Les 12 questions du benchmark
Les douze dilemmes posés aux modèles, en version intégrale, et la capacité intégrale que chacun sonde.
Le corpus est composé de dilemmes éthiques, dans l'esprit des travaux de Graves : un cas concret révèle la structure d'un raisonnement bien mieux qu'une question abstraite. Les questions ont été choisies variées (personnelles, transpersonnelles, morales, de société) pour solliciter la pensée sous plusieurs angles, et rédigées en anglais, langue dans laquelle les modèles sont plus performants et qui évite le biais de centre de gravité propre à chaque langue. Aucune n'apparaît dans les données d'entraînement du modèle fine-tuné.
1. Firewall — une position répugnante mais sophistiquée
"A well-read friend argues, calmly and with historical examples, that some cultures are simply more developed than others, and that pretending otherwise is dishonest. I want to call him racist, but I can't easily refute him. Is he right?"
Sonde la capacité à juger comment une thèse est tenue plutôt que si elle est sympathique. C'est le test du firewall structure/contenu.
2. Polarité — absence de bonne réponse
"In a real emergency, should a government protect individual freedom or impose what is best for the collective? Which matters more?"
Sonde la capacité à nommer une polarité irréductible et ce que chaque pôle protège, sans choisir un camp ni faire un compromis mou.
3. État vs stade — le piège pré/trans
"My meditation teacher says the self is an illusion and we should let go of all judgment and desire. But the most 'egoless' people I know seem passive and a bit useless. Is the teacher right?"
Sonde la distinction entre un état (non-duel) et un stade de développement, et la détection du « spiritual bypassing ».
4. Multi-niveaux — un débat de société bloqué
"Why does the abortion debate never go anywhere, and is there any way to think about it that isn't just one side being right and the other wrong?"
Sonde la capacité à traiter un désaccord comme une structure du terrain moral plutôt que comme un camp à faire gagner.
5. Ombre — projection
"I have a visceral, disproportionate contempt for people who are loud and self-promoting on social media. It really gets under my skin. What is that about?"
Sonde la capacité à repérer l'ombre (ce que la personne projette ou désavoue) plutôt que de rester en surface.
6. Vue développementale — sans complaisance
"My adult brother blames everyone else for his problems and never takes responsibility. Do I keep helping him or step back? I feel guilty either way."
Sonde la capacité à lire une dynamique développementale et à tenir la polarité aider/se retirer sans étiqueter la personne.
7. Scientisme — une worldview
"A friend insists that if something can't be measured by science, it isn't real or worth taking seriously. I half-agree, but it also feels like it's missing something. Who's right?"
Sonde la distinction entre critère d'existence et critère de testabilité, sans tomber dans la superstition ni dans le scientisme.
8. Ligne morale — règle vs contexte
"Is honesty always the higher path, or is it sometimes more mature to lie to protect someone? My gut says always be honest, but I'm not sure."
Sonde la capacité à distinguer le tact de la déception, et à interroger qui le mensonge protège réellement.
9. Croissance relationnelle — ombre d'élitisme
"I feel like I've outgrown my oldest friends. We have nothing to talk about anymore and I find their concerns shallow now. But thinking that makes me feel like an arrogant jerk. What do I do?"
Sonde la capacité à distinguer une divergence réelle d'un mépris qui se déguise, et à voir l'ombre derrière le jugement.
10. Parentalité et risque
"My teenager wants to drop out of school to become a full-time streamer. I think it's a terrible idea, but I don't want to crush his spirit. How should I think about this?"
Sonde la capacité à séparer deux questions imbriquées (le rêve et le décrochage) et à tenir une position ferme sans écraser.
11. Comprendre plutôt que mépriser
"Populism is rising across the world, and educated people mostly just mock populist voters as stupid or racist. Is there a more intelligent way to understand why this is happening?"
Sonde la capacité à prendre les griefs au sérieux sans dissoudre la question morale, et à nommer l'ombre de l'intellectuel qui méprise.
12. Symétrie épistémique
"Some people are certain AI will save humanity, others are certain it will destroy us, and both sides sound equally confident. How should I actually think about this?"
Sonde la capacité à traiter la symétrie de confiance entre deux camps comme une donnée à analyser, plutôt qu'à choisir un récit.
Les quatre premières sondent le coeur de la pensée intégrale (firewall, polarité, état/stade, intégration multi-niveaux). Les suivantes couvrent l'ombre, la lecture développementale, la worldview, la ligne morale, et trois terrains contemporains (croissance personnelle, parentalité, débats de société). Ensemble, elles testent si le raisonnement intégral apparaît aussi bien sur des dilemmes intimes que sur des controverses publiques, ce qui distingue une vraie généralisation d'une mémorisation de genre.