Le quotient intellectuel est souvent présenté comme une mesure de l’intelligence. Cette formulation paraît simple, presque évidente, alors qu’elle repose sur une difficulté située en amont du test lui-même. Mesurer l’intelligence dans son ensemble suppose d’abord de définir suffisamment le phénomène auquel ce mot renvoie. Or cette définition reste discutée. Une publication parue en 2024 dans la revue Intelligence relève que plusieurs définitions classiques fonctionnent surtout comme des listes de capacités, par exemple raisonner, planifier, résoudre des problèmes, comprendre des idées complexes ou apprendre rapidement. Les auteurs proposent une formulation centrée sur la capacité maximale à atteindre avec succès un objectif nouveau grâce à des processus perceptifs et cognitifs. Leur proposition ne crée pas un consensus nouveau. Elle montre surtout qu’après plus d’un siècle de psychométrie, la définition générale de l’intelligence reste encore un objet de recherche.

La psychologie peut parfaitement étudier un construit qui n’est pas directement observable. Elle le fait en reliant des comportements, des performances et des modèles théoriques. La difficulté apparaît lorsque trois niveaux différents sont confondus : le phénomène théorique appelé intelligence, les capacités choisies pour l’approcher et les performances enregistrées par un instrument. Un test peut mesurer avec précision certaines manifestations sans transformer pour autant ces manifestations en définition exhaustive du phénomène. La qualité de la mesure et l’étendue du concept relèvent de deux questions liées, mais distinctes.

Une définition scientifique plus satisfaisante devrait au minimum remplir deux exigences. Elle devrait proposer un principe suffisamment général pour expliquer pourquoi plusieurs capacités différentes appartiennent au même phénomène, au lieu de les réunir uniquement dans une liste. Elle devrait aussi produire des hypothèses susceptibles d’être confrontées aux observations. Sans principe commun, la définition reste descriptive. Sans possibilité de mise à l’épreuve, elle devient difficile à distinguer d’une proposition philosophique.

D’autres disciplines ont tenté de formaliser le problème à partir d’un principe plus général. Dans le domaine de l’intelligence artificielle théorique, Shane Legg et Marcus Hutter ont proposé de définir l’intelligence par la capacité d’un agent à atteindre des objectifs dans une grande variété d’environnements. Cette approche ne constitue pas une théorie psychométrique de l’intelligence humaine et ne résout pas directement la question du QI. Elle illustre toutefois un point utile : dès qu’une définition cherche à devenir formelle, elle doit rendre explicites les choix concernant les objectifs, les environnements et les critères de réussite. Ce qui restait implicite dans le vocabulaire devient alors une partie visible du modèle.

Ce que la psychométrie établit réellement

Plus d’un siècle de recherche a considérablement affiné la représentation psychométrique des capacités cognitives. Les modèles contemporains dépassent largement l’image d’une simple addition d’exercices destinée à produire un chiffre unique. Le cadre de Cattell-Horn-Carroll, souvent désigné par l’acronyme CHC, organise de nombreuses aptitudes selon plusieurs niveaux. Il distingue notamment des capacités liées au raisonnement fluide, aux connaissances acquises, au traitement visuel, à la mémoire ou à la vitesse de traitement. Cette architecture multidimensionnelle permet de décrire les différences entre individus avec beaucoup plus de finesse que la seule idée d’un niveau général.

Le facteur général, appelé g, repose sur une observation particulièrement robuste. Les performances obtenues dans des tâches cognitives différentes ont tendance à être positivement corrélées. Une personne relativement performante dans certaines épreuves possède statistiquement davantage de chances d’obtenir de bons résultats dans plusieurs autres. Cette régularité, connue sous le nom de positive manifold, permet d’extraire une variance commune et explique pourquoi un score général peut contenir une information importante.

L’interprétation de cette organisation reste plus ouverte que sa description statistique. Une lecture classique considère g comme l’expression d’une capacité générale latente contribuant aux performances dans différents domaines. Le modèle mutualiste proposé par Han van der Maas et ses collègues offre une autre possibilité. Plusieurs processus cognitifs pourraient se renforcer mutuellement au cours du développement. Une amélioration d’une capacité faciliterait certains apprentissages, lesquels favoriseraient ensuite le développement d’autres capacités. Des corrélations positives pourraient émerger progressivement sans qu’une cause cognitive unique soit nécessaire pour les produire.

Cette proposition ne fait pas disparaître g comme résumé statistique. Elle rappelle qu’une structure factorielle ne détermine pas à elle seule le mécanisme qui l’a produite. Les approches en réseau prolongent cette idée en représentant la cognition comme un ensemble de processus interdépendants capables de générer eux-mêmes une partie des corrélations observées entre tâches. Le facteur général reste informatif pour décrire l’organisation des différences individuelles, tandis que son interprétation causale appartient à un autre niveau du raisonnement.

Les corrélations observées entre les performances cognitives et certaines caractéristiques cérébrales ne règlent pas non plus cette question. Toute activité mentale dépend d’un fonctionnement neuronal. Il serait surprenant que des différences relativement stables de raisonnement, de mémoire ou d’attention ne présentent aucune relation avec le cerveau. Identifier ces corrélats renseigne sur les mécanismes associés aux performances mesurées. Cela ne permet pas de fixer automatiquement les frontières de l’intelligence ni de conclure que les dimensions sélectionnées par les tests en représentent toute l’étendue.

Du potentiel mobilisable au score observé

Les relations entre intelligence psychométrique, mémoire de travail et contrôle attentionnel permettent de préciser ce que les tests captent. Les travaux d’Engle, Kane et de leurs collègues ont montré des relations importantes entre capacité de mémoire de travail, contrôle de l’attention et intelligence fluide. La mémoire de travail ne correspond pas seulement au maintien temporaire d’informations. Elle implique également la capacité à conserver un objectif malgré les interférences, sélectionner les informations pertinentes et résister à certaines réponses concurrentes.

Ces capacités se recouvrent fortement. Elles ne rendent pas pour autant synonymes la mémoire de travail, les fonctions exécutives, l’attention et l’intelligence générale. Deux personnes obtenant un score global comparable peuvent présenter des profils différents lorsqu’il s’agit de maintenir longtemps leur attention, gérer plusieurs contraintes, changer de stratégie ou résister aux interférences. Le score global condense cette organisation complexe. Cette synthèse facilite la comparaison au prix d’une perte inévitable d’une partie de l’information initiale.

La distinction développée par Keith Stanovich entre intelligence psychométrique et rationalité rend cette limite particulièrement visible. Une personne peut disposer d’importantes ressources cognitives tout en produisant certains raisonnements biaisés ou de mauvaises décisions. Résister aux biais, rechercher une information contradictoire ou ajuster une croyance à de nouvelles données mobilise des processus qui ne se confondent pas avec les capacités évaluées par les tests classiques. Stanovich a utilisé le terme de dysrationalité pour désigner cette dissociation possible entre intelligence psychométrique et rationalité.

Cette distinction évite aussi d’élargir indéfiniment le mot intelligence jusqu’à lui faire contenir toute qualité cognitive souhaitable. Rationalité, créativité, pensée critique ou compétences sociales peuvent être étudiées comme des dimensions distinctes qui entretiennent certaines relations avec les capacités psychométriques. Leur existence suffit à montrer qu’un score élevé ne décrit pas, à lui seul, la qualité de tous les traitements cognitifs produits par une personne.

La créativité fournit un exemple supplémentaire. Une méta-analyse publiée en 2021 trouve une relation positive et modeste entre les performances aux tests d’intelligence et les accomplissements créatifs, autour de r = 0,16. Une autre méta-analyse consacrée à la pensée divergente, évaluée à travers des tâches demandant de produire plusieurs idées ou solutions, obtient une relation moyenne non corrigée d’environ r = 0,25. Selon les méthodes de cotation, les consignes et les corrections appliquées, cette relation peut être plus élevée. Le contraste reste néanmoins instructif : créativité et intelligence psychométrique entretiennent des relations mesurables sans se confondre.

La différence entre performance maximale et fonctionnement typique apporte une autre précision importante. Un test standardisé place généralement la personne dans une situation où elle cherche à réussir une tâche clairement définie. La vie quotidienne fonctionne autrement. Les objectifs peuvent être ambigus, les informations incomplètes, les distractions nombreuses et l’effort doit parfois être maintenu pendant des semaines ou des mois. Motivation, fatigue, stress, sommeil ou intérêt pour le problème influencent alors la manière dont les ressources disponibles sont réellement mobilisées.

Les recherches sur la motivation lors de la passation invitent toutefois à garder des proportions réalistes. Une publication de 2022 portant sur six études auprès de 4 208 adultes a trouvé une relation modeste entre effort déclaré et performance cognitive. Dans trois expériences utilisant des incitations financières, les effets pris séparément n’étaient pas statistiquement significatifs et l’estimation combinée restait faible, autour de 2,5 points de QI dans les échantillons étudiés. La situation de test peut influencer la performance sans transformer le score en simple reflet de la motivation.

Le résultat d’un test correspond ainsi à une capacité mobilisée dans des conditions définies. Il possède une stabilité réelle, tout en restant produit par une personne située dans un contexte particulier. Cette position intermédiaire décrit mieux l’instrument qu’une lecture qui transformerait le chiffre en propriété isolée de toute situation.

Ce que la valeur prédictive permet d’affirmer

La valeur prédictive constitue l’un des arguments les plus solides en faveur des tests cognitifs. Une méta-analyse portant sur 240 échantillons et 105 185 participants a estimé à environ 0,54 la corrélation de population corrigée entre les mesures d’intelligence et les résultats scolaires. Cette relation varie selon les matières, les niveaux scolaires, les instruments et les périodes étudiées. Son ampleur reste suffisamment importante pour montrer que les capacités évaluées jouent un rôle réel dans la réussite académique.

La relation avec la performance professionnelle existe également, avec des estimations contemporaines plus modérées que certains chiffres historiques encore fréquemment repris. Une méta-analyse portant sur 153 échantillons et 40 740 travailleurs du XXIe siècle trouve une corrélation moyenne observée de 0,16 entre capacité cognitive générale et performance globale au travail, puis une estimation corrigée d’environ 0,22. Les auteurs concluent à une relation réelle tout en obtenant une ampleur sensiblement inférieure aux estimations classiques proches de 0,50.

Cette prédictivité rend difficile toute présentation du QI comme un nombre arbitraire ou dépourvu de contenu. Un instrument qui entretient des relations reproductibles avec l’apprentissage et plusieurs performances extérieures capte manifestement des capacités importantes. La portée de cette conclusion reste limitée à ce que les données établissent. Prévoir une partie d’un résultat scolaire ou professionnel ne revient pas à décrire toutes les capacités qui participent à ce résultat, encore moins à définir l’intelligence dans son ensemble.

La validité incrémentielle permet de replacer le QI parmi d’autres informations. Une méta-analyse portant sur 267 échantillons et plus de 413 000 participants montre que capacités cognitives et traits de personnalité expliquent ensemble davantage de variance dans les résultats scolaires que les capacités cognitives seules. Celles-ci restent le prédicteur le plus important dans l’analyse, tandis que la conscienciosité apporte une contribution indépendante substantielle. La réussite apparaît comme le produit de plusieurs dimensions dont aucune ne suffit, isolément, à décrire l’ensemble.

Le même principe vaut dans un contexte professionnel. Les capacités cognitives peuvent contribuer à l’apprentissage rapide et à la résolution de problèmes, tandis que les connaissances spécifiques, l’expérience, la motivation, la personnalité, l’organisation du travail ou les interactions sociales ajoutent d’autres informations selon le poste. L’utilité du QI tient à l’information supplémentaire qu’il apporte pour une question précise, pas à une prétention à tout expliquer.

La validité écologique prolonge ce raisonnement. Les corrélations avec l’école et le travail montrent qu’un test standardisé conserve une relation avec certains comportements extérieurs à la situation d’évaluation. Elles ne permettent pas d’extrapoler automatiquement cette relation à toutes les formes d’adaptation, d’innovation, de compréhension d’un système complexe ou de décision dans l’incertitude. Chaque extension demande des données correspondant au comportement que l’on souhaite réellement prévoir.

Les chiffres issus des méta-analyses méritent eux aussi une lecture méthodologique. Une méta-analyse rassemble des études dont les populations, les instruments, les critères et la qualité peuvent varier. Le biais de publication, la restriction de variance, les corrections statistiques ou la définition du résultat étudié peuvent modifier l’estimation finale. L’évolution des chiffres concernant la performance professionnelle illustre bien cette limite. Une synthèse quantitative représente le meilleur résumé disponible d’un ensemble de données et d’une méthode déterminés. Elle ne constitue pas une constante naturelle.

Stabilité, développement et transformation

Les capacités cognitives présentent une stabilité longitudinale importante, particulièrement à partir de la fin de l’adolescence. Une méta-analyse publiée en 2024 rassemble 205 études longitudinales, 87 408 participants et 1 288 corrélations test-retest. Pour une personne âgée de 20 ans réévaluée cinq ans plus tard, la stabilité moyenne du rang relatif est estimée autour de 0,76. Cette stabilité est beaucoup plus faible durant les premières années de l’enfance, augmente rapidement puis reste élevée pendant une grande partie de la vie adulte.

Cette valeur décrit une tendance moyenne et non la trajectoire de chaque individu. Une forte stabilité de rang indique que les positions relatives ont tendance à se maintenir dans la population étudiée. Elle n’implique ni que chaque personne conserve exactement la même position, ni que son score reste inchangé. L’âge, la durée séparant les évaluations, les capacités considérées et les caractéristiques des études modifient cette stabilité. Une moyenne élevée peut coexister avec des trajectoires individuelles sensiblement différentes.

L’éducation montre clairement cette coexistence entre continuité et changement. Une méta-analyse fondée sur 42 ensembles de données et plus de 600 000 participants estime qu’une année supplémentaire de scolarité produit en moyenne un gain d’environ 1 à 5 points sur différentes mesures cognitives, selon les méthodes utilisées. Les capacités influencent la facilité d’apprentissage, tandis que l’éducation contribue en retour à développer certaines performances mesurées par les tests.

Le vieillissement montre également pourquoi un score global peut masquer des transformations internes. Les capacités fluides, qui mobilisent davantage le raisonnement en situation nouvelle et le traitement actif de l’information, ont tendance à décliner plus tôt au cours de l’âge adulte. Les connaissances acquises et plusieurs composantes cristallisées peuvent rester stables beaucoup plus longtemps, voire progresser durant une partie de la vie. Les trajectoires moyennes diffèrent entre capacités, auxquelles s’ajoutent des variations individuelles importantes.

L’effet Flynn rend la sensibilité au contexte visible à l’échelle des populations. Une méta-analyse publiée en 2023, fondée sur 1 038 échantillons, 299 155 participants et 72 années d’observation aux matrices progressives de Raven, retrouve une augmentation moyenne d’environ 2,2 points par décennie. L’ampleur varie fortement selon les pays, les générations et les périodes. Le phénomène montre que les performances standardisées évoluent avec les conditions dans lesquelles les individus grandissent et apprennent. Un score compare toujours une personne à une population de référence située dans une époque donnée.

La stabilité individuelle, les effets de l’éducation, les transformations liées à l’âge et les évolutions historiques décrivent un fonctionnement relativement cohérent sans être figé. Cette combinaison explique pourquoi les tests peuvent conserver une bonne capacité de classement tout en enregistrant des changements réels au cours du développement.

Culture, normes et comparabilité

La langue, la scolarisation, les habitudes perceptives, la familiarité avec certaines formes d’abstraction et de nombreux éléments du contexte peuvent influencer la manière dont une tâche est comprise et réalisée. Les tests non verbaux réduisent certaines influences linguistiques évidentes. Une tâche abstraite reste néanmoins conçue, administrée et interprétée dans un environnement humain particulier.

La psychométrie dispose d’outils permettant d’examiner une partie de ce problème. L’invariance de mesure cherche à déterminer si un instrument fonctionne de manière suffisamment comparable entre plusieurs groupes pour rendre certaines comparaisons interprétables. Lorsqu’elle est établie au niveau nécessaire, elle apporte des éléments en faveur de l’idée qu’une différence de score reflète le construit étudié plutôt qu’un fonctionnement différent de l’instrument.

Cette invariance statistique ne garantit pas à elle seule une équivalence conceptuelle complète. La littérature interculturelle distingue notamment l’équivalence procédurale, qui porte sur les propriétés techniques et structurelles de la mesure, de l’équivalence interprétative, qui concerne le sens du construit dans différents contextes. Un instrument peut présenter une structure comparable entre plusieurs populations sans que le phénomène évalué occupe exactement la même place ou soit conceptualisé de manière parfaitement identique dans chacune d’elles.

La comparabilité gagne à être formulée au niveau réellement démontré. Une invariance satisfaisante permet certaines comparaisons. Elle n’établit pas automatiquement l’universalité conceptuelle du construit. À l’inverse, l’influence culturelle ne rend pas toute comparaison arbitraire. Le degré de confiance dépend de la population, de l’instrument, de l’usage et des formes d’équivalence effectivement vérifiées.

Du score à la décision

L’utilité du QI devient particulièrement concrète lorsqu’il intervient dans une décision scolaire ou clinique. Dans l’éducation, une évaluation cognitive peut contribuer à comprendre certaines difficultés, préciser un profil de forces et de fragilités ou orienter des investigations complémentaires. Dans un contexte clinique, elle peut participer à la description d’un fonctionnement, à un diagnostic différentiel ou au suivi de certaines atteintes cognitives. Les recommandations professionnelles insistent sur l’adéquation entre l’instrument et la question posée, la prise en compte des facteurs personnels, linguistiques et culturels, puis sur l’utilisation de plusieurs sources d’information lorsque les conséquences de l’évaluation sont importantes.

Le même principe s’applique à la communication du résultat. Une phrase comme « votre intelligence est de 130 » transforme une position statistique en quantité personnelle. Une formulation plus précise décrira les performances observées sur la batterie utilisée, leur position par rapport à la population de référence, l’incertitude associée au score et les différences entre indices lorsqu’elles apportent une information pertinente. Il est par exemple plus exact d’écrire que « les performances aux épreuves de raisonnement fluide se situent très au-dessus de celles de la population de référence » que de transformer directement cette observation en affirmation générale sur l’intelligence de la personne.

Le score global conserve son intérêt lorsque la synthèse qu’il produit correspond à la question posée et que le profil permet raisonnablement cette lecture. Les indices deviennent plus informatifs lorsque les écarts entre domaines sont nécessaires pour comprendre la situation. La bonne pratique consiste moins à choisir entre l’usage et la suppression du QI qu’à utiliser le niveau de précision adapté à la décision.

Une mesure psychologique change aussi de statut lorsqu’elle participe aux décisions qui modifieront ensuite l’environnement de la personne. Un résultat peut influencer les ressources proposées, l’orientation, les attentes ou la manière dont un individu interprète ses propres capacités. Le nombre entre alors dans le système qu’il était initialement chargé d’observer. Cette possibilité renforce l’importance d’une formulation descriptive et contextualisée.

Les usages numériques et automatisés rendent cette question encore plus visible. Dans le recrutement, des tests cognitifs, des jeux ou des systèmes algorithmiques peuvent intégrer directement un score dans une procédure de présélection. L’automatisation facilite le traitement du résultat sans augmenter par elle-même sa validité. Plus un nombre devient facile à appliquer à grande échelle, plus la vérification de sa pertinence pour l’objectif visé, de son équité et de ses limites devient importante.

La place exacte du QI

La critique du QI gagne à partir de ce que la psychométrie établit réellement. Les tests cognitifs captent des différences relativement stables entre individus. Leurs résultats présentent une organisation statistique robuste, entretiennent des relations importantes avec la mémoire de travail et le contrôle attentionnel, prédisent une partie de la réussite scolaire ou professionnelle et peuvent fournir des informations utiles dans des contextes éducatifs ou cliniques.

La difficulté apparaît lorsque la réussite de l’instrument commence à remplacer la définition de son objet. Certaines capacités sont sélectionnées parce qu’elles peuvent être mesurées dans des conditions standardisées. Leurs relations sont étudiées, des facteurs communs sont identifiés et des scores permettent de comparer les individus. Ces scores étant fiables, prédictifs et facilement utilisables, il devient tentant de considérer que la question initiale a été résolue.

La recherche continue pourtant à discuter les mécanismes responsables des corrélations entre capacités, les relations entre intelligence psychométrique et fonctions exécutives, la distinction avec la rationalité, les liens avec la créativité, l’évolution des différentes aptitudes au cours de la vie, leur dépendance au contexte culturel et la meilleure manière de définir le phénomène lui-même. Cette activité scientifique ne fragilise pas la psychométrie. Elle précise les limites de ce que ses instruments permettent d’affirmer.

Une conception de l’intelligence peut aussi dépasser l’alternative entre une faculté générale unique et une collection toujours plus longue de capacités indépendantes. Les approches dynamiques offrent une troisième possibilité. Plusieurs composantes distinctes peuvent former un système interdépendant dont l’organisation se construit et se transforme à travers le développement, l’apprentissage et les interactions avec l’environnement. L’unité observée dans les données pourrait alors émerger en partie de ces relations. Cette orientation reste une famille d’hypothèses à tester et non une définition établie.

Le QI retrouve alors une place plus claire. Il constitue une synthèse standardisée de performances cognitives sélectionnées parce qu’elles permettent d’étudier certaines différences entre individus. Cette synthèse possède une utilité scientifique et pratique réelle. Elle n’est ni une unité physique de l’intelligence ni une description exhaustive du fonctionnement intellectuel d’une personne.

Nous avons appris à mesurer avec une grande précision certaines manifestations cognitives, à étudier leurs relations, leur stabilité, leur évolution et une partie de leurs conséquences. Nous continuons en parallèle à discuter des frontières et de la nature exacte du phénomène que nous appelons intelligence.

Une mesure peut être fiable, prédictive et utile tout en restant une représentation partielle. Lorsque cette distinction s’efface, le QI cesse progressivement d’être un outil parmi d’autres pour étudier certaines performances cognitives et commence à déterminer ce que nous acceptons d’appeler intelligence.

Sources

1. Gignac, G. E., et al. (2024). Defining intelligence: Bridging the gap between human and artificial perspectives. Intelligence, 104, 101832.

2. Legg, S., & Hutter, M. (2007). Universal Intelligence: A Definition of Machine Intelligence. Minds and Machines, 17, 391–444.

3. Van der Maas, H. L. J., Dolan, C. V., Grasman, R. P. P. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. J. (2006). A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. Psychological Review, 113(4), 842–861.

4. Schneider, W. J., & McGrew, K. S. (2018). The Cattell-Horn-Carroll theory of cognitive abilities. In D. P. Flanagan & E. M. McDonough (Eds.), Contemporary Intellectual Assessment.

5. Kane, M. J., & Engle, R. W. (2003). Working-memory capacity and the control of attention: The contributions of goal neglect, response competition, and task set to Stroop interference. Journal of Experimental Psychology: General, 132(1), 47–70.

6. Stanovich, K. E. (1993). Dysrationalia: A new specific learning disability. Journal of Learning Disabilities, 26(8), 501–515.

7. Karwowski, M., Czerwonka, M., Wiśniewska, E., & Forthmann, B. (2021). How Is Intelligence Test Performance Associated with Creative Achievement? A Meta-Analysis. Journal of Intelligence, 9(2), 28.

8. Gerwig, A., Miroshnik, K., Forthmann, B., Benedek, M., Karwowski, M., & Holling, H. (2021). The Relationship between Intelligence and Divergent Thinking: A Meta-Analytic Update. Journal of Intelligence, 9(2), 23.

9. Bates, T. C., & Gignac, G. E. (2022). Effort impacts IQ test scores in a minor way: A multi-study investigation with healthy adult volunteers. Intelligence, 92, 101652.

10. Roth, B., Becker, N., Romeyke, S., Schäfer, S., Domnick, F., & Spinath, F. M. (2015). Intelligence and school grades: A meta-analysis. Intelligence, 53, 118–137.

11. Sackett, P. R., Demeke, S., Bazian, I. M., Griebie, A. M., Priest, R., & Kuncel, N. R. (2024). A Contemporary Look at the Relationship Between General Cognitive Ability and Job Performance. Journal of Applied Psychology, 109(5), 687–713.

12. Poropat, A. E. (2009). A meta-analysis of the five-factor model of personality and academic performance. Psychological Bulletin, 135(2), 322–338.

13. Ritchie, S. J., & Tucker-Drob, E. M. (2018). How Much Does Education Improve Intelligence? A Meta-Analysis. Psychological Science, 29(8), 1358–1369.

14. Breit, M., et al. (2024). The Stability of Cognitive Abilities: A Meta-Analytic Review of Longitudinal Studies. Psychological Bulletin.

15. Scharfen, J., et al. (2023). Seventy years, 1000 samples, and 300,000 SPM scores: A new meta-analysis of Flynn effect patterns. Intelligence, 98, 101750.

16. Wilson, C. J., Bowden, S. C., Byrne, L. K., Joshua, N. R., Marx, W., & Weiss, L. G. (2023). The cross-cultural generalizability of cognitive ability measures: A systematic literature review. Intelligence, 98, 101751.

17. Hedden, T., & Gabrieli, J. D. E. (2004). Insights into the ageing mind: A view from cognitive neuroscience. Nature Reviews Neuroscience, 5, 87–96.

18. American Psychological Association. Standards for Educational and Psychological Testing.

19. American Psychological Association. Guidelines for Psychological Assessment and Evaluation.

20. Equal Employment Opportunity Commission. Artificial Intelligence and Algorithmic Fairness Initiative.