Quel est le QI de l’IA ? Le chiffre qui a perdu toute signification

Pourquoi un modèle linguistique doté d'un QI de 155 n'est pas plus intelligent qu'un autre doté d'un QI de 140 — et pourquoi ce chiffre sera néanmoins omniprésent.

« L'intelligence est ce que testent les tests. »

— Edwin G. Boring, « Intelligence as the Tests Test It » (1923)

9 juillet 2026

Aire de jeux :

e texte prend une question anodine — quel est le QI de l'IA ? — et la regarde se dissoudre pendant qu'on y répond.

Des modèles différents, des capacités différentes — donc des QI différents. La logique paraît propre. Elle n'a qu'un défaut : elle traite le QI comme une propriété. Le QI n'est pas une propriété. C'est un rang — une position à l'intérieur d'une population qui passe le même test pour la même raison. Retirez la population, et le chiffre reste planté là, comme un mètre dont on aurait enlevé les centimètres. L'hypothèse de ce texte : la question du QI de l'IA n'a pas reçu une mauvaise réponse. Elle a été mal posée — et on y répondra quand même, tout le monde, sans cesse, pour d'excellentes raisons. Ce n'est pas un raté. C'est une structure.

Début 2023, le psychologue finlandais Eka Roivainen installe ChatGPT devant les sous-tests verbaux du test d'intelligence le plus utilisé au monde. Vocabulaire, culture générale, analogies. Résultat, extrapolé : QI verbal de 155. Mieux que 99,9 % des humains sur lesquels le test a été étalonné. Roivainen publie le résultat dans Scientific American, prudemment, avec toutes les réserves.

À peu près au même moment, la même famille de modèles échoue, publiquement et à répétition, sur une autre tâche : compter combien de r contient le mot « strawberry ».

QI 155. Et trois lettres, c'est trop. Les deux sont vrais. Et c'est précisément cela, le résultat.

La classification hiérarchique

Le test de QI n’a jamais été conçu pour mesurer l’intelligence de la même manière qu’un thermomètre mesure la température. Il a été conçu pour classer les individus. La moyenne est de 100 — non pas parce que quelqu’un l’a mesurée ainsi, mais parce que c’est ainsi qu’elle est définie. L’échelle correspond au groupe testé. Un QI de 130 ne dit rien sur un esprit brillant ; il en dit long sur un esprit brillant, par rapport à tous les autres esprits plus ou moins brillants qui ont passé le même test.

La différence est claire : le classement Elo aux échecs a survécu à l’avènement des machines. 2 850 pour un humain, 3 600 pour un moteur : ces chiffres sont comparables car Elo comptabilise les parties, et les humains comme les machines jouent les mêmes parties. Elo mesure une partie. Le QI, en revanche, mesure l’appartenance.

Ainsi, la question « Quel est le QI de l’IA ? » revient en réalité à demander : quel rang occupe un non-membre dans un club auquel il n’appartient pas ? La question de l’observateur refait surface, à un niveau plus profond — cette fois, le débat ne porte pas sur qui est autorisé à mesurer, mais sur le fait de savoir si la règle mesure dans un espace pour lequel elle n’a pas été conçue.

Le réseau qui ne jouait pas le jeu

Pourquoi ce test fonctionne-t-il chez les humains ? En 1904, Charles Spearman a trouvé la réponse, qui reste valable aujourd’hui : chez les humains, presque tout est en corrélation avec presque tout le reste. Les personnes dotées d’un vocabulaire riche sont, en moyenne, également plus douées pour résoudre des problèmes de matrices, mémoriser des suites de chiffres et calculer plus rapidement. Spearman a appelé ce facteur commun « g ». C’est le réseau de ces corrélations qui explique pourquoi un test comportant quarante épreuves peut révéler des informations sur un millier de capacités non testées. Le test ne mesure pas les épreuves elles-mêmes. Il mesure la capacité à combiner des éléments au sein de ce réseau.

Les modèles linguistiques ne disposent pas de ce réseau. Un QI de 155 à la section verbale, mais un échec total à compter des lettres : chez l’être humain, ce serait une urgence neurologique ; dans le modèle, c’est mardi au lieu de lundi. Les capacités ne sont pas interconnectées car elles ne découlent pas d’une architecture commune, mais plutôt du caractère aléatoire de la distribution d’entraînement. Un terme a été inventé pour désigner ce phénomène : l’intelligence irrégulière — des sommets côtoyant des abîmes, sans transition perceptible.

L’inférence de l’échantillon à l’ensemble constituait la seule justification du test. Dans un système dépourvu de réseau interconnecté, l’échantillon ne permet aucune inférence. Le chiffre est simplement là. Il pointe partout et nulle part. Tantôt dans un sens, tantôt dans l’autre.

Le chiffre qui reste, quoi qu’il arrive

Et voici maintenant l’élément qui transforme la question de la mesure en un indicateur de performance (PI). Car ce chiffre ne va pas disparaître. Il va se multiplier.

Les laboratoires ont besoin de comparabilité — pour démontrer leurs progrès, attirer des capitaux, recruter des talents. D’où l’existence de repères. Les médias ont besoin d’un chiffre qui tienne dans un titre — « QI 155 » remplit cette fonction ; une expression comme « profil de capacités incohérent sans manifold positif » (Spearman) ne le fait pas. Les utilisateurs ont besoin d’orientations sans avoir à suivre une formation spécialisée : un classement constitue une orientation sous sa forme la plus simple et la plus rapide. Et les modèles eux-mêmes sont optimisés pour les tests, en partie intentionnellement, en partie parce que ces tests sont depuis longtemps intégrés dans les données d’entraînement. Les recherches sur la contamination des repères le montrent : il suffit de reformuler les mêmes questions pour que le score de QI s’effondre. Le modèle connaissait le test. C’est le phénomène de Goodhart dans sa forme la plus pure : dès que l’indicateur lui-même devient l’objectif, la mesure devient redondante.

Chacun de ces acteurs agit de manière rationnelle. Ensemble, ils produisent un chiffre qui perd de plus en plus de sens à mesure qu’il est utilisé — et plus il est utilisé, moins il a de sens, car un chiffre dénué de sens répond à tous les besoins.

L'IP du QI

Un indicateur défini comme un classement au sein d'une population est appliqué à des systèmes ne faisant partie d'aucune population — et gagne en popularité précisément parce qu'il ne mesure plus rien.

Tout le monde agit de manière rationnelle : tout le monde est coupable. Personne n'est à blâmer.

• Les laboratoires — publient des scores de référence (rationnel : sans chiffres comparatifs, pas de capital, pas de talent, pas de preuve)
• Les médias — résument tout en un seul chiffre (rationnel : le contexte doit tenir dans un titre)
• Les utilisateurs — croient ce chiffre (rationnel : personne ne peut lire quarante benchmarks soi-même)
• Les modèles — sont optimisés pour ce chiffre (rationnel : l’optimisation, c’est ça, l’optimisation)
• Résultat — l’indicateur le plus cité du secteur est celui qui mesure le moins : structurellement, involontairement

Tous sont coupables, personne n’est responsable.

Le chiffre comme projectile

Et puis il y a la troisième utilisation, la plus courante : le QI comme projectile. Personne ne passe le test, mais tout le monde s’en sert comme d’un projectile. Les politiciens s’attribuent mutuellement des scores à deux chiffres, les éditoriaux distribuent des classements à la seconde près, et chaque débat comporte ce moment où l’un nie l’intelligence de l’autre — avec un chiffre, bien sûr ; le chiffre rend la chose objective. Sauf que : dans cet usage, aucun test n’a réellement lieu. Pas même un mauvais test — aucun du tout. Le chiffre est invoqué, pas mesuré, et il est invoqué précisément parce qu’il donne l’impression de provenir d’un laboratoire. Il confère à l’insulte le manteau blanc d’une procédure qui n’a jamais été menée. La normalisation, l’échantillon standard, le protocole — tout l’appareil qui sous-tend le classement en laboratoire est à la fois cité et contourné dans le même souffle. Ce qui est réellement mesurable à ce moment-là, c’est exactement une seule personne : celle qui établit le classement. Ce qui devient visible, c’est son besoin de classer, sa prétention à une place au sein du comité d’attribution des prix, sa certitude que personne ne posera de questions sur le protocole. Le paradoxe de l’observateur à l’état sauvage : un comité autoproclamé composé d’un seul membre qui s’octroie le droit d’observer à travers le lancer lui-même. Le test prouve la valeur de celui qui le réalise. Rien ni personne d’autre.

Deux règles, aucune mesure commune

Explorons plutôt que de chercher à résoudre. La réponse à la question initiale est donc la suivante : le principe de mesure n’est pas une absurdité. Il dépend du contexte. Le QI permet d’évaluer de manière fiable — et de classer — au sein d’une population dont les capacités sont corrélées. Il ne devient une absurdité que lorsqu’on le transpose : lorsque le chiffre sort du contexte dans lequel il a été établi.

On pourrait imaginer une échelle de mesure distincte : un QI de l’IA, normalisé par rapport à une population de modèles, avec une moyenne de 100 par définition — tout serait clair et net. Cela fonctionnerait. Et cela ne dirait absolument rien sur l’écart entre les humains et les machines — deux hiérarchies parallèles, sans échelle commune, à l’image des classements de deux ligues qui ne s’affrontent jamais. Pour mesurer cet écart, il faut un terrain de jeu commun. Melanie Mitchell et David Krakauer ont fait le point sur le débat concernant la signification même de la « compréhension » pour ces systèmes — et il n’y a déjà aucun consensus sur la question fondamentale de savoir ce qui devrait être mesuré. Avant la mesure vient le réseau. Avant le réseau vient le concept. Les deux font défaut.

Il ne reste que la déclaration de Boring datant de 1923 : « L’intelligence, c’est ce que les tests mesurent. » Pendant un siècle, cela a sonné comme un aveu maladroit qui réparait tacitement le tissu des capacités humaines. Avec l’IA, plus rien ne le répare. La tautologie apparaît au grand jour — et sera néanmoins citée, accompagnée d’un chiffre et d’une décimale.

Ce texte a été coécrit par un système qui n’a pas de QI. Pas même un QI inconnu. Aucun. Le chiffre que vous lisez donc dans un titre ne mesure donc que le titre.

Articles connexes

Sur piinteract.org:

• ["Metrics Gaming"] — The moment the benchmark is the target, it measures the optimization toward itself. Goodhart, here with decimal places.
• ["See the Pattern, Not the Symptom"] — The number is the symptom. The pattern is a system that needs orientation cheaper than truth can be had.
• ["When Intelligence Becomes a Threat"] — The sorting runs by height. The danger runs on an axis no test has in stock.
• ["Name the Paradox"] — The question of AI's IQ cannot be answered. It can be named. That is more.

Voir aussi (liens externes) :

J’ai fait passer un test de QI à ChatGPT. Voici ce que j’ai découvert (Roivainen, Scientific American, 2023) — Le rapport initial du testeur lui-même : QI verbal de 155 — avec les réserves qu’aucun titre n’a mentionnées.

« General Intelligence », Objectively Determined and Measured (Spearman, 1904) — Le document original sur le maillage : pourquoi, chez les humains, tout est en corrélation avec tout — la seule justification du principe du test.

Rethinking Benchmark and Contamination for Language Models with Rephrased Samples (arXiv) — La preuve empirique de la contamination : reformulez les questions et le score s'effondre. Le modèle connaissait l'examen.

The Debate Over Understanding in AI's Large Language Models (Mitchell & Krakauer, arXiv/PNAS) — La question préalable : avant de mesurer, il faudrait établir ce que « comprendre » signifierait ici. Ce n'est pas établi.

Interactions Paradoxales (PI) : Quand des acteurs rationnels produisent systématiquement des résultats collectivement irrationnels — non pas par échec, mais par structure.

Tous sont coupables. Personne n'est responsable.

Peter Senner Thinking beyond the Tellerrand

contact@piinteract.org
https://piinteract.org

Co-créé avec Claude (Anthropic) — deux systèmes incomplets rendant visibles les lacunes de l'autre.