1. Introduction et problème

Dans les écoles de la petite enfance circule une promesse symétrique à celle de la personnalisation : l’intelligence artificielle « observe » l’enfant, « transcrit » la classe, « complète » le portfolio et « libère » l’adulte pour qu’il soit enfin avec l’enfance. Cette promesse tait d’ordinaire sa condition de possibilité. Pour transcrire, il faut un microphone. Pour étiqueter, une ontologie de catégories. Pour « capturer » l’enfance, une caméra ou un gilet avec enregistreur. L’objet qui en résulte n’est pas abstrait. C’est une coupe de la journée d’un enfant de trois ans : un tour de parole avec erreur de mot, une photo étiquetée « collaboration », un clip classé « jeu libre ». Ceux qui produisent cette coupe ne défendent pas une thèse : ils apprennent à être vus. Si l’école traite la coupe comme si elle était déjà documentation pédagogique, le regard de l’adulte —appelé écoute à Reggio et écrit comme histoire d’apprentissage en Aotearoa— risque d’être remplacé par un registre algorithmique.

Le problème n’est pas l’hostilité à l’outil ni la nostalgie du carnet d’anecdotes. C’est la confusion entre trois objets. Le premier est un constat empirique : ce que l’on observe lorsqu’un système classe les locuteurs et transcrit la classe ; ce qui se passe lorsqu’une plateforme numérique oriente ce que l’éducateur voit et étiquette ; comment s’écrivent et se partagent les histoires d’apprentissage lorsque le dispositif médiatise. Le deuxième est un cadre normatif ou classique encore en vigueur : ce qui compte comme observation, documentation et évaluation dans la déclaration de pratique développementalement appropriée de la NAEYC (2020), dans la pédagogie de l’écoute (Rinaldi, 2006) et dans les learning stories (Carr, 2001 ; Carr et Lee, 2012). Le troisième est une inférence pédagogique : ce qu’il ne faudrait pas vendre comme solution —l’IA qui « améliore l’observation », qui « libère l’enseignant pour être avec l’enfant », qui « rend les portfolios plus riches »— si la source ne le mesure pas. Les mélanger produit une pédagogie de la capture : l’école « documente avec l’IA » sans pouvoir dire si ce qu’elle archive est une interprétation située ou seulement une trace étiquetable.

La thèse de cet article est restrictive. L’IA peut transcrire et étiqueter ; elle ne documente pas au sens pédagogique s’il n’y a pas d’interprétation située de l’adulte. Là où la source ne mesure pas l’amélioration de l’observation, on ne l’affirme pas. Là où elle ne mesure pas la libération de temps pour être avec l’enfant, on ne la promet pas. Là où elle ne mesure pas la richesse du portfolio, on ne l’invente pas. Le vide est épistémique : ce qui compte comme documentation, pas seulement ce qui est extrait. Cet article ne traite pas le consentement/CNIL/ClassDojo (21 août, 1 h 02), le bien-être enseignant (9 h 02), l’intégrité/détecteurs (13 h 02), l’alphabétisation curriculaire, la compétence UNESCO, la médiation parentale, l’inclusion, le jeu/PopBots, les tuteurs adaptatifs, le multilinguisme ni les écarts d’« apprendre l’IA ». L’objet est la documentation pédagogique en éducation de la petite enfance : observation, portfolio et risque de remplacer le regard de l’adulte.

2. État de l’art : documenter n’est pas archiver

Il convient de séparer trois strates. La première est conceptuelle : ce que signifie la documentation pédagogique lorsque l’enfant est compris comme sujet de cent langages et non comme émetteur de données. La deuxième est le déplacement numérique : ce qui se passe lorsque le papier cède aux plateformes de portfolio et aux systèmes d’étiquetage. La troisième est le déplacement algorithmique : ce que mesurent, de fait, la transcription automatique, la diarisation et la détection de mouvement dans les classes préscolaires.

Dans la strate conceptuelle, Rinaldi (2006) articule la pédagogie de l’écoute, la documentation comme recherche et le rapport entre documenter et évaluer. Documenter n’est pas accumuler des preuves anonymes : c’est rendre visible un processus d’apprentissage pour l’interpréter avec d’autres —enfants, familles, collègues— et pour renvoyer cette interprétation à l’enseignement. Edwards, Gandini et Forman (2012) recueillent l’expérience de Reggio Emilia en transformation, y compris le poème des cent langages attribué à Loris Malaguzzi : l’enfant s’exprime par des voies irréductibles à la parole adulte, et l’école qui n’en enregistre qu’une appauvrit ce qu’elle peut voir. Dahlberg, Moss et Pence (2013) opposent au « discours de la qualité » —la réduction des questions de valeur à la mesure experte— un langage d’évaluation comme construction de signification. Carr (2001) déplace l’évaluation de la petite enfance des méthodes trop formelles vers des histoires d’apprentissage centrées sur les dispositions —résilience, confiance à exprimer des idées, collaboration dans la résolution de problèmes— parce que, si l’on n’évalue pas les résultats complexes, ils sortent de l’enseignement. Carr et Lee (2012, 2019) soutiennent que ces histoires construisent des identités d’apprenant et offrent un cadre d’auctorialité narrative et de coparticipation. Knauf (2020) résume un consensus empirique : la documentation construit une image de l’enfant et peut être un instrument de participation. C’est le critère avec lequel cet article lit ce que l’IA ne fait pas lorsqu’elle transcrit.

Dans la strate du déplacement numérique, Cowan et Flewitt (2021) documentent, dans trois écoles infantiles londoniennes, le passage du papier aux e-portfolios et journaux d’apprentissage en ligne. White et al. (2021) montrent que les plateformes ne sont pas neutres : elles orientent ce que l’éducateur voit. Nuttall et al. (2023) identifient deux actions —étiqueter et surveiller— qui relient des opérations techniques à des motifs de travail. Blaisdell et al. (2021) interrogent l’auctorialité enfantine des histoires. Sands et Lee (2024) montrent que partager des histoires d’apprentissage dans un centre d’Aotearoa renforce la pratique lorsqu’il y a dialogue entre enseignants. Restiglian et al. (2023) saturent, depuis la Vénétie, le dilemme professionnel de documenter à l’ère des plateformes : on ne les utilise pas ici comme axe de vie privée, mais comme preuve que le statut même de la documentation devient incertain lorsque le dispositif commande.

Dans la strate algorithmique, Elbaum, Perry et Messinger (2024) offrent un panorama des capteurs automatiques en préscolaire : classification des locuteurs, analyse de la parole et détection de mouvement au fil de la journée. Sun et al. (2024, 2025) mesurent la fiabilité de la transcription et du « qui a dit quoi ». Chaparro-Moreno et al. (2024) mesurent l’exactitude d’un système (IDEAS) sur la parole de thérapeutes et d’enfants. Ces sources quantifient l’erreur, non la signification pédagogique. Le vide n’est pas l’absence de technologie : c’est la rareté de preuves qu’une trace automatique compte comme documentation au sens de Rinaldi, Carr ou la NAEYC (2020).

Dans la strate normative, la NAEYC (2020) prescrit que l’observation, la documentation et l’évaluation soient continues, stratégiques, réflexives et intentionnelles ; qu’il existe un système pour recueillir, donner du sens et utiliser cette information ; que l’on encourage les enfants, dès le préscolaire, à observer et à documenter ; et que l’on limite les évaluations numériques, surtout pour les tout-petits qui devraient avoir une exposition restreinte aux écrans. Donner du sens n’est pas une étape facultative : c’est le critère qui distingue documenter d’archiver. Ce cadre ne mesure pas l’IA. Son autorité est normative.

3. Méthode de revue

On a réalisé une revue narrative critique, non une méta-analyse. Le propos n’était pas d’estimer une taille d’effet homogène —inexistante entre un essai de transcription de 110 minutes, un pilote de six éducateurs et une déclaration de pratique professionnelle—, mais d’articuler ce qui compte comme documentation pédagogique lorsque entrent des systèmes qui transcrivent et étiquettent. Inclusion : (a) documentation pédagogique, observation, portfolio, histoires d’apprentissage, transcription ou analytique automatique en éducation de la petite enfance ou préscolaire ; (b) de préférence 2021–2026, avec des classiques encore en vigueur (Carr, 2001 ; Rinaldi, 2006 ; Edwards et al., 2012 ; Dahlberg et al., 2013 ; NAEYC, 2020 ; Carr et Lee, 2012, 2019 ; Knauf, 2020) ; (c) revue ou actes avec DOI, livre d’éditeur académique ou déclaration d’organisme professionnel ; (d) DOI ou URL officielle vérifiable. Ont été exclus comme axe la vie privée et la datafication de ClassDojo, le bien-être enseignant, l’intégrité et les détecteurs, l’alphabétisation curriculaire des élèves, la compétence UNESCO, la médiation parentale, l’inclusion par handicap, le jeu/PopBots, les tuteurs adaptatifs, le multilinguisme et les écarts d’« apprendre l’IA ».

La recherche a été exécutée le 21 août 2026 (vers 17 h 03, America/Mexico_City) sur des pages DOI, IEEE Xplore, arXiv, ASHA, ScienceDirect, Taylor & Francis, SAGE, Springer, Routledge, NAEYC, EPAA, EECERJ et des dépôts universitaires. Chaque source a été vérifiée contre au moins l’une de ces pages. Cas nucléaires : (4) transcription et capteurs automatiques ; (5) plateformes numériques et histoires d’apprentissage ; (6) le statut épistémique du regard. Restiglian et al. (2023) saturent la plateformisation ; Manolev et la datafication de la discipline ne sont pas utilisés comme cas nucléaire —ils l’ont déjà été le 21 août à 1 h 02.

L’analyse a distingué trois statuts énonciatifs. Constat empirique : ce qui a été observé dans l’échantillon ou dans l’essai d’outils. Cadre normatif ou classique : ce qu’un organisme prescrit ou ce qu’une tradition pédagogique tient pour critère de ce qui compte. Inférence pédagogique : la traduction vers la classe de petite enfance, marquée comme telle. Les limites sont celles de toute revue narrative (section 9).

4. Cas 1. Transcrire la classe n’est pas documenter l’apprentissage : Who Said What, WSW 2.0 et IDEAS

Sun, Londono, Elbaum, Estrada, Lazo, Vitale, Gonzalez Villasanti, Fusaroli, Perry et Messinger (2024) ont présenté à l’IEEE International Conference on Development and Learning un cadre automatique (ALICE pour classer locuteur enfant/enseignant ; Whisper large-v2 pour transcrire) et l’ont comparé à un expert humain sur 110 minutes d’enregistrements d’une classe préscolaire : 85 minutes de microphones enfants (n = 4 enfants, 3,8–4,6 ans) et 25 minutes de microphones enseignants (n = 2). Constat empirique : la proportion d’accord sur la classification des énoncés était de 0,76, avec un kappa corrigé de 0,50 et un F1 pondéré de 0,76. Le taux d’erreur de mot était de 0,15 pour les enseignants comme pour les enfants : 15 % des mots devraient être effacés, ajoutés ou changés pour égaler la transcription automatique à celle de l’expert. Des traits de parole —longueur moyenne d’énoncé, proportion de questions, réponses en 2,5 secondes— étaient similaires lorsqu’ils étaient calculés séparément à partir des deux transcriptions. La transcription experte de ces 110 minutes a exigé environ 55 heures. Les auteurs décrivent un « progrès substantiel » dans l’analyse de la parole qui peut soutenir la recherche sur le langage. Ils ne mesurent pas l’observation enseignante, le temps avec l’enfant ni la richesse du portfolio. L’objet est la fiabilité du « qui a dit quoi ».

Sun, Feng, Gutierrez, Londono, Xu, Elbaum, Narayanan, Perry et Messinger (2025) mettent à jour le cadre (WSW 2.0 : classification wav2vec2 et Whisper large-v2/v3) sur 235 minutes (160 de 12 enfants et 75 de 5 enseignants). Constat empirique : F1 pondéré de 0,845, exactitude de 0,846 et kappa de 0,672 pour la classification enfant/enseignant. Le taux d’erreur de mot était de 0,119 pour les enseignants et de 0,238 pour les enfants : la parole enfantine est, dans cet échantillon, plus difficile. Les corrélations intraclasses des traits (longueur d’énoncé, diversité lexicale, questions, réponses) allaient de 0,64 à 0,98. Le cadre a été appliqué à plus de 1 592 heures sur deux ans. Les auteurs affirment un potentiel pour la recherche éducative et pour orienter des interventions de langage. Statut : constat d’extensibilité et de fiabilité différentielle (pire chez l’enfant). Ce n’est pas un constat de documentation pédagogique. Convertir « 1 592 heures transcrites » en « enfance capturée » ou en « observation améliorée » serait une inférence illégitime : la source ne mesure ni le regard enseignant ni la qualité du portfolio.

Chaparro-Moreno, Gonzalez Villasanti, Justice, Sun et Schmitt (2024) ont évalué, dans le Journal of Speech, Language, and Hearing Research, le programme IDEAS (Interaction Detection in Early Childhood Settings) sur 45 séances de thérapie du langage enregistrées avec 27 thérapeutes et 56 enfants. Constat empirique : la diarisation est élevée pour la parole du thérapeute et moindre pour celle de l’enfant. Neuf des dix estimations d’unités linguistiques du thérapeute satisfont les critères d’exactitude des auteurs ; aucune des estimations d’unités linguistiques de l’enfant ne les satisfait. La conclusion des auteurs est qu’IDEAS est fiable surtout pour mesurer la parole de l’adulte clinique. Inférence pédagogique, marquée comme telle : si le système qui « écoute » la salle échoue de façon systématique sur la parole enfantine, la trace automatique n’est pas un témoin symétrique de l’enfant. Documenter l’enfant avec un instrument aveugle à sa parole, c’est, au mieux, documenter l’adulte qui l’entoure.

Elbaum, Perry et Messinger (2024), dans Early Childhood Research Quarterly, passent en revue des capteurs qui combinent enregistreurs et localisateurs avec des algorithmes : classification des locuteurs, analyse de la parole et détection de mouvement. Constat de revue : ces systèmes ouvrent une fenêtre plus large sur la variabilité des interactions et l’intégration dans les réseaux sociaux de la classe, et posent des défis techniques et éthiques de déploiement. L’objet est la recherche sur des processus de classe qui prédisent le langage et le développement social. Ce n’est pas un essai de portfolios. Il n’affirme pas que le capteur remplace l’observation pédagogique ni qu’il la libère.

Statut cumulé. Constat empirique : il y a un progrès mesurable dans la transcription et la classification de la parole préscolaire ; l’erreur n’est pas nulle ; la parole de l’enfant est, dans WSW 2.0 et IDEAS, le point faible ; le produit est un corpus de traits (MLU, questions, mouvement), non une interprétation de dispositions ou de théories enfantines. Ce n’est pas un constat que l’IA documente. Inférence pédagogique : un dossier de « qui a dit quoi » peut nourrir une histoire d’apprentissage si un adulte l’interprète en contexte. Sans cette interprétation, c’est un registre. Les confondre est le risque épistémique de ce cas.

5. Cas 2. Du papier au tag : plateformes numériques, learning stories et ce que l’éducateur en vient à voir

Cowan et Flewitt (2021) ont publié dans l’International Journal of Early Years Education des études de cas ethnographiques participatives dans trois centres infantiles multiculturels de Londres. Constat empirique : la documentation numérique —photo, vidéo, audio et texte combinés dans des e-portfolios et journaux en ligne— ouvre des possibilités pour recueillir le caractère dynamique et incarné de l’apprentissage et peut rendre la documentation plus accessible aux enfants et aux familles. En même temps, de nombreux systèmes sont conçus surtout pour les adultes, non pour que l’enfant y accède et y contribue ; ce design adultocentré risque de marginaliser la voix enfantine au passage du papier au numérique. Les auteurs appellent à une collaboration entre chercheurs, éducateurs et concepteurs. Statut : constat sur une documentation numérique faite par des personnes, non sur une IA qui transcrit ou étiquette seule. Ils ne mesurent pas qu’un modèle « rende les portfolios plus riches ». La richesse qu’ils décrivent est la multimodalité au service d’une pédagogie de l’écoute, menacée précisément lorsque le système ne se laisse pas utiliser par l’enfant.

White, Rooney, Gunn et Nuttall (2021), dans l’Australasian Journal of Early Childhood, ont analysé des entretiens de rappel stimulé par vidéo avec six éducateurs dans quatre centres d’Australie et de Nouvelle-Zélande. Constat empirique : les plateformes orientent la façon dont l’apprentissage est vu et articulé. Ils proposent quatre concepts : étiquetabilité (tag-ability), traçabilité, complétude et co-constitution. Chacun est problématisé face à l’ubiquité du visuel. Ce qui « compte » comme apprentissage tend à être ce qui peut être étiqueté, ce qui peut être suivi dans le temps, ce qui paraît un dossier complet et ce que la plateforme et l’utilisateur coproduisent. Ce n’est pas un essai contrôlé d’apprentissage enfantin. C’est un constat sur le regard : le dispositif ne se borne pas à enregistrer ce que l’adulte a déjà vu ; il participe à ce qui devient visible.

Nuttall, Rooney, Gunn et White (2023), dans Technology, Pedagogy and Education, ont testé l’utilité de la théorie de l’activité (hiérarchie de Leontiev : opérations, actions, motifs) sur une observation d’ombre de travail et des entretiens avec sept enseignants dans quatre centres d’Australie et de Nouvelle-Zélande. Constat empirique : deux actions —étiqueter et surveiller— relient des opérations techniques de base aux motifs d’usage de la plateforme. Les auteurs signalent, comme agenda futur, la datafication comme mode de gouvernement du travail enseignant. Cette note n’est pas développée ici comme axe de surveillance (déjà traité le 21 août à 1 h 02) ; elle est retenue comme constat labour-épistémique : le travail de documentation se déplace vers le tag et la surveillance. Ils ne mesurent pas un temps « libéré » pour être avec l’enfant. Knauf (2020), dans des entretiens avec 24 enseignants (12 en Allemagne et 12 en Nouvelle-Zélande) d’institutions qui documentent intensément, a trouvé que le temps est l’exigence la plus citée et que les stratégies —discussion d’équipe, usage multiple d’un même texte, répartition des enfants, modèles, phases délimitées, entraide, parallélisation avec la supervision, priorisation et numérisation— servent surtout à rendre gérable une tâche perçue comme interminable. En Nouvelle-Zélande, la discussion collégiale et les plateformes sont décrites comme voies de communication avec les familles ; une enseignante affirme que le cycle de réponse est devenu « beaucoup plus profond » : perception située, non effet mesuré. En Allemagne, la découpe formelle (phases, quotas) peut documenter la fenêtre choisie, non ce qui importe à l’enfant. Knauf n’étudie pas l’IA. Son constat pertinent est que la qualité, dans le récit enseignant, dépend de la discussion interprétative, non du fichier numérique.

Blaisdell, McNair, Addison et Davis (2021), dans l’European Early Childhood Education Research Journal, rapportent la phase un d’une recherche-action dans une nursery écossaise sur les droits de participation des enfants à l’auctorialité des histoires d’apprentissage. Constat empirique : la mise en pratique des Learning Stories implique des considérations politiques et matérielles complexes ; il faut accommoder l’auctorialité des enfants par des méthodes flexibles, non (ou moins) écrites. Le titre cite la question d’un enfant —« Pourquoi suis-je sur toutes ces photos ? »— comme symptôme d’une documentation qui portraiture sans autoriser. Sands et Lee (2024), dans une étude de cas du Greerton Early Learning Centre (Aotearoa), trouvent que le processus dialogique de partage des histoires d’apprentissage renforce la pratique pédagogique : un zoom vers les identités d’apprentissage et un zoom vers la continuité d’enseigner et d’apprendre. Statut : preuve que l’histoire d’apprentissage opère comme enquête entre enseignants. Ce n’est pas la preuve qu’une étiquette automatique produit le même effet. Carr (2001) et Carr et Lee (2012, 2019) définissent le genre : narration située, dispositions, identité d’apprenant, coauctorialité. Un tag de « collaboration » n’est pas ce genre.

Statut cumulé. Constat empirique : en se numérisant, la documentation gagne une multimodalité et une accessibilité potentielles, et en même temps se laisse orienter par l’étiquetable, le traçable et le « complet » ; l’enfant peut rester hors de l’auctorialité ; le travail enseignant se déplace vers l’étiquetage et la surveillance ; la force pédagogique que Sands et Lee (2024) et Knauf (2020) décrivent passe par le dialogue interprétatif entre adultes —et, chez Blaisdell et al. (2021), par l’auctorialité enfantine. Ce n’est pas un constat que l’IA enrichit les portfolios. Inférence pédagogique : automatiser le tag, c’est accélérer précisément l’opération que White et al. (2021) et Nuttall et al. (2023) signalent déjà comme moule du regard. Sans un adulte qui interprète des dispositions en contexte, le portfolio peut devenir plus dense en fichiers et plus pauvre en documentation.

6. Cas 3. Ce qui compte comme documentation : le regard de l’adulte, les cent langages et le registre algorithmique

Le troisième cas n’est pas un produit d’IA. C’est le critère épistémique face auquel se lisent les deux premiers. Rinaldi (2006) soutient que la documentation est, avant tout, un instrument éducatif et de recherche, et que la reconnaître comme outil d’évaluation est un « anticorps » face à des instruments anonymes, décontextualisés et seulement en apparence objectifs. Edwards, Gandini et Forman (2012) recueillent cette grammaire : l’enfant compétent, l’écoute, l’atelier, la documentation comme négociation démocratique (chapitre de Dahlberg dans ce volume) et l’usage des médias numériques à Reggio comme l’un des langages, non comme substitut de l’adulte qui regarde (chapitre de Forman). Cadre classique, non essai de Whisper : la caméra à Reggio ne documente pas seule ; documente celui qui choisit le cadrage, le discute et le renvoie au groupe.

Albin-Clark (2021), dans Contemporary Issues in Early Childhood, déplace la question de ce que la documentation signifie vers ce qu’elle est en train de faire. Sur la documentation murale de l’exploration aquatique d’un enfant, elle argumente que l’artefact invite des actions de création et de résistance et offre des sens d’appartenance ; elle propose que les enseignants oscilent entre « faits » et « affaires de préoccupation ». Constat qualitatif d’une classe, avec une lecture néo-matérialiste : la documentation a une agence dans l’espace. Elle ne mesure pas l’IA. Inférence pédagogique, marquée comme telle : si un panneau de photos fait déjà quelque chose dans la salle —convoque, exclut, appartient—, un flux automatique de clips étiquetés fera aussi quelque chose. La question n’est pas s’il y a « plus de preuves », mais quelle forme d’enfance et d’enseignant ce faire produit. Restiglian, Raffaghelli, Gottardo et Zoroaster (2023), dans Education Policy Analysis Archives, ont interviewé des éducatrices de Vénétie (14 individuelles et une de groupe). Constat empirique : équilibrer la documentation médiatisée par la technologie avec d’autres valeurs professionnelles n’est pas linéaire ; les éducatrices demandent des politiques et un soutien pour un usage réflexif. Cité comme saturation d’un dilemme professionnel —ce que la documentation est en train de cesser d’être lorsque la plateforme commande—, non comme cas de biométrie ou de ClassDojo.

La NAEYC (2020) exige que les observations servent à planifier, à communiquer avec la famille et à améliorer le programme, et que le système ne se borne pas à recueillir : il doit donner du sens. Elle encourage l’enfant, dès le préscolaire, à observer et à documenter. Elle limite les évaluations numériques aux âges où l’exposition aux écrans doit être restreinte. Cadre normatif : une transcription massive que l’enfant ne peut ni lire, ni contester, ni coécrire ne satisfait pas ce critère du seul fait d’être « complète ». Dahlberg, Moss et Pence (2013) avertissent que le discours de la qualité convertit la valeur en métrique. Inférence pédagogique : un tableau de MLU, de questions par minute ou de minutes de « jeu » détectées par vision est, s’il se présente comme documentation, une rechute dans ce discours. Il peut être un apport de recherche (Elbaum et al., 2024 ; Sun et al., 2024). Ce n’est pas, sans interprétation, une histoire d’apprentissage (Carr, 2001).

Statut cumulé. Constat de tradition et de classe : documenter, c’est écouter, interpréter, négocier et, autant que possible, coécrire avec l’enfant ; les plateformes tensionnent déjà ce statut ; la NAEYC exige du sens, pas seulement de l’archive. Ce n’est pas un constat que la vision par ordinateur « voit » les cent langages. Un réseau qui classifie s’asseoir, courir ou sauter —fût-il exact— verrait un langage moteur, non la théorie que l’enfant essaie avec l’eau, le bloc ou le silence. Inférence pédagogique : remplacer le regard de l’adulte par le registre algorithmique n’est pas un raccourci technique. C’est un changement de ce qui compte comme connaissance de l’enfance.

7. Cadre inférentiel : transcrire n’est pas documenter

Le cadre qui suit est l’inférence pédagogique de cet article, ancrée dans les cas et les classiques vérifiés. Ce n’est pas une nouvelle norme internationale. Il distingue cinq épreuves. Si une proposition de « documentation avec IA » en éducation de la petite enfance ne les passe pas, elle n’est pas déployée comme solution pédagogique.

7.1. Épreuve de la transcription qui n’interprète pas. Sun et al. (2024, 2025) et Chaparro-Moreno et al. (2024) mesurent l’erreur de mot, le kappa et les unités linguistiques. Carr (2001) et Rinaldi (2006) exigent l’interprétation de dispositions, de théories et de processus. Inférence : un dossier automatique peut nourrir une histoire ; il ne l’écrit pas. Dire que le système « documente » est un abus de langage. Là où la source ne mesure pas d’interprétation située, cet article ne l’invente pas.

7.2. Épreuve du tag qui façonne le regard. White et al. (2021) et Nuttall et al. (2023) montrent que l’étiquetable et le surveillable orientent ce qui se voit et ce qui se fait. Inférence : automatiser le tag ne « libère » pas l’enseignant pour un regard plus libre ; cela peut durcir le moule. Knauf (2020) a trouvé que la discussion entre collègues est une ressource de qualité perçue. Un auto-tag n’est pas cette discussion. On ne promet pas d’économie de temps pédagogique : Knauf documente des stratégies pour créer du temps, non un effet d’IA.

7.3. Épreuve de la complétude qui n’est pas la richesse. White et al. (2021) problématisent la « complétude » comme critère de ce que les plateformes font voir. Cowan et Flewitt (2021) avertissent du design adultocentré. Blaisdell et al. (2021) montrent le portrait sans auctorialité. Inférence : un portfolio avec plus de clips n’est pas, de soi, un portfolio plus riche. La richesse, chez Carr et Lee (2012, 2019) et chez Sands et Lee (2024), est narrative, identitaire et dialogique. Aucune source nucléaire ne mesure que l’IA l’augmente.

7.4. Épreuve que le regard de l’adulte n’est pas un goulot à éliminer. Le marketing de la capture traite l’observation humaine comme biais et pénurie. La NAEYC (2020) la traite comme pratique professionnelle : stratégique, réflexive, intentionnelle, qui donne du sens. Edwards et al. (2012) et Rinaldi (2006) la traitent comme écoute chercheuse. Inférence : remplacer ce regard par un capteur ne corrige pas un défaut ; cela retire l’organe de la documentation. Elbaum et al. (2024) légitiment le capteur comme instrument de recherche sur les interactions. Le transposer au portfolio quotidien comme s’il s’agissait du même objet est un saut de genre. Cet article n’affirme pas que l’adulte voie « mieux » que la machine sur le MLU ou les minutes de mouvement : sur ces traits, Sun et al. (2025) rapportent un accord élevé. Il affirme que ces traits ne sont pas de la documentation pédagogique.

7.5. Épreuve de l’auctorialité enfantine et des cent langages. La NAEYC (2020) demande que l’enfant documente. Blaisdell et al. (2021) demandent des méthodes non seulement écrites. Edwards et al. (2012) rappellent que la parole adulte n’épuise pas l’enfant. Chaparro-Moreno et al. (2024) et Sun et al. (2025) montrent que la parole enfantine est l’angle mort relatif des transcripteurs. Inférence : un système qui entend moins bien l’enfant et qui ne lit ni le geste, ni le dessin, ni le silence, ni la théorie en acte ne peut, sans adulte, documenter une enfance de cent langages. La « capture de l’enfance » est, à proprement parler, la capture de ce que le modèle sait reconnaître.

Opérationnellement, le cadre admet : (a) transcriptions et extraits automatiques comme apport à une histoire d’apprentissage écrite et interprétée par des adultes, avec l’enfant et la famille lorsque c’est possible ; (b) plateformes numériques utilisées pour la multimodalité et le dialogue, non comme tableau de complétude ; (c) capteurs dans une recherche protocolée, non comme portfolio quotidien. Il rejette : (d) appeler documentation le dossier non interprété ; (e) vendre l’IA comme amélioration de l’observation ou comme libération pour « être avec l’enfant » sans mesure ; (f) auto-étiqueter des dispositions ; (g) traiter le regard adulte comme un bruit que l’algorithme corrige.

8. Discussion

Trois tensions organisent la discussion. La première est entre trace et signification. Sun et al. (2024, 2025) montrent qu’on peut produire, à l’échelle, une trace de parole préscolaire avec une erreur connue. Elbaum et al. (2024) ajoutent mouvement et réseaux. C’est un acquis de mesure. Rinaldi (2006), Carr (2001) et la NAEYC (2020) exigent une autre opération : donner du sens en contexte, avec d’autres, pour enseigner. Inférence : le XXIe siècle peut transcrire la classe et, en même temps, cesser de la documenter. L’abondance de traces ne résout pas la rareté d’interprétation ; elle peut la dissimuler. Cowan et Flewitt (2021) ont déjà vu cette ambivalence dans le numérique antérieur à l’IA : plus de modes, et en même temps plus de design qui exclut l’enfant.

La deuxième tension est entre efficacité et regard. Knauf (2020) documente que les enseignantes perçoivent la documentation comme interminable et inventent des stratégies —y compris la numérisation— pour la faire tenir. Le saut rhétorique du marché est : si transcrire à la main a coûté 55 heures pour 110 minutes (Sun et al., 2024), l’IA « libère ». La source ne mesure pas cette libération dans la salle : elle mesure des heures d’expert de recherche. Économiser de la transcription de laboratoire n’est pas rendre de la présence à l’adulte. Nuttall et al. (2023) décrivent, au contraire, de nouvelles actions (étiqueter, surveiller). Un enseignant qui passe la journée à étiqueter n’est pas davantage avec l’enfant. Automatiser cette médiation est une hypothèse d’intensification, non de soulagement mesuré.

La troisième tension est entre capture et écoute. La métaphore de « capturer l’enfance » traite l’enfant comme objet d’un capteur. La métaphore de l’écoute (Rinaldi, 2006) traite l’enfant comme interlocuteur d’une enquête partagée. Albin-Clark (2021) rappelle que la documentation fait des choses dans l’espace : elle convoque, résiste, appartient. Un flux de clips auto-étiquetés fera aussi des choses : normaliser que ce qui n’est pas étiqueté n’a pas eu lieu ; que ce que le modèle n’a pas transcrit n’a pas été dit ; que la disposition est un champ de formulaire. Dahlberg et al. (2013) ont appelé cela, dans un autre vocabulaire, le discours de la qualité. Restiglian et al. (2023) montrent des éducatrices qui perçoivent déjà le dilemme. Sands et Lee (2024) montrent l’autre pôle : l’histoire partagée entre enseignants comme moteur de changement pédagogique. Ce pôle est humain, lent et situé. Il n’a, dans ce corpus, pas d’équivalent algorithmique.

Si l’objet est l’éducation de la petite enfance, l’enseignant n’a pas besoin d’un capteur qui le remplace. Il a besoin de l’autorité de dire qu’une classe transcrite n’est pas, sans plus, une classe documentée, et qu’un portfolio complet n’est pas, sans plus, un enfant compris. Remplacer ce jugement par un modèle de « qui a dit quoi », c’est abdiquer la pédagogie de l’écoute. Conserver la trace comme apport et réserver le nom de documentation à l’interprétation est, dans cet article, la seule voie cohérente avec les sources vérifiées.

9. Limites

Cette revue est narrative. Elle n’applique pas un protocole PRISMA complet ni n’estime d’effets combinés sur la « qualité de l’observation » ou la « richesse du portfolio » : ces variables, comme effets de l’IA, n’apparaissent pas mesurées dans le corpus nucléaire. Sun et al. (2024, 2025) sont des actes IEEE de fiabilité de transcription en préscolaire états-unien, non des essais d’histoires d’apprentissage. Chaparro-Moreno et al. (2024) mesurent la thérapie du langage, non le coin jeu. Elbaum et al. (2024) passent en revue des capteurs de recherche, non des portfolios. Cowan et Flewitt (2021) sont trois cas londoniens de documentation numérique humaine. White et al. (2021) et Nuttall et al. (2023) sont des pilotes de six et sept enseignants. Knauf (2020) sélectionne des institutions qui documentent déjà intensément et n’étudie pas l’IA. Blaisdell et al. (2021), Sands et Lee (2024), Albin-Clark (2021) et Restiglian et al. (2023) sont des cas ou lectures situés, non des essais d’auto-étiquetage. Rinaldi (2006), Edwards et al. (2012), Carr (2001), Carr et Lee (2012, 2019), Dahlberg et al. (2013) et la NAEYC (2020) sont des classiques ou cadres, non une évidence de 2026 sur Whisper. La géographie est biaisée vers les États-Unis, le Royaume-Uni, l’Aotearoa, l’Australie, l’Allemagne, l’Italie et l’Écosse ; on n’a pas localisé, avec le même degré de vérification, un essai latino-américain de transcription automatique ou d’auto-étiquetage de portfolios en éducation de la petite enfance qui satisfasse les critères. Cette absence est un vide, non une preuve d’inexistence. Les inférences de la section 7 sont des hypothèses de seuil épistémo-pédagogique, non une évidence de mise en œuvre nationale. Cet article n’affirme pas que l’IA améliore l’observation, qu’elle libère l’enseignant pour être avec l’enfant, qu’elle rende les portfolios plus riches, ni qu’elle documente : aucune source nucléaire ne mesure ces promesses.

10. Conclusions

Dans l’éducation de la petite enfance, la documentation pédagogique face à l’intelligence artificielle ne se résout pas en accumulant des traces. Elle se résout en demandant ce qui compte comme documentation lorsqu’un système peut transcrire la classe et étiqueter le portfolio. Trois familles d’évidence vérifiée soutiennent l’argument. Les cadres automatiques de 2024–2025 transcrivent et classifient la parole préscolaire avec une erreur connue et une performance relativement pire chez l’enfant ; ce sont des instruments de recherche du « qui a dit quoi », non d’histoires d’apprentissage (Sun et al., 2024, 2025 ; Chaparro-Moreno et al., 2024 ; Elbaum et al., 2024). Les plateformes numériques orientent déjà le regard vers l’étiquetable, le traçable et le « complet », déplacent le travail vers le tag et la surveillance, et ne retrouvent une force pédagogique que lorsqu’il y a dialogue interprétatif et, autant que possible, auctorialité enfantine (Cowan et Flewitt, 2021 ; White et al., 2021 ; Nuttall et al., 2023 ; Knauf, 2020 ; Blaisdell et al., 2021 ; Sands et Lee, 2024). Les traditions de Reggio, des learning stories et de la NAEYC exigent écoute, sens, disposition et identité d’apprenant, non une archive anonyme (Rinaldi, 2006 ; Edwards et al., 2012 ; Carr, 2001 ; Carr et Lee, 2012, 2019 ; Dahlberg et al., 2013 ; NAEYC, 2020 ; Albin-Clark, 2021).

La thèse restrictive se tient. L’IA peut transcrire et étiqueter. Elle ne documente pas au sens pédagogique s’il n’y a pas d’interprétation située de l’adulte. Là où les sources ne mesurent pas que l’IA améliore l’observation, libère l’enseignant pour être avec l’enfant ou rende les portfolios plus riches, cet article ne l’invente pas. Le risque spécifique de l’éducation de la petite enfance n’est pas seulement d’extraire des données —axe d’un autre texte de cette série. C’est que cesse de compter comme documentation ce que l’adulte ne regarde plus. L’enfance ne se « capture » pas. Elle s’écoute. Et l’écoute, dans les sources ici vérifiées, demeure une pratique humaine, collégiale et, lorsque l’école n’abdique pas, aussi enfantine.

Ingeniero Mitre / Laboratorio Editorial de NEXTECH.IA

Références

  1. Albin-Clark, J. (2021). What is documentation doing? Early childhood education teachers shifting from and between the meanings and actions of documentation practices. Contemporary Issues in Early Childhood, 22(2), 140–155. https://doi.org/10.1177/1463949120917157
  2. Blaisdell, C., McNair, L. J., Addison, L., et Davis, J. M. (2021). ‘Why am I in all of these pictures?’ From Learning Stories to Lived Stories: The politics of children’s participation rights in documentation practices. European Early Childhood Education Research Journal, 30(4), 572–585. https://doi.org/10.1080/1350293X.2021.2007970
  3. Carr, M. (2001). Assessment in early childhood settings: Learning stories. SAGE. https://au.sagepub.com/en-gb/anz/assessment-in-early-childhood-settings/book10420
  4. Carr, M., et Lee, W. (2012). Learning stories: Constructing learner identities in early education. SAGE. https://uk.sagepub.com/en-gb/eur/learning-stories/book235143
  5. Carr, M., et Lee, W. (2019). Learning stories in practice. SAGE. https://uk.sagepub.com/en-gb/eur/learning-stories-in-practice/book257126
  6. Chaparro-Moreno, L. J., Gonzalez Villasanti, H., Justice, L. M., Sun, J., et Schmitt, M. B. (2024). Accuracy of automatic processing of speech-language pathologist and child talk during school-based therapy sessions. Journal of Speech, Language, and Hearing Research, 67(8), 2669–2684. https://doi.org/10.1044/2024_JSLHR-23-00310
  7. Cowan, K., et Flewitt, R. (2021). Moving from paper-based to digital documentation in Early Childhood Education: Democratic potentials and challenges. International Journal of Early Years Education, 31(4), 888–906. https://doi.org/10.1080/09669760.2021.2013171
  8. Dahlberg, G., Moss, P., et Pence, A. (2013). Beyond quality in early childhood education and care: Languages of evaluation (3e éd.). Routledge. https://doi.org/10.4324/9780203371114
  9. Edwards, C., Gandini, L., et Forman, G. (Eds.). (2012). The hundred languages of children: The Reggio Emilia experience in transformation (3e éd.). Praeger. https://www.bloomsbury.com/us/hundred-languages-of-children-9780313359811/
  10. Elbaum, B., Perry, L. K., et Messinger, D. S. (2024). Investigating children’s interactions in preschool classrooms: An overview of research using automated sensing technologies. Early Childhood Research Quarterly, 66, 147–156. https://doi.org/10.1016/j.ecresq.2023.10.005
  11. Knauf, H. (2020). Documentation strategies: Pedagogical documentation from the perspective of early childhood teachers in New Zealand and Germany. Early Childhood Education Journal, 48(1), 11–19. https://doi.org/10.1007/s10643-019-00979-9
  12. National Association for the Education of Young Children. (2020). DAP: Observing, documenting, and assessing children’s development and learning. https://www.naeyc.org/resources/position-statements/dap/assessing-development
  13. Nuttall, J., Rooney, T., Gunn, A. C., et White, E. J. (2023). The impact of digital documentation platforms on early childhood educators’ work in Australia and New Zealand. Technology, Pedagogy and Education, 32(2), 257–273. https://doi.org/10.1080/1475939X.2023.2177720
  14. Restiglian, E., Raffaghelli, J. E., Gottardo, M., et Zoroaster, P. (2023). Pedagogical documentation in the era of digital platforms: Early childhood educators’ professionalism in a dilemma. Education Policy Analysis Archives, 31(137). https://doi.org/10.14507/epaa.31.7909
  15. Rinaldi, C. (2006). In dialogue with Reggio Emilia: Listening, researching and learning. Routledge. https://www.routledge.com/In-Dialogue-with-Reggio-Emilia-Listening-Researching-and-Learning/Rinaldi/p/book/9780367427047
  16. Sands, L., et Lee, W. (2024). Teacher inquiry and learning stories: A site for pedagogical change. European Early Childhood Education Research Journal. https://doi.org/10.1080/1350293X.2024.2381118
  17. Sun, A., Feng, T., Gutierrez, G., Londono, J. J., Xu, A., Elbaum, B., Narayanan, S., Perry, L. K., et Messinger, D. S. (2025). Who said what (WSW 2.0)? Enhanced automated analysis of preschool classroom speech. En 2025 IEEE International Conference on Development and Learning (ICDL). IEEE. https://doi.org/10.1109/icdl63968.2025.11204438
  18. Sun, A., Londono, J. J., Elbaum, B., Estrada, L., Lazo, R. J., Vitale, L., Gonzalez Villasanti, H., Fusaroli, R., Perry, L. K., et Messinger, D. S. (2024). Who said what? An automated approach to analyzing speech in preschool classrooms. En 2024 IEEE International Conference on Development and Learning (ICDL) (pp. 1–8). IEEE. https://doi.org/10.1109/icdl61372.2024.10644508
  19. White, E. J., Rooney, T., Gunn, A. C., et Nuttall, J. (2021). Understanding how early childhood educators ‘see’ learning through digitally cast eyes: Some preliminary concepts concerning the use of digital documentation platforms. Australasian Journal of Early Childhood, 46(1), 6–18. https://doi.org/10.1177/1836939120979066