The Meta Intelligence IndexMéthode

Fondements et prédictions

Ce qui a informé ce test, et ce qu’il reste à prouver.

Cette page sépare deux choses que les tests cognitifs en ligne confondent presque toujours : la littérature qui a guidé une décision de conception, et les preuves que l’instrument mesure ce qu’il prétend. La première est détaillée ci-dessous, décision par décision. La seconde est encore à produire, et cette page dit comment nous saurons que nous avons eu tort.

État actuel

Ce que le M.I. n’a pas encore.

  • Aucune étude de validation n’a été menée sur ce test. Aucune corrélation avec un instrument existant n’a été mesurée.
  • Les items sont originaux. Ils s’inspirent de principes établis mais ne reprennent ni les questions, ni les normes, ni les propriétés psychométriques d’aucune batterie validée.
  • Les pondérations entre les quatre domaines sont pour l’instant égales, par défaut. Aucune donnée ne les justifie encore.
  • Les normes partent d’une distribution simulée et se déplacent vers les données observées à mesure que des personnes passent le test.
  • L’échantillon est auto-sélectionné et le test n’est pas surveillé.
Passages retenus pour les normes
0
Jeu de normes actif
auto-0
Part encore issue de l’hypothèse initiale
100%

Ces trois chiffres sont lus en direct, pas écrits à la main. Tant que la part d’hypothèse reste élevée, un percentile est un repère, pas une mesure.

Ce qui a informé chaque décision

Chaque entrée indique la décision de conception, les travaux qui l’ont guidée, et ce que ces travaux ne permettent pas d’affirmer. La dernière ligne compte autant que les deux premières.

Un score global accompagné de sous-scores, plutôt qu’un chiffre unique

La théorie du chevauchement des processus explique qu’un facteur général peut émerger de processus qui se recouvrent partiellement, sans supposer une substance mentale unique. Le M.I. est donc construit comme un mélange — traitement, mémoire, adaptation, lucidité — et non comme la mesure d’une chose.

  • Kovács, K., & Conway, A. R. A. (2016). Process Overlap Theory: A Unified Account of the General Factor of Intelligence. Psychological Inquiry, 27(3), 151–177.DOI 10.1080/1047840X.2016.1153946
  • Hao, H., Conway, A. R. A., Kovács, K., & Snijder, J.-P. (2025). Simulating the process overlap theory of intelligence. Personality and Individual Differences, 233, 112865.DOI 10.1016/j.paid.2024.112865
  • WAIS-5, Pearson (2024) — documentation officielle, non universitaire.

Ce que cela ne permet pas d’affirmerLa séparation des domaines s’inspire du WAIS-5 mais le M.I. n’en reprend ni les questions, ni les normes, et ne prétend à aucune équivalence avec lui.

Des items qui demandent de retenir, manipuler, inhiber et changer de règle

Le modèle factoriel de la mémoire de travail distingue stockage, attention exécutive et actualisation, les deux dernières portant surtout la relation avec l’intelligence. Les items d’intelligence de travail sont construits autour de ces trois opérations plutôt que du seul empan.

  • Hao, H. et al. (2025). The latent structure of working memory: A large sample factor model of working memory capacity. Cognitive, Affective, & Behavioral Neuroscience, 25, 1378–1399.DOI 10.3758/s13415-025-01310-3
  • Past reflections, present insights: A systematic review and new empirical research into the working memory capacity–fluid intelligence relationship (2025). Intelligence, 108, 101874.DOI 10.1016/j.intell.2024.101874

Ce que cela ne permet pas d’affirmerMémoire de travail et intelligence fluide sont fortement liées sans être réductibles l’une à l’autre : les tâches de manipulation immédiate restent séparées des tâches de raisonnement.

Un encodage séparé du rappel par des items intercalés

La structure exposition, tâche interférente, rappel libre puis reconnaissance vient des méthodes classiques de neuropsychologie cognitive. Elle permet de distinguer ce qui a été encodé, conservé, puis récupéré, plutôt que de traiter la mémoire comme un score unique.

  • Méthodes classiques d’évaluation de la mémoire épisodique (encodage, interférence, rappel, reconnaissance).
  • Documentation WAIS-5 / WMS-5 (Pearson, 2024) pour la séparation intelligence / mémoire.

Ce que cela ne permet pas d’affirmerReprendre une structure de tâche ne transfère aucune norme clinique : le M.I. ne produit pas d’indice de mémoire interprétable au sens neuropsychologique.

Des séquences où l’on apprend d’un retour, pas seulement où l’on réussit

Les tests dynamiques mesurent la performance initiale, l’effet d’une aide ou d’un retour, puis la progression. C’est la logique des séquences d’adaptation : découverte d’une règle, retour après erreur, nouvelle tentative, transfert vers une variante, changement imprévu.

  • Boosman, H. et al. (2016). Dynamic testing of learning potential in adults with cognitive impairments. Journal of Neuropsychology, 10(2), 186–210.DOI 10.1111/jnp.12063
  • Dixon, C., Oxley, E., Gellert, A. S., & Nash, H. (2023). Dynamic assessment as a predictor of reading development. Reading and Writing, 36, 673–698.DOI 10.1007/s11145-022-10312-3

Ce que cela ne permet pas d’affirmerLes méthodes d’évaluation dynamique restent très hétérogènes, et l’étude de Dixon porte sur la lecture chez l’enfant : son application ici est conceptuelle, pas une validation.

La vitesse récompensée sur l’évidence, jamais pénalisée sur l’ambiguïté

Un temps de réponse mêle capacité, prudence, encodage perceptif et exécution motrice. C’est pourquoi la rapidité brute ne vaut jamais plus de 10 % d’une dimension, et pourquoi ralentir devant une anomalie n’est pas traité comme un échec.

  • Kyllonen, P. C., & Zu, J. (2016). Use of Response Time for Measuring Cognitive Ability. Journal of Intelligence, 4(4), 14.DOI 10.3390/jintelligence4040014
  • Theisen, M. et al. (2021). Age differences in diffusion model parameters: A meta-analysis. Psychological Research, 85, 2012–2021.

Ce que cela ne permet pas d’affirmerSans modèle de diffusion ajusté sur les données, le test ne sait pas encore distinguer lenteur, prudence et difficulté réelle. Il évite donc de conclure sur la seule durée.

Enregistrer la correction d’une réponse, pas seulement le premier clic

Réduire une personne à son premier choix perd l’information de la correction. Le test enregistre le premier clic, les changements d’avis, le délai de correction, et la confiance déclarée.

  • Markovitch, B., Evans, N. J., & Birk, M. V. (2024). The value of error-correcting responses for cognitive assessment in games. Scientific Reports, 14, 20657.DOI 10.1038/s41598-024-71762-z

Ce que cela ne permet pas d’affirmerCes comportements sont enregistrés mais leur poids dans le score reste à estimer sur des données réelles.

Un contrôle « aucune réponse correcte n’est proposée »

Des modèles de langage reconnaissent moins bien qu’une bonne réponse manque qu’ils ne sélectionnent une réponse ordinaire. Ce constat a motivé le contrôle permettant de signaler qu’une question est mal posée plutôt que d’y répondre quand même.

  • Groot & Colombo (2024). Large Language Models lack essential metacognition for reliable medical reasoning.

Ce que cela ne permet pas d’affirmerL’étude porte sur le raisonnement médical de modèles de langage, pas sur l’intelligence humaine. Le mécanisme reste expérimental dans ce test.

Un format bref, visuel et interactif

L’évaluation gamifiée peut produire des données cognitives utiles à grande échelle, avec une validité convergente et une fidélité test-retest mesurables.

  • Leutner, F., Codreanu, S.-C., Brink, S., & Bitsakis, T. (2023). Game based assessments of cognitive ability in recruitment. Frontiers in Psychology, 13, 942662.DOI 10.3389/fpsyg.2022.942662
  • Bhargava, Y., Kottapalli, A., & Baths, V. (2024). Validation and comparison of virtual reality and 3D mobile games for cognitive assessment against ACE-III. Scientific Reports, 14, 23918.DOI 10.1038/s41598-024-75065-1

Ce que cela ne permet pas d’affirmerLa gamification ne transforme pas un test en instrument valide. Ces travaux rappellent au contraire que des normes par âge et une validation restent indispensables.

Un score affiché en 100 ± 15, calculé sur des scores standardisés

On ne peut pas moyenner directement un temps de réponse, un nombre de bonnes réponses et un score de mémoire. Chaque mesure est d’abord ramenée en score z, puis combinée. L’affichage suit la convention M.I. = 100 + 15z.

  • Andrade, C. (2021). Z Scores, Standard Scores, and Composite Test Scores Explained. Indian Journal of Psychological Medicine, 43(6), 555–557.DOI 10.1177/02537176211046525

Ce que cela ne permet pas d’affirmerCette méthode justifie la mise à l’échelle, pas la pondération des domaines. Les poids sont aujourd’hui égaux par défaut et devront être estimés sur les données du test.

La lucidité est une hypothèse, pas une capacité établie

Les questions à erreur de catégorie, à pronom ambigu ou à fausse précision sont une construction originale. Elles s’appuient sur des principes classiques — validité logique indépendante de la plausibilité des prémisses, détection d’une erreur de catégorie, distinction entre information absurde et information insuffisante, inhibition de la tendance à répondre malgré tout — mais aucune étude n’a validé ce construit sous cette forme.

Ce qu’il faudra démontrer pour l’appeler une dimension

  • Que ces items corrèlent entre eux.
  • Qu’ils restent relativement stables dans le temps.
  • Qu’ils ne mesurent pas seulement le niveau d’études, l’habitude de la philosophie ou la méfiance.
  • Qu’ils prédisent un comportement externe pertinent.
  • Qu’ils forment un facteur distinct, ou au moins utile.

Tant que ces cinq points ne sont pas établis, « lucidité » est un nom de travail pour une hypothèse de recherche. La page le dira aussi longtemps qu’il le faudra.

L’hypothèse de travail

Un test de QI classique agrège essentiellement de l’exactitude. Notre pari est qu’en observant deux signaux supplémentaires, on explique une part de variance que l’exactitude seule laisse de côté.

  1. La calibrationL’écart entre la certitude déclarée et la réussite réelle. Deux personnes avec le même score peuvent différer entièrement sur ce point, et cet écart est ce qui pèse sur une décision prise sous incertitude.
  2. La régulation du rythmeLe rapport entre le temps passé sur une évidence et sur une anomalie. Ralentir au bon endroit est le signal ; répondre vite partout ne l’est pas.
  3. La conséquence si nous avons tortSi ces deux signaux n’ajoutent rien à l’exactitude, alors le M.I. est un test d’exactitude avec des étapes en plus, et il faudra l’écrire ici plutôt que continuer.

Prédictions à vérifier

Écrites avant d’avoir les données, pour ne pas pouvoir être ajustées après coup. Chacune indique ce qui la falsifierait. Toutes sont mesurables avec les données que le produit collecte déjà.

P1

Les quatre dimensions corrèlent positivement sans se confondre.

Mesure
Corrélations deux à deux entre dimensions, sur les premières passations retenues.
Falsifiée si
Une corrélation nulle ou négative, ou une corrélation moyenne supérieure à 0,75 — auquel cas les quatre dimensions n’en sont qu’une.

P2

Les items de lucidité forment un ensemble cohérent.

Mesure
Cohérence interne des items à erreur de catégorie, ambiguïté et fausse précision, et corrélation avec le niveau d’études déclaré.
Falsifiée si
Une cohérence interne faible, ou une corrélation avec le niveau d’études supérieure à la cohérence entre les items eux-mêmes.

P3

La calibration n’est pas un doublon de l’exactitude.

Mesure
Corrélation entre le score de calibration et l’exactitude normalisée.
Falsifiée si
Une corrélation absolue supérieure à 0,30 : la calibration ne mesurerait alors rien de nouveau.

P4

Ralentir face à une anomalie est associé à la lucidité, pas à la remémoration.

Mesure
Corrélation entre le rapport de temps anomalie/évidence et chaque dimension.
Falsifiée si
Association avec la lucidité inférieure à 0,15, ou association plus forte avec la remémoration.

P5

L’excès de confiance décroît quand l’exactitude augmente.

Mesure
Écart moyen entre confiance déclarée et réussite, comparé entre le quartile inférieur et le quartile supérieur d’exactitude.
Falsifiée si
Un écart entre quartiles inférieur à 10 points.

P6

Corriger une première réponse apporte une information propre.

Mesure
Contribution des changements d’avis et du délai de correction à la prédiction du score, au-delà de l’exactitude seule.
Falsifiée si
Aucune contribution mesurable une fois l’exactitude prise en compte.

P7

Repasser le test améliore le score, ce qui justifie d’exclure les reprises.

Mesure
Différence moyenne entre la première tentative d’un appareil et ses suivantes.
Falsifiée si
Un gain moyen inférieur à 4 points de M.I.

P8

Les normes se stabilisent quand l’échantillon grandit.

Mesure
Déplacement de la moyenne de chaque dimension entre deux jeux de normes successifs, au-delà de mille passations.
Falsifiée si
Un déplacement supérieur à 0,01 en score brut d’un jeu au suivant.

P9

Les modèles de langage produisent un profil différent de celui des humains.

Mesure
Comparaison des quatre dimensions entre les exécutions de l’API modèles et l’échantillon humain.
Falsifiée si
Un profil modèle situé à moins d’un demi écart-type du profil humain sur les quatre dimensions.

Ces prédictions seront évaluées publiquement, y compris celles qui échouent. Une prédiction qu’on ne publierait qu’en cas de succès ne vaut rien.

Prévu, mais pas encore en place

Ces éléments sont documentés parce qu’ils orientent la suite. Ils ne sont pas dans le test actuel, et la page ne prétendra pas le contraire.

  1. Sélection adaptative des itemsChoisir les questions suivantes selon les réponses précédentes améliore la précision, mais suppose une difficulté d’item correctement estimée. Une calibration faite sur un petit échantillon biaiserait le test. La version actuelle est donc volontairement non adaptative : tout le monde reçoit un plan de même longueur. (Sorrel, M. A., Barrada, J. R., de la Torre, J., & Abad, F. J., 2020, PLOS ONE, 15(1), e0227196.)
  2. Score de stabilité sur plusieurs passationsDes évaluations brèves répétées à différents moments sont faisables sur smartphone et permettraient un indice de stabilité. Ce n’est aujourd’hui qu’une recommandation de seconde passation, pas une fonctionnalité. (Fifield, K. et al., 2025, Assessment, 32(8), 1175–1194.)

La barre à franchir

Les Standards for Educational and Psychological Testing ne fournissent aucune question : ils fixent ce qu’il faut réunir pour appeler sérieusement quelque chose un test. C’est la référence contre laquelle ce projet devra être jugé, et elle rappelle qu’un test ne devient pas solide par simple accumulation d’utilisateurs.

  • Validité
  • Fidélité
  • Équité
  • Normes
  • Documentation
  • Interprétation
  • Sécurité des items
  • Usage approprié des résultats

AERA, APA & NCME — Standards for Educational and Psychological Testing.

Pourquoi cette page existe

Un test cognitif en ligne peut se contenter d’afficher un nombre et d’avoir l’air sérieux. Nous préférons publier ce qui a guidé chaque décision, ce que ces travaux ne permettent pas d’affirmer, et des prédictions datées que vous pourrez nous opposer. Chaque passage rapproche ces réponses.

Passer l’évaluationLa méthode en détail →Ce qui est enregistré →