glucocorticoïdes NR3C1 ou le gène codant pour le facteur neurotrophique BDNF), altérant durablement le développement de la connectivité corticale.

Enfin, la génétique comportementale conceptualise les liens entre biologie et milieu selon trois modes de corrélations gène-environnement ($rGE$) formulés par Plomin, DeFries et Loehlin :

• La corrélation passive : les parents transmettent simultanément à leur progéniture leurs allèles prédisposant à un haut facteur $g$ et un écosystème familial riche en sollicitations cognitives.
• La corrélation évocatrice : un enfant présentant des prédispositions intellectuelles précoces suscite et déclenche de manière réactive des comportements de stimulation plus soutenus de la part de ses éducateurs et enseignants.
• La corrélation active : le sujet choisit et construit délibérément son propre écosystème d’apprentissage intellectuel en harmonie avec son génotype.

6. Mécanismes cognitifs élémentaires sous-jacents au facteur g

6.1 Vitesse de traitement et chronométrie mentale

Dès les années 1970, dans un effort méthodique pour soustraire l’évaluation de l’intelligence générale aux biais culturels inhérents aux tests de connaissances verbales, Arthur R. Jensen relance de manière spectaculaire le paradigme de la chronométrie mentale inauguré par Donders et Galton. Jensen concentre ses investigations sur la vitesse et la régularité avec lesquelles le système nerveux central traite des informations élémentaires ne nécessitant aucun savoir académique préalable, mobilisant l’appareil classique de la boîte de Jensen pour étudier la loi de Hick.

La loi de Hick postule que le temps de réaction au choix (Choice Reaction Time, CRT) croît de manière strictement linéaire en fonction du logarithme de base 2 du nombre d’alternatives stimulus-réponse disponibles ($TR = a + b \log_2(n)$). Jensen démontre de manière récurrente que les individus pourvus d’un facteur g élevé présentent non seulement une pente ($b$) d’accroissement temporel plus faible face à l’accroissement de la complexité du choix, mais surtout une caractéristique physiologique capitale : une variabilité intra-individuelle du temps de réaction considérablement plus basse. Alors que les individus à bas quotient intellectuel manifestent une grande instabilité temporelle d’un essai à l’autre — alternant temps de réaction rapides et décrochages soudains traduisant des fluctuations attentionnelles ou des interruptions dans la transmission neuronale —, les sujets à haut facteur $g$ exhibent une cadence d’exécution métronomique et ultra-régulière.

Cette approche est corroborée par le paradigme du temps d’inspection (Inspection Time, IT), popularisé par Ian Deary et Chris Brand. Le temps d’inspection mesure la durée minimale d’exposition visuelle requise par un participant (parfois de l’ordre de quelques millisecondes) pour discriminer avec exactitude lequel de deux segments verticaux parallèles présentés à l’écran est le plus long, le stimulus étant immédiatement masqué par un masque rétroactif pour anéantir l’image rétinienne rémanente. Les méta-analyses confirment une corrélation robuste de $r \approx -0{,}30$ à $-0{,}40$ entre la brièveté du temps d’inspection et les scores aux matrices abstraites du facteur $g$. Le fait que cette épreuve n’implique aucun chronométrage moteur de la réponse manuelle prouve que le goulot d’étranglement de la vitesse mentale est strictement situé dans la rapidité d’échantillonnage perceptif précoce et l’isolation axonale par la myéline au sein des synapses corticales.

6.2 Mémoire de travail et contrôle exécutif

Bien que la vitesse de traitement fournisse une explication matérielle de l’efficacité neuronale, c’est l’architecture de la mémoire de travail (Working Memory, WM) qui entretient la proximité métrologique la plus intime avec le facteur $g$. Contrairement à la simple mémoire à court terme passive (qui se borne à stocker temporairement des informations sans transformation, comme la répétition directe de chiffres), la mémoire de travail — telle que théorisée par Alan Baddeley et enrichie par Nelson Cowan ou Klaus Oberauer — implique la rétention concomitante d’informations pertinentes et leur réorganisation ou manipulation active face à des interférences distractrices.

Dans une série d’études psychométriques fondatrices menées au début des années 1990, Patrick C. Kyllonen et Raymond E. Christal formulent l’hypothèse audacieuse selon laquelle « la capacité de raisonnement n’est guère plus que la capacité de la mémoire de travail » (Reasoning ability is (little more than) working-memory capacity). En soumettant de larges cohortes d’engagés de l’armée de l’air américaine à des batteries massives de raisonnement logique et de tâches de mémoire de travail complexe (telles que le Reading Span de Daneman et Carpenter, le test n-back, ou la mise à jour séquentielle), Kyllonen et Christal découvrent des corrélations latentes avoisinant $r = 0{,}80$ à $0{,}90$.

Les neurosciences cognitives contemporaines ont clarifié les raisons de ce quasi-recouvrement structural :

• Le contrôle de l’attention exécutive : Selon le modèle de Michael Kane et Randall Engle, le facteur $g$ ne reflète pas le nombre absolu d’« éléments » pouvant être stockés passivement, mais la capacité de l’attention exécutive à maintenir des représentations mentales stables au sein du focus attentionnel malgré les interférences et distractions concurrentes.
• La résistance à l’interférence : Lors de la résolution d’une matrice complexe, le sujet doit isoler une règle relationnelle tout en maintenant en suspens mental plusieurs variables combinatoires ; l’inhibition active des patterns visuels leurres et la non-saturation du focus attentionnel constituent l’essence même de l’éduction spearmanienne.
• La flexibilité du binding : La capacité à lier temporairement des concepts arbitraires au sein d’une structure relationnelle cohérente sans distorsion permet la synthèse cognitive d’ordre supérieur.

6.3 Théories du processus d’échantillonnage et de la dynamique cognitive

En marge de l’orthodoxie postulant une cause commune unitaire et physique sous-jacente à $g$, des théoriciens contemporains ont réactivé avec des outils mathématiques de pointe la tradition de Godfrey Thomson. La contribution la plus novatrice de ce renouveau théorique est la théorie du chevauchement de processus (Process Overlap Theory, POT), formulée en 2016 par le psychologue néerlandais Han L. J. van der Maas et Kristof Kovacs.

La théorie du chevauchement des processus propose une explication computationnelle et non unitaire du positive manifold qui évite de réifier le facteur $g$ en tant qu’entité biologique singulière. Le modèle s’articule autour de principes fondamentaux :

• Chaque tâche psychométrique sollicite une multiplicité de processus cognitifs élémentaires discrets (processus exécutifs, modules de traitement spatial, analyseurs lexicaux, mémoire sensorielle).
• Les processus exécutifs centraux (inhibition, mémoire de travail, flexibilité mentale) ne sont pas spécifiques à un domaine : ils sont recrutés de manière transversale et omniprésente dès qu’une tâche franchit un certain seuil de difficulté cognitive.
• Ces processus exécutifs généraux agissent comme des goulots d’étranglement multiplicatifs sur les capacités spécifiques. Si les mécanismes exécutifs sont défaillants, ils limitent la performance de l’ensemble des modules périphériques, même si ces derniers sont intrinsèquement fonctionnels.

Mathématiquement, Kovacs et van der Maas démontrent que ce chevauchement structurel asymétrique force l’ensemble de la matrice de corrélation inter-tests à devenir positive, générant un facteur g d’ordre supérieur parfait sur le plan statistique, alors même que sur le plan architectural et neurophysiologique, il n’existe aucune variable neuronale générale, mais seulement un réseau hétérogène de mécanismes modulaires se recouvrant partiellement.

Ce paradigme s’articule harmonieusement avec le modèle mutualiste du développement cognitif (van der Maas et al., 2006). Inspiré de l’écologie dynamique des populations de Lotka-Volterra, le mutualisme postule qu’au stade néonatal, les différentes fonctions cognitives (mémoire, langage, motricité, perception) démarrent de manière embryonnaire et statistiquement quasi indépendantes. Au fil de l’ontogenèse, ces processus interagissent dynamiquement de façon réciproque et positive : un langage plus fluide facilite le raisonnement logique, qui en retour affine la mémorisation conceptuelle et amplifie la vitesse de traitement. Par conséquent, les corrélations positives entre aptitudes — et l’émergence consécutive du facteur g — ne traduisent pas une essence innée préformée, mais constituent le résultat direct de rétroactions systémiques bénéfiques s’amplifiant mutuellement tout au long de la trajectoire de vie.

7. Évaluation psychométrique : mesures, batteries et standardisation de g

7.1 Les échelles de Wechsler et l’extraction du Quotient Intellectuel

Dans la pratique clinique, neuropsychologique et éducative contemporaine, l’instrumentation métrologique de référence pour l’évaluation de l’intelligence générale est constituée par les échelles standardisées conçues originellement par David Wechsler, notamment la Wechsler Adult Intelligence Scale (WAIS) pour les adultes et la Wechsler Intelligence Scale for Children (WISC) pour les populations pédiatriques. S’émancipant du calcul originel de Stern (âge mental divisé par âge chronologique), Wechsler introduit en 1939 le concept révolutionnaire de QI par déviation standard, fondé sur une distribution gaussienne théorique normalisée dont la moyenne est conventionnellement fixée à 100 et l’écart-type à 15.

L’architecture moderne de la WAIS-IV et du WISC-V abandonne l’ancienne scission dichotomique entre QI Verbal et QI Performance pour adopter une structure factorielle dérivée du modèle CHC, structurée autour de quatre à cinq indices composites majeurs :

• L’Indice de Compréhension Verbale (ICV) : mesuré par des sous-tests de vocabulaire, de similitudes conceptuelles et d’informations générales (reflet direct de $Gc$).
• L’Indice de Raisonnement Perceptif / Fluide (IRP / IRF) : appréhendé via les matrices logiques de complétion, les puzzles visuels et les balances de raisonnement quantitatif (saturé en $Gf$).
• L’Indice de Mémoire de Travail (IMT) : évalué par la mémoire des chiffres (ordre direct, indirect et croissant) et le séquençage lettres-chiffres ($Gwm$).
• L’Indice de Vitesse de Traitement (IVT) : mesuré par la recherche de symboles et le code grapho-moteur ($Gs$).

Le Quotient Intellectuel Total (QIT) est calculé par la sommation standardisée de l’ensemble de ces sous-tests composites, constituant l’estimation empirique la plus fiable du facteur g. Cependant, la psychométrie différentielle démontre que tous les sous-tests ne possèdent pas la même saturation factorielle en g. Les épreuves nécessitant une forte abstraction relationnelle (comme les Matrices ou le sous-test des Similitudes) affichent systématiquement des saturations factorielles massives ($\lambda gt 0{,}75$), alors que des épreuves dépendantes de la rapidité motrice (comme le Code) ou de la rétention passive affichent des saturations nettement plus modestes ($\lambda \approx 0{,}40$). En présence de profils hétérogènes consécutifs à des troubles neurodéveloppementaux des apprentissages (dyslexie, dyspraxie) ou à un trouble déficitaire de l’attention, les cliniciens mobilisent l’Indice d’Aptitude Générale (IAG), un score composite dérivé exclusivement des épreuves verbales et de raisonnement abstrait, expurgé des exigences de vitesse grapho-motrice et de surcharge de la mémoire de travail immédiate.

7.2 Les tests non-verbaux purs : les Matrices Progressives de Raven

Conçues dès 1938 par le psychologue britannique John C. Raven sous l’impulsion directe de Charles Spearman, les Matrices Progressives de Raven (déclinées en versions Standard [SPM], Colorées [CPM] pour enfants et Avancées [APM] pour adultes à haut potentiel) demeurent historiquement le paradigme non verbal de référence le plus pur pour l’isolement du facteur g et de l’intelligence fluide ($Gf$).

Le protocole de l’épreuve est d’une grande rigueur métrologique : le sujet est confronté à une matrice géométrique orthogonale ($2 \times 2$ ou $3 \times 3$) contenant des formes abstraites dont la configuration spatiale, l’orientation, le nombre, la texture ou l’agencement varient systématiquement selon des règles logiques rigides le long des lignes horizontales et des colonnes verticales. L’angle inférieur droit de la matrice est vide ; le sujet doit déduire la logique sous-jacente par induction relationnelle et sélectionner, parmi une série d’alternatives fermées, la pièce exacte complétant la structure matricielle. L’atout métrologique cardinal des matrices de Raven réside dans son indépendance quasi absolue vis-à-vis du langage articulé : les consignes peuvent être administrées par mimétisme gestuel, permettant l’évaluation transculturelle et clinique d’individus aphasiques, allophones, illettrés ou frappés de surdité.

Cependant, l’assertion selon laquelle les matrices de Raven constitueraient un instrument d’évaluation « libre de toute culture » (culture-free test) a été sérieusement nuancée par les recherches contemporaines. L’exposition préalable à des environnements hautement géométrisés, la familiarité avec des représentations bidimensionnelles sur papier ou écran, et l’apprentissage de stratégies de balayage séquentiel de gauche à droite influencent substantiellement l’efficience de la résolution. De surcroît, les protocoles d’eye-tracking (mouvement oculaire) révèlent que les résolveurs chevronnés n’emploient pas uniquement un raisonnement perceptif global passif, mais déploient des stratégies cognitives verbales sophistiquées d’auto-guidage analytique et de décomposition déductive systématique par règles logiques, soulignant la porosité entre raisonnement fluide abstrait et métacognition procédurale.

7.3 Propriétés psychométriques : fidélité, étalonnage et validité factorielle

L’admissibilité clinique et scientifique de tout test destiné à mesurer l’intelligence générale repose sur le respect scrupuleux d’exigences psychométriques standardisées, codifiées par les Standards for Educational and Psychological Testing (AERA, APA, NCME) :

• La fidélité (reliability) : Le facteur $g$ extrait via des batteries composites comme la WAIS affiche une cohérence interne (alpha de Cronbach ou coefficient oméga hiérarchique de McDonald) extraordinairement élevée, excédant régulièrement 0,95. Sa stabilité temporelle test-retest surpasse celle de la quasi-totalité des traits de personnalité ; des études de suivi longitudinales pionnières menées sur la cohorte écossaise de 1932 (Scottish Mental Surveys de Lothian) par Ian Deary et ses collègues ont prouvé une corrélation de stabilité de $r \approx 0{,}67$ à $0{,}73$ entre l’âge de 11 ans et l’âge de 90 ans.
• L’étalonnage et la normalisation : Pour qu’un score de QI ait une signification interprétable, il doit être rapporté à un échantillon normatif représentatif de la population de référence, stratifié selon des quotas sociodémographiques stricts (âge, sexe, origine géographique, niveau socio-éducatif des parents).
• La validité factorielle et l’invariance de mesure : L’analyse factorielle confirmatoire (AFC) multigroupes est mobilisée pour démontrer formellement l’invariance de mesure (invariance configurationnelle, métrique et scalaire). Une batterie psychométrique ne peut être légitimement comparée entre des sous-groupes de populations hétérogènes que si les seuils d’interception et les saturations factorielles en $g$ demeurent mathématiquement identiques d’un groupe à l’autre.
• L’erreur standard de mesure (SEM) : Aucun score de facteur $g$ n’est une valeur ponctuelle absolue. Tout résultat doit être entouré d’un intervalle de confiance rigoureux (généralement à 95 %), articulé autour de l’erreur standard de mesure ($SEM = SD \sqrt{1 – r_{xx}}$), rappelant au praticien la marge d’aléa inhérente à toute observation clinique.

8. Dynamiques temporelles et séculaires : L’effet Flynn et ses implications

8.1 Phénoménologie et ampleur de l’effet Flynn

Au début des années 1980, le chercheur néo-zélandais d’origine américaine James R. Flynn met en évidence un phénomène séculaire d’une portée historique et théorique majeure. En analysant les données historiques de renormage d’épreuves standardisées administrées aux conscrits militaires et aux populations civiles au cours du vingtième siècle à travers plus de trente nations industrialisées, Flynn documente une hausse continue et massive des scores bruts aux tests d’intelligence, s’élevant en moyenne de 3 points de quotient intellectuel par décennie, soit un gain phénoménal d’environ un écart-type complet (15 points de QI) en un demi-siècle.

Ce phénomène, baptisé en son honneur « l’effet Flynn », présente une dynamique différentielle particulièrement instructive sur le plan structural. Les gains séculaires les plus spectaculaires n’ont point été enregistrés dans les épreuves de connaissances scolaires cristallisées ($Gc$), telles que le vocabulaire ou le calcul arithmétique (où les scores sont restés relativement stables ou n’ont progressé que marginalement), mais précisément au sein des tests évaluant l’intelligence fluide non verbale abstraite ($Gf$), incarnés par les matrices de Raven, avec des taux d’élévation atteignant parfois 4 à 5 points par décennie.

Les répercussions méthodologiques de cette dérive temporelle sont fondamentales pour la pratique psychométrique :

• Tout test d’intelligence devient méthodologiquement « obsolète » après une décennie d’existence opérationnelle.
• Si un individu passe aujourd’hui un test étalonné en 1980, ses performances brutes comparées aux normes périmées surévalueront artificiellement son QI réel d’environ 10 à 12 points, masquant potentiellement des déficiences cognitives cliniques.
• Ce glissement normatif impose aux éditeurs de tests des protocoles de réétalonnage périodiques extrêmement coûteux et rigoureux afin de recalibrer systématiquement la moyenne de référence de la population à 100.

8.2 Hypothèses causales et explications environnementales

L’ampleur de la progression séculaire exclut d’emblée toute explication purement génétique : la sélection naturelle ne saurait altérer les fréquences alléliques des populations humaines à un rythme aussi foudroyant à l’échelle d’une ou deux générations seulement. Les chercheurs ont donc concentré leurs efforts sur l’identification des mutations environnementales structurelles qui ont jalonné le vingtième siècle.

Plusieurs vecteurs causaux complémentaires ont été étayés empiriquement :

• La révolution nutritionnelle et la santé publique : Des épidémiologistes comme Richard Lynn ont souligné l’éradication des carences nutritionnelles endémiques précoces (iode, fer, vitamines), l’accès généralisé à l’eau potable, la vaccination de masse et la réduction des maladies infectieuses parasitaires pédiatriques. Le système immunitaire de l’enfant, déchargé de la lutte constante contre les infections chroniques, peut réorienter ses ressources bioénergétiques vers le métabolisme de croissance cérébrale.
• L’allongement et la démocratisation de l’instruction formelle : Comme l’ont démontré les méta-analyses de Stuart Ritchie et Elliot Tucker-Drob, chaque année supplémentaire de scolarisation produit un gain direct de 1 à 5 points de QI. L’école ne se borne pas à transmettre des savoirs déclaratifs ; elle conditionne l’esprit à classifier le monde selon des catégories logiques formelles décontextualisées.
• La complexification sémiotique et visuelle de l’environnement : James Flynn lui-même insistait sur le passage métaphorique d’un monde pré-moderne fonctionnant avec des « habits utilitaires » à un monde contemporain saturé de « lunettes scientifiques ». L’urbanisation, l’explosion de l’architecture géométrique, l’omniprésence des interfaces numériques, des schémas visuels abstraits et des médias ont créé un écosystème socio-visuel imposant une gymnastique constante d’abstraction inductive, favorisant spécifiquement les performances aux épreuves matricielles.

8.3 Le phénomène récent de l’effet Flynn négatif ou inversé

Depuis le tournant du vingt-et-unième siècle, un faisceau convergent d’enquêtes épidémiologiques et psychométriques a jeté le trouble dans la communauté scientifique. Des données robustes colligées en Norvège (Sundet et al., 2004 ; Bratsberg & Rogeberg, 2018), au Danemark (Teasdale & Owen), en France (Dutton & Lynn, 2015), en Finlande et au Royaume-Uni ont révélé un plafonnement, suivi d’un effet Flynn négatif ou inversé, caractérisé par un déclin moyen de 0,2 à 0,5 point de QI par an au sein des cohortes de conscrits nés à partir du milieu des années 1970 et des années 1980.

Ce revirement phénotypique a ravivé des controverses scientifiques virulentes :

• L’hypothèse biologique et génétique (dysgénique) : Certains auteurs ont postulé que ce déclin résulterait d’une fécondité différentielle négative (les individus pourvus des niveaux d’instruction les plus élevés ayant statistiquement moins d’enfants) ou de mouvements migratoires de grande ampleur.
• La réfutation méthodologique environnementale (intra-familiale) : L’étude méthodologiquement exemplaire de Bratsberg et Rogeberg (2018), parue dans les PNAS, a formellement réfuté l’hypothèse dysgénique. En analysant les scores de QI de fratries biologiques au sein des mêmes familles scandinaves nées sur plusieurs décennies, les chercheurs ont observé que le déclin des scores de QI s’opérait au sein même de la fratrie : les frères cadets nés après 1980 affichaient systématiquement des scores inférieurs à leurs aînés nés avant cette date. Le déclin ne peut donc relever d’une dérive génétique, mais découle de modifications environnementales directes.
• Les mutations culturelles, éducatives et technologiques : Les hypothèses explicatives contemporaines se concentrent sur la dégradation des méthodes d’apprentissage de la lecture et des mathématiques au sein des systèmes scolaires, la diminution du temps dévolu à la lecture approfondie de textes longs au profit de la consommation fragmentée et passive des écrans digitaux, ainsi que des facteurs émergents de santé environnementale tels que l’exposition accrue aux perturbateurs endocriniens neurotoxiques altérant la thyroïde fœtale.

9. Validité écologique et pouvoir prédictif de l’intelligence générale

9.1 Réussite académique et trajectoires scolaires

Le statut scientifique de l’intelligence générale ne procède pas uniquement de sa consistance mathématique interne ; il découle de manière spectaculaire de sa validité écologique et prédictive face aux trajectoires d’existence réelles des individus au sein des sociétés modernes. Parmi l’ensemble des métriques quantitatives disponibles en sciences sociales, le facteur g s’impose invariablement comme le meilleur prédicteur unitaire isolé des performances scolaires et académiques.

Des cohortes longitudinales de grande envergure, comme celles conduites au Royaume-Uni par Ian Deary et ses collaborateurs portant sur plus de 70 000 élèves suivis sur plusieurs décennies, ont démontré que les scores au facteur $g$ mesurés à l’âge de 11 ans corrèlent à hauteur de $r \approx 0{,}70$ à $0{,}80$ avec les performances finales aux examens standardisés de fin d’études secondaires (GCSE). Cette corrélation persiste de façon hautement significative même lorsque l’on neutralise par régression statistique multivariée l’impact des covariables socio-économiques parentales, du revenu familial et du capital culturel d’origine.

Néanmoins, la validité prédictive de $g$ n’est pas absolue et laisse une part substantielle de variance inexpliquée, qui s’articule avec des dimensions non cognitives déterminantes de la psychologie différentielle. Les travaux d’Angela Duckworth sur la persévérance (grit), ainsi que les recherches intégrant le modèle des Big Five de la personnalité, prouvent que le trait de conscience (Conscientiousness — regroupant l’autodiscipline, l’organisation méthodique et la motivation à l’effort continu) rivalise avec le facteur $g$ pour expliquer les trajectoires d’accomplissement académique à long terme, l’intelligence déterminant la vitesse maximale d’assimilation tandis que les traits de caractère conditionnent la régularité du travail effectif.

9.2 Performance professionnelle et complexité de l’emploi

La validité prédictive de l’intelligence générale s’étend de manière tout aussi spectaculaire au monde du travail et de l’organisation économique. Dans des méta-analyses encyclopédiques faisant autorité en psychologie industrielle, Frank L. Schmidt et John E. Hunter (1998, 2004) ont synthétisé un siècle de recherches empiriques portant sur l’efficacité des procédures de sélection et d’embauche du personnel à travers des centaines de professions distinctes.

Les conclusions métrologiques de Schmidt et Hunter sont sans équivoque :

• Les tests mesurant l’aptitude cognitive générale ($g$) affichent la validité prédictive opérationnelle la plus robuste de tous les instruments d’évaluation (avec un coefficient de corrélation moyen corrigé de validité prédictive atteignant $\rho \approx 0{,}51$).
• Cette validité prédictive surpasse largement celle des entretiens d’embauche non structurés ($\rho \approx 0{,}15$), des vérifications de références ($\rho \approx 0{,}26$) ou des évaluations basées sur l’expérience professionnelle brute ($\rho \approx 0{,}18$).
• Fait fondamental, la validité prédictive de $g$ est modérée de manière directe par le niveau de complexité cognitive de l’emploi : elle oscille entre $\rho \approx 0{,}20$ et $0{,}30$ pour des métiers manuels hautement routiniers et répétitifs, pour s’élever jusqu’à $\rho \approx 0{,}60$, voire plus, pour des professions hautement complexes et dynamiques (ingénierie avancée, médecine de pointe, haute magistrature, management stratégique).

Le mécanisme causal médiatisant cette relation a été formellement élucidé : le facteur g n’agit point magiquement sur le rendement professionnel, mais conditionne directement la rapidité et la profondeur avec lesquelles le collaborateur assimile les connaissances professionnelles spécifiques (job knowledge) inhérentes à son poste. Confronté à des environnements de travail contemporains caractérisés par l’incertitude, la mutation technologique rapide et l’inédit, un individu doté d’un haut facteur $g$ apprend plus vite, résout plus efficacement les imprévus systémiques et commet moins d’erreurs d’arbitrage critiques, générant ainsi des gains marginaux de productivité économique considérables pour les organisations qui fondent leur recrutement sur des mesures objectives d’aptitudes cognitives.

9.3 Épidémiologie cognitive, longévité et santé globale

L’un des horizons de recherche les plus féconds de la psychométrie différentielle contemporaine est l’épidémiologie cognitive, un champ disciplinaire inauguré au début des années 2000 par le chercheur écossais Ian J. Deary. L’épidémiologie cognitive étudie les relations longitudinales entre le niveau d’intelligence mesuré dans l’enfance et l’adolescence, et les trajectoires ultérieures de morbidité, d’hospitalisation et de mortalité toutes causes confondues à l’échelle d’une vie entière.

Les méta-analyses de cohortes nationales représentatives — totalisant des millions de personnes suivies durant des décennies — révèlent un gradient épidémiologique systématique : une augmentation d’un écart-type (15 points de QI) au niveau du facteur $g$ durant l’enfance est associée à une diminution relative de 20 % à 25 % du risque de mortalité prématurée toutes causes confondues à l’âge adulte. Les individus possédant un facteur $g$ plus élevé présentent un risque significativement moindre de décès par maladies cardiovasculaires, accidents vasculaires cérébraux, cancers d’origine environnementale ou tabagique, accidents de la route et suicides.

Trois macro-hypothèses non exclusives sont documentées pour expliquer cette corrélation vitale :

1. La littératie médicale et l’autogestion de la santé : Les régimes thérapeutiques contemporains et la prévention médicale sont devenus des tâches cognitivement exigeantes. Comprendre les posologies complexes, interpréter des bilans biologiques, respecter l’observance thérapeutique au long cours, décoder les conseils nutritionnels et éviter les conduites toxicomaniles constituent des opérations de résolution de problèmes complexes où les individus pourvus d’un haut facteur $g$ excellent statistiquement.
2. Le statut socio-économique intermédiaire : Un haut niveau d’aptitude cognitive facilite l’accès à des carrières professionnelles mieux rémunérées, offrant des conditions d’habitat plus saines, des environnements de travail exempts de toxiques industriels et un accès à des infrastructures de soins de santé de meilleure qualité.
3. L’intégrité systémique de l’organisme (bodily system integrity) : Selon cette hypothèse biologique unifiée (proposée par Deary et Gottfredson), le facteur $g$ n’est pas uniquement un score psychologique cérébral isolé, mais l’indicateur phénotypique de la santé et de la robustesse globale de l’organisme tout entier. Un système nerveux central neuro-développementalement bien câblé et génétiquement préservé de charges mutationnelles délétères refléterait une constitution somatique générale plus résiliente face au vieillissement cellulaire et aux agressions pathogènes.

10. Controverses épistémologiques, modèles alternatifs et approches plurielles

10.1 Les modèles multifactoriels et modulaires de l’esprit

En dépit de son écrasante assise empirique, le concept d’intelligence générale a suscité tout au long du vingtième siècle des résistances théoriques acharnées au sein des sciences humaines. Ces critiques émanent principalement de chercheurs refusant la subordination de l’ensemble des talents humains à une échelle unidimensionnelle verticale réductrice.

L’effort le plus radical pour atomiser la cognition humaine en une matrice modulaire sans aucun facteur général fut l’œuvre de Joy Paul Guilford à travers son célèbre modèle de la Structure de l’Intellect (SI), développé à partir des années 1950. Guilford rejette catégoriquement le facteur g spearmanien et propose une matrice taxonomique tridimensionnelle combinatoire croisant :

• Cinq opérations mentales (cognition, mémoire, production divergente, production convergente, évaluation).
• Quatre types de contenus (figural, symbolique, sémantique, comportemental).
• Six types de produits (unités, classes, relations, systèmes, transformations, implications).

Cette combinatoire débouche sur un répertoire rigide de 120 (puis étendu à 180) facteurs intellectuels prétendument autonomes et indépendants. Cependant, le modèle de Guilford s’est effondré sous le poids de la critique méthodologique. Des psychométriciens rigoristes comme John Carroll ont démontré que Guilford utilisait des algorithmes de rotation orthogonale forcée arbitraires qui interdisaient mathématiquement aux axes de corréler entre eux. Sitôt que les données brutes de Guilford furent réanalysées par des méthodes d’analyse factorielle confirmatoire modernes et non biaisées, la matrice de 180 facteurs s’effondra pour laisser émerger de nouveau, avec une régularité implacable, le positive manifold et le facteur $g$ chapeautant la hiérarchie.

10.2 La théorie des intelligences multiples de Howard Gardner

Dans la sphère pédagogique et le grand public, la contestation la plus influente du modèle de Spearman et des échelles de Wechsler émerge en 1983 avec la parution de l’ouvrage Frames of Mind du psychologue du développement de l’Université Harvard, Howard Gardner. Rejetant les tests de quotient intellectuel qu’il accuse d’enfermer l’évaluation dans un biais exclusivement logico-mathématique et linguistique occidental, Gardner formule sa célèbre théorie des intelligences multiples.

Gardner postule initialement l’existence de sept — puis huit et potentiellement neuf — formes d’intelligence distinctes, fonctionnellement modulaires et biologiquement indépendantes les unes des autres :

• L’intelligence linguistique.
• L’intelligence logico-mathématique.
• L’intelligence spatiale.
• L’intelligence musicale.
• L’intelligence corporelle-kinesthésique.
• L’intelligence interpersonnelle (empathie sociale).
• L’intelligence intrapersonnelle (connaissance de soi).
• L’intelligence naturaliste (classification du vivant).

Bien que séduisante par son humanisme et sa valorisation démocratique de tous les profils d’apprenants au sein des systèmes éducatifs, la théorie de Gardner fait l’objet d’un rejet quasi unanime de la part de la communauté scientifique de la psychométrie différentielle et des neurosciences cognitives. Les critiques formulées par des chercheurs comme Linda Gottfredson, John Geake ou Lynn Waterhouse sont dévastatrices :

• Gardner n’a jamais proposé de protocole d’opérationnalisation métrologique standardisé ni de batterie validée permettant de mesurer objectivement ses huit formes d’intelligence.
• La théorie ignore sciemment les impératifs de la réfutation empirique et de l’analyse factorielle.
• Lorsque des chercheurs indépendants construisent des épreuves pour tester les aptitudes postulées par Gardner, ils découvrent invariablement que les compétences musicales, spatiales et linguistiques corrèlent systématiquement entre elles, réaffirmant la présence du facteur $g$.
• Sur le plan lexical et conceptuel, la communauté psychométrique souligne que Gardner a simplement rebaptisé arbitrairement du nom d’« intelligences » ce que la psychologie différentielle identifiait et mesurait déjà avec rigueur sous les vocables bien établis de talents, de compétences spécifiques ou de traits de personnalité (tels que l’extraversion et l’empathie).

10.3 La théorie triarchique de Robert Sternberg

Une proposition alternative plus sophistiquée sur le plan expérimental est venue de Robert J. Sternberg à travers sa théorie triarchique de l’intelligence réussie (Triarchic Theory of Successful Intelligence), formulée à partir de 1985. Soucieux de dépasser le cadre strict du QI académique sans sombrer dans l’absence de formalisation méthodologique de Gardner, Sternberg décompose l’intelligence en trois macro-domaines articulés :

• L’intelligence analytique (ou composantielle) : la capacité conventionnelle à résoudre des problèmes abstraits, à décomposer une information logique et à mobiliser des métacomposants de planification (largement coextensive au facteur $g$ traditionnel).
• L’intelligence créative (ou expérientielle) : la capacité à faire face efficacement à la nouveauté absolue et à automatiser rapidement le traitement d’informations inédites.
• L’intelligence pratique (ou contextuelle) : la faculté d’adaptation, de façonnage et de sélection de son environnement de vie concret, reposant massivement sur la maîtrise des connaissances tacites (tacit knowledge — des savoirs pragmatiques informels non enseignés de manière explicite).

Sternberg a conçu sa propre batterie d’évaluation, le Sternberg Triarchic Abilities Test (STAT), affirmant dans des publications répétées avoir démontré que l’intelligence pratique et créative prédisait le succès professionnel et académique indépendamment du facteur $g$ traditionnel, avec une réduction spectaculaire des écarts moyens entre groupes ethniques.

Cependant, les réanalyses indépendantes menées par des méthodologistes de premier ordre, notamment Linda Gottfredson (2003) et Nathan Brody (2003), ont réfuté les conclusions de Sternberg. En examinant les données brutes des études du STAT, ces psychométriciens ont prouvé que les mesures de connaissances tacites et d’intelligence pratique de Sternberg sont en réalité substantiellement saturées en facteur g dès lors que les épreuves requièrent la lecture et l’analyse de scénarios verbaux. Lorsque le facteur $g$ général est statistiquement contrôlé par modélisation factorielle confirmatoire, la validité incrémentielle des composantes pratiques et créatives de Sternberg pour prédire les performances scolaires ou managériales s’effondre jusqu’à atteindre un seuil statistiquement négligeable.

11. Équité diagnostique, diversité transculturelle et biais de mesure

11.1 Biais d’évaluation et fonctionnement différentiel des items (DIF)

L’administration de tests standardisés évaluant l’intelligence générale suscite depuis son origine d’intenses débats éthiques, politiques et juridiques relatifs à l’équité diagnostique et à l’objectivité des mesures face à la diversité humaine. En psychométrie contemporaine, la question des écarts de scores moyens entre groupes sociodémographiques ou ethniques exige une distinction épistémologique stricte et rigoureuse entre un biais statistique de test (test bias) et une différence réelle de performance phénotypique au niveau des compétences évaluées.

Sur le plan scientifique, l’hypothèse de l’existence d’un biais de mesure interne au sein des épreuves standardisées actuelles (comme les matrices de Raven ou les batteries de Wechsler) a été soumise à des protocoles de falsification métrologique impitoyables via l’analyse du fonctionnement différentiel des items (Differential Item Functioning, DIF) issue de la théorie de la réponse à l’item (TRI). Un item présente un fonctionnement différentiel biaisé non pas simplement si un groupe réussit moins bien qu’un autre en moyenne, mais si, à niveau d’aptitude latente égal (c’est-à-dire chez des individus issus de sous-groupes distincts possédant exactement le même score total au facteur $g$), la probabilité mathématique de résoudre correctement l’item diverge en fonction de l’appartenance au groupe. Les décennies de recherche menées sur les versions modernes des tests ont conduit à l’élimination systématique de tous les items manifestant un DIF substantiel lors des phases d’étalonnage pilote.

Sur le plan de la validité externe, le critère de Cleary (ou modèle d’équivalence de régression) définit le biais prédictif : un test est biaisé s’il prédit différemment un critère d’accomplissement externe (par exemple, la moyenne des notes académiques universitaires ou le rendement professionnel) pour différents sous-groupes démographiques. Or, les méta-analyses confirment de manière unanime que les pentes de régression reliant le facteur g aux critères de réussite sont rigoureusement parallèles et équivalentes à travers les différents groupes sociaux : le facteur $g$ prédit le succès avec une exactitude prédictive rigoureusement identique pour chaque individu, réfutant l’idée que les tests constituent de simples instruments de discrimination arbitraire dénués de validité opérationnelle.

11.2 Validité transculturelle et applicabilité universelle du facteur g

La question de la transportabilité anthropologique du modèle spearmanien à des cultures non occidentales, non alphabétisées ou traditionnelles a constitué un banc d’essai crucial pour la psychologie transculturelle. Si le facteur g n’était qu’une construction culturelle locale forgée par les exigences de la révolution industrielle européenne et les modes d’apprentissage de l’école formelle occidentale, il devrait se dissoudre dès lors que l’on évalue des populations vivant au sein d’écosystèmes culturels radically divergents.

Les investigations transculturelles extensives, menées tant en Afrique subsaharienne qu’en Asie orientale, en Océanie ou en Amérique latine, apportent une confirmation structurelle remarquable : partout où une batterie d’épreuves cognitives hétérogènes est administrée — que les stimuli soient verbaux, figuraux ou manipulatoires écologiques —, le positive manifold émerge invariablement. La matrice des intercorrélations demeure obstinément positive, et l’extraction factorielle isole mathématiquement avec la même élégance un facteur g d’ordre supérieur expliquant entre 40 % et 50 % de la variance totale des données.

Néanmoins, les anthropologues et psychologues culturels soulignent à juste titre les risques méthodologiques majeurs liés au décalage sémiotique et à l’administration mécanique de tests occidentaux hors sol :

• Des stimuli géométriques abstraits bidimensionnels (comme des motifs tramés en noir et blanc) peuvent être interprétés de façon totalement différente par des chasseurs-cueilleurs traditionnels, qui n’y voient point des relations déductives hiérarchiques, mais des représentations figuratives écologiques concrètes d’animaux ou de végétaux.
• La notion même de « comportement intelligent » varie selon les cosmologies : dans de nombreuses sociétés traditionnelles africaines, les concepts indigènes d’intelligence (tels que le n’glouèlè chez les Baoulés de Côte d’Ivoire documenté par Pierre Dasen) intègrent indissociablement l’ingéniosité technique, la responsabilité sociale, la sagesse relationnelle et le devoir envers la communauté, des dimensions que les tests de chronométrie abstraite n’ont pas vocation à quantifier.
• Ces limites ont stimulé le développement de l’évaluation dynamique (paradigme test-apprentissage-retest fondé sur la zone proximale de développement de Lev Vygotski), permettant de mesurer non point seulement le stock de compétences statiques d’un individu à un instant $t$, mais sa capacité adaptative de modifiabilité cognitive lorsqu’il bénéficie d’une médiation pédagogique structurée.

11.3 Facteurs socio-environnementaux et menace du stéréotype

L’analyse des écarts de performance psychométrique ne saurait faire l’économie d’une étude minutieuse de la dynamique psychosociale expérimentée par le sujet lors de la passation de l’épreuve. L’un des phénomènes les plus documentés en psychologie sociale expérimentale est la menace du stéréotype (stereotype threat), formulée en 1995 par Claude Steele et Joshua Aronson.

Ce paradigme expérimental démontre que lorsqu’un individu est placé dans une situation d’évaluation où un stéréotype social négatif préexistant frappe son groupe d’appartenance concernant ses capacités intellectuelles (par exemple, les femmes en mathématiques de haut niveau, ou les minorités raciales défavorisées lors d’un test explicité comme mesurant « l’intelligence générale brute »), cette menace engendre un état d’anxiété évaluative aiguë. Cette appréhension déclenche une cascade de processus délétères :

• Une hyper-vigilance intrusive orientée vers le monitorage de sa propre performance et la peur de confirmer le stigmate social.
• Cette charge mentale parasite monopolise directement les ressources limitées de la mémoire de travail et de l’attention exécutive préfrontale.
• Le sujet voit sa capacité de mémoire de travail temporairement amputée, provoquant une baisse de performance aux problèmes de raisonnement complexes, alors même que ses potentialités sous-jacentes sont intactes. Lorsque le même test est présenté de manière neutre sous forme de « puzzle exploratoire », le différentiel de score moyen s’estompe ou se réduit considérablement.

Au-delà de la situation ponctuelle de passation de test, le rôle cumulatif des inégalités socio-économiques structurelles façonne l’ontogenèse cérébrale dès les premiers stades de la vie. L’accès asymétrique aux soins néonataux, la prévalence du saturnisme infantile par inhalation de poussières de plomb dans les habitats vétustes, l’exposition chronique aux violences de quartier sécrétant des taux toxiques de cortisol, et la ségrégation scolaire constituent des mécanismes d’attrition cognitive violents. Ces constats assignent au psychologue clinicien et au neuropsychologue une responsabilité éthique, déontologique et méthodologique majeure : un score au facteur $g$ ne doit jamais être réifié comme un verdict essentialiste immuable, mais doit être interprété dans l’épaisseur biographique, contextuelle et socioculturelle de la personne évaluée.

12. Perspectives neurocomputationnelles et résonances avec l’intelligence artificielle

12.1 Modèles de réseaux de neurones formels et émergence de représentations partagées

La convergence contemporaine entre les neurosciences computationnelles et l’apprentissage automatique profond (Deep Learning) offre un cadre inédit pour réexaminer la nature intime de l’intelligence générale. L’un des résultats les plus fascinants de la recherche computationnelle récente concerne l’émergence spontanée de représentations de basse dimension (low-dimensional latent manifolds) au sein des réseaux de neurones artificiels profonds multi-couches entraînés sur des corpus massifs de données multimodales.

Alors même que ces réseaux artificiels ne comportent aucune contrainte algorithmique spearmanienne a priori, sitôt qu’un modèle profond est soumis à un apprentissage multitâche (multitask learning) — devant simultanément reconnaître des images, analyser la sémantique de textes, prédire des séries temporelles et générer du code —, les couches intermédiaires supérieures condensent spontanément l’information sous forme de représentations vectorielles compressées partagées. Ce phénomène computationnel constitue l’analogue direct du positive manifold : l’optimisation mathématique conjointe d’objectifs de perte hétérogènes force le système informatique à forger un réseau d’abstractions géométriques centrales transversales qui conditionnent la capacité de transfert de compétences (transfer learning) d’un domaine cognitif à un autre.

Cependant, les architectures computationnelles actuelles fondées sur les Transformers et les mécanismes d’attention spatiale présentent encore des dissemblances majeures avec le substrat neurobiologique de l’intelligence humaine :

• La frugalité énergétique : Alors que l’encéphale humain accomplit l’ensemble de ses déductions de raisonnement fluide avec une consommation métabolique dérisoire d’environ 20 watts, les supercalculateurs entraînant les modèles d’IA contemporains engloutissent des mégawatts d’énergie électrique.
• L’apprentissage en un coup (few-shot learning) : Un sujet humain doté d’un haut facteur $g$ est capable d’induire une règle logique abstraite inédite à partir d’un ou deux exemples empiriques seulement (éduction relationnelle de Spearman), tandis que les réseaux formels requièrent des milliards d’occurrences statistiques pour stabiliser leurs hyperplans de classification.
• L’absence d’ancrage somatosensoriel : Les modèles de langage purs manipulent des régularités statistiques syntaxiques sans disposer du corps perceptif et de l’intentionalité incarnée qui constituent le berceau écologique du développement intellectuel biologique.

12.2 Intelligence artificielle générale (AGI) versus facteur g humain

L’essor vertigineux des grands modèles de langage (LLM) et des modèles de fondation multimodaux a propulsé le concept d’intelligence artificielle générale (AGI) au centre de l’agenda scientifique mondial, créant une résonance conceptuelle fascinante avec le facteur g spearmanien. La communauté informatique s’efforce de concevoir des systèmes capables non plus seulement d’exceller dans une tâche fermée étroite (comme le jeu d’échecs ou la classification d’images pour lesquelles des algorithmes surpassent les humains depuis des décennies), mais de manifester une flexibilité adaptative universelle face à l’imprévu.

Face à ce défi, la confrontation méthodologique entre psychométrie humaine et évaluation des modèles d’IA est devenue un champ d’expérimentation direct :

• Des chercheurs soumettent désormais régulièrement les modèles d’IA aux batteries psychométriques humaines classiques : matrices de Raven, épreuves d’arithmétique du WISC, tests de pensée logique déductive et énigmes de rotation visuo-spatiale.
• Si les modèles d’avant-garde parviennent à obtenir des scores bruts équivalents à des quotients intellectuels de 130 ou 140 à certaines épreuves standardisées fermées, les sciences cognitives alertent sur l’illusion d’anthropomorphisme et le problème de la contamination des données d’entraînement (data contamination) : le modèle résout-il la matrice par éduction de relations abstraites en temps réel, ou se borne-t-il à récupérer par interpolation probabiliste une configuration visuelle déjà disséquée durant sa phase de pré-entraînement sur Internet ?
• Les critères d’universalité de l’intelligence biologique véritable demeurent singulièrement absents des IA actuelles : le raisonnement causal contrefactuel (distinguer corrélation et causalité selon les paradigmes de Judea Pearl), la malléabilité métacognitive adaptative face à des univers physiques aux règles gravitationnelles modifiées, et ce que les psychologues nomment le sens commun incarné (embodied common sense). Le facteur $g$ biologique demeure ainsi le modèle étalon fondamental dont s’inspire la quête computationnelle de l’intelligence artificielle générale, tout en rappelant que la flexibilité de l’esprit humain ne repose pas sur une force brute d’ingestion textuelle, mais sur une architecture d’abstraction relationnelle parcimonieuse.

12.3 Futur de la recherche fondamentale sur l’intelligence générale

À l’aube de son second siècle d’existence, la recherche nomothétique sur l’intelligence générale s’apprête à vivre des mutations paradigmatiques profondes sous l’effet de la convergence des nanotechnologies, de la génomique fonctionnelle et des neurosciences translationnelles. Le temps des querelles spéculatives opposant les modèles factoriels abstraits est désormais révolu ; le futur de la discipline s’inscrit dans l’élucidation fine des chaînes causales mécanistiques complètes, reliant le variant nucléotidique microscopique à l’assemblage synaptique, la plasticité de la connectomique pariéto-frontale, l’efficience de la mémoire de travail et, in fine, l’accomplissement existentiel dans la cité.

L’essor de l’imagerie cérébrale haute résolution à 7 Teslas et au-delà, combiné à la micro-connectomique et à l’optogénétique sur modèles animaux, permet désormais de visualiser pour la première fois la dynamique synchrone d’assemblées de neurones pyramidaux individuels au sein des couches corticales II et III du cortex préfrontal durant des tâches de raisonnement abstrait. Parallèlement, le passage de la psychométrie papier-crayon statique à des protocoles d’évaluation phénotypique numérique écologique continue (via des capteurs biométriques, des analyses de navigation cognitive sur interfaces interactives et la réalité virtuelle immersive) promet de cartographier la dynamique de l’efficience cognitive en temps réel, dans toute sa plasticité fluctuante et ses interactions avec les états de stress, de sommeil et de motivation intrinsèque.

Cependant, cette accélération des savoirs fondamentaux projette la communauté scientifique au cœur d’immenses défis bioéthiques sans précédent dans l’histoire de l’humanité. L’émergence des scores de propension polygénique (PGS) de plus en plus prédictifs du développement intellectuel alimente déjà, dans certains pays sans encadrement régulateur rigide, des dérives commerciales de sélection embryonnaire polygénique préimplantatoire (PXS) lors des fécondations in vitro, soulevant le spectre d’une nouvelle forme d’eugénisme consumériste marchand particulièrement inquiétante. De même, les avancées de la neuropharmacologie des nootropiques et des interfaces cerveau-machine invasives (telles que Neuralink) poseront inévitablement la question de l’augmentation cognitive artificielle et du risque de creusement d’un fossé biologique irrémédiable entre classes sociales. Face à ces perspectives vertigineuses, le facteur g ne peut plus être envisagé comme un simple coefficient arithmétique neutre ; il exige une vigilance éthique collective inflexible, guidée par la reconnaissance inconditionnelle de la dignité intrinsèque de chaque individu, par-delà toute métrique de performance cognitive.

Références

• 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. (1963). Theory of fluid and crystallized intelligence: A critical experiment. Journal of Educational Psychology, 54(1), 1-22. https://doi.org/10.1037/h0046743
• Deary, I. J. (2012). Looking for ‘g’: Durably status-bearing, biologically grounded, and socially relevant. European Journal of Personality, 26(4), 382-399. https://doi.org/10.1002/per.1867
• 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
• 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.
• Gottfredson, L. S. (1997). Why g matters: The complexity of everyday life. Intelligence, 24(1), 79-132. https://doi.org/10.1016/S0160-2896(97)90014-3
• Guilford, J. P. (1967). The nature of human intelligence. McGraw-Hill.
• Haier, R. J. (2016). The Neuroscience of Intelligence. Cambridge University Press. https://doi.org/10.1017/9781316529881
• Hunter, J. E., & Schmidt, F. L. (2004). Methods of Meta-Analysis: Correcting Error and Bias in Research Findings (2nd ed.). SAGE Publications. https://doi.org/10.4135/9781412985031
• Jensen, A. R. (1998). The g Factor: The Science of Mental Ability. Praeger.
• 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
• Kovacs, K., & van der Maas, H. L. J. (2016). The process overlap theory: A unified psychometric and cognitive approach to the central theory of intelligence. Psychological Inquiry, 27(3), 151-177. https://doi.org/10.1080/1047840X.2016.1153946
• Kyllonen, P. C., & Christal, R. E. (1990). Reasoning ability is (little more than) working-memory capacity?! Intelligence, 14(4), 389-433. https://doi.org/10.1016/S0160-2896(05)80012-1
• McGrew, K. S. (2009). CHC theory and the human cognitive abilities project: Standing on the shoulders of the giants of psychometric intelligence research. Intelligence, 37(1), 1-10. https://doi.org/10.1016/j.intell.2008.08.004
• 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.
• Savage, J. E., Jansen, P. R., Stringer, S., Watanabe, K., Bryois, J., de Leeuw, C. A., … & Posthuma, D. (2018). Genome-wide association meta-analysis in 269,867 individuals identifies new genetic and functional links to intelligence. Nature Genetics, 50(7), 912-919. https://doi.org/10.1038/s41588-018-0147-3
• 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
• Shaw, P., Greenstein, D., Lerch, J., Clasen, L., Lenroot, R., Gogtay, N., … & Giedd, J. (2006). Intellectual ability and cortical development in children and adolescents. Nature, 440(7084), 676-679. https://doi.org/10.1038/nature04513
• Spearman, C. (1904). « General Intelligence, » objectively determined and measured. The American Journal of Psychology, 15(2), 201-292. https://doi.org/10.2307/1412107
• Spearman, C. (1927). The Abilities of Man: Their Nature and Measurement. Macmillan.
• Steele, C. M., & Aronson, J. (1995). Stereotype threat and the intellectual test performance of African Americans. Journal of Personality and Social Psychology, 69(5), 797-811. https://doi.org/10.1037/0022-3514.69.5.797
• Sternberg, R. J. (1985). Beyond IQ: A triarchic theory of human intelligence. Cambridge University Press.
• Thomson, G. H. (1939). The Factorial Analysis of Human Ability. University of London Press.
• Thurstone, L. L. (1938). Primary mental abilities. University of Chicago Press.
• Turkheimer, E., Haley, A., Waldron, M., D’Onofrio, B., & Gottesman, I. I. (2003). Socioeconomic status modifies heritability of IQ in young children. Psychological Science, 14(6), 623-628. https://doi.org/10.1046/j.0956-7976.2003.psci_1462.x
• van der Maas, H. L. J., Dolan, C. V., Grasman, R. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. (2006). A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. Psychological Review, 113(4), 842-861. https://doi.org/10.1037/0033-295X.113.4.842
• Wechsler, D. (2008). Wechsler Adult Intelligence Scale–Fourth Edition (WAIS-IV). Pearson.