L'absence d'une définition concrète de l'intelligence artificielle générale (IAG) rend floue la distance qui sépare les systèmes d'IA spécialisés d'aujourd'hui de la cognition humaine. Ce papier propose un cadre quantifiable pour remédier à ce manque, en définissant l'IAG comme l'équivalent, en termes de versatilité et de maîtrise cognitives, d'un adulte bien éduqué. Pour opérationnaliser cette définition, nous nous appuyons sur la théorie de Cattell-Horn-Carroll, le modèle de la cognition humaine le plus largement validé empiriquement. Ce cadre décompose l'intelligence générale en dix domaines cognitifs fondamentaux — raisonnement, mémoire, perception, etc. — et adapte des batteries psychométriques humaines établies afin d'évaluer les systèmes d'IA. L'application de ce cadre révèle un profil cognitif fortement « inégal » chez les modèles actuels : bien qu'extrêmement performants dans des domaines exigeant une grande quantité de connaissances, les systèmes d'IA actuels présentent des lacunes critiques dans les mécanismes cognitifs fondamentaux, notamment en matière de stockage de mémoire à long terme. Les scores d'IAG ainsi obtenus (par exemple, 27 % pour GPT-4, 58 % pour GPT-5) quantifient de manière concrète à la fois les progrès rapides réalisés et l'important écart qui subsiste avant l'atteinte de l'IAG.