1. Introduction et problème

Dans la tranche d’âge de 3 à 6 ans — jardin d’enfants, préscolaire, CENDI, école infantile — s’est installé un paquet de trois artefacts qui prétendent valoir pour le développement moteur. Le premier est un système d’estimation de pose qui note « correct/incorrect » un saut ou une course : un pipeline de keypoints qui compare la trajectoire du corps à un modèle et déclare que l’enfant « a déjà bien exécuté l’habileté ». Le deuxième est un wearable qui marque des « jalons moteurs » : un dispositif qui enregistre accélérations, postures ou seuils et présente l’alerte comme si elle était un progrès moteur pédagogique. Le troisième est une application qui classe les FMS à partir de la vidéo : un modèle qui étiquette courir, sauter, lancer ou attraper et livre le score comme s’il s’agissait du développement de la motricité globale et fine. Les trois sont visibles et bon marché en temps de coordination. Ils permettent d’exhiber que le centre « fait déjà du développement moteur avec l’intelligence artificielle ». Le saut — d’obtenir un score de keypoints, de recevoir une alerte de jalon ou d’accumuler des classifications FMS à affirmer qu’il y a développement moteur — n’est autorisé ni par les preuves de vision par ordinateur ni par ce que la pédagogie de la motricité mesure lorsqu’il y a pratique située de locomotion, de contrôle d’objets et de stabilité dans des contextes de jeu actif et de médiation adulte.

La thèse de cet article est restrictive. Un système d’estimation de pose qui note « correct/incorrect » un saut ou une course, un wearable qui marque des « jalons moteurs » ou une application qui classe les FMS à partir de la vidéo ne constituent pas le développement moteur en éducation de la petite enfance. À ce stade, le développement moteur est pratique située de locomotion, de contrôle d’objets et de stabilité — habiletés motrices fondamentales cultivées dans le jeu actif, la pratique guidée et la médiation enseignante dans la cour et la classe ; observation pédagogique du mouvement qui interprète la qualité du déplacement, pas seulement la présence du geste — ; non un score de keypoints, un tableau de bord de jalons ni une étiquette automatique de « correct ». Zheng, Ye, Korivi, Liu et Hong (2022), dans une revue systématique et une méta-analyse des FMS chez les enfants de 3 à 6 ans, situent la compétence motrice fondamentale comme domaine réel de locomotion et de contrôle d’objets, non comme sortie d’un classifieur. Zhang, Tang, Geng, Li, Liu et Cai (2025) synthétisent des interventions d’active play sur les FMS : le métier est le jeu actif, non le tableau de bord. Cela n’autorise pas à traduire « l’estimation de pose est installée » par « il y a développement moteur ». Cela autorise à demander ce qui a été mesuré : souvent une erreur de keypoints ou une corrélation avec une évaluation humaine sur des tâches motrices, non la pratique réitérée et médiée lorsqu’un enfant de quatre ans court, saute, lance et s’équilibre dans la cour avec un adulte qui observe, modèle et prolonge.

Le problème s’aggrave par cinq confusions de catégorie que les fiches produit ne mentionnent pas et que cet article sépare avec rigueur. Première : le développement moteur n’est pas le STEM ni la robotique éducative — kits, séquences ou « programmer le corps » comme analogie computationnelle —. Deuxième : ce ne sont pas les fonctions exécutives comme contrôle inhibiteur, mémoire de travail ou flexibilité cognitive habillées de « motricité attentive ». Troisième : ce n’est pas le SEL comme programme de compétences socioémotionnelles globales. Quatrième : ce n’est pas le jeu libre générique sans médiation ni intentionnalité motrice. Cinquième : ce n’est pas l’évaluation formative académique — rubriques de langage ou de mathématiques appliquées à la cour —. Ce travail ne recycle pas des articles sur les interactions, les fonctions exécutives, le SEL, le STEM, la créativité artistique, le jeu libre, la documentation, la numératie ou l’oralité. La question est celle de la motricité : qu’est-ce qui compte comme développement moteur lorsqu’un centre de petite enfance « fait de l’IA et de la motricité ». Confondre le produit — estimation de pose, wearable, app FMS — avec le processus est l’erreur que ce travail nomme. Jahn et al. (2025) démontrent des plafonds techniques d’estimation de pose chez les nourrissons ; Lei et al. (2025) corrèlent la vision artificielle avec l’évaluation humaine de la coordination ; Andarage et al. (2023) proposent ECAMS comme boîte à outils de monitoring avec TGMD-2. Inférence pédagogique, marquée comme telle : le marché de « l’IA pour le développement moteur en petite enfance » hérite de cette distribution évaluative et la convertit en promesse pédagogique. Il convertit la mesure automatisée du mouvement en totalité du métier moteur.

Les contributions sont trois : reconstruire l’état de l’art qui sépare le développement moteur (FMS ; jeu actif ; médiation cour/classe ; observation pédagogique du mouvement) de la notation par keypoints, de l’alerte de jalons et de la classification FMS par vidéo ; examiner trois familles de cas empiriques ; et offrir quatre épreuves pour décider quand un jardin d’enfants peut affirmer qu’il y a développement moteur, et non seulement un système d’estimation de pose, un wearable ou une application classifiante.

2. État de l’art : de la motricité située à l’artefact qu’on exhibe

Il convient de séparer quatre strates que le marché de « l’IA pour le développement moteur en petite enfance » mélange habituellement. La première est le construit de développement moteur de 3 à 6 ans comme compétence en locomotion, contrôle d’objets et stabilité — FMS ; motricité globale et fine ; coordination — cultivée dans des contextes de jeu et de pratique (Zheng et al., 2022 ; Zhang et al., 2025 ; Zhu et al., 2025 ; NAEYC, 2022 ; OCDE, 2021). La deuxième est le métier pédagogique qui la cultive — jeu actif, pratique guidée des FMS, médiation enseignante dans la cour et la classe, observation pédagogique du mouvement — (Zhang et al., 2025 ; OCDE, 2021, 2023 ; NAEYC, 2022). La troisième est l’évidence d’estimation de pose, de vision artificielle, de monitoring d’actions, de vision par ordinateur de motricité fine et d’apps d’écriture manuscrite, plus les cartographies de l’IA en ECE (Jahn et al., 2025 ; Lei et al., 2025 ; Andarage et al., 2023 ; Kim et Neville, 2023 ; Butler, Pimenta, Tommerdahl, Fuchs et Caçola, 2019 ; Li, Fu, Zheng, Gou, Yu, Kong et Wang, 2023 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025). La quatrième est le cadre des droits, des systèmes et de la pratique appropriée au développement, qui traite l’enfant de 3–6 ans comme sujet d’une pratique motrice située, non comme vecteur de keypoints pour un pipeline de scoring (UNESCO, 2021 ; Miao et Holmes, 2023 ; Commission européenne, 2022 ; U.S. Department of Education, 2023).

Dans la strate du construit, Zheng et al. (2022) méta-analysent les différences de genre dans les FMS chez les enfants de 3 à 6 ans et situent locomotion et object control comme domaines empiriques de la compétence motrice fondamentale. Statut : constat de synthèse sur des FMS réels dans la tranche d’âge du jardin, non sur l’IA. Zhu et al. (2025) examinent avec la méthodologie COSMIN les propriétés de mesure du Test of Gross Motor Development-3 (TGMD-3) : le test est un instrument d’évaluation de la motricité globale, non la pédagogie quotidienne de la cour. Statut : constat métrologique. Inférence pédagogique, marquée comme telle : un score TGMD — humain ou automatisé — n’est pas, du seul fait d’exister, le développement moteur dans la vie de la classe. Zhang et al. (2025) incluent neuf études d’interventions d’active play sur les FMS chez des enfants au développement typique : sept rapportent un effet significatif et deux non ; les interventions durent de 45 à 60 minutes, une à quatre fois par semaine, sur des périodes de quatre semaines à six mois. Statut : constat de synthèse selon lequel le jeu actif peut améliorer les FMS, avec hétérogénéité. Inférence : le métier est l’AP médié et situable ; non un tableau de bord.

Dans la strate du métier, l’OCDE (2021) ancre la qualité de l’ECEC dans des interactions quotidiennes significatives ; l’OCDE (2023) exige que la numérisation habilite sans remplacer ces interactions. La NAEYC (2022) exige une pratique appropriée au développement : l’enfant de 3–6 ans est sujet de jeu, de mouvement et de relation, non de pipeline. Inférence : un score d’estimation de pose ne court pas avec l’enfant. Un adulte qui organise le jeu actif, modèle un lancer et observe la qualité de l’appui du pied, oui. L’observation pédagogique du mouvement interprète l’intention, l’effort, le transfert entre contextes et la sécurité ; elle ne s’épuise pas à détecter si le keypoint de la cheville a franchi un seuil.

Dans la strate des artefacts, Jahn et al. (2025) comparent des méthodes d’estimation de pose infantile marker-less 2D avec 4500 frames annotées de 75 enregistrements de fonctions motrices spontanées entre 4 et 16 semaines d’âge ; ViTPose se distingue parmi les estimateurs génériques ; la vue top-down surpasse la diagonale ; les estimateurs spécialisés pour nourrissons généralisent mal à d’autres jeux de données infantiles. Statut : constat empirique de plafond technique. Transfert explicite : l’échantillon est de nourrissons, non de 3–6 ans ; ce n’est pas la pédagogie de la motricité au jardin. Lei et al. (2025) proposent une évaluation de la coordination motrice infantile par vision artificielle avec keypoints et Dynamic Time Warping, corrélée à l’évaluation humaine : objectivité du scoring, non développement moteur pédagogique. Andarage et al. (2023) présentent ECAMS pour détecter s’asseoir, courir, marcher et sauter intégré au TGMD-2 aux âges précoces (3–5) : boîte à outils de monitoring, non substitut au jeu actif médié. Kim et Neville (2023) démontrent exactitude et faisabilité de la vision par ordinateur pour évaluer la motricité fine de la main via le suivi d’objet : constat technique ; transfert marqué lorsque l’âge des expériences ne coïncide pas avec le 3–6 du jardin. Butler et al. (2019), avec N = 125 kindergarten (expérimental 58 / contrôle 67), trouvent qu’une app d’écriture manuscrite avec stylet améliore la dextérité manuelle face aux seules fiches ; cité ici seulement comme limite/transfert technologique hors du noyau 2021–2026 : une app de tracé n’autorise pas à équivaloir app = développement moteur intégral. Li et al. (2023) intègrent le tracking visuo-moteur dans l’analyse de conduite pour le developmental coordination disorder : contexte clinique/rééducation ; transfert vers le jardin marqué. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE sans l’équivaloir au développement moteur de la cour.

Dans la strate des systèmes, l’UNESCO (2021) exige une supervision humaine. Miao et Holmes (2023) fixent validation pédagogique et seuils d’âge pour l’IA générative. La Commission européenne (2022) et le Département de l’Éducation des États-Unis (2023) s’accordent à ne pas remplacer le jugement professionnel. Inférence : un enfant de quatre ans n’est pas l’intrant d’un pipeline de keypoints ni le destinataire passif d’un wearable de jalons. Il est le protagoniste d’une pratique motrice située qu’un adulte garant organise, modèle et observe.

3. Méthode de revue

Une revue narrative critique a été réalisée, non une méta-analyse primaire. Le but n’était pas d’estimer une taille d’effet homogène de l’estimation de pose, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec transfert explicitement marqué lorsque l’échantillon n’est pas de 3–6, et avec Butler et al. (2019) seulement comme limite d’apps de tracé ; (b) développement moteur, FMS, motricité globale/fine, coordination, jeu actif, estimation de pose, vision artificielle, monitoring d’actions ou IA en éducation de la petite enfance ; (c) pertinence pour jardin, préscolaire, CENDI ou 3–6 ans ; (d) revue à pairs, DOI ou rapport de NAEYC, UNESCO, OCDE, Commission européenne ou département d’éducation ; (e) DOI ou page éditoriale vérifiable. Ont été exclus comme objet central les axes déjà utilisés dans cette série — interactions CLASS/serve-and-return, documentation pédagogique, SEL comme programme substitut, fonctions exécutives, STEM/robotique, créativité artistique, jeu libre générique, numératie, oralité, tutorat génératif, écarts, vie privée, DUA, évaluation formative académique, famille–école, formation continue — même si certains apparaissent comme limite de catégorie.

La recherche a été exécutée le 28 août 2026 (créneau 09:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Nature, BMC, MDPI, IEEE Xplore, Tsinghua Science and Technology, OECD iLibrary, UNESDOC, JAIR, NAEYC et sites éditoriaux. Chaque source a été vérifiée contre au moins une de ces pages ; les auteurs de Butler et al. (2019) et Zhu et al. (2025) ont été corrigés contre DOI/Crossref avant citation. Ont été distingués constat empirique, cadre conceptuel ou normatif, et inférence pédagogique marquée comme telle. La priorité a été donnée à la distinction développement moteur / STEM / FE / SEL / jeu libre / évaluation formative, et à la prudence de ne pas traduire une corrélation de scoring avec évaluation humaine en pédagogie de la motricité.

4. Cas 1. Estimation de pose, wearables de jalons ou apps classifiant les FMS ne constituent pas le développement moteur

Jahn, Flügge, Zhang, Poustka, Bölte, Wörgötter, Marschik et Kulvicius (2025) publient dans Scientific Reports la comparaison qui nomme le mieux le plafond du premier artefact lorsqu’on le présente comme développement moteur. Ils comparent des estimateurs marker-less 2D — génériques et spécialisés nourrissons — sur 4500 frames annotées de 75 enregistrements de mouvement spontané entre 4 et 16 semaines ; ils évaluent l’erreur par rapport à l’annotation humaine et le percentage of correct key-points ; ils trouvent que ViTPose, entraîné sur adultes, est le meilleur générique ; que le réentraînement sur données propres améliore ; que les estimateurs infantiles généralisent mal à d’autres jeux de données ; et que la vue top-down surpasse la diagonale utilisée en general movement assessment. Statut de l’évidence. Constat empirique d’exactitude d’estimation de pose chez les nourrissons. Transfert explicite : ce n’est pas un échantillon de 3–6 ans ni une pédagogie de jardin. Inférence pédagogique, marquée comme telle : c’est le geste qu’un centre copie lorsqu’il « fait de la motricité avec une IA qui note le saut ». On filme, on estime les keypoints, on déclare « correct/incorrect ». Ce qu’il y a, c’est un plafond technique de vision. Le développement moteur, chez Zheng et al. (2022) et Zhang et al. (2025), demande une pratique des FMS dans le jeu actif, non un PCK élevé sur des frames.

Lei, Shu, Yu, Shi, Li et Chen (2025) saturent le portrait du scoring de coordination. Dans Tsinghua Science and Technology, ils proposent une méthode de vision artificielle avec keypoints et Dynamic Time Warping pour évaluer la capacité de coordination motrice infantile, corrélée à l’évaluation humaine. Statut : constat d’objectivité et de faisabilité du scoring. Ce n’est pas un constat que l’installation d’un scorer de coordination développe locomotion, contrôle d’objets ou stabilité dans la vie de la cour. Inférence, marquée comme telle : corréler avec des juges humains autorise à dire qu’il y a une mesure plus reproductible ; cela n’autorise pas à déclarer « il y a déjà développement moteur ». Andarage, Fernando, Lokuarachchi, Athuluwage et Wijewickrama (2023) présentent ECAMS à IEEE PRDC : vision par ordinateur et apprentissage automatique intégrés au TGMD-2 pour détecter s’asseoir, courir, marcher et sauter aux âges précoces, comme boîte à outils de monitoring en temps réel pour éducateurs, entraîneurs et familles. Statut : constat de conception de système de monitoring. Ce n’est pas un constat que la boîte à outils remplace le jeu actif médié. Inférence : détecter la classe d’action n’est pas enseigner l’habileté ni médier la pratique.

Kim et Neville (2023) nomment la face fine du troisième artefact. Ils développent une capture 3D par vision par ordinateur avec deux caméras d’action pour le suivi d’un objet manipulé par la main et examinent exactitude et faisabilité pour détecter des changements de motricité fine manuelle. Statut : constat technique d’assessment. Transfert : lorsque les expériences ne correspondent pas à la tranche 3–6 du jardin, elles ne s’extrapolent pas comme pédagogie de petite enfance. Butler et al. (2019), hors du noyau temporel, montrent avec N = 125 que Letter School avec stylet améliore la dextérité manuelle au kindergarten face aux seules worksheets ; les deux groupes améliorent la lisibilité. Statut : constat d’app d’écriture manuscrite comme complément. Inférence restrictive : cela n’autorise pas à équivaloir app de tracé = développement moteur intégral des FMS. Li et al. (2023) clôturent avec le tracking visuo-moteur en DCD : utilité clinique/rééducation ; non pédagogie quotidienne de CENDI. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) confirment la croissance de l’IA en ECE sans évidence que l’estimation de pose, le wearable de jalons ou le classifieur FMS remplacent le métier. Inférence : un jardin qui livre « FMS corrects selon le modèle » ou « jalons moteurs atteints selon le wearable » a fait de la mesure ou du comptage. Le développement moteur se vérifie dans le fait que l’enfant a pratiqué locomotion, contrôle d’objets et stabilité avec médiation adulte dans le jeu actif. Il ne se vérifie pas dans le PCK de l’estimateur.

5. Cas 2. Ce que le jardin fait vraiment lorsqu’il y a développement moteur : jeu actif, FMS et médiation

Zheng et al. (2022) situent les FMS de 3 à 6 ans comme domaine empirique avec des différences de genre surtout en object control. Statut : constat de méta-analyse sur une compétence motrice fondamentale réelle. Ce n’est pas un constat d’IA. Inférence pédagogique, marquée comme telle : c’est l’objet qu’un centre de petite enfance peut appeler développement moteur. La motricité n’est pas un score de keypoints : c’est un domaine croissant de courir, sauter, galoper, lancer, attraper, botter, équilibrer et coordonner dans des contextes significatifs. Un wearable qui marque « jalon de saut atteint » sans pratique réitérée peut célébrer un seuil et, en même temps, vider la cour de médiation. Un classifieur FMS peut étiqueter « courir » en vidéo sans avoir capturé si l’adulte a modélisé l’impulsion, ajusté l’espace ou invité à transférer le patron vers un jeu de poursuite.

Zhang et al. (2025) saturent le métier depuis l’active play : sur 3672 enregistrements criblés, neuf études entrent dans la revue ; interventions de 45–60 minutes, une à quatre fois par semaine, de quatre semaines à six mois ; instruments TGMD-2, BOTMP, PDMS-2 et MABC ; sept études avec effet significatif sur les FMS et deux sans ; risque de biais faible dans trois et modéré dans six. Statut : constat de synthèse selon lequel l’AP tend à améliorer les FMS avec hétérogénéité. Inférence : lorsqu’il y a développement moteur en petite enfance, il y a jeu actif organisé avec intentionnalité motrice, non un flux d’alertes. Zhu et al. (2025) rappellent que le TGMD-3 a des propriétés de mesure examinables par COSMIN : le test informe l’évaluation ; il ne remplace pas la pédagogie quotidienne. L’OCDE (2021) ancre la qualité dans les interactions quotidiennes ; l’OCDE (2023) exige une numérisation subordonnée. La NAEYC (2022) exige une pratique appropriée au développement. Inférence : la médiation enseignante dans la cour/classe signifie remarquer la qualité de l’appui, la séquence du lancer, la sécurité de l’espace et l’opportunité de réitérer ; l’observation pédagogique du mouvement est lecture professionnelle, non journal de keypoints. Un tableau de bord ne modèle pas un galop. Un adulte qui organise des stations FMS, joue avec l’enfant et observe le transfert entre coins, oui.

La pratique guidée des FMS ne nie pas le jeu : elle l’oriente. Zhang et al. (2025) soulignent le potentiel de l’active play par son caractère de choix et sa facilité de diffusion, non par son automatisation. Inférence : le jardin qui « fait de la motricité » ouvre temps, espace et médiation pour locomotion, contrôle d’objets et stabilité ; documente avec un regard pédagogique si besoin ; ne déclare pas le développement accompli parce qu’ECAMS a détecté quatre classes d’action ou parce qu’un scorer de coordination a corrélé avec un juge. Andarage et al. (2023) peuvent aider au monitoring ; ils ne signent pas le développement. Lei et al. (2025) peuvent objectiver un score ; ils ne remplacent pas la pratique. Jahn et al. (2025) montrent combien l’estimation de pose reste coûteuse même dans des conditions contrôlées chez les nourrissons : un transfert qui freine le fantasme d’une cour pleinement « scorée » sans friction.

6. Cas 3. Le développement moteur n’est pas STEM, ni FE, ni SEL, ni jeu libre générique, ni évaluation formative académique

La première frontière de catégorie est le STEM/robotique. Un kit de robots, une séquence de programmation ou une métaphore du « corps comme machine » peuvent coexister dans un centre ; ils ne constituent pas, à eux seuls, le développement moteur des FMS à 3–6 ans. Statut : inférence pédagogique marquée comme telle, ancrée dans Zheng et al. (2022) et Zhang et al. (2025) comme construit moteur. Cet article ne fait pas du STEM son objet central : il le nomme pour interdire l’équivalence. Un système d’estimation de pose n’est pas non plus du « STEM moteur » : c’est une estimation géométrique du corps. Confondre « nous avons de la vision par ordinateur » avec « il y a pratique médiée de la locomotion » est l’erreur de catégorie qu’exploite le marché.

La deuxième frontière sont les fonctions exécutives. Cet article ne convertit pas la motricité en contrôle inhibiteur, mémoire de travail ou flexibilité cognitive. Li et al. (2023) sont retenus pour le tracking visuo-moteur en DCD clinique, non pour un entraînement exécutif de jardin. Inférence : lorsqu’un produit promet « améliore l’attention exécutive parce qu’il classe le saut », on a franchi un autre construit. Le développement moteur peut s’associer empiriquement à de nombreux outcomes ; il ne s’identifie pas aux FE.

La troisième frontière est le SEL. Des compétences socioémotionnelles peuvent apparaître dans la cour ; ce ne sont pas des FMS. Inférence restrictive : un wearable qui récompense des « jalons » par un renforcement émotionnel ne convertit pas le renforcement en object control. La quatrième frontière est le jeu libre générique. Le jeu libre importe ; il ne suffit pas, à lui seul, comme pratique intentionnelle des FMS s’il n’y a ni médiation, ni temps moteur, ni observation pédagogique du mouvement. Zhang et al. (2025) parlent d’active play avec potentiel sur les FMS, non de laisser la cour sans métier. La cinquième frontière est l’évaluation formative académique. Des rubriques de langage ou de mathématiques ne mesurent ni le galop ni la réception de ballon. Zhu et al. (2025) situent le TGMD-3 dans la métrologie de la motricité globale : autre instrument, autre construit. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE ; Miao et Holmes (2023) fixent des limites. Inférence : le seul usage de l’IA cohérent avec 3–6 ans demeure du côté de l’adulte qui organise le jeu actif, guide les FMS et observe le mouvement — comme soutien à la formation ou au feedback professionnel différé —, soumis à validation pédagogique. Il n’entre pas comme scorer autonome de « correct/incorrect », wearable qui remplace le jugement, ni app qui déclare les FMS accomplies.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a développement moteur, non un artefact

Le cadre qui suit est une inférence pédagogique de cet article, ancrée dans les cas et les instruments vérifiés. Ce n’est pas une nouvelle norme internationale. Il distingue quatre épreuves. Si un jardin d’enfants, préscolaire, CENDI ou école infantile ne les réussit pas, il ne peut pas déclarer qu’un système d’estimation de pose qui note « correct/incorrect », un wearable de jalons moteurs ou une application qui classe les FMS à partir de la vidéo constituent le développement moteur.

7.1. Épreuve de la pratique située de locomotion, contrôle d’objets et stabilité, non du score de keypoints. Zheng et al. (2022) définissent les FMS de 3–6 comme compétence réelle. Jahn et al. (2025) estiment la pose chez les nourrissons avec des plafonds de PCK et de généralisation. Lei et al. (2025) corrèlent la vision artificielle avec des juges humains. Inférence : l’évidence de développement se vérifie dans le fait que l’enfant a pratiqué les habiletés en contexte. Si la « preuve » du centre est un tableau de bord de keypoints ou un PCK, le centre a fait de l’estimation, non de la motricité pédagogique.

7.2. Épreuve du jeu actif et de la pratique guidée des FMS, non du détecteur d’actions. Zhang et al. (2025) documentent l’AP avec des effets hétérogènes sur les FMS dans neuf études. Andarage et al. (2023) détectent s’asseoir, courir, marcher et sauter avec ECAMS+TGMD-2. Inférence : détecter la classe d’action ne démontre ni jeu actif médié ni pratique réitérée. Une boîte à outils de monitoring peut informer ; elle ne signe pas le développement.

7.3. Épreuve de la médiation enseignante et de l’observation pédagogique du mouvement, non de l’alerte de jalon. La NAEYC (2022) et l’OCDE (2021, 2023) exigent pratique appropriée et interactions/numérisation porteuses de sens. Kim et Neville (2023) et Butler et al. (2019) montrent assessment ou apps de dextérité fine — avec transfert et limite temporelle —. Inférence : « jalon atteint » peut élever un seuil sans élever la qualité de la médiation. L’observation pédagogique lit le mouvement ; l’alerte compte un événement.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Développement moteur ≠ STEM, FE, SEL, jeu libre générique ni évaluation formative académique. Zhu et al. (2025) empêchent de confondre les propriétés du TGMD-3 avec la pédagogie quotidienne. Li et al. (2023) restent en clinique/rééducation avec transfert marqué. L’UNESCO (2021), Miao et Holmes (2023), la Commission européenne (2022), le Département de l’Éducation des États-Unis (2023), la NAEYC (2022) et l’OCDE (2021, 2023) exigent supervision humaine, validation pédagogique et de ne pas remplacer le jugement professionnel. Inférence : un centre ne peut pas traiter l’enfant comme vecteur de keypoints. Le développement moteur ne s’accomplit pas en notant mieux la vidéo du saut. Il s’accomplit en pratiquant les FMS dans le jeu actif avec des adultes qui médient et observent.

Le cadre admet le numérique lorsqu’il est subordonné à la formation enseignante et à l’observation professionnelle validée (Andarage et al., 2023, comme monitoring auxiliaire ; Lei et al., 2025, comme scoring subordonné, non comme développement déclaré). Il refuse de déclarer le développement moteur par estimation de pose autonome, wearable de jalons ou app classifiante de FMS (Jahn et al., 2025 ; Kim et Neville, 2023 ; Butler et al., 2019, comme limite).

8. Discussion

Trois tensions organisent la discussion. La première oppose exhiber un artefact de mesure du mouvement et exercer le développement moteur. C’est un constat que ViTPose et les vues top-down améliorent l’estimation de pose chez les nourrissons, avec des limites de généralisation (Jahn et al., 2025 ; transfert) ; que la vision artificielle peut corréler la coordination avec des juges humains (Lei et al., 2025) ; et qu’ECAMS détecte des actions liées au TGMD-2 (Andarage et al., 2023). C’est un cadre que le développement moteur de 3–6 se joue dans les FMS et l’active play (Zheng et al., 2022 ; Zhang et al., 2025 ; NAEYC, 2022). Ce n’est pas un constat que score, wearable ou app produisent le métier qu’exige la cour. Les trois artefacts mesurent ou étiquettent ce que l’ingénierie sait livrer et déclarent ce que seule la pratique médiée autoriserait.

La deuxième oppose assessment automatisé et pédagogie quotidienne. Zhu et al. (2025) montrent que le TGMD-3 est objet de propriétés de mesure ; Andarage et al. (2023) automatisent une détection alignée sur le TGMD-2. Inférence : insister sur le fait que le jardin « a déjà du développement moteur » parce que le modèle classe assez de sauts est une pédagogie inversée. On prend un proxy évaluatif et on le fait valoir pour la pratique de locomotion, de contrôle d’objets et de stabilité. L’enfant devient émetteur de keypoints ; l’adulte, superviseur du classifieur.

La troisième oppose app de dextérité fine et développement moteur intégral. Butler et al. (2019) améliorent la dextérité manuelle avec une app d’écriture manuscrite au kindergarten ; Kim et Neville (2023) rendent faisable l’assessment fin par vision. Inférence : fragmenter la motricité en un geste de tracé ou en un tracking d’objet et le vendre comme « développement moteur avec IA » confond la partie et le tout. Le seul usage de l’IA cohérent avec 3–6 ans demeure du côté de l’adulte qui organise le jeu actif et observe le mouvement, soumis à l’UNESCO, à la Commission européenne et au Département de l’Éducation des États-Unis. Un scorer autonome parce que le système a besoin d’un produit ne l’est pas.

Inférence pédagogique supplémentaire, marquée comme telle : la série d’artefacts — estimation de pose qui note correct/incorrect, wearable de jalons et app classifiante de FMS — partage une même économie de visibilité. Chacun produit une sortie lisible pour la coordination : un nombre, une notification, une étiquette d’habileté. L’OCDE (2021) et la NAEYC (2022) exigent, au contraire, que le développement se vérifie dans la pratique située. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) montrent la croissance du champ de l’IA en éducation de la petite enfance ; cette croissance n’autorise pas l’équivalence. Miao et Holmes (2023), l’UNESCO (2021), la Commission européenne (2022) et le Département de l’Éducation des États-Unis (2023) s’accordent à subordonner l’IA au jugement professionnel. Dans un CENDI ou un jardin, cela signifie que l’adulte demeure garant de la motricité : organise le jeu actif, guide les FMS, médie dans la cour et la classe et observe le mouvement. L’artefact peut aider la formation ou le feedback différé ; il ne peut pas signer le développement moteur.

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA ni n’estime d’effets combinés primaires. Jahn et al. (2025) portent sur des nourrissons de 4–16 semaines : transfert marqué, non jardin. Lei et al. (2025) valident un scoring de coordination, non une pédagogie quotidienne des FMS. Andarage et al. (2023) sont une conception de boîte à outils ECAMS, non un essai de développement moteur médié versus scorer autonome. Kim et Neville (2023) sont une faisabilité de vision par ordinateur en motricité fine, avec transfert d’âge le cas échéant. Butler et al. (2019) sont hors 2021–2026 et utilisés seulement comme limite d’apps de tracé (N = 125). Zhang et al. (2025) synthétisent neuf études hétérogènes d’AP, non d’IA. Zheng et al. (2022) méta-analysent le genre dans les FMS, non les artefacts. Zhu et al. (2025) examinent les propriétés du TGMD-3, non une mise en œuvre d’IA en CENDI. Li et al. (2023) sont du DCD clinique/rééducation. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non la motricité de cour comme variable primaire. NAEYC, UNESCO et OCDE sont de cadre. Aucun essai latino-américain d’IA n’a été localisé comparant jeu actif médié par l’adulte versus estimation de pose autonome ou wearable de jalons en CENDI. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une évidence d’implémentation.

10. Conclusions

Un système d’estimation de pose qui note « correct/incorrect » un saut ou une course, un wearable qui marque des « jalons moteurs » ou une application qui classe les FMS à partir de la vidéo ne constituent pas le développement moteur dans un centre d’éducation de la petite enfance. L’évidence vérifiée n’autorise pas cette déclaration. Jahn et al. (2025) montrent des plafonds d’estimation de pose sur 4500 frames de 75 enregistrements de nourrissons (4–16 semaines), avec avantages de ViTPose et de vue top-down et limites de généralisation — transfert, non pédagogie de 3–6 —. Lei et al. (2025) objectivent la coordination par vision artificielle corrélée à l’évaluation humaine. Andarage et al. (2023) détectent des actions avec ECAMS+TGMD-2 comme boîte à outils de monitoring. Kim et Neville (2023) rendent faisable l’assessment fin par vision. Butler et al. (2019) améliorent la dextérité manuelle avec une app d’écriture manuscrite au kindergarten, sans autoriser l’équivalence avec un développement moteur intégral. En revanche, lorsqu’il y a développement moteur en petite enfance, il y a pratique située des FMS : domaines réels à 3–6 ans (Zheng et al., 2022) ; active play avec effets majoritairement positifs et hétérogènes dans neuf études (Zhang et al., 2025) ; TGMD-3 comme instrument de mesure, non comme substitut de la cour (Zhu et al., 2025) ; médiation et pratique appropriée au développement (NAEYC, 2022 ; OCDE, 2021, 2023). Le développement moteur se distingue du STEM/robotique, des fonctions exécutives, du SEL, du jeu libre générique et de l’évaluation formative académique. Les guides en vigueur exigent supervision humaine, validation pédagogique et de ne pas remplacer le jugement professionnel (UNESCO, 2021 ; Miao et Holmes, 2023 ; Commission européenne, 2022 ; U.S. Department of Education, 2023 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent estimation de pose, scoring de coordination, détection d’actions ou apps de dextérité, il ne les traduit pas en développement moteur pédagogique. Accompagner les filles et les garçons de trois à six ans en motricité, c’est exercer la pratique de locomotion, de contrôle d’objets et de stabilité dans le jeu actif, avec médiation enseignante dans la cour et la classe et avec observation pédagogique du mouvement. Le reste est score de keypoints, alerte de jalons et classification algorithmique des FMS. Ce n’est pas le développement moteur en éducation de la petite enfance, et cela ne doit pas être présenté comme ce qu’il n’est pas.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Andarage, I. S. N., Fernando, D., Lokuarachchi, B. A., Athuluwage, M. G., y Wijewickrama, P. (2023). Early Childhood Action Monitoring and Analytics System (ECAMS). En 2023 IEEE 28th Pacific Rim International Symposium on Dependable Computing (PRDC) (pp. 1–6). IEEE. https://doi.org/10.1109/prdc59308.2023.00056
  2. Butler, C., Pimenta, R., Tommerdahl, J., Fuchs, C. T., y Caçola, P. (2019). Using a handwriting app leads to improvement in manual dexterity in kindergarten children. Research in Learning Technology, 27, 2135. https://doi.org/10.25304/rlt.v27.2135
  3. Chen, J. J. (2024). A scoping study on AI affordances in early childhood education: Mapping the global landscape, identifying research gaps, and charting future research directions. Journal of Artificial Intelligence Research, 81, 701–740. https://doi.org/10.1613/jair.1.16882
  4. European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756
  5. Jahn, L., Flügge, S., Zhang, D., Poustka, L., Bölte, S., Wörgötter, F., Marschik, P. B., y Kulvicius, T. (2025). Comparison of marker-less 2D image-based methods for infant pose estimation. Scientific Reports, 15, 12148. https://doi.org/10.1038/s41598-025-96206-0
  6. Kim, B., y Neville, C. (2023). Accuracy and feasibility of a novel fine hand motor skill assessment using computer vision object tracking. Scientific Reports, 13, 1813. https://doi.org/10.1038/s41598-023-29091-0
  7. Lei, Y., Shu, D., Yu, M., Shi, D., Li, J., y Chen, Y. (2025). Evaluation method of motor coordination ability in children based on machine vision. Tsinghua Science and Technology, 30(2), 633–649. https://doi.org/10.26599/tst.2024.9010069
  8. Li, R., Fu, H., Zheng, Y., Gou, S., Yu, J. J., Kong, X., y Wang, H. (2023). Behavior analysis with integrated visual-motor tracking for developmental coordination disorder. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 31, 2164–2173. https://doi.org/10.1109/tnsre.2023.3270287
  9. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54, 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  10. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  11. NAEYC. (2022). Developmentally appropriate practice in early childhood programs serving children from birth through age 8 (4.ª ed.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  12. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child. https://doi.org/10.1007/s44436-025-00023-1
  13. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  14. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  15. Su, J., y Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial Intelligence, 3, 100049. https://doi.org/10.1016/j.caeai.2022.100049
  16. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  17. U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations. U.S. Department of Education. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
  18. Zhang, X., Tang, C., Geng, M., Li, K., Liu, C., y Cai, Y. (2025). The effects of active play interventions on children’s fundamental movement skills: A systematic review. BMC Pediatrics, 25, 40. https://doi.org/10.1186/s12887-024-05385-8
  19. Zheng, Y., Ye, W., Korivi, M., Liu, Y., y Hong, F. (2022). Gender differences in fundamental motor skills proficiency in children aged 3–6 years: A systematic review and meta-analysis. International Journal of Environmental Research and Public Health, 19(14), 8318. https://doi.org/10.3390/ijerph19148318
  20. Zhu, Y., Wang, J., Ding, Y., Qian, Y., Korivi, M., Chen, Q., y Ye, W. (2025). Assessing the measurement properties of the Test of Gross Motor Development-3 using the COSMIN methodology—A systematic review. Behavioral Sciences, 15(1), 62. https://doi.org/10.3390/bs15010062