Le poids des gènes

Il y a un certain consensus pour dire que la variabilité du QI repose à la fois sur des facteurs génétiques et environnementaux (éducation, profession des parents, alimentation…). Le poids des facteurs génétiques est important : environ 50 % de la variance.

Un tel poids suscite le rejet d’un certain nombre d’humanistes. Mais je crois qu’il y a un malentendu sur la signification d’une phrase comme « la variabilité du QI a en grande partie une cause génétique ». En fait, il s’agit d’une situation heureuse.

Note : pour simplifier, je supposerais que le QI est une performance brute, c’est-à-dire avant normalisation à une moyenne de 100 et un écart-type de 15 pour l’échelle de Wechsler. Je supposerais également que les facteurs expliquant la variation du QI sont des variables continues. C’est généralement faux mais ça ne change rien sur le fond.

Sensibilité et plage de variation

La variabilité du QI peut s’expliquer de deux manières :

  • est-ce que le QI est sensible à un paramètre source ? Dans un modèle suivant une loi affine, c’est la pente de la droite.
  • est-ce que la variation du paramètre source dans le monde réel est importante ou pas ? Pour le modèle affine, c’est la longueur du segment de droite.

Pour une variation de QI donnée, on peut très bien avoir :

  • une sensibilité très faible : le paramètre varie énormément mais ça a peu d’influence sur le QI
  • une sensibilité très élevée : la pente est raide, mais dans le monde réel le paramètre varie tellement peu qu’au final l’influence sur le QI reste modeste.

Dans le graphique suivant, les deux paramètres ont le même influence sur la dispersion du QI : 30 points (entre 85 et 115). La sensibilité du QI au paramètre bleu est modeste, mais ce paramètre est très variable dans la population réelle (entre 3 et 11). La sensibilité du QI au paramètre rouge est bien plus importante, mais ce paramètre varie peu dans la population réelle (entre 6 et 8 ).

En ingénierie, quand on veut optimiser un système et qu’on cherche les sources de variabilité, on fait varier les paramètres autant qu’on veut. Mais en sciences sociales, on ne va pas prendre 1000 jumeaux monozygotes, ne donner aucune éducation à 500 d’entre eux et la meilleure éducation possible aux 500 autres, juste pour la beauté de la science. On « subit » la variation des paramètres sources. Si on réalise une mesure de QI dans un environnement où l’éducation est la même pour tous – la plage couverte par le paramètre en abscisse est réduite à un simple point – on n’aura aucune influence sur la disparité des QI. Je ne parle pas de la position absolue de ce point : l’éducation peut être très mauvaise pour tout le monde ou excellente pour tout le monde, et le QI « brut » (donc pas normalisé à 100 avec écart-type à 15 etc.) ne sera pas le même dans les deux cas. Je parle bien de la plage couverte par ce paramètre dans le monde réel.

Ci dessous, une animation montrant que l’effet d’un paramètre sur la dispersion du QI (en ordonnée) diminue mécaniquement si la disparité de ce paramètre est réduite dans la population réelle (en abscisse):

Une question de proportion

Exemple fictif : une usine produit des bouteilles de rhum-orange, en mélangeant 50cl de rhum (avec un écart-type de 1cl.) et 100cl. de jus d’orange (avec un écart-type de 1cl. aussi). La précision de la distribution du rhum est la même que celle du jus d’orange, chaque paramètres contribue pour 50 % de la variance du volume total.

On améliore la distribution du jus d’orange et le nouvel écart-type est de 0,5cl. On laisse la précision du rhum inchangée. Le poids de la variance du rhum est désormais de 80 %, celle du jus d’orange n’est plus que de 20 % (attention, pour ceux qui se demandent pourquoi ce n’est pas 66 % vs. 33 %: la variance est le carré de l’écart-type). La variabilité du rhum a désormais un poids énorme dans la variabilité totale. Pourtant, elle n’a pas changé, et le jus d’orange continue de représenter les deux-tiers du contenu. Mais la variance totale ayant baissé, la proportion de la variance due au rhum a augmenté mécaniquement. C’est tout l’aspect trompeur d’une proportion.

Si on remplace le volume total de cocktail par le QI, le rhum par les facteurs génétiques et le jus d’orange par les facteurs environnementaux, on obtient une situation où la génétiques explique la majeure partie de la variabilité du QI – l’étalement de la population autour de la moyenne – tout en n’étant qu’un contributeur modeste à la performance brute – c’est à dire la position de cette moyenne.

Effet Flynn

Parmi les facteurs environnementaux influençant le QI, on trouve l’éducation, la santé, l’alimentation, la catégorie socio-professionnelle des parents, etc. La plupart des pays industrialisés ont vu ces paramètres s’améliorer au cours du XXème siècle. L’instruction est devenue obligatoire, et jusqu’à un âge de plus en plus tardif. La santé s’est améliorée, ainsi que l’alimentation.

Il y a toujours eu des enfants recevant une éducation importante, une bonne alimentation, et vivant dans un environnement aisé. Mais la nouveauté du XXème siècle a été de d’appliquer cela à l’ensemble de la population. D’une situation où certains enfants n’allaient jamais à l’école et d’autres si, on est passé à une à une situation où tous les enfants vont à l’école, certains plus longtemps que d’autres. On a réduit la disparité de l’éducation au sein de la population. On a fait de même pour nombre de facteurs environnementaux. Pour reprendre un graphe similaire au précédent, La réduction de la dispersion des cause est asymétrique:

C’est la principale cause de l’effet Flynn (du nom du professeur James Robert Flynn) : les performances brutes aux tests de QI ont augmenté au cours du XXème siècle, essentiellement parce que les faibles QI ont augmenté. La moyenne a augmenté parce que l’écart-type s’est réduit et que la courbe s’est tassée vers le haut:

Pour garder une moyenne de QI constante, il aurait fallu que les bas QI augmentent et que les haut QI baissent. Il aurait fallu que l’éducation, l’alimentation ou la santé dans les milieux défavorisés s’améliore, mais qu’elle chute pour les enfants des milieux aisés. Mais évidemment on n’a pas fait ça, on a essayé de tirer tout le monde vers le haut. Les enfants des milieux aisés ne sont pas forcément plus intelligents qu’avant. Ceux des milieux défavorisés, si. Donc la moyenne a suivi, mécaniquement.

On a touché à tous les paramètres environnementaux, mais pas à la génétique, pour des raisons autant éthiques que techniques. Les paramètres environnementaux représentent désormais une part modeste de la variance totale. Il ne reste plus que la génétique, qui se retrouve un peu seule et prend – en proportion – beaucoup de place.

Note : il s’agit d’une vision simplifiée. Il semble qu’en réalité la génétique ne soit pas absente de l’effet Flynn. La tendance actuelle est de considérer que génétique et environnement sont loin d’être aussi indépendants qu’on a pu le croire – et pas seulement pour le QI.

Conclusion

Dans un idéal humaniste, le but à atteindre est d’amener la variation des paramètres environnementaux à une plage nulle, et d’avoir ainsi un facteur génétique qui explique 100 % de la variance résiduelle. On ne doit pas être choqué par le poids actuel de la génétique dans la variance du QI : c’est le résultat qu’on obtient en réduisant la disparité des paramètres environnementaux sans toucher à la part génétique, et ça suggère qu’on a fait du chemin dans le bon sens !