Intelligence générale vs spécificité de domaine évolutive

La question de la nature et de l’organisation de l’esprit humain constitue sans doute l’une des controverses les plus fécondes et les plus âprement disputées de l’histoire des sciences cognitives, de la psychologie et de la biologie de l’évolution. Depuis plus d’un siècle, deux visions théoriques radicalement divergentes s’affrontent pour rendre compte de l’architecture fonctionnelle de notre pensée : d’une part, le paradigme psychométrique et neurobiologique de l’intelligence générale, postulée comme une capacité transversale et unitaire de traitement de l’information ; d’autre part, la thèse de la spécificité de domaine évolutive, portée par la psychologie évolutionniste, qui conçoit le cerveau non pas comme un calculateur universel, mais comme une constellation hautement spécialisée de modules forgés par la sélection naturelle pour résoudre des problèmes adaptatifs précis.

Cette divergence dépasse largement une simple querelle de méthodologie ou une opposition sémantique entre psychométrieurs et biologistes du comportement. Elle interroge directement la façon dont la phylogenèse humaine a négocié le compromis fondamental entre efficience computationnelle et flexibilité adaptative. D’un côté, le constat empirique écrasant du « collecteur positif » (positive manifold) montre que les individus performants dans un domaine cognitif ont une probabilité statistique très élevée de l’être dans tous les autres, ce qui plaide pour l’existence d’un puissant processeur central ou de contraintes biologiques systémiques partagées. De l’autre, l’écologie évolutive et la théorie du calcul soutiennent qu’un mécanisme purement généraliste ne peut théoriquement pas exister ou serait écrasé par l’explosion combinatoire face à l’infinité des possibles de l’environnement ancestral, ce qui impose l’existence de programmes cognitifs pré-câblés, façonnés pour le choix d’un partenaire, l’évitement des prédateurs ou la négociation des contrats sociaux.

Le présent article propose un examen exhaustif, approfondi et rigoureusement documenté de cette dialectique fondamentale. En retraçant les fondations conceptuelles de l’intelligence générale (le facteur g) et de la théorie de la modularité massive, nous analyserons les données issues de la génétique quantitative, de l’imagerie cérébrale, de la modélisation computationnelle et de l’anthropologie évolutionnaire. Nous évaluerons comment les modèles contemporains de double processus, les théories de la fluidité cognitive et le recyclage neuronal permettent aujourd’hui d’esquisser une réconciliation féconde entre plasticité générale et canalisation évolutive.

1. Introduction : Genèse et tensions conceptuelles

1.1 Définition des concepts et émergence du débat cognitif

L’intelligence générale, couramment formalisée sous le terme de facteur g depuis les travaux fondateurs de Charles Spearman (1904), désigne la variance partagée commune qui émerge de l’ensemble des performances cognitives individuelles, indépendamment de la nature spécifique de la tâche (verbale, spatiale, numérique ou logique). Cette notion renvoie à une capacité cognitive transversale, unitaire et décontextualisée, permettant l’abstraction formelle, l’induction de règles, la manipulation de représentations mentales complexes et l’adaptation à des environnements inédits. Dans cette perspective, l’esprit est doté d’une puissance computationnelle globale qui influence transversalement l’ensemble des opérations intellectuelles d’un organisme.

À l’opposé diamétral de cette approche unitaire se dresse le principe de spécificité de domaine évolutive. Fondé sur les principes de la biologie néodarwinienne et formalisé au sein de la psychologie évolutionniste contemporaine, ce modèle postule que l’esprit humain n’est pas un système indifférencié, mais un agrégat de mécanismes d’inférence dédiés, fonctionnellement autonomes et génétiquement canalisés. Chaque mécanisme, souvent désigné sous le terme de module cognitif ou d’algorithme darwinien, est activé exclusivement par un ensemble restreint d’informations spécifiques issues de l’environnement (par exemple, la prosodie d’un congénère, la configuration faciale signalant la peur, ou le rapport coût/bénéfice d’une interaction d’échange) et utilise des règles computationnelles forgées pour maximiser le succès reproductif dans ce contexte précis.

L’émergence de cette fracture théorique s’enracine dans la séparation historique entre la tradition psychométrique et les sciences du comportement animal. D’une part, la psychométrie du début du XXe siècle, développée dans le sillage de l’évaluation scolaire et militaire occidentale, cherchait à quantifier les différences interindividuelles au moyen de tests standardisés. Ces travaux ont révélé une régularité statistique universelle : toutes les épreuves cognitives corrèlent positivement entre elles. D’autre part, l’éthologie comparée et l’anthropologie évolutionniste ont mis en évidence la prodigieuse sophistication de comportements instinctifs spécialisés (comme le langage humain, la navigation spatiale chez les migrateurs ou la reconnaissance intraspécifique), suggérant que la sélection naturelle n’opère que sur des compétences concrètes et adaptativement ciblées, rendant improbable l’émergence d’un dispositif intellectuel dépourvu d’orientation fonctionnelle.

1.2 Enjeux épistémologiques et théoriques

Cette confrontation soulève un enjeu épistémologique capital : celui du modèle fondamental de l’esprit humain. Le paradigme de l’intelligence générale est souvent perçu par ses détracteurs comme l’héritier direct d’une forme de « tabula rasa » modifiée ou de modèle standard des sciences sociales (selon l’expression de John Tooby et Leda Cosmides). Ce modèle présuppose un appareil mental plastique, indifférencié à la naissance, capable d’absorber n’importe quelle régularité culturelle par le biais d’un apprentissage associatif et d’un raisonnement logique général. Pour les tenants de la modularité, cette vision est biologiquement intenable : un esprit vierge ou uniquement mû par des lois d’association générale ne pourrait pas déterminer ce qu’il convient d’apprendre dans un laps de temps compatible avec la survie biologique.

En contrepoint, l’hypothèse du « couteau suisse » mental, avancée par la psychologie évolutionniste, propose que l’esprit soit composé d’une myriade d’outils hautement spécialisés, chacun ayant été minutieusement façonné par la sélection naturelle pour découper une facette précise de la réalité écologique et sociale pléistocène. Toutefois, cette approche est à son tour confrontée à des apories théoriques majeures. Si chaque compétence cognitive humaine est le produit d’un module hermétiquement fermé, comment expliquer l’étonnante capacité de notre espèce à créer des domaines culturels totalement absents de l’environnement d’adaptation évolutionnaire (comme le calcul différentiel, la composition de fugues musicales, la lecture de textes imprimés ou la mécanique quantique) ?

La distinction entre compétences contemporaines et compétences ancestrales devient ainsi le pivot de la discussion. Alors que la théorie de la spécificité de domaine excelle à rendre compte de nos intuitions universelles spontanées (notre physique naïve, notre psychologie du sens commun ou notre dégoût immédiat pour les matières pathogènes), la théorie de l’intelligence générale s’avère indispensable pour comprendre comment un individu s’adapte à des problèmes inédits, manipule des systèmes de symboles formels et acquiert des aptitudes hautement valorisées dans les sociétés technologiques modernes. Ce clivage nous oblige à repenser l’architecture fonctionnelle globale du cerveau humain au-delà des simplifications idéologiques ou disciplinaires.

2. L’intelligence générale : Le facteur g et la cognition transversale

2.1 Fondements psychométriques et conceptuels

La formalisation empirique de l’intelligence générale constitue l’une des découvertes les plus robustes et les plus reproduites de la psychologie différentielle. Lorsque Charles Spearman (1904) soumit pour la première fois des élèves à des épreuves cognitives variées allant de la discrimination sensorielle aux mathématiques et aux langues, il observa que les matrices de corrélation inter-épreuves ne présentaient pratiquement aucun coefficient négatif ou nul. Ce phénomène, baptisé le « collecteur positif » (positive manifold), indique que la réussite à une tâche cognitive complexe permet de prédire positivement la réussite à n’importe quelle autre tâche cognitive, même si leurs contenus superficiels semblent totalement disjoints.

Par l’analyse factorielle, Spearman isola une source de variance partagée majeure, qu’il nomma le facteur g (pour general factor), distincte des facteurs spécifiques s propres à chaque modalité de test. Par la suite, Arthur Jensen (1998) consolida rigoureusement cette modélisation en démontrant que le facteur g n’était pas un simple artefact méthodologique ou statistique issu du choix particulier des tests, mais une constante psychométrique invariante à travers les batteries de tests, les cultures et les sous-groupes démographiques. Le facteur g s’avère être la composante la plus saturée des tests standardisés comme les matrices progressives de Raven ou l’échelle de Wechsler, représentant typiquement entre 40 % et 50 % de la variance totale observée lors de l’administration d’une batterie neuropsychologique globale.

L’aboutissement contemporain de cette tradition est incarné par le modèle hiérarchique de Cattell-Horn-Carroll (CHC), élaboré à partir des synthèses factorielles monumentales de John B. Carroll (1993). Le modèle CHC organise les aptitudes cognitives selon une architecture triadique en strates : la Strate I regroupe des dizaines d’aptitudes étroites et spécialisées (comme l’empan mnésique numérique ou la vitesse d’orthographe) ; la Strate II identifie des aptitudes larges et intermédiaires (comme l’intelligence fluide Gf, l’intelligence cristallisée Gc, la mémoire de travail, le traitement visuel et la rapidité de traitement) ; et au sommet, la Strate III est occupée exclusivement par le facteur g, qui sous-tend et contraint l’ensemble des strates inférieures. Cette modélisation unifiée prouve que la reconnaissance de facultés spécialisées n’est nullement antinomique avec l’existence d’une capacité globale surplombante.

2.2 Mécanismes neurobiologiques et computationnels

L’ancrage empirique de l’intelligence générale ne se cantonne pas aux calculs factoriels de la psychométrie ; il dispose d’un substrat neurobiologique tangible et mesurable. La théorie la plus reconnue dans ce domaine est la théorie de l’intégration pariéto-frontale (P-FIT), proposée par Richard J. Haier et Rex E. Jung (2007). Selon ce modèle, validé par des centaines d’études d’imagerie par résonance magnétique structurelle et fonctionnelle, l’intelligence générale ne dépend pas d’un « centre de l’intelligence » isolé, mais de l’intégrité et de l’interconnexion dynamique d’un réseau précis comprenant le cortex préfrontal dorsolatéral (aires de Brodmann 9, 10, 46), le cortex pariétal inférieur (aires 39 et 40), le gyrus cingulaire antérieur et des faisceaux de substance blanche essentiels comme le faisceau longitudinal supérieur.

Ce réseau P-FIT orchestre le transfert bidirectionnel des représentations sensorielles élaborées vers les régions préfrontales chargées du contrôle exécutif. Sur le plan computationnel, l’intelligence générale est étroitement arrimée à la capacité de la mémoire de travail (WMC) et à l’attention exécutive, comme l’ont formellement démontré Michael J. Kane et Randall W. Engle (2002). La capacité à maintenir actives des représentations pertinentes face à des interférences distractives constitue le goulot d’étranglement de toute cognition complexe. Les individus dotés d’un facteur g élevé présentent une résistance supérieure à la dégradation informationnelle au sein de la mémoire de travail, leur permettant de manipuler simultanément un plus grand nombre de prémisses logiques.

De surcroît, les hypothèses de l’efficacité neuronale (Haier et al., 1988 ; Deary et al., 2010) ont mis en lumière que les cerveaux caractérisés par un niveau élevé de g consomment paradoxalement moins de glucose cérébral lors de la résolution de tâches complexes que les cerveaux de niveau inférieur. Cette rentabilité énergétique découle d’une organisation topologique optimale du connectome cérébral, favorisant la brièveté des trajets synaptiques, une myélinisation dense des axones assurant une vitesse de conduction nerveuse accrue (mesurée par le temps d’inspection sensoriel) et une plasticité synaptique adaptative robuste. L’intelligence générale apparaît dès lors comme l’expression macroscopique de l’intégrité biologique et computationnelle de l’ensemble du système nerveux central.

2.3 Avantages adaptatifs et limites explicatives

Dans un environnement instable ou soumis à des fluctuations climatiques et écologiques rapides, l’intelligence générale confère un avantage adaptatif incommensurable : elle fonctionne comme un résolveur universel de problèmes imprévus. Alors que des réponses comportementales instinctives figées se révèlent inopérantes ou fatales lorsque l’écosystème change brusquement (par exemple, lors d’une méga-sécheresse, d’une migration contrainte vers un nouvel habitat hostile ou de l’irruption d’un prédateur inédit), l’intelligence fluide permet de décomposer la réalité, d’extraire des causalités probabilistes inédites et d’engendrer de nouvelles stratégies de subsistance par inférence logique et simulation contrefactuelle.

Cependant, en dépit de ses formidables succès prédictifs dans les sociétés industrielles et de son ancrage neurobiologique avéré, le paradigme du facteur g pur se heurte à des limites explicatives criantes. La première réside dans son incapacité à rendre compte de manière cohérente des fascinantes dissociations neuropsychologiques mises en évidence par l’étude des patients lésés cérébraux. Si l’esprit était orchestré par un unique moteur transversal, une atteinte lésionnelle générale devrait dégrader uniformément l’ensemble des facultés cognitives. Or, la clinique démontre régulièrement des cas où le langage formel et le raisonnement logique sont scrupuleusement préservés tandis que la reconnaissance des visages (prosopagnosie) ou l’empathie sociale élémentaire sont totalement anéanties, et vice-versa.

La seconde limite majeure concerne le paradoxe des « savants » autistes ou des profils neurodéveloppementaux atypiques, tels que le syndrome de Williams. Ces individus peuvent présenter un quotient intellectuel global sévèrement altéré tout en manifestant des aptitudes prodigieuses, quasi miraculeuses, dans des domaines ultra-spécifiques comme le calcul calendaire, la mémoire musicale absolue ou la fluence expressive verbale. Ces dissociations aiguës défient l’idée qu’un niveau bas de facteur g condamne nécessairement l’ensemble des modules d’information du cerveau, pointant inéluctablement vers l’existence d’architectures cognitives cloisonnées et sous-tendues par des mécanismes développementaux largement autonomes.

3. La spécificité de domaine évolutive : La modularité massive de l’esprit

3.1 Paradigme de la psychologie évolutionniste

La psychologie évolutionniste s’est construite sur une critique épistémologique radicale de l’intelligence générale et des systèmes de traitement universels. Formulée avec force par des théoriciens de premier plan tels que Jerome Barkow, Leda Cosmides et John Tooby (1992), cette perspective soutient que l’architecture mentale humaine a été forgée durant l’environnement d’adaptation évolutionnaire (EEA, généralement identifié au Pléistocène) pour répondre à des pressions sélectives très concrètes et récurrentes. Ces défis adaptatifs englobent des problèmes tels que le choix d’un partenaire génétiquement viable, la détection des congénères déloyaux, la négociation des statuts hiérarchiques, l’évitement des agents infectieux et des venins, ou encore la communication vocale.

Dans ce cadre, la sélection naturelle n’a pas pu privilégier un mécanisme cognitif généraliste indifférencié, pour des raisons théoriques de faisabilité computationnelle. Comme l’a articulé Cosmides, un système computationnel non spécialisé ferait face à ce que les informaticiens et philosophes de l’esprit appellent « l’explosion combinatoire ». Confronté à un dilemme de survie immédiat (par exemple, la vue d’une ombre menaçante dans les hautes herbes), un mécanisme général d’inférence devrait évaluer un ensemble infini d’hypothèses logiques alternatives avant d’ordonner une action motrice, ce qui aboutirait inévitablement à la mort prématurée de l’organisme. Pour agir vite et bien, l’esprit a besoin de mécanismes pourvus d’un guidage préalable, d’attentes innées et d’inférences privilégiées.

La thèse de la « modularité massive » — soutenue également par des philosophes et linguistes comme Dan Sperber (1994) et Peter Carruthers (2006) — étend l’hypothèse de la modularité classique introduite par Jerry Fodor en 1983. Alors que Fodor limitait strictement la modularité aux systèmes périphériques d’entrée perceptive (la vision, l’audition, les premiers niveaux d’analyse syntaxique) tout en maintenant que les systèmes de croyance centraux étaient holistiques et non modulaires, la psychologie évolutionniste affirme avec audace que l’ensemble de l’appareil cognitif, y compris le raisonnement logique, la conceptualisation et la prise de décision, est modulaire de bout en bout. L’esprit ne contient pas de centre de commande universel : il est un collectif de systèmes experts coopératifs.

3.2 Architecture et typologie des modules adaptatifs

Dans l’acception évolutionniste contemporaine, un module cognitif n’est pas nécessairement une entité anatomiquement compacte circonscrite à un seul noyau sous-cortical ; il est défini de manière fonctionnelle comme un sous-système computationnel dédié au traitement d’un format de données restreint. L’un des exemples les plus emblématiques de cette architecture modulaire réside dans les travaux pionniers de Cosmides et Tooby sur le raisonnement social et les « algorithmes de détection des tricheurs ». En utilisant des variantes adaptées de la tâche de sélection de Peter Wason, ils ont démontré que les êtres humains échouent lamentablement à appliquer les règles de la logique déductive formelle lorsqu’elles portent sur des énoncés abstraits ou arbitraires, mais réussissent massivement et spontanément lorsque la même structure logique formelle est transposée sous la forme d’un contrat social (« Si tu prends le bénéfice X, tu dois payer le coût Y »), révélant un algorithme calibré spécifiquement pour identifier les resquilleurs.

La typologie des modules adaptatifs s’étend à des pans entiers de la cognition humaine. On distingue ainsi :

• Le module d’acquisition du langage : largement popularisé par Noam Chomsky et approfondi par Steven Pinker (1994), qui permet à l’enfant d’induire la grammaire générative de sa langue maternelle sans instruction formelle explicite et à partir d’une pauvreté stimulatrice manifeste.
• Le module de reconnaissance faciale : localisé préférentiellement dans l’aire fusiforme des visages (FFA), capable de traiter de manière holistique et quasi instantanée l’identité, l’âge, le genre et l’expression émotionnelle d’un visage humain.
• Le module de théorie de l’esprit (ou mentalisation) : décrit par Alan Leslie et Simon Baron-Cohen, permettant d’attribuer automatiquement des croyances, des désirs et des intentions non observables à autrui, fonctionnant de façon largement dissociée des compétences intellectuelles non verbales.
• Les modules de peurs ancestrales et d’évitement des agents pathogènes : préparant phylogénétiquement les primates à conditionner une réaction de terreur panique ou de dégoût viscéral face aux serpents, aux araignées, aux hauteurs ou aux cadavres en décomposition, alors même que les objets contemporains létaux (prises électriques, automobiles) ne suscitent aucune phobie instinctive comparable.

Ces modules adaptatifs se caractérisent par un haut degré de cloisonnement ou d’encapsulation informationnelle relative : ils exécutent leurs calculs de manière automatique et obligatoire dès que le stimulus déclencheur adéquat est présent, sans solliciter ni tolérer l’intervention volontaire du sujet conscient. Ainsi, lors d’une illusion visuelle de Müller-Lyer, la connaissance consciente et rationnelle que les deux segments ont la même longueur n’empêche nullement le module perceptif visuel de continuer à percevoir une différence de longueur. Le traitement s’opère en amont de toute délibération conceptuelle globale.

3.3 Forces et vulnérabilités de l’approche modulaire

Le modèle de la modularité massive tire sa force épistémologique de son extraordinaire élégance écologique. En reliant directement les compétences de l’esprit aux impératifs ultimes de la valeur sélective darwinienne (survie et reproduction différentielle), il confère à la psychologie une assise biologique naturaliste incontestable. De plus, il offre une explication limpide et convaincante aux compétences intuitives spectaculaires et précoces de la petite enfance : le nourrisson n’attend pas d’avoir appris la mécanique newtonienne ou la géométrie euclidienne à l’école pour manifester de la stupeur face à un objet qui semble traverser un mur solide ou défier la gravité (physique naïve), ni pour distinguer un objet inerte d’un agent animé pourvu d’intentions propres (biologie et psychologie naïves).

Néanmoins, poussée à son paroxysme doctrinal, la modularité massive présente des faiblesses conceptuelles et méthodologiques non négligeables. La critique la plus virulente, formulée notamment par Stephen Jay Gould et reprise par de nombreux biologistes du développement, dénonce la dérive vers un « adaptationnisme naïf ». Sans protocoles de réfutation rigoureux, le risque est omniprésent d’inventer des histoires évolutives ad hoc (des scénarios plausibles mais non vérifiables) attribuant arbitrairement un module dédié à chaque comportement ou tendance humaine observable dans la modernité.

Sur le plan computationnel, l’approche modulaire stricte peine tragiquement à résoudre le problème de l’intégration et de l’orchestration comportementale : si l’esprit n’est qu’une constellation d’organes mentaux spécialisés hermétiques, quelle entité cognitive détermine quel module doit prendre le contrôle des voies motrices lorsqu’un conflit émerge entre deux impératifs (par exemple, fuir un prédateur menaçant ou protéger sa progéniture au péril de sa vie) ? Enfin, comme le soulignent avec force les psychologues cognitifs contemporains, l’architecture modulaire pure est structurellement incapable d’élucider la prodigieuse vitesse d’évolution culturelle cumulative de l’humanité, qui a conquis la planète en élaborant des outils sémiotiques, scientifiques et technologiques pour lesquels la sélection naturelle n’a jamais pu coder d’instructions dédiées au sein de notre génome.

4. Différences fondamentales : Analyse comparative

4.1 Architecture cognitive et traitement de l’information

L’analyse comparative des deux paradigmes met en lumière une antinomie fondamentale quant à l’architecture du système de traitement de l’information. Dans le paradigme de l’intelligence générale, l’esprit est conçu selon un modèle computationnel centralisé et hautement communicatif. Le traitement de l’information repose sur des opérations formelles et décontextualisées : la décomposition de symboles, l’inférence transitive, le raisonnement analogique et la déduction logique. L’architecture est plastique, flexible, et ses règles de calcul s’appliquent avec une indifférence presque totale au contenu sémantique spécifique de la proposition traitée. Un syllogisme valide demeure valide qu’il traite d’éléphants, d’atomes ou d’entités chimériques sans référent matériel.

À l’inverse, l’architecture de la spécificité de domaine repose sur une décentralisation informationnelle absolue. Il n’existe pas d’algorithme formel unifié ; il existe une multiplicité de logiques d’inférence hétérogènes, chacune étant étroitement tributaire du contenu écologique des variables en jeu. L’esprit ne traite pas un « problème logico-mathématique général » : il met en branle des règles d’appariement spécifiques au problème des ressources, des règles de justice distributive spécifiques au partage de nourriture au sein de la parentèle, ou des heuristiques spatiales dédiées à la localisation topographique d’aliments riches en énergie. La circulation des données est intentionnellement bornée et canalisée pour éviter la contagion informationnelle et maintenir une vitesse de réponse motrice optimale.

Cette divergence architecturale pose un compromis inévitable entre flexibilité comportementale et coût computationnel. Un système unitaire généraliste jouit d’une versatilité absolue mais paie cette liberté au prix d’une latence de calcul plus élevée, d’une vulnérabilité accrue aux surcharges de la mémoire de travail et d’un risque permanent de paralyser l’action par excès d’indécision. Le système modulaire, en revanche, garantit une vitesse d’exécution fulgurante et une précision chirurgicale dans son créneau d’adaptation natif, mais s’avère aveugle, rigide et totalement incompétent dès que l’information en entrée s’écarte, ne serait-ce que légèrement, de ses spécifications de conception ancestrale.

4.2 Pression de sélection et nature des problèmes résolus

La divergence entre intelligence transversale et modularité découle directement de la typologie des pressions sélectives invoquées par chaque école théorique. Pour les théoriciens de la spécificité de domaine, la sélection naturelle n’opère que sur la récurrence adaptative statistique. Durant les centaines de milliers d’années du Pléistocène, les hominidés ont été confrontés à des régularités écologiques et relationnelles constantes : la gravité est restée identique, la décomposition des viandes a toujours abrité des bactéries létales, et la procréation sexuée a invariablement exigé l’union de deux gamètes complémentaires. Face à de telles constances immuables, l’évolution ne « gaspille » pas de ressources à laisser l’organisme réapprendre ces contingences par essai-erreur ; elle encode des a priori cognitifs rigides directement dans le développement ontogénétique du réseau neuronal.

À l’opposé, les modélisateurs de l’évolution de l’intelligence générale (notamment Peter Richerson et Robert Boyd dans leurs analyses des dynamiques climatiques du Quaternaire) soutiennent que le Pléistocène tardif a été caractérisé par une instabilité climatique violente, rapide et totalement imprévisible à l’échelle de quelques générations. Dès lors que l’environnement oscille trop vite pour que la sélection génétique puisse cristalliser des modules comportementaux fixes, mais trop lentement pour qu’un simple conditionnement pavlovien suffise, la sélection naturelle favorise la plasticité phénotypique cérébrale maximale. L’intelligence générale s’apparente ainsi à une méta-adaptation sélectionnée pour gérer l’incertitude environnementale, l’inédit absolu et l’effondrement des régularités écologiques locales.

Ce débat soulève en outre la question critique du coût métabolique et ontogénétique. Le cerveau humain représente approximativement 2 % de la masse corporelle mais consomme près de 20 % de l’énergie métabolique basale de l’organisme au repos, une proportion qui culmine à plus de 60 % chez le nourrisson. Maintenir un vaste manteau cortical préfrontal et pariétal flexible et richement connecté coûte immensément cher sur le plan biologique. La sélection naturelle n’a pu tolérer un tel investissement énergétique que si les gains procurés par le facteur g en matière de résolution de problèmes hors-piste surpassaient systématiquement le coût marginal de son entretien par rapport à des systèmes modulaires pré-câblés, infiniment plus économes en énergie métabolique.

4.3 Paradigmes de mesure et validation empirique

Les deux visions s’opposent également par leurs modes de preuve et leurs appareils métrologiques. La théorie de l’intelligence générale puise sa légitimité dans un arsenal de protocoles psychométriques hautement standardisés, quantitatifs et reproductibles. Les matrices de Raven, les sous-tests des échelles de Wechsler, les temps d’inspection sensorielle et les batteries d’attention exécutive ont été administrés à des millions d’individus dans le monde. Les matrices de covariance ainsi générées sont soumises à la rigueur mathématique de la modélisation par équations structurelles (SEM) et de l’analyse factorielle confirmatoire, démontrant l’invariance transculturelle du facteur g et sa puissante valeur prédictive quant aux performances académiques, professionnelles et même à l’espérance de vie (épidémiologie cognitive).

La psychologie évolutionniste privilégie pour sa part les paradigmes de la psychologie cognitive expérimentale, les études comparatives inter-espèces, la psychologie du développement précoce et l’anthropologie transculturelle. Au lieu de mesurer des différences quantitatives interindividuelles au sein d’une population, elle s’intéresse aux universaux de l’espèce et aux dissociations fonctionnelles qualitatives. L’outil empirique étalon demeure l’expérimentation factorielle croisée comparant la résolution d’une même tâche formelle sous différents habillages de surface : par exemple, la tâche de Wason comparant la règle descriptive abstraite (« Si une carte a une voyelle d’un côté, elle a un chiffre pair de l’autre ») et la règle de contrat social (« Si une personne boit de l’alcool, elle doit avoir plus de 18 ans »). Le saut spectaculaire de performance (passant classiquement de moins de 15 % de réussite dans la version formelle à plus de 75 % dans la version sociale déontique) est interprété comme la preuve irréfutable de la mobilisation d’un module spécialisé latent plutôt que de l’exercice d’une compétence logique unitaire.

Ces divergences méthodologiques ont longtemps alimenté un dialogue de sourds : les psychométriciens reprochaient aux évolutionnistes d’ignorer la variance individuelle systématique et de reposer sur des concepts computationnels métaphoriques difficiles à quantifier numériquement, tandis que les évolutionnistes accusaient les psychométriciens d’étudier des abstractions statistiques superficielles déconnectées de la réalité phylogénétique et biologique du tissu cérébral.

Dimension d’analyse	Intelligence générale (Facteur g)	Spécificité de domaine évolutive
Conception fondamentale de l’esprit	Système de traitement de l’information unifié, centralisé et transversal ; puissance computationnelle globale.	Constellation d’organes mentaux autonomes, spécialisés et pré-câblés (« couteau suisse » computationnel).
Substrat neuroanatomique principal	Réseau pariéto-frontal distribué (théorie P-FIT), efficience de la substance blanche et connectivité globale.	Circuits et réseaux neuro-fonctionnels ciblés, modularité sous-corticale et aires corticales dédiées (ex. FFA).
Pression sélective première	Instabilité écologique, variabilité climatique rapide et émergence de problèmes adaptatifs inédits et imprévisibles.	Régularités écologiques et sociales ancestrales stables et récurrentes du Pléistocène (EEA).
Format du traitement de l’information	Abstrait, formel, décontextualisé, insensible au contenu sémantique spécifique de la tâche.	Hautement contextualisé, dépendant du contenu, guidé par des heuristiques et inférences déontiques innées.
Vitesse et coût computationnels	Traitement délibératif plus lent, consommateur de ressources attentionnelles, sensible aux interférences.	Traitement rapide, automatique, peu coûteux sur le plan attentionnel, obligatoire et encapsulé.
Outils de validation empirique	Batteries de tests standardisés, matrices de Raven, analyses factorielles (modèle CHC), chronométrie mentale.	Expérimentations cognitives différentielles (tâche de Wason), études sur le développement précoce, éthologie comparée.
Explication des génies ou déficits isolés	Difficilement explicables ; considérés comme des anomalies ou des sous-facteurs de Strate I et II hypertrophiés.	Naturellement prédits par l’autonomie développementale et fonctionnelle de modules génétiquement disjoints.
Adaptation aux artefacts modernes	Remarquable : excelle à manipuler les symboles artificiels (sciences, mathématiques, programmation, droit).	Limitée : nécessite le détournement ou le « recyclage » de modules dévolus à d’autres finalités ancestrales.

5. Points de convergence, hybridations et modèles intégrateurs

5.1 Théories du double processus : Système 1 et Système 2

Le dépassement de l’opposition stérile entre modularité exclusive et mécanisme généraliste pur s’est largement cristallisé autour des théories du double processus en sciences cognitives, portées par des chercheurs comme Jonathan Evans, Keith Stanovich et popularisées par le lauréat du prix Nobel Daniel Kahneman. Ces modèles proposent que la cognition humaine soit structurée autour de deux modes distincts, mais fonctionnellement complémentaires, d’architecture computationnelle : les processus de Type 1 (souvent regroupés sous l’étiquette commode de « Système 1 ») et les processus de Type 2 (« Système 2 »).

Le Système 1 correspond point par point aux prédictions de la psychologie évolutionniste. Il fonctionne comme un agrégat hétérogène de mécanismes modulaires autonomes, rapides, inconscients, automatiques, exigeant un coût attentionnel minime et exécutant des heuristiques adaptatives contextualisées. Ces modules du Système 1 gèrent avec brio l’évaluation spontanée des menaces faciales, l’attribution immédiate d’intentions altruistes ou hostiles, l’ajustement moteur dans l’espace physique tridimensionnel et les réactions émotionnelles de dégoût ou de panique. En situation de danger imminent ou de dynamique sociale conventionnelle, le Système 1 fournit des solutions d’une redoutable exactitude écologique pour une dépense métabolique quasi nulle.

En revanche, le Système 2 incarne de manière quasi parfaite l’appareil de l’intelligence générale transversale. Il est lent, conscient, hautement délibératif, séquentiel et strictement bridé par la capacité finie de la mémoire de travail. La mission critique du Système 2 réside dans la supervision, la modération et, le cas échéant, l’inhibition des inférences heuristiques produites par le Système 1 lorsque celles-ci se révèlent inadaptées aux circonstances actuelles (notamment dans les contextes institutionnels ou abstraits contemporains). L’intelligence fluide générale (le facteur g) mesure précisément l’efficience opérationnelle de ce Système 2 : sa capacité à décontextualiser un problème, à découpler cognitivement une représentation de la réalité immédiate pour effectuer des simulations contrefactuelles pures et à maintenir un but informationnel stable malgré la concurrence des biais instinctifs du Système 1.

5.2 L’hypothèse de l’interaction évolutive (Kanazawa et Mithen)

Pour unifier ces dimensions au sein d’une même matrice théorique évolutive, plusieurs modèles novateurs ont été échafaudés. L’un des plus commentés est la « Savanna-IQ Interaction Hypothesis » proposée par Satoshi Kanazawa (2004). Plutôt que de poser une antinomie radicale entre sélection naturelle et facteur g, Kanazawa avance que l’intelligence générale est elle-même un module adaptatif, mais un module d’un genre singulier : un module spécifiquement sélectionné pour résoudre des problèmes évolutivement inédits. Selon cette thèse, nos ancêtres possédaient des mécanismes modulaires dédiés pour tous les défis récurrents de la savane africaine (chasser, trouver des racines, s’accoupler, nouer des alliances), mais ceux qui disposaient en outre d’une capacité supérieure à résoudre des anomalies inédites (incendies catastrophiques, bouleversements climatiques soudains) disposaient d’un avantage de survie déterminant. L’intelligence générale ne se substitue pas aux modules ancestraux ; elle opère comme un dispositif de secours quand les modules par défaut ne trouvent pas d’accroche computationnelle dans l’environnement.

Une perspective complémentaire d’une immense portée historique et archéologique est développée par l’archéologue cognitiviste Steven Mithen (1996) dans son ouvrage The Prehistory of the Mind. En s’appuyant sur l’analyse comparative des outillages lithiques et des comportements des hominidés fossiles, Mithen propose une analogie architecturale saisissante. L’esprit des primates non humains et des premiers hominidés ressemblait à une église médiévale pourvue de chapelles latérales hermétiquement isolées les unes des autres : un module de cognition technique (façonner des pierres), un module d’histoire naturelle (connaître le comportement des proies) et un module d’intelligence sociale (gérer le statut dans la troupe). Chaque module opérait avec excellence, mais dans une imperméabilité informationnelle totale : Homo erectus ou l’homme de Néandertal n’utilisait pas son génie technique pour fabriquer des ornements symboliques sociaux ou pour concevoir des armes composites combinant bois et pierre avec de la glue végétale.

La transition décisive vers l’humain moderne anatomiquement et comportementalement (Homo sapiens au Paléolithique supérieur) a été marquée, selon Mithen, par l’émergence soudaine de la « fluidité cognitive » : l’abattement des cloisons entre ces chapelles modulaires autrefois isolées. L’intelligence générale ne doit pas être vue comme un négateur de modules, mais comme la « nef centrale » de la cathédrale mentale, permettant pour la première fois aux flux informationnels de transiter d’un domaine de spécialité à un autre. C’est cette perméabilité transversale qui a permis l’explosion soudaine de l’art rupestre (fusion de l’intelligence technique et de l’histoire naturelle), du totémisme anthropomorphique (fusion de l’intelligence sociale et du monde animal) et, ultimement, de la pensée scientifique moderne.

Enfin, sur le versant neurobiologique contemporain, cette synthèse intégrative trouve son assise empirique la plus brillante dans la théorie du recyclage neuronal formulée par Stanislas Dehaene (2007). Dehaene résout le paradoxe des compétences humaines récentes (la lecture et l’arithmétique supérieure) en démontrant que le cerveau moderne ne crée pas de nouvelles structures génétiques ex nihilo, ni n’utilise une pâte blanche amorphe non spécialisée. Au lieu de cela, l’intelligence transversale et l’éducation réorientent une fraction de cortex préexistant — doté d’une prédisposition computationnelle proche — vers de nouveaux objets culturels. Ainsi, la « boîte aux lettres du cerveau » (l’aire visuelle ventrale dédiée à la reconnaissance des mots écrits dans le gyrus fusiforme gauche) n’est autre que le recyclage fonctionnel ciblé d’un module ancestral dévolu à la reconnaissance visuelle fine des formes géométriques, des empreintes animales et des contours des branchages. L’intelligence générale s’appuie sur la plasticité corticale pour recombiner des briques modulaires ancestrales au service de projets culturels radicalement nouveaux.

6. Champs d’application et pertinence contextuelle

6.1 Contextes nécessitant l’intelligence générale

La mobilisation dominante des ressources cognitives transversales associées au facteur g s’observe principalement au sein des environnements d’apprentissage formel et des architectures professionnelles hautement technologisées propres aux sociétés modernes. Ces contextes possèdent une propriété commune : ils sont totalement découplés des régularités écologiques du Pléistocène et confrontent continuellement l’individu à des systèmes symboliques conventionnels, arbitraires et sans valeur adaptative ancestrale immédiate.

Dans le domaine éducatif académique, l’acquisition de la littératie avancée, des abstractions de l’algèbre vectorielle, de la programmation informatique ou des formalismes du droit public exige un traitement d’information purement décontextualisé. L’élève doit inhiber ses représentations naïves spontanées pour embrasser des axiomatiques non intuitives (comme le principe d’inertie en physique newtonienne, qui contredit frontalement la physique intuitive de notre Système 1 selon laquelle tout objet en mouvement nécessite une force constante pour ne pas s’arrêter). L’intelligence fluide, adossée à la mémoire de travail, constitue ici le prédicteur statistique le plus massif de la vitesse et de la profondeur de l’apprentissage.

Sur le marché du travail contemporain, des décennies de recherches en psychologie organisationnelle (notamment les méta-analyses de Frank Schmidt et John Hunter) ont systématiquement démontré que la validité prédictive des mesures de capacité cognitive générale surpasse celle de n’importe quelle autre variable psychologique (personnalité, entretien d’embauche non structuré, expérience antérieure) pour pronostiquer la réussite dans les professions à forte complexité informationnelle. Qu’il s’agisse de piloter un avion de ligne confronté à une avarie instrumentale multiple, de modéliser des flux financiers volatils ou de concevoir des architectures logicielles distribuées, ces métiers contraignent les acteurs à analyser en temps réel des flux de signaux ambigus, à déduire des lois d’invariance invisibles et à concevoir des plans d’action novateurs dans des cadres d’urgence où aucun algorithme comportemental phylogénétique ne peut être appelé à la rescousse.

6.2 Contextes gouvernés par la spécificité de domaine

Si l’intelligence générale règne sans partage sur les arènes académiques et technologiques formelles, les pans les plus vitaux de l’existence quotidienne humaine demeurent sous la gouvernance quasi exclusive de mécanismes adaptatifs à forte spécificité de domaine. Le champ des interactions interpersonnelles, de l’affiliation de groupe et de la sociabilité primaire en offre l’illustration la plus éclatante. La capacité à lire instantanément la tristesse, l’ironie ou la duplicité sur les micro-expressions du visage d’un interlocuteur, à ressentir une empathie kinesthésique viscérale ou à moduler sa posture physique selon la hiérarchie implicite d’un cercle social ne doit presque rien au facteur g ; ces prouesses sont pilotées par des modules d’intelligence sociale et émotionnelle universellement partagés par l’espèce, opérationnels dès la petite enfance et imperméables au quotient intellectuel abstrait.

La sphère de la sélection des partenaires amoureux et de la dynamique reproductive illustre tout aussi puissamment cette primauté modulaire. Aucun être humain ne choisit un partenaire de vie sur la base d’un calcul matriciel bayésien délibéré ou d’une déduction syllogistique. Les signaux d’attraction fondamentaux — le rapport taille-hanches chez la femme, la symétrie faciale indicatrice de faible charge mutationnelle, la vigueur physique, le statut social protecteur et la gentillesse altruiste ciblée — déclenchent des cascades émotionnelles et comportementales hautement stéréotypées dont les ressorts sont intimement programmés par des centaines de millénaires de sélection sexuelle. Les tentatives de rationaliser rétrospectivement ces choix par des arguments formels ne constituent bien souvent que des fabulations secondaires élaborées par le Système 2 pour justifier les verdicts souverains d’algorithmes darwiniens sous-jacents.

Enfin, la détection immédiate des dangers environnementaux primordiaux et la régulation immunitaire comportementale échappent totalement au facteur g. Le sursaut de stupeur et le saut réflexe en arrière exécutés à la vue d’un tuyau d’arrosage enroulé dans l’herbe ressemblant à un serpent venimeux s’opèrent par une voie sous-corticale thalamo-amygdalienne extrêmement rapide, avant même que le cortex visuel primaire et les aires préfrontales n’aient identifié formellement l’objet. De même, le haut-le-cœur immédiat provoqué par l’odeur d’aliments avariés ou la vision d’excréments n’implique aucun calcul rationnel quant à la présence de colonies bactériennes : il s’agit d’une réaction défensive modulaire, automatisée et universelle du « système immunitaire comportemental », conçue pour préserver la vie sans perdre une seconde en délibérations inutiles.

7. Foire aux questions (FAQ)

7.1 Le facteur g est-il incompatible avec la sélection naturelle ?

Il n’existe aucune incompatibilité ontologique entre l’existence d’une capacité cognitive générale (le facteur g) et les principes de la sélection naturelle. L’idée selon laquelle la sélection naturelle ne pourrait concevoir que des adaptations ultra-spécialisées et étanches relève d’une conception réductrice de la biologie de l’évolution. En réalité, la théorie de l’évolution reconnaît depuis longtemps l’importance capitale de la « plasticité phénotypique » : la sélection de mécanismes développementaux et cérébraux flexibles permettant à un organisme d’adapter son comportement en fonction des signaux variables reçus au cours de sa vie.

Le facteur g peut être rigoureusement conceptualisé de deux manières évolutivement licites. Premièrement, comme une méta-adaptation sélectionnée positivement face à l’instabilité climatique drastique du Quaternaire tardif, où la variabilité même de l’environnement imposait un surcoût sélectif dévastateur à tout organisme limité à des réponses fixes pré-programmées. Deuxièmement, comme l’expression phénotypique macroscopique de la « charge mutationnelle globale » du génome. Selon cette perspective génétique (développée par Matthew Keller et Geoffrey Miller), des milliers de mutations délétères à effet mineur parsèment l’ADN de tout individu ; la variation du facteur g reflète simplement la qualité globale de l’assemblage neuro-développemental du cerveau (son intégrité biologique globale), laquelle conditionne transversalement le fonctionnement de l’ensemble de ses réseaux computationnels.

7.2 Comment la modularité explique-t-elle le raisonnement scientifique et abstrait ?

L’explication du raisonnement scientifique abstrait et de la créativité intellectuelle au sein d’un cadre modulaire repose sur deux processus fondamentaux : la métaphorisation inter-domaines et le recyclage culturel d’outils sémiotiques externes. Comme l’ont démontré des linguistes cognitivistes tels que George Lakoff et Mark Johnson, l’esprit humain ne pense presque jamais de manière intrinsèquement désincarnée ou formelle ; il aborde les concepts scientifiques les plus ésotériques en projetant des structures métaphoriques issues directement de modules cognitifs primitifs d’ancrage physique et spatial.

Ainsi, le raisonnement mathématique supérieur exploite sans cesse les heuristiques spatiales et motrices du système visuo-moteur primaire : nous conceptualisons les nombres comme des points le long d’une « ligne numérique continue », nous parlons d’un ensemble « ouvert » ou « fermé », d’une variable qui « tend vers » une limite ou d’une théorie « solidement bâtie sur ses fondations ». Le raisonnement abstrait ne requiert pas un processeur vierge de tout contenu : il s’agit d’un bricolage génial par lequel des modules façonnés pour manipuler des pierres, naviguer dans des forêts ou évaluer des parentés génétiques sont détournés et coordonnés par le langage et les symboles culturels (l’écriture, l’algèbre) pour modéliser des réalités invisibles à nos sens comme l’infiniment petit ou la courbure de l’espace-temps.

7.3 Lequel des deux modèles est le plus pertinent pour l’intelligence artificielle ?

La tension historique entre intelligence générale et spécificité de domaine trouve un écho spectaculaire dans l’histoire de l’intelligence artificielle. Pendant des décennies, l’ingénierie cognitive s’est partagée entre les tenants d’une architecture unifiée généraliste (l’IA symbolique classique aspirant à des mécanismes d’inférence universels, puis les grands réseaux de neurones profonds contemporains) et les promoteurs de systèmes experts modulaires spécialisés, autonomes et interconnectés par des protocoles d’arbitrage (comme dans les architectures d’agents distribués de Marvin Minsky ou la robotique comportementale de Rodney Brooks).

La trajectoire technologique contemporaine démontre que la solution la plus performante réside précisément dans une synthèse hybride. D’un côté, les grands modèles de langage (LLM) modernes fascinent par leur étonnante capacité transversale à résoudre des tâches pour lesquelles ils n’ont jamais été explicitement programmés (traduction, codage informatique, diagnostic médical préliminaire, argumentation rhétorique), ce qui rappelle puissamment la nature diffuse et combinatoire du facteur g. Mais d’un autre côté, ces modèles souffrent d’hallucinations graves et d’une incompétence critique lorsqu’il s’agit de garantir la justesse de calculs formels stricts ou d’interagir en temps réel avec un environnement physique incarné. Pour remédier à ces défaillances, les ingénieurs connectent désormais ces modèles linguistiques centraux à des modules externes ultra-spécialisés : calculateurs formels symboliques, bases de données relationnelles, moteurs de vision par ordinateur et agents robotiques dédiés. L’architecture de l’IA converge ainsi spontanément vers le modèle biologique d’un processeur de coordination intégrateur articulé à une multitude d’experts modulaires de domaine.

8. Conclusion : Vers une synthèse cognitive unifiée

8.1 Bilan de la confrontation conceptuelle

L’examen approfondi des paradigmes de l’intelligence générale et de la spécificité de domaine évolutive révèle que leur opposition historique relevait en grande partie d’un faux dilemme épistémologique induit par des approches méthodologiques unilatérales. La psychométrie, en se focalisant presque exclusivement sur la quantification des écarts de performance interindividuels au sein de populations occidentales instruites, a logiquement fait émerger le puissant facteur de co-variation transversale g, sous-estimant la vaste armature universelle d’adaptations instinctives communes à tous les membres de l’espèce. Inversement, la psychologie évolutionniste originelle, en traquant sans relâche les universaux phylogénétiques et en se défiant à l’excès de la psychométrie classique, a parfois versé dans une atomisation hyper-modulaire rigide, peinant à expliquer la variance psychométrique réelle et l’exceptionnelle malléabilité culturelle de notre espèce.

Aujourd’hui, les sciences de l’esprit s’accordent sur le constat qu’un organisme biologique complexe ne saurait survivre ni avec un système purement vierge et généraliste (condamné à l’impuissance computationnelle par explosion combinatoire), ni avec une collection de boîtes noires hermétiques incapables de communiquer entre elles face à un imprévu écologique majeur. L’architecture cognitive humaine est résolument stratifiée : elle allie une riche assise basale d’algorithmes darwiniens spécialisés, assurant la robustesse et la rapidité du traitement des invariants fondamentaux de l’existence biologique, à des réseaux d’intégration fronto-pariétaux supérieurs capables d’inhiber ces modules, d’en recombiner les représentations et de déployer une puissance computationnelle délibérative transversale face aux énigmes du monde moderne.

8.2 Perspectives futures pour les sciences de l’esprit

Les décennies à venir s’annoncent décisives pour le raffinement empirique de cette synthèse cognitive intégrative, portées par les progrès conjugués de la connectomique à haute résolution et de la génomique quantitative à l’échelle de biobanques géantes. L’analyse des réseaux cérébraux (network neuroscience) commence déjà à dépasser la simple querelle anatomique « localisationnisme contre distributionnisme » : elle révèle que le cerveau possède une organisation hiérarchique en « petit monde » (small-world), caractérisée par des modules neuronaux hautement interconnectés localement (garantissant la modularité fonctionnelle du traitement sensoriel et social) reliés entre eux par de longs axes de communication synoviaux traversant des « nœuds carrefours » préfrontaux et pariétaux hautement métabolisants (fournissant la plateforme matérielle de la flexibilité cognitive transversale et du facteur g).

Dans le même temps, les études d’association à l’échelle du génome entier (GWAS) sur des cohortes regroupant des centaines de milliers d’individus confirment que l’architecture génétique de l’intelligence générale est prodigieusement polygénique, impliquant des milliers de polymorphismes nucléotidiques disséminés dans tout le génome, influençant aussi bien la morphogenèse des axones, la synapse synaptique, la structure des dendrites que la régulation énergétique des mitochondries cellulaires. Ces découvertes suggèrent que les modèles éco-évolutifs du futur devront abandonner toute simplification linéaire pour embrasser pleinement la dynamique du développement ontogénétique : comprendre comment le génome orchestre l’interaction permanente entre la maturation programmée de nos intuitions ancestrales et la construction plastique de nos capacités de raisonnement supérieur au contact d’un environnement culturellement dense et en perpétuelle métamorphose.

Références

Barkow, J. H., Cosmides, L., & Tooby, J. (Eds.). (1992). The Adapted Mind: Evolutionary Psychology and the Generation of Culture. Oxford University Press. https://doi.org/10.1093/oso/9780195069280.001.0001

Carroll, J. B. (1993). Human Cognitive Abilities: A Survey of Factor-Analytic Studies. Cambridge University Press. https://doi.org/10.1017/CBO9780511571312

Carruthers, P. (2006). The Architecture of the Mind: Massive Modularity and the Flexibility of Thought. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199207077.001.0001

Deary, I. J., Penke, L., & Johnson, W. (2010). The neuroscience of human intelligence differences. Nature Reviews Neuroscience, 11(3), 201–211. https://doi.org/10.1038/nrn2793

Dehaene, S., & Cohen, L. (2007). Cultural recycling of cortical maps. Neuron, 56(2), 384–398. https://doi.org/10.1016/j.neuron.2007.10.004

Evans, J. S. B. (2008). Dual-processing accounts of reasoning, judgment, and social cognition. Annual Review of Psychology, 59, 255–278. https://doi.org/10.1146/annurev.psych.59.103006.093633

Fodor, J. A. (1983). The Modularity of Mind: An Essay on Faculty Psychology. MIT Press. https://doi.org/10.7551/mitpress/4737.001.0001

Haier, R. J., Siegel, B. V., Nuechterlein, K. H., Hazlett, E., Wu, J. C., Paek, J., Browning, H. L., & Buchsbaum, M. S. (1988). Cortical glucose metabolic rate correlates of abstract reasoning and attention studied with positron emission tomography. Intelligence, 12(2), 199–217. https://doi.org/10.1016/0160-2896(88)90025-1

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

Kanazawa, S. (2004). General intelligence as a domain-specific adaptation. Psychological Review, 111(2), 512–523. https://doi.org/10.1037/0033-295X.111.2.512

Kane, M. J., & Engle, R. W. (2002). The role of prefrontal cortex in working-memory capacity, executive attention, and general fluid intelligence: An individual-differences perspective. Psychonomic Bulletin & Review, 9(4), 637–671. https://doi.org/10.3758/BF03196323

Mithen, S. (1996). The Prehistory of the Mind: The Cognitive Origins of Art, Religion and Science. Thames & Hudson.

Pinker, S. (1997). How the Mind Works. W. W. Norton & Company.

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

Sperber, D. (1994). The modularity of thought and the epidemiology of representations. In L. A. Hirschfeld & S. A. Gelman (Eds.), Mapping the mind: Domain specificity in cognition and culture (pp. 39–67). Cambridge University Press. https://doi.org/10.1017/CBO9780511752902.003

Stanovich, K. E. (2009). What Intelligence Tests Miss: The Psychology of Rational Thought. Yale University Press.