Comment fonctionnent les tests de QI : types d'items et notation

Un test de QI ressemble à un assortiment d'énigmes, et d'une certaine façon c'en est un. Mais les énigmes sont choisies avec soin : chaque type est retenu parce que la performance qu'on y obtient corrèle avec celle obtenue aux autres, et parce que la combinaison estime la capacité générale de raisonnement plus fidèlement qu'aucun type pris isolément.

Le problème de conception

Celui qui construit un test affronte un défi précis. Il lui faut des items assez difficiles pour distinguer les personnes entre elles, qui ne dépendent pas de savoirs que seuls certains groupes ont eu l'occasion d'acquérir, et qui ne se résolvent pas par mémorisation. Surtout, les items doivent corréler entre eux — c'est cette variance partagée que le score estime.

D'où le mélange des formats. Un type de question unique se mesure lui-même, plus beaucoup de bruit. Plusieurs types différents, agrégés, annulent une grande partie du bruit et laissent le facteur commun.

Les principaux types de questions

Raisonnement matriciel

Une grille de figures obéit à une règle, une case restant vide. Vous choisissez l'option qui complète le motif. Les règles sont du type : une forme pivote d'un angle fixe à chaque étape ; des éléments sont ajoutés ou retirés le long d'une ligne ; deux figures se combinent pour en produire une troisième.

Les items matriciels sont ce que la psychométrie a de plus proche d'un cheval de bataille. Ils n'exigent ni vocabulaire, ni arithmétique, ni connaissances culturelles, ce qui les rend exceptionnellement transposables entre langues et milieux — c'est le principe des Matrices progressives de Raven, l'un des instruments les plus utilisés du domaine. Ils saturent fortement en raisonnement fluide : dégager sur-le-champ une règle inconnue.

Suites numériques

Une suite est donnée et vous fournissez le terme suivant : 2, 6, 12, 20, 30, … La règle peut reposer sur des différences, des rapports, des opérations alternées ou un motif de second ordre dans les différences elles-mêmes.

Elles demandent de l'arithmétique de base et ne sont donc pas libres de culture comme les matrices. Ce qu'elles sondent, c'est la capacité à garder en tête plusieurs règles candidates, à les confronter aux données et à écarter celles qui échouent — un raisonnement inductif sous charge de mémoire de travail.

Rotation spatiale et mentale

Vous jugez si deux formes sont le même objet vu sous des angles différents, ou vous choisissez quel patron plié produit un solide donné. Les résoudre suppose de construire une représentation mentale et de la transformer : visualiser, pas calculer.

L'aptitude spatiale est une aptitude large à part entière, et c'est l'une de celles dont l'entraînabilité est la plus nette parmi celles que ces tests échantillonnent : la pratique améliore sensiblement la performance aux tâches spatiales, même si la portée du transfert vers un raisonnement sans lien reste une autre question.

Analogies verbales et vocabulaire

« Médecin est à hôpital ce que professeur est à ___ ». Les analogies vérifient si vous savez extraire une relation et l'appliquer à un nouveau couple. Les items de vocabulaire demandent directement le sens des mots.

Les deux s'appuient sur les connaissances cristallisées — ce que vous avez accumulé. Le vocabulaire en particulier compte parmi les meilleurs prédicteurs isolés du score global dans la population générale, ce qui surprend ceux qui s'attendent à voir dominer les énigmes abstraites. Le hic est évident : ces items dépendent fortement de l'exposition à la langue et de la scolarisation, ils se traduisent donc mal et désavantagent quiconque est évalué hors de sa langue première. La plupart des tests internationaux en ligne les omettent ou les manient avec précaution.

Mémoire de travail et vitesse de traitement

Les batteries cliniques complètes comportent des tâches comme répéter des suites de chiffres à l'envers, ou apparier rapidement des symboles à des nombres contre la montre. Ce sont des indices distincts dans une évaluation Wechsler, qui contribuent au score global aux côtés du raisonnement.

Les tests en ligne chronométrés en captent une part incidemment : dès qu'un test a une limite de temps globale, la vitesse de traitement s'incorpore à votre performance, qu'elle soit mesurée séparément ou non.

Des réponses au score

La conversion se fait par étapes.

1. Score brut. On compte les bonnes réponses. Dans beaucoup de tests, les items ont des poids différents : les items difficiles pèsent davantage que les faciles plutôt que chacun compter pareil.
2. Comparaison aux normes. Le score brut est confronté à la distribution produite par l'échantillon d'étalonnage — pour les tests étalonnés par âge, l'échantillon de votre tranche d'âge. Cette étape convertit « 14 bonnes réponses » en « au N-ième percentile du groupe de référence ».
3. Mise à l'échelle. Cette position percentile est exprimée sur l'échelle de QI, où la moyenne de référence est 100 et un écart-type vaut 15 points.

Tout repose sur la deuxième étape. Un test dont l'échantillon d'étalonnage est petit, non représentatif ou périmé produit des chiffres qui ont l'air autorisés et ne veulent pas dire grand-chose : l'arithmétique est juste, mais le groupe de comparaison est mauvais.

Difficulté des items et tests adaptatifs

Tous les items n'informent pas également. Un item que tout le monde réussit, ou que tout le monde rate, ne sépare personne et n'apporte rien. Les plus informatifs sont ceux réussis par environ la moitié des personnes situées près du niveau de difficulté sondé.

C'est pourquoi les tests professionnels sont développés à l'aide de la théorie de la réponse à l'item, qui modélise la difficulté de chaque item et sa capacité à discriminer entre niveaux d'aptitude voisins. Les items peu performants sont retirés avant la publication.

C'est aussi pourquoi les tests adaptatifs sont efficaces. Quand la difficulté de l'item suivant dépend de votre réponse au précédent, le test passe son temps près de votre niveau réel plutôt que sur des items triviaux ou hors de portée. Un test adaptatif peut atteindre la même précision avec bien moins d'items — c'est le principe des versions informatisées de nombreux examens standardisés.

Ce qui fait un bon test

• Fidélité — la constance. Si la même personne passe le test deux fois dans des conditions similaires, obtient-elle un score voisin ? Les instruments bien construits rapportent une fidélité test–retest élevée sur de courts intervalles.
• Validité — mesure-t-il ce qu'il prétend mesurer ? Cela s'établit en corrélant les scores à des instruments reconnus et à des résultats que le construit devrait prédire.
• Des normes actuelles et représentatives — comme dit plus haut, le groupe de comparaison détermine ce que le nombre signifie.
• Une passation standardisée — mêmes consignes, mêmes durées, mêmes conditions pour tous. C'est l'exigence que les tests en ligne sans surveillance ne peuvent structurellement pas remplir.

Comment ce test est construit

L'évaluation de ce site utilise 20 items non verbaux avec une limite globale de 30 minutes, pondérés par difficulté, et rapporte un score sur l'échelle standard ET 15. Elle repose sur le raisonnement par motifs et suites plutôt que sur le vocabulaire, elle ne vous pénalise donc pas si vous la passez hors de votre langue première.

Non surveillée et auto-sélectionnée, elle constitue une indication raisonnable plutôt qu'une mesure formelle — une distinction à garder en vue au moment de lire le résultat.