{"id":8819,"date":"2026-09-23T05:21:15","date_gmt":"2026-09-23T05:21:15","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theories\/facteur-g-intelligence-generale\/"},"modified":"2026-09-23T05:21:15","modified_gmt":"2026-09-23T05:21:15","slug":"facteur-g-intelligence-generale","status":"publish","type":"psych_article","link":"https:\/\/french.arabpsychology.com\/?psych_article=facteur-g-intelligence-generale","title":{"rendered":"g"},"content":{"rendered":"

Dans l\u2019histoire des sciences humaines et cognitives, peu de concepts ont suscit\u00e9 autant de rigueur m\u00e9thodologique, de d\u00e9bats ontologiques et de passions sociopolitiques que celui d\u2019intelligence g\u00e9n\u00e9rale, universellement d\u00e9sign\u00e9 sous le vocable de facteur g<\/em><\/strong>. D\u00e9couvert \u00e0 l\u2019aube du XXe si\u00e8cle par le psychologue et statisticien britannique Charles Spearman<\/a>, ce construit statistique est n\u00e9 d\u2019un constat empirique fondamental et immuable : les individus qui r\u00e9ussissent une t\u00e2che cognitive donn\u00e9e ont une probabilit\u00e9 statistique tr\u00e8s \u00e9lev\u00e9e de r\u00e9ussir d\u2019autres \u00e9preuves intellectuelles, pourtant totalement disparates dans leur contenu, leur modalit\u00e9 sensorielle ou leur formalisme logique. Ce ph\u00e9nom\u00e8ne de corr\u00e9lation universellement positive entre \u00e9preuves d’aptitude, connu sous l\u2019expression de positive manifold<\/em>, constitue le socle empirique sur lequel repose l\u2019\u00e9difice de la psychom\u00e9trie moderne.<\/p>\n

Loin d\u2019\u00eatre un simple artifice math\u00e9matique ou une entit\u00e9 r\u00e9ifi\u00e9e sans ancrage physiologique, le facteur g<\/em> a fait l\u2019objet, au cours du si\u00e8cle \u00e9coul\u00e9, d\u2019un effort de caract\u00e9risation multidisciplinaire sans pr\u00e9c\u00e9dent. Des formalisations factorielles de John Carroll aux mod\u00e8les d\u2019\u00e9quations structurelles contemporains, de la morphom\u00e9trie par r\u00e9sonance magn\u00e9tique \u00e0 la connectomique fonctionnelle, de la g\u00e9n\u00e9tique comportementale quantitative aux \u00e9tudes d\u2019association pang\u00e9nomique \u00e0 haute r\u00e9solution, le facteur g<\/em> s’impose comme l’invariant le plus robuste de la psychologie diff\u00e9rentielle. Il transcende les clivages m\u00e9thodologiques pour interroger directement la nature de l\u2019architecture cognitive, la vitesse de traitement de l’information et l\u2019int\u00e9grit\u00e9 biologique du syst\u00e8me nerveux central.<\/p>\n

Ce trait\u00e9 encyclop\u00e9dique se propose d\u2019explorer le facteur g<\/em> sous toutes ses facettes th\u00e9oriques, statistiques, biologiques, d\u00e9veloppementales et philosophiques. En analysant sa gen\u00e8se historique, ses mod\u00e8les psychom\u00e9triques concurrents, ses substrats neuroanatomiques pr\u00e9cis, son h\u00e9ritabilit\u00e9 mol\u00e9culaire, sa validit\u00e9 pr\u00e9dictive syst\u00e9mique dans les trajectoires de vie et les controverses scientifiques entourant son interpr\u00e9tation, cette analyse offre une synth\u00e8se exhaustive et rigoureuse de la litt\u00e9rature scientifique contemporaine consacr\u00e9e \u00e0 la quintessence de la cognition humaine.<\/p>\n

1. \u00c9pist\u00e9mologie et gen\u00e8se conceptuelle du facteur g<\/h2>\n

1.1 Les travaux pionniers de Charles Spearman et la th\u00e9orie bifactorielle<\/h3>\n

L\u2019acte de naissance formel du facteur g<\/em> remonte \u00e0 1904, avec la publication fondatrice de Charles Spearman intitul\u00e9e \u00ab\u00a0General Intelligence,\u00a0\u00bb Objectively Determined and Measured<\/em> dans l\u2019American Journal of Psychology<\/a>. En appliquant des outils statistiques in\u00e9dits \u00e0 l\u2019\u00e9valuation des performances scolaires d\u2019enfants dans des mati\u00e8res aussi diverses que les math\u00e9matiques, le latin, le grec et la discrimination sensorielle auditive et visuelle, Spearman constata une r\u00e9gularit\u00e9 troublante : toutes les corr\u00e9lations inter-\u00e9preuves s’av\u00e9raient syst\u00e9matiquement positives. Pour rendre compte math\u00e9matiquement de cette matrice de covariation, il formalisa la th\u00e9orie bifactorielle de l’intelligence.<\/p>\n

Selon ce postulat princeps, la performance d’un individu \u00e0 n’importe quelle t\u00e2che cognitive est d\u00e9termin\u00e9e par deux composantes orthogonales : un facteur g\u00e9n\u00e9ral (not\u00e9 g<\/em>), partag\u00e9 par l\u2019ensemble des \u00e9preuves intellectuelles dans des proportions variables, et un facteur sp\u00e9cifique (not\u00e9 s<\/em>), strictement d\u00e9volu aux exigences particuli\u00e8res de la t\u00e2che \u00e9valu\u00e9e ou aux erreurs de mesure inh\u00e9rentes \u00e0 l’instrument. Spearman tenta d’expliquer ce facteur g<\/em> par une m\u00e9taphore physiologique novatrice pour l’\u00e9poque : celle d’une \u00ab \u00e9nergie mentale \u00bb globale (mental energy<\/em>) disponible dans le cortex c\u00e9r\u00e9bral, circulant \u00e0 travers des \u00ab moteurs \u00bb sp\u00e9cifiques (engines<\/em>) repr\u00e9sent\u00e9s par les facteurs s<\/em>. Plus la t\u00e2che mobilise des op\u00e9rations cognitives complexes, plus elle exige une d\u00e9charge massive de cette \u00e9nergie centrale.<\/p>\n

Sur le plan qualitatif, Spearman articula sa th\u00e9orie psychologique autour des lois de la \u00ab n\u00e9ogen\u00e8se \u00bb (noegenesis<\/em>), d\u00e9crivant les processus par lesquels l’esprit g\u00e9n\u00e8re de nouvelles connaissances cognitives. Il distingua trois principes n\u00e9og\u00e9n\u00e9tiques fondamentaux : l’appr\u00e9hension de l’exp\u00e9rience (la capacit\u00e9 d’un sujet \u00e0 percevoir et comprendre son propre \u00e9tat psychologique et ses sensations directes), l’\u00e9duction de relations (la facult\u00e9 de d\u00e9duire une relation conceptuelle abstraite entre deux ou plusieurs \u00e9l\u00e9ments pr\u00e9sent\u00e9s) et l’\u00e9duction de corr\u00e9lats (la capacit\u00e9 d’inf\u00e9rer un \u00e9l\u00e9ment manquant lorsqu’un stimulus initial et une relation sont donn\u00e9s). Pour Spearman, les tests pr\u00e9sentant les plus fortes corr\u00e9lations avec g<\/em> sont pr\u00e9cis\u00e9ment ceux qui exigent une \u00e9duction pure, sans recours massif \u00e0 la m\u00e9moire acquise ou aux automatismes culturels.<\/p>\n

La communaut\u00e9 psychologique du d\u00e9but du XXe si\u00e8cle r\u00e9serva un accueil polaris\u00e9 aux travaux de Spearman. Si des pionniers de la mesure comme Francis Galton<\/a> virent dans cette math\u00e9matisation l’aboutissement de l’\u00e9tude des diff\u00e9rences individuelles, d’autres figures majeures, \u00e0 l’instar d’Alfred Binet en France, manifest\u00e8rent un scepticisme prononc\u00e9. Binet privil\u00e9giait une approche pragmatique, composite et \u00e9ducative de l’intelligence, redoutant qu’une r\u00e9duction \u00e0 une variable scalaire unitaire ne capture pas l’infinie vari\u00e9t\u00e9 qualitative des processus mentaux sup\u00e9rieurs, ouvrant ainsi un d\u00e9bat \u00e9pist\u00e9mologique qui traverse encore la psychom\u00e9trie contemporaine.<\/p>\n

1.2 L’\u00e9volution du concept face aux mod\u00e8les multifactoriels rivaux<\/h3>\n

La supr\u00e9matie de la conception unitaire spearmanienne fut vigoureusement contest\u00e9e d\u00e8s les ann\u00e9es 1930 par les travaux de Louis Leon Thurstone<\/a>. Rejetant l’hypoth\u00e8se d’un facteur g<\/em> pr\u00e9pond\u00e9rant, Thurstone d\u00e9veloppa une m\u00e9thodologie factorielle concurrente : l’analyse factorielle multiple avec rotation des axes (notamment la rotation varimax et oblique). En appliquant ces techniques \u00e0 des batteries de tests tr\u00e8s h\u00e9t\u00e9rog\u00e8nes administr\u00e9es \u00e0 des \u00e9tudiants, Thurstone isola un ensemble d’aptitudes mentales primaires (Primary Mental Abilities<\/em>, ou PMA), autonomes et stables.<\/p>\n

Ces aptitudes primaires comprenaient la compr\u00e9hension verbale (V), la fluence verbale (W), l’aptitude num\u00e9rique (N), la visualisation spatiale (S), la m\u00e9moire associative (M), la vitesse perceptive (P) et le raisonnement inductif (R). Selon le mod\u00e8le initial de Thurstone, l’intelligence ne pouvait se r\u00e9duire \u00e0 une constante g\u00e9n\u00e9rale ; elle constituait une constellation de modules fonctionnels distincts sans primaut\u00e9 hi\u00e9rarchique. Cette opposition frontale engendra l’une des controverses les plus f\u00e9condes de la psychologie diff\u00e9rentielle, opposant les partisans de la doctrine unitaire britannique aux d\u00e9fenseurs du pluralisme factoriel am\u00e9ricain.<\/p>\n

La r\u00e9solution de cette antinomie th\u00e9orique fut permise par le raffinement math\u00e9matique des rotations factorielles obliques. Lorsque Thurstone autorisa les facteurs primaires \u00e0 corr\u00e9ler entre eux afin de respecter l’ad\u00e9quation aux donn\u00e9es brutes, il s’aper\u00e7ut que les corr\u00e9lations entre ces aptitudes fondamentales \u00e9taient elles-m\u00eames toutes positives. L’application d’une analyse factorielle de second ordre sur la matrice de corr\u00e9lation des facteurs primaires fit in\u00e9vitablement r\u00e9appara\u00eetre un facteur d’ordre sup\u00e9rieur dominant : le facteur g<\/em> de Spearman. Loin d’annihiler l’hypoth\u00e8se g\u00e9n\u00e9rale, les travaux de Thurstone fournirent la preuve empirique qu’une architecture cognitive ne peut s’affranchir d’un niveau sommital, conduisant \u00e0 l’\u00e9laboration des mod\u00e8les hi\u00e9rarchiques de l’intelligence o\u00f9 les aptitudes sp\u00e9cifiques sont subordonn\u00e9es \u00e0 des facteurs larges, eux-m\u00eames gouvern\u00e9s par g<\/em>.<\/p>\n

Dans le cadre contemporain n\u00e9o-spearmanien, cette synth\u00e8se hi\u00e9rarchique a d\u00e9finitivement pacifi\u00e9 l’opposition historique. Le facteur g<\/em> n’exclut pas l’existence de comp\u00e9tences factorielles diff\u00e9renci\u00e9es ; il traduit simplement la part de variance commune que partagent l’ensemble de ces sous-syst\u00e8mes cognitifs. La formalisation math\u00e9matique moderne reconna\u00eet ainsi une structure en strates imbriqu\u00e9es, garantissant la coexistence pacifique d’une capacit\u00e9 cognitive g\u00e9n\u00e9rale et de modules d’aptitudes sp\u00e9cialis\u00e9s hautement informatifs sur le plan neuropsychologique.<\/p>\n

1.3 D\u00e9finition op\u00e9rationnelle et statut ontologique de g<\/h3>\n

Sur le plan op\u00e9rationnel, le facteur g<\/em> se d\u00e9finit avec une pr\u00e9cision math\u00e9matique irr\u00e9prochable : il correspond \u00e0 la premi\u00e8re composante principale non tourn\u00e9e ou au facteur g\u00e9n\u00e9ral d’ordre sup\u00e9rieur extrait d’une matrice de corr\u00e9lation issue d’un ensemble suffisamment large et repr\u00e9sentatif de tests cognitifs. Cependant, cette rigueur op\u00e9rationnelle laisse ouverte une interrogation \u00e9pist\u00e9mologique cruciale quant \u00e0 son statut ontologique. Le facteur g<\/em> n’est-il qu’un simple r\u00e9sum\u00e9 statistique, une \u00ab moyenne abstraite \u00bb de variances covariantes sans substance r\u00e9elle, ou refl\u00e8te-t-il une entit\u00e9 biologique, structurelle et causale sous-jacente du cerveau humain ?<\/p>\n

Le point d’ancrage empirique de ce statut ontologique r\u00e9side dans le ph\u00e9nom\u00e8ne universel du positive manifold<\/em> (ou collectif positif). Quelle que soit la population examin\u00e9e, l’\u00e9poque historique, le niveau culturel ou la nature s\u00e9miotique des \u00e9preuves administr\u00e9es (formes g\u00e9om\u00e9triques, lexique abstrait, calculs arithm\u00e9tiques, manipulation de blocs tridimensionnels), aucune matrice de corr\u00e9lation cognitive \u00e0 grande \u00e9chelle ne pr\u00e9sente de corr\u00e9lation significativement n\u00e9gative entre \u00e9preuves mesurant un effort mental d\u00e9lib\u00e9r\u00e9. Ce ph\u00e9nom\u00e8ne constitue une loi quasi universelle de la psychologie comportementale, analogue aux constantes physiques de la mati\u00e8re.<\/p>\n

Face \u00e0 cette universalit\u00e9, deux courants ontologiques s’affrontent. Pour le r\u00e9alisme structural (soutenu vigoureusement par des chercheurs comme Arthur Jensen<\/a>), g<\/em> est une propri\u00e9t\u00e9 physique et biologique du syst\u00e8me nerveux : la vitesse de conduction axonale, la my\u00e9linisation c\u00e9r\u00e9brale, l’efficacit\u00e9 m\u00e9tabolique ou la densit\u00e9 synaptique globale. \u00c0 l’oppos\u00e9, les mod\u00e8les \u00e9mergentistes et conexionnistes consid\u00e8rent g<\/em> comme une propri\u00e9t\u00e9 \u00e9mergente d’un r\u00e9seau dynamique complexe. Selon cette perspective, il n’existe aucun \u00ab organe \u00bb ou \u00ab centre \u00bb de g<\/em> ; la covariance g\u00e9n\u00e9rale proviendrait des interactions mutuellement b\u00e9n\u00e9fiques (ph\u00e9nom\u00e8ne de mutualisme) que les diff\u00e9rents modules cognitifs entretiennent au cours de l’ontogen\u00e8se et de l’apprentissage.<\/p>\n

Une propri\u00e9t\u00e9 math\u00e9matique fascinante d\u00e9couverte par Spearman renforce le caract\u00e8re objectif de ce construit : le th\u00e9or\u00e8me de \u00ab l’indiff\u00e9rence de l’indicateur \u00bb (indifference of the indicator<\/em>). Ce principe d\u00e9montre que la nature exacte des \u00e9preuves utilis\u00e9es pour extraire le facteur g<\/em> importe peu, pourvu que la batterie de tests soit suffisamment diverse et complexe. Que l’on extrait g<\/em> \u00e0 partir d’une batterie de tests purement linguistiques et logiques, ou \u00e0 partir d’un ensemble de tests spatiaux, moteurs et perceptifs, le facteur g<\/em> obtenu dans les deux cas corr\u00e8le \u00e0 des niveaux approchant l’unit\u00e9 ($r > 0,95$<\/span>) apr\u00e8s correction pour l’att\u00e9nuation de mesure. Cette invariance factorielle transcende les instruments de mesure particuliers et confirme l’existence d’une dimension cognitive fondamentale, ind\u00e9pendante du support mat\u00e9riel des items administr\u00e9s.<\/p>\n

2. Fondements math\u00e9matiques et formalisation psychom\u00e9trique<\/h2>\n

2.1 L’analyse factorielle exploratoire et confirmatoire appliqu\u00e9e \u00e0 g<\/h3>\n

L’estimation quantitative du facteur g<\/em> repose sur les m\u00e9thodologies avanc\u00e9es de l’analyse multivari\u00e9e. Historiquement, l’analyse factorielle exploratoire (AFE) a constitu\u00e9 le premier v\u00e9hicule d’investigation. Dans le mod\u00e8le factoriel classique, la performance observ\u00e9e $X_{ij}$<\/span> d’un sujet $i$<\/span> \u00e0 une \u00e9preuve cognitive $j$<\/span> est mod\u00e9lis\u00e9e par une combinaison lin\u00e9aire de variables latentes :<\/p>\n

$$X_{ij} = \\lambda_{j1} F_{1i} + \\lambda_{j2} F_{2i} + dots + \\lambda_{jm} F_{mi} + \\epsilon_{ij}$$<\/span><\/p>\n

o\u00f9 $\\lambda_{jm}$<\/span> repr\u00e9sente la saturation (loading) de la variable $j$<\/span> sur le facteur latent $m$<\/span>, $F$<\/span> repr\u00e9sente le score factoriel du sujet, et $\\epsilon_{ij}$<\/span> d\u00e9signe l’unicit\u00e9 (variance sp\u00e9cifique cumul\u00e9e \u00e0 l’erreur de mesure al\u00e9atoire). Lors de l’extraction par la m\u00e9thode des axes principaux sans rotation, le premier facteur extrait maximise la proportion de variance commune totale expliqu\u00e9e \u00e0 travers l’ensemble des tests. Dans les batteries d’intelligence standardis\u00e9es (telles que les \u00e9chelles de Wechsler), ce premier facteur non tourn\u00e9 absorbe g\u00e9n\u00e9ralement entre 40 % et 50 % de la variance totale de la batterie, constituant une approximation empirique robuste du facteur g<\/em>.<\/p>\n

L’av\u00e8nement de la mod\u00e9lisation par \u00e9quations structurelles (Structural Equation Modeling<\/em>, SEM) et de l’analyse factorielle confirmatoire (AFC) a profond\u00e9ment affin\u00e9 cette approche en permettant de tester explicitement des hypoth\u00e8ses structurales a priori. En AFC, le chercheur sp\u00e9cifie formellement le patron de liaisons entre les variables indicatrices et les construits latents, testant la matrice de variance-covariance observ\u00e9e ($S$<\/span>) contre la matrice th\u00e9orique pr\u00e9dite par le mod\u00e8le ($\\Sigma$<\/span>). Deux grandes topologies math\u00e9matiques s’opposent dans la mod\u00e9lisation de g<\/em> : le mod\u00e8le hi\u00e9rarchique d’ordre sup\u00e9rieur (higher-order model<\/em>) et le mod\u00e8le bifactoriel (bifactor model<\/em>).<\/p>\n

Dans le mod\u00e8le d’ordre sup\u00e9rieur, g<\/em> n’exerce pas d’effet direct sur les variables observ\u00e9es ; il affecte directement des facteurs de premier ordre (les aptitudes larges telles que la m\u00e9moire de travail, le traitement visuospatial ou la compr\u00e9hension verbale), qui \u00e0 leur tour influencent les scores aux sous-tests. Dans le mod\u00e8le bifactoriel, en revanche, g<\/em> agit comme un facteur orthogonal direct sur l’ensemble des variables observ\u00e9es, la variance de chaque test \u00e9tant d\u00e9compos\u00e9e simultan\u00e9ment en une part attribuable directement \u00e0 g<\/em>, une part attribuable \u00e0 un facteur de groupe sp\u00e9cifique (par exemple, le domaine verbal) et une part d’unicit\u00e9 r\u00e9siduelle. L’\u00e9valuation comparative de ces architectures repose sur des indices d’ajustement statistique rigoureux, tels que le RMSEA (Root Mean Square Error of Approximation<\/em>), le CFI (Comparative Fit Index<\/em>), le TLI (Tucker-Lewis Index<\/em>) et le BIC (Bayesian Information Criterion<\/em>), documentant la sup\u00e9riorit\u00e9 statistique et la parcimonie conceptuelle de la repr\u00e9sentation factorielle de g<\/em>.<\/p>\n

2.2 Saturation en g et hi\u00e9rarchisation des \u00e9preuves cognitives<\/h3>\n

La valeur diagnostique et th\u00e9orique d’un test psychom\u00e9trique d\u00e9pend intrins\u00e8quement de sa \u00ab saturation en g<\/em> \u00bb (ou g<\/em>-loading), qui correspond au coefficient de corr\u00e9lation statistique entre les scores observ\u00e9s au test et le facteur latent g\u00e9n\u00e9ral. Plus la saturation en g<\/em> d’une \u00e9preuve est \u00e9lev\u00e9e (tendant vers 1,00), plus cette \u00e9preuve constitue un indicateur pur de l’intelligence g\u00e9n\u00e9rale, ind\u00e9pendamment de la modalit\u00e9 sensorielle ou des acquis scolaires pr\u00e9alables.<\/p>\n

Les d\u00e9cennies de recherche psychom\u00e9trique ont permis d’\u00e9tablir une hi\u00e9rarchie empirique d’une stabilit\u00e9 remarquable concernant les saturations en g<\/em> des diff\u00e9rentes \u00e9preuves cognitives. Les tests manifestant les saturations les plus massives ($r > 0,75$<\/span> \u00e0 $0,85$) sont invariablement ceux qui sollicitent le raisonnement inductif, d\u00e9ductif et abstrait. Les \u00e9preuves embl\u00e9matiques de cette cat\u00e9gorie sont les matrices progressives de Raven<\/a>, les tests d’analogies verbales ou g\u00e9om\u00e9triques complexes, les suites logiques de nombres et les t\u00e2ches de r\u00e9solution de probl\u00e8mes in\u00e9dits. Ces \u00e9preuves exigent une manipulation mentale active de r\u00e8gles implicites et une forte charge de contr\u00f4le ex\u00e9cutif.<\/p>\n

\u00c0 un niveau interm\u00e9diaire de saturation ($r \\approx 0,50$<\/span> \u00e0 $0,70$), on trouve les tests de connaissances cristallis\u00e9es (vocabulaire, culture g\u00e9n\u00e9rale), les \u00e9preuves d’arithm\u00e9tique mentale, la m\u00e9moire de travail complexe (empan envers, s\u00e9quen\u00e7age lettres-chiffres) et les t\u00e2ches de rotation mentale tridimensionnelle. Enfin, les \u00e9preuves pr\u00e9sentant les saturations en g<\/em> les plus modestes ($r < 0,40$) correspondent aux t\u00e2ches perceptives et motrices simples, telles que le temps de r\u00e9action simple, la vitesse de pointage moteur, la d\u00e9tection visuelle \u00e9l\u00e9mentaire ou la m\u00e9moire de reconnaissance imm\u00e9diate de stimuli familiers.<\/p>\n

Cette hi\u00e9rarchie d\u00e9montre de mani\u00e8re univoque que la saturation en g<\/em> n’est pas fonction du support de la t\u00e2che, mais de sa complexit\u00e9 cognitive intrins\u00e8que. Plus une \u00e9preuve requiert l’inhibition des r\u00e9ponses automatiques, la planification s\u00e9quentielle, l’abstraction et l’int\u00e9gration d’un grand nombre d’\u00e9l\u00e9ments relationnels distincts sous contrainte de temps, plus elle fait converger la variance inter-individuelle vers le facteur g<\/em>. De surcro\u00eet, le niveau de difficult\u00e9 des items module directement cette saturation : des items excessivement faciles g\u00e9n\u00e8rent des effets de plafond et ne mobilisent que des processus automatis\u00e9s faiblement satur\u00e9s, tandis que des items de difficult\u00e9 calibr\u00e9e contraignent le syst\u00e8me nerveux \u00e0 d\u00e9ployer l’int\u00e9gralit\u00e9 de sa capacit\u00e9 computationnelle.<\/p>\n

2.3 La th\u00e9orie de la r\u00e9ponse aux items (TRI) et l’estimation de la capacit\u00e9 latente<\/h3>\n

Si l’analyse factorielle classique traite traditionnellement des variables agr\u00e9g\u00e9es ou continues sous l’hypoth\u00e8se de lin\u00e9arit\u00e9, la psychom\u00e9trie computationnelle contemporaine s’appuie massivement sur la Th\u00e9orie de la R\u00e9ponse aux Items (TRI). La TRI transcende les limites de la th\u00e9orie classique des tests en mod\u00e9lisant math\u00e9matiquement la probabilit\u00e9 qu’un sujet r\u00e9ponde correctement \u00e0 un item sp\u00e9cifique en fonction de son niveau sur un trait latent unilat\u00e9ral, traditionnellement d\u00e9sign\u00e9 par la variable $\\theta$<\/span> (th\u00eata), qui co\u00efncide conceptuellement avec le facteur g<\/em> lorsque la batterie est unidimensionnelle ou domin\u00e9e par une dimension g\u00e9n\u00e9rale.<\/p>\n

Dans un mod\u00e8le logistique \u00e0 trois param\u00e8tres (3PL), la probabilit\u00e9 de r\u00e9ussite $P_i(\\theta)$<\/span> \u00e0 un item $i$<\/span> est formul\u00e9e selon l’\u00e9quation diff\u00e9rentielle suivante :<\/p>\n

$$P_i(\\theta) = c_i + \\frac{1 – c_i}{1 + e^{-D a_i (\\theta – b_i)}}$$<\/span><\/p>\n

o\u00f9 $a_i$<\/span> repr\u00e9sente le param\u00e8tre de discrimination de l’item (directement proportionnel \u00e0 sa saturation en g<\/em>), $b_i$<\/span> indique la difficult\u00e9 de l’item sur l’\u00e9chelle du trait latent, $c_i$<\/span> constitue le param\u00e8tre de pseudo-chance (probabilit\u00e9 d’obtenir une r\u00e9ponse correcte par hasard), et $D$<\/span> est une constante d’\u00e9chelle (g\u00e9n\u00e9ralement fix\u00e9e \u00e0 1,702 pour approcher la fonction ogive normale). Dans cette perspective, un test fortement satur\u00e9 en g<\/em> se caract\u00e9rise par des items pr\u00e9sentant des valeurs de discrimination $a_i$<\/span> extr\u00eamement \u00e9lev\u00e9es, cr\u00e9ant des Courbes Caract\u00e9ristiques de l’Item (CCI) \u00e0 pente tr\u00e8s raide au niveau de leur seuil de difficult\u00e9.<\/p>\n

L’apport d\u00e9terminant de la TRI r\u00e9side dans sa gestion probabiliste de l’erreur de mesure via la fonction d’information du test $I(\\theta)$<\/span>. Contrairement \u00e0 la th\u00e9orie classique qui postule une erreur de mesure standard constante pour tous les individus quel que soit leur score, la TRI d\u00e9montre formellement que la pr\u00e9cision de la mesure varie le long du continuum de l’aptitude cognitive g\u00e9n\u00e9rale :<\/p>\n

$$SE(\\theta) = \\frac{1}{\\sqrt{I(\\theta)}}$$<\/span><\/p>\n

Une batterie d’\u00e9valuation satur\u00e9e en g<\/em> peut ainsi \u00eatre optimis\u00e9e par le biais de tests adaptatifs informatis\u00e9s (Computerized Adaptive Testing<\/em>, CAT), o\u00f9 les items sont s\u00e9lectionn\u00e9s dynamiquement par des algorithmes bay\u00e9siens en temps r\u00e9el pour maximiser l’information $I(\\theta)$<\/span> au niveau exact de comp\u00e9tence estim\u00e9 du sujet test\u00e9. Une fois l’aptitude latente $\\theta$<\/span> estim\u00e9e avec un maximum de vraisemblance, elle est convertie math\u00e9matiquement sur une \u00e9chelle normalis\u00e9e standard, telle que l’\u00e9chelle conventionnelle du quotient intellectuel (QI) d\u00e9finie par une distribution gaussienne de moyenne $\\mu = 100$<\/span> et d’\u00e9cart-type $\\sigma = 15$<\/span>. Cette transformation pr\u00e9serve rigoureusement le positionnement ordinal et m\u00e9trique du sujet sur le continuum latent du facteur g<\/em>.<\/p>\n

3. Mod\u00e8les structuraux contemporains et int\u00e9gration hi\u00e9rarchique<\/h2>\n

3.1 La th\u00e9orie des trois strates de John Carroll<\/h3>\n

L’entreprise la plus monumentale de clarification taxonomique de la structure de l’intelligence humaine a \u00e9t\u00e9 men\u00e9e par John B. Carroll<\/a>, aboutissant en 1993 \u00e0 la publication de son ouvrage magistral Human Cognitive Abilities: A Survey of Factor-Analytic Studies<\/em>. Carroll a entrepris la r\u00e9-analyse syst\u00e9matique et standardis\u00e9e de plus de 460 jeux de donn\u00e9es psychom\u00e9triques mondiaux collect\u00e9s sur pr\u00e8s de six d\u00e9cennies, englobant des dizaines de milliers de participants. Cette m\u00e9ta-analyse factorielle sans \u00e9quivalent a permis d’\u00e9riger la Th\u00e9orie des Trois Strates (Three-Stratum Theory<\/em>).<\/p>\n

L’architecture de Carroll organise l’univers des aptitudes cognitives en trois niveaux embo\u00eet\u00e9s de g\u00e9n\u00e9ralit\u00e9 croissante :<\/p>\n