En mai 2026, le modèle GPT-5.5 d’OpenAI a atteint un score de QI estimé à 136 selon le site AI IQ, se plaçant en tête d’un classement controversé. Cette mesure, basée sur la conversion de benchmarks techniques en scores cognitifs, suscite un vif débat parmi les chercheurs sur la validité de l’intelligence artificielle.
Le sommet du classement AI IQ et Mensa
L’idée d’attribuer un quotient intellectuel à une machine fascine autant qu’elle divise. Pour tenter de quantifier cette capacité, le site AI IQ a compilé les résultats de 12 benchmarks publics, dont ARC-AGI, FrontierMath et GPQA. L’objectif est de traduire des performances techniques en un score de QI réparti sur cinq dimensions : l’abstraction, le raisonnement mathématique, la programmation, le raisonnement critique et le raisonnement agentique.
Au classement d’AI IQ établi en mai 2026, la hiérarchie se dessine ainsi :
| Modèle d’IA | Score de QI (AI IQ) |
|---|---|
| GPT-5.5 (OpenAI) | 136 |
| Opus 4.7 (Anthropic) | 132 |
| Gemini 3.1 Pro (Google) | 131 |
| GPT-5.4 (OpenAI) | 131 |
Toutefois, un autre indicateur, basé sur le test Mensa Norvège et relayé par TrackingAI, propose une lecture différente. Sur cette échelle, Grok-4.20 Expert Mode et GPT-5.4 Pro se partagent la première place avec un score identique de 145.
Le site AI IQ ne se limite pas au QI classique ; il propose également une mesure de l’intelligence émotionnelle, dérivée des données d’EQ-Bench 3, tentant ainsi de cartographier les capacités sociales et empathiques simulées par ces modèles.
Une progression fulgurante en trente mois
L’évolution des scores est vertigineuse. En octobre 2023, GPT-4-turbo affichait un QI estimé d’environ 75. Trente mois plus tard, les modèles de pointe flirtent avec les 136 points. Cette progression de 60 points en deux ans et demi témoigne de l’accélération brutale des capacités de raisonnement des grands modèles de langage.
Pourtant, cette course vers le haut révèle un phénomène de compression. Les cinq meilleurs modèles actuels ne sont séparés que par 7 points sur l’échelle AI IQ (entre 129 et 136) et par 4 points sur l’échelle Mensa (entre 141 et 145). Ce resserrement suggère que les modèles atteignent peut-être un plateau de performance sur les tests standardisés, ou que les benchmarks actuels ne sont plus assez discriminants pour différencier les IA de pointe.
L’illusion de la mesure : l’algorithme AI IQ
Le problème majeur réside dans la méthodologie. Contrairement à un humain qui passe un test de QI en temps réel devant un examinateur, AI IQ ne fait passer aucun test. Le site utilise un algorithme maison pour convertir des résultats de benchmarks existants en scores de QI.
Cette approche est critiquée pour son manque de fondement théorique. Selon 01net, cette opération revient techniquement à convertir des kilomètres en degrés Celsius : l’opération mathématique est possible, mais le résultat final ne signifie pas ce que l’unité promet.
En transformant des scores de réussite à des problèmes de mathématiques ou de code en un chiffre unique de QI, on occulte la nature même du fonctionnement d’une IA, qui repose sur la prédiction statistique et non sur une conscience cognitive.
Les limites cognitives soulevées par Alan D. Thompson
Le chercheur Alan D. Thompson, qui documente l’évaluation cognitive des IA depuis 2021, identifie quatre obstacles fondamentaux qui rendent ces classements douteux.
- L’inadaptation des tests : Les tests de QI ont été conçus pour la cognition humaine. Appliquer ces échelles à une intelligence non humaine rend les résultats flous.
- Le biais statistique : Ces tests sont normés sur des populations humaines moyennes. Par conséquent, l’interprétation des scores extrêmes, notamment au-delà de 155, devient statistiquement peu fiable, même pour les humains.
- La nature asymétrique de l’intelligence : L’IA présente des capacités fragmentées. Un modèle peut résoudre des problèmes de mathématiques avancées tout en échouant sur une tâche de sens commun qu’un enfant de six ans maîtriserait sans effort.
- L’absence de test direct : Comme mentionné, la conversion algorithmique de benchmarks ne remplace pas une évaluation cognitive réelle.
Cette analyse souligne le danger de l’anthropomorphisme. En collant un score de QI sur un modèle, on suggère une forme d’intelligence globale et cohérente, alors que l’IA excelle dans des domaines spécifiques tout en restant aveugle à d’autres aspects fondamentaux de la cognition humaine.
L’enjeu pour les mois à venir ne sera pas d’augmenter ce score numérique, mais de créer des outils d’évaluation capables de mesurer l’intelligence artificielle pour ce qu’elle est réellement, et non pour ce qu’elle imite.
Sur le même sujet
