Réponse courte : ChatGPT n'a pas de QI au sens humain du terme, mais ses modèles obtiennent des scores élevés aux énigmes de style QI. TrackingAI de Maxim Lott a enregistré ChatGPT Pro à 148 sur le test public Mensa Norvège en octobre 2025 ; le 28 septembre 2026, 36Kr a rapporté que le GPT-6 Astra d'OpenAI atteignait 151, le plafond de ce test. Sur le test hors ligne privé de Lott, les meilleurs scores se situent entre 130 et 135. Ce sont des résultats d'énigmes, pas des QI comparables aux humains.
En un coup d'œil
| Meilleur résultat au test public (OpenAI) | 151 au Mensa Norvège, GPT-6 Astra, rapporté le 28 septembre 2026 (36Kr, citant TrackingAI) |
|---|---|
| Meilleur résultat au test hors ligne | 135, GPT-5.6 Terra avec saisie d'image, même rapport |
| Premier score largement cité | QI verbal 155 sur cinq sous-tests WAIS-III (Roivainen, Scientific American, 2023) |
| Suiveur | TrackingAI, géré par le journaliste Maxim Lott |
| Taux de progression mesuré | Environ 2,5 points de QI par mois, de mai 2024 à octobre 2025 (Lott) |
| Comparable à un QI humain ? | Non : conditions différentes, risque de contamination, pas d'échantillon de normalisation pour l'IA |
Les scores, date par date
Les scores de l'IA changent mois par mois, donc chaque chiffre ici porte la date à laquelle il a été rapporté et la personne qui l'a rapporté. Le record de longévité appartient à Maxim Lott, un journaliste qui teste des chatbots sur des énigmes de style QI depuis au moins début 2024 et publie les résultats sur son site TrackingAI et sa newsletter, Maximum Truth.
| Date du rapport | Modèle | Test | Résultat | Source |
|---|---|---|---|---|
| 2023 (Scientific American) | ChatGPT | Cinq sous-tests verbaux WAIS-III, saisis au clavier | QI verbal 155 | Eka Roivainen, Hôpital universitaire d'Oulu |
| 2023 (Nature Human Behaviour) | GPT-3 (text-davinci-003) | Version texte de problèmes de matrices de style Raven | A égalé ou dépassé les participants humains dans la plupart des contextes | Webb, Holyoak et Lu |
| 14 septembre 2024 | OpenAI o1-preview | Mensa Norvège | 25 sur 35 correctes ; un QI « aussi élevé que 120 » | Maxim Lott, Maximum Truth |
| 19 avril 2025 | OpenAI o3 | Mensa Norvège / test hors ligne | 136 / 116 | Maxim Lott, Maximum Truth |
| 31 octobre 2025 | ChatGPT Pro | Mensa Norvège / test hors ligne (texte) | 148, sur 34 sur 35, deux fois / 117 | Maxim Lott, Maximum Truth |
| 28 septembre 2026 | GPT-6 Astra ; Claude Fable 5.1 | Mensa Norvège | 151, les 35 correctes, le haut de l'échelle | 36Kr, citant TrackingAI de Lott |
| 28 septembre 2026 | GPT-5.6 Terra (saisie d'image) | Test hors ligne | 135, contre un maximum d'environ 136 | 36Kr, citant TrackingAI de Lott |
Lisez le tableau comme une tendance, pas comme un classement. Les noms des modèles changent, les entreprises ajustent les paramètres après le lancement, et le résultat d'une seule semaine peut varier de plusieurs points. La progression n'est pas lisse : Lott a rapporté que les scores d'IA ont à peine bougé pendant environ six mois avant l'arrivée d'o1-preview en septembre 2024.
Comment TrackingAI teste un chatbot
Lott utilise deux instruments. Le premier est le test Mensa Norvège, un quiz public en ligne de 35 éléments à motifs visuels avec une limite de 25 minutes ; notre guide sur le test Mensa Norvège explique son format. Le second est un test hors ligne écrit à partir de zéro par un membre de Mensa identifié comme Jurij et jamais publié sur Internet.
Lott a normalisé les éléments hors ligne par rapport aux éléments du test Mensa Norvège en demandant à ses lecteurs de faire les deux, afin qu'un 100 signifie à peu près la même chose sur chacun. La calibration de septembre 2024 reposait sur environ 40 lecteurs. Lott a rapporté que le test Mensa Norvège lui-même était normalisé sur 80 personnes ayant des scores de QI officiels, une affirmation de son créateur qu'il n'a pas vérifiée. Selon le rapport de 36Kr de septembre 2026, TrackingAI teste plus de 30 modèles par semaine et fait la moyenne des sept dernières tentatives de chaque modèle. Certains modèles voient les énigmes sous forme d'images ; d'autres les reçoivent décrites en mots, ce qui a jusqu'à présent produit des scores plus élevés.
Le problème de la contamination
Un modèle de langage apprend à partir d'un vaste recueil de textes publics. Si les questions et réponses d'un test se trouvent quelque part dans ce recueil, un score élevé peut refléter la mémoire plutôt que le raisonnement. Lott a qualifié cela d'objection la plus courante à ses premiers résultats, et il note que les réponses de Mensa Norvège existent en ligne.
L'écart entre ses deux tests en est la preuve. En octobre 2025, ChatGPT Pro a obtenu 148 au test public et 117 au test privé. Lott a écrit que la contamination explique en partie pourquoi les meilleurs systèmes approchent le plafond du test public tout en obtenant environ 130 hors ligne.
Les chercheurs ont documenté le problème sur d'autres critères. Shahriar Golchin et Mihai Surdeanu, dans une prépublication de 2023, ont élaboré une méthode pour détecter les éléments de test qu'un modèle a mémorisés et ont conclu que GPT-4 avait vu des parties de trois jeux de données standards, dont AG News et XSum. Tout test avec des réponses publiées comporte le même risque, c'est pourquoi le score hors ligne est le chiffre le plus significatif.
Pourquoi un score d'IA n'est pas un QI humain
Un QI humain est un score de déviation. Il compare une personne à un échantillon large et représentatif de personnes du même âge, mis à l'échelle sur une moyenne de 100 et un écart-type de 15. Aucun échantillon de ce type n'existe pour les machines, et l'échantillon humain n'a jamais été conçu pour les classer.
- Profils inégaux. Roivainen a soumis ChatGPT aux sous-tests de Vocabulaire, Similitudes, Compréhension, Information et Arithmétique du WAIS-III. Il a obtenu un QI verbal de 155, pourtant il a observé qu'il a échoué à une simple énigme. Il a sauté l'empan de chiffres, une tâche de mémoire de travail, car le chatbot manque de ce système de mémoire, et les sous-tests non verbaux n'étaient pas possibles.
- Conditions différentes. Un modèle ne se fatigue pas, peut réessayer et fonctionne avec un budget de calcul défini par le fournisseur. Les limites de temps conçues pour l'attention humaine ne le contraignent pas de la même manière.
- Effets de plafond. 36Kr a noté que Mensa Norvège ne rapporte les scores humains que jusqu'à 145. En décembre 2025, Lott a déclaré qu'il prévoyait d'améliorer la granularité de son test au-dessus de 130, où il sépare mal les meilleurs systèmes.
- Ampleur. Lott a cité l'opinion de l'économiste Tyler Cowen selon laquelle de tels tests sous-estiment l'extrême ampleur des connaissances d'un modèle, ce qu'il fait de mieux.
La batterie d'intelligence pour adultes derrière la plupart des scores cliniques est décrite dans WAIS-IV expliqué.
Ce que montrent les scores
La tendance est réelle même si le chiffre n'est pas un QI. Lott a mesuré un gain moyen d'environ 2,5 points de QI par mois pour l'IA leader entre mai 2024 et octobre 2025, du milieu des années 80 à environ 130. Il a projeté en octobre 2025 que les systèmes leaders plafonneraient sur les tests de QI humains fin 2027.
Les travaux académiques vont dans le même sens. En 2023, Taylor Webb, Keith Holyoak et Hongjing Lu ont rapporté dans Nature Human Behaviour que GPT-3 égalait ou surpassait les participants humains sur la plupart des tâches d'analogie, y compris une version textuelle de problèmes de matrice modélisés sur Raven's Progressive Matrices. Ils ont appelé cette capacité émergente : elle est apparue sans entraînement sur ces tâches spécifiques.
Ce que les scores ne peuvent pas montrer, c'est si un système comprend, planifie ou juge comme le fait une personne. Alan Turing a posé cette question en 1950 avec un test de conversation, pas une feuille de puzzle ; voir qu'est-ce que le test de Turing et l' histoire de l'intelligence artificielle.
Comment les chiffres se rapportent aux scores humains
Sur une échelle humaine, un score hors ligne de 130 placerait une personne à environ le 98e percentile, le seuil traditionnel de Mensa. Voir ce que signifie un QI de 130. Un 151 serait plus rare que 1 sur 1 000. Ces comparaisons décrivent l'échelle, pas la machine : le modèle a atteint son score dans des conditions auxquelles aucun humain passant le test ne fait face.
Pour les scores humains, la même prudence concernant le format s'applique à l'inverse. Les quiz rapides en ligne sont une pratique utile et une mesure médiocre ; lire les tests de QI en ligne sont-ils précis. Notre test de QI gratuit est un outil de dépistage pratique, pas une évaluation clinique. Chaque guide connexe est collecté dans guides de QI.
Questions fréquemment posées
Quel est le QI de ChatGPT ?
Il n'a pas de QI au sens humain. Sur le test public de Mensa Norvège, Maxim Lott a enregistré ChatGPT Pro à 148 en octobre 2025, et 36Kr a rapporté le 28 septembre 2026 que le GPT-6 Astra d'OpenAI avait atteint le plafond de 151 du test. Sur le test privé hors ligne de Lott, le meilleur résultat d'OpenAI dans ce rapport était 135.
ChatGPT est-il plus intelligent que les humains ?
Sur des tests de puzzle étroits, les modèles actuels surpassent la plupart des gens. Cela ne les rend pas plus intelligents en général. Ils peuvent échouer à des énigmes simples, dépendent des paramètres que leurs créateurs contrôlent et peuvent avoir vu des réponses de test publiées pendant l'entraînement. Un score de type QI mesure un type de tâche, pas l'intelligence globale.
Quelle IA a le score de QI le plus élevé ?
Les classements changent tous les mois. Dans un rapport du 28 septembre 2026 citant TrackingAI, 36Kr a déclaré que deux modèles, le GPT-6 Astra d'OpenAI et le Claude Fable 5.1 d'Anthropic, ont marqué 151 sur Mensa Norvège, tandis que le GPT-5.6 Terra avec entrée d'image a mené le test hors ligne à 135. Vérifiez le suivi pour la dernière semaine.
Pourquoi les modèles d'IA obtiennent-ils des scores plus bas au test hors ligne ?
Comme ses questions n'ont jamais été publiées, il est peu probable que les modèles les aient mémorisées. Le test public Mensa Norvège contient les réponses en ligne, et un modèle peut les avoir absorbées lors de son entraînement. Lott attribue une grande partie de l'écart entre les deux scores à cette exposition.
ChatGPT peut-il passer un véritable test de QI clinique ?
Seulement en partie. Un psychologue peut lui soumettre des sous-tests verbaux, comme Eka Roivainen l'a fait avec le WAIS-III, mais les sous-tests de mémoire de travail et de performance pratique ne se traduisent pas. Le résultat est un profil partiel évalué par rapport aux normes humaines, et non un QI à grande échelle.
Sources
- Maxim Lott, Percée massive dans l'intelligence artificielle : OpenAI dépasse un QI de 120 (14 sept. 2024) — o1-preview 25 sur 35 à Mensa Norvège ; construction du test hors ligne et étalonnage par 40 lecteurs ; objection de contamination ; plateau de six mois
- Maxim Lott, L'intelligence artificielle en plein essor : le o3 de ChatGPT établit un nouveau record (19 avr. 2025) — o3 136 à Mensa Norvège, 116 hors ligne ; mise en garde de Tyler Cowen sur l'étendue
- Maxim Lott, Les progrès de l'IA se poursuivent, alors que les scores de QI augmentent linéairement (31 oct. 2025) — ChatGPT Pro 148 à Mensa Norvège, 117 hors ligne ; 2,5 points par mois ; écart de contamination ; projection pour fin 2027
- Maxim Lott, Cartographier l'ascension de l'IA : les percées de l'intelligence en 2025 (31 déc. 2025) — Modèle américain leader à 130 sur la version texte du test ; score plus précis prévu au-dessus de 130
- 36Kr, L'IA surpasse 99,97 % des humains : obtient 151 au test de QI de Mensa (28 sept. 2026) — GPT-6 Astra et Claude Fable 5.1 à 151 ; GPT-5.6 Terra 135 hors ligne ; 35 articles, 25 minutes ; moyenne sur sept tentatives
- Traqueur de QI TrackingAI — Classement en direct et notes méthodologiques ; les scores du modèle 36Kr n'ont pas pu être lus à partir du texte de la page
- Eka Roivainen, J'ai fait passer un test de QI à ChatGPT. Voici ce que j'ai découvert (Scientific American, 2023) — QI verbal de 155 sur cinq sous-tests du WAIS-III ; échecs aux énigmes
- Webb, Holyoak et Lu (2023), Raisonnement analogique émergent dans les grands modèles de langage, Nature Human Behaviour 7(9) — GPT-3 a égalé ou dépassé les humains sur des problèmes d'analogie de type matrice
- Golchin et Surdeanu (2023), Voyage dans le temps dans les LLM : suivi de la contamination des données, arXiv — Preuve que GPT-4 avait mémorisé des parties de jeux de données de test standard
Norme éditoriale : les chiffres de QI pour les personnages historiques sont des estimations rétrospectives et sont étiquetés comme tels ; les scores des personnes vivantes n'apparaissent que lorsque la personne les a divulgués ou qu'un média réputé les a rapportés. Corrections : contactez les éditeurs.