QI, IA et MAGA : le risque d’une société qui classe les humains

Un chiffre paraît rassurant lorsqu’il promet de simplifier la complexité humaine. Le quotient intellectuel, ou QI, offre précisément cette illusion : celle de pouvoir résumer des capacités intellectuelles en un score, puis d’en déduire le mérite, l’utilité sociale ou l’aptitude à diriger. En avril 2025, cette tentation retrouve un écho politique dans certains milieux associés au mouvement MAGA aux États-Unis, au moment même où l’intelligence artificielle remet en cause la valeur économique de nombreuses tâches cognitives.

La question n’est pas de nier l’existence des différences individuelles, ni l’utilité que peuvent avoir des évaluations psychologiques menées dans un cadre rigoureux. Elle est de savoir ce qui se produit quand un indicateur statistique devient une philosophie politique. Si le QI cesse d’être un outil parmi d’autres pour devenir un classement des personnes, le risque est de remplacer l’égalité de dignité par une hiérarchie prétendument objective.

D’où viennent les tests de QI ?

Les premiers tests modernes d’intelligence sont nés dans un contexte scolaire. En 1905, Alfred Binet et Théodore Simon mettent au point en France une échelle destinée à repérer les enfants qui ont besoin d’une aide pédagogique particulière. L’objectif initial n’est donc pas de distribuer des titres de supériorité intellectuelle, mais d’identifier des besoins afin d’adapter l’enseignement.

Au fil du XXe siècle, les tests standardisés se diffusent bien au-delà de l’école. Ils sont employés dans des contextes militaires, professionnels ou administratifs. Leur promesse est séduisante : comparer rapidement des performances, sélectionner des candidats, prédire des résultats. Mais cette extension a aussi nourri des usages de tri social, parfois associés à des théories eugénistes et à l’idée que les inégalités entre groupes seraient naturelles, fixes et mesurables.

Un QI n’est jamais une mesure brute, indépendante de tout contexte. Le score situe une personne par rapport à une population de référence et à un ensemble d’exercices standardisés. Dans de nombreuses échelles, le centre de la distribution est fixé à 100, mais le résultat dépend notamment de la version du test, de ses conditions de passation et des normes retenues. La langue, la scolarité, la familiarité avec l’exercice, la santé ou le stress peuvent également influencer une performance à un moment donné.

Ce que le QI mesure, et ce qu’il ne peut pas trancher

Les tests de QI évaluent généralement certaines facultés cognitives, par exemple le raisonnement, la compréhension verbale, la mémoire de travail ou la rapidité de traitement selon les échelles. Ces dimensions peuvent avoir un intérêt pour comprendre des difficultés d’apprentissage ou éclairer une orientation, à condition que l’interprétation soit confiée à des professionnels et replacée dans une évaluation plus large.

Le problème commence lorsqu’un résultat est présenté comme une essence. La créativité, la persévérance, le jugement moral, l’habileté pratique, la coopération, l’empathie ou la capacité à prendre soin d’autrui ne se laissent pas réduire à un score unique. Or ce sont précisément ces capacités qui permettent à une société de fonctionner, y compris lorsque les qualifications scolaires ou techniques ne suffisent plus.

La prudence est d’autant plus nécessaire qu’une valeur numérique produit un effet d’autorité. Elle peut donner le sentiment qu’une décision de sélection n’est pas politique, sociale ou morale, mais simplement scientifique. Pourtant, choisir de réserver une formation, un emploi ou une responsabilité à des personnes ayant dépassé un seuil ne relève jamais du seul calcul. C’est un choix collectif, qui implique une certaine définition de la réussite et de la justice.

Pourquoi le débat sur le QI s’invite dans la sphère MAGA

Le mouvement MAGA, pour « Make America Great Again », ne constitue pas un bloc intellectuel homogène. Il serait donc imprécis d’attribuer la même vision du QI à tous ses sympathisants. L’inquiétude soulevée par le débat vise plutôt certains discours présents dans cette sphère politique et technologique, où l’intelligence mesurée est parfois invoquée pour justifier une hiérarchie plus stricte entre les individus.

L’article d’archive cite notamment Curtis Yarvin, penseur souvent associé au courant néo-réactionnaire. Dans cette famille d’idées, la démocratie libérale et l’égalitarisme sont contestés au profit d’une société plus verticale, dirigée par une élite tenue pour plus compétente. Le QI peut alors servir de symbole commode : il donne une apparence de neutralité à l’idée selon laquelle certains seraient naturellement mieux faits pour décider, produire ou commander.

Cette logique a des conséquences politiques lourdes. Dès lors que l’on traite un score comme le révélateur d’une supériorité innée, il devient facile de transformer des écarts observés en verdicts sur des catégories sociales, culturelles ou raciales. C’est là que réapparaissent des préjugés anciens : l’idée que la pauvreté, l’échec scolaire ou la marginalisation résulteraient avant tout de déficits individuels, et non de conditions de vie, d’inégalités d’accès ou de discriminations.

Une société démocratique ne suppose pas que toutes les personnes possèdent les mêmes aptitudes. Elle suppose que des différences d’aptitudes ne retirent à personne ses droits, son respect ni la possibilité de progresser. Confondre compétence ponctuelle et valeur humaine fait basculer le débat de l’évaluation vers l’exclusion.

À l’école, l’IA peut-elle aggraver la logique du tri ?

L’arrivée de l’IA générative dans l’éducation rend cette discussion particulièrement concrète. Des outils comme ChatGPT peuvent aider à reformuler un texte, générer des exercices, expliquer une notion de plusieurs manières ou soutenir certaines tâches administratives. Ils peuvent aussi modifier les méthodes d’évaluation, puisque produire une réponse écrite ne démontre plus à lui seul qu’un élève a mobilisé ses connaissances sans assistance.

Face à cette transformation, deux réflexes sont possibles. Le premier consiste à intensifier les classements et à chercher toujours plus vite les élèves jugés les plus prometteurs. Le second consiste à élargir ce que l’école observe et valorise : compréhension réelle, progression, esprit critique, travail collectif, autonomie, capacité à vérifier une information et usage responsable des outils numériques.

L’obsession du QI pousse vers le premier réflexe. Elle suggère que le système éducatif devrait avant tout détecter tôt une minorité de « hauts potentiels », puis concentrer sur elle les ressources et les opportunités. Une telle approche peut fragiliser l’ambition d’une école inclusive, en faisant passer les besoins d’accompagnement pour les symptômes d’une infériorité durable.

Il faut aussi distinguer évaluation et sélection. Diagnostiquer une difficulté de lecture ou de mémoire peut permettre d’apporter une aide adaptée. En revanche, utiliser un résultat pour enfermer précocement un enfant dans une catégorie sociale ou scolaire est une décision d’une tout autre nature. Avec ou sans IA, l’enjeu reste de faire de l’évaluation un levier de progrès, non un mécanisme de relégation.

L’automatisation fragilise la promesse d’une élite cognitive

Le récit méritocratique traditionnel repose sur une promesse simple : de bonnes capacités intellectuelles, associées à des études et à des efforts, ouvriraient un escalier vers l’emploi qualifié, la sécurité matérielle et l’influence. Ce récit n’a jamais correspondu parfaitement à la réalité, tant les héritages familiaux, le patrimoine, les réseaux et les discriminations pèsent sur les parcours. Mais l’essor de l’IA lui ajoute une difficulté supplémentaire.

Les systèmes d’IA générative accomplissent déjà, à grande vitesse, certaines tâches autrefois réservées aux emplois de bureau ou aux professions qualifiées : synthèse de documents, rédaction de première ébauche, traduction, classification d’informations, programmation simple ou génération de visuels. Ils ne sont pas des intelligences humaines générales, ne comprennent pas le monde comme une personne et peuvent produire des erreurs convaincantes. Leur diffusion montre néanmoins qu’une part du travail cognitif peut devenir automatisable.

Cela ne signifie pas que les humains deviennent inutiles, ni que tous les emplois intellectuels disparaissent. Les métiers se transforment plus souvent qu’ils ne s’évanouissent d’un coup. Mais la technologie affaiblit l’idée selon laquelle une capacité cognitive, même élevée, constituerait à elle seule une assurance absolue contre le déclassement. Si une machine peut reproduire une partie d’une tâche, la valeur du travail humain dépend aussi de la responsabilité, de l’expérience, de la relation, de la créativité située et de la capacité à répondre de ses décisions.

C’est le paradoxe central de cette période. Au moment où certains voudraient bâtir une hiérarchie sociale plus rigide autour du QI, l’IA montre que les performances intellectuelles standardisables peuvent être reproduites, assistées ou accélérées par des logiciels. Réduire l’humain à ce qu’il réussit dans un test paraît alors non seulement injuste, mais aussi de moins en moins pertinent pour penser l’économie réelle.

La tentation d’une alliance entre technophilie et autoritarisme

L’article d’archive alerte sur une possible convergence entre des milieux technologiques fascinés par l’optimisation et des idées politiques conservatrices ou autoritaires. Là encore, il faut éviter de présenter la Silicon Valley ou la droite américaine comme des ensembles uniformes. Les acteurs de la technologie défendent des positions très diverses sur l’éducation, le travail, la race, le genre et la régulation.

La convergence redoutée concerne une logique, non une appartenance automatique. D’un côté, l’obsession de la mesure, des classements et de l’efficacité. De l’autre, la tentation de justifier une société inégalitaire par des caractéristiques présentées comme immuables. L’IA peut renforcer cette logique si elle est utilisée pour noter, prédire, filtrer ou surveiller sans transparence, sans possibilité de contester une décision et sans contrôle humain réel.

Les systèmes algorithmiques ne créent pas seuls les discriminations. Ils peuvent toutefois les systématiser quand ils apprennent à partir de données marquées par des inégalités passées ou quand leurs critères reflètent des choix sociaux cachés. La bonne question n’est donc pas seulement « qui a le meilleur score ? », mais « qui a défini le score, à quelles fins, avec quelles données et quels recours pour les personnes écartées ? ».

Ce qu’il faut surveiller

À mesure que l’IA s’installe dans les écoles et les entreprises, plusieurs garde-fous méritent une attention particulière. Les critères de sélection doivent être compréhensibles, proportionnés au poste ou à l’objectif pédagogique, et ouverts à la contestation. Un outil d’évaluation ne devrait pas décider seul de l’accès à une formation, à un emploi ou à une aide sociale.

Il faut également préserver une idée simple : la société ne rémunère pas seulement une puissance de calcul. Elle dépend du soin, de la confiance, de la coopération, de la transmission et du sens des responsabilités. Ces dimensions ne sont pas des qualités décoratives, opposées à la compétence. Elles sont ce qui empêche la compétence de se transformer en domination.

Le débat sur le QI, MAGA et l’IA dépasse donc les États-Unis. Il pose à toutes les démocraties une question de fond : voulons-nous utiliser les outils de mesure et d’automatisation pour mieux accompagner les personnes, ou pour décider qu’une partie d’entre elles mérite moins d’attention, de droits et d’avenir ?