1. Introduction et problème

Dans la salle des trois à six ans s’est installé un paquet de trois artefacts qui prétendent valoir pour de l’éducation socioémotionnelle. Le premier est conversationnel : un chatbot qui « parle d’émotions » avec l’enfant, ou avec l’éducatrice en son nom. Le deuxième est perceptuel : un détecteur d’affect qui, par caméra ou microphone, classe visages, voix ou postures dans un menu — joie, tristesse, colère, peur, surprise, dégoût, neutre — et livre un tableau de bord. Le troisième est lexical : une application qui nomme des sentiments ou traduit un conflit en étiquette. Les trois sont visibles, auditables et bon marché en temps de planification. Ils permettent d’exhiber que le jardin « fait déjà du SEL avec l’intelligence artificielle ». Le saut énonciatif est énorme : on passe de classer, nommer ou dialoguer avec un modèle à affirmer qu’il y a éducation socioémotionnelle. Ce saut n’est autorisé ni par l’évidence du SEL de la petite enfance ni par la science de l’affect.

La thèse de cet article est restrictive. Un chatbot d’émotions, un détecteur d’affect ou une application qui nomme des sentiments ne constituent pas une éducation socioémotionnelle. Le SEL de la petite enfance est interaction située, co-régulation et jeu ; pas la classification d’un visage ni le dialogue avec un modèle. CASEL le définit comme le processus par lequel enfants et adultes acquièrent et appliquent des connaissances, des compétences et des attitudes pour développer des identités saines, gérer les émotions, ressentir et montrer de l’empathie, maintenir des relations de soutien et prendre des décisions responsables et bienveillantes (Chen, Liang et Lin, 2025, citant CASEL, 2020). Ce processus n’a pas lieu devant une caméra ni dans un chat. Il a lieu lorsqu’une éducatrice reflète l’affect négatif, nomme ce qui se passe, valide sa pertinence situationnelle et, par une consigne métacognitive, invite l’enfant à imaginer comment se réguler (Silkenbeumer et al., 2024). Il a lieu dans le jeu conjoint, pratique hebdomadaire des centres d’éducation initiale selon TALIS Starting Strong 2024 (OECD, 2025). Il a lieu entre des personnes qui partagent un conflit, un tour, un matériel ou une attente.

Le problème s’aggrave pour une raison de métier que les fiches produit omettent. Starting Strong VI ancre la qualité de l’éducation de la petite enfance dans la qualité de processus : les interactions quotidiennes avec les adultes, les pairs, les matériaux et l’espace sont le moteur le plus proximal du développement, de l’apprentissage et du bien-être (OECD, 2021). Détecteur, chatbot et application extraient un signal, lui assignent une catégorie et renvoient un rapport. Ils peuvent produire une donnée. Ils ne produisent pas de co-régulation. Il y a, de plus, un seuil d’âge. Le Guide de l’UNESCO pour l’IA générative en éducation et en recherche propose une limite — treize ans, dans la communication institutionnelle de 2023 — pour les conversations indépendantes avec des plateformes génératives, et exige une validation pédagogique (Miao et Holmes, 2023). Une fille de quatre ans n’est pas une utilisatrice autonome d’un modèle. La traiter comme interlocutrice d’un chatbot d’émotions ou comme objet d’un détecteur d’affect n’est pas « faire du SEL » : c’est déplacer l’acte éducatif vers une classification.

Ce travail ne recycle pas les axes déjà traités dans cette série. La question est de catégorie pédagogique : qu’est-ce qui compte comme éducation socioémotionnelle lorsqu’un centre d’éducation initiale « fait de l’IA ». Les contributions sont trois : reconstruire l’état de l’art qui sépare le SEL situé de l’informatique affective ; examiner trois familles de cas — un déploiement scolaire de reconnaissance d’émotion, la littérature de 2025 qui promet d’identifier et d’« intervenir » sur les états émotionnels des préscolaires, et ce que les classes de jardin font réellement lorsqu’il y a du SEL ; et offrir quatre épreuves pour décider quand un jardin peut affirmer qu’il éduque socioémotionnellement, et non seulement qu’il classe, nomme ou discute.

2. État de l’art : du SEL situé à l’étiquette faciale

Il convient de séparer quatre strates que le marché de « l’IA socioémotionnelle » mélange souvent. La première est le SEL de la petite enfance comme apprentissage social, incarné et situé. La deuxième est la co-régulation : le travail adulte de modulation, avec le corps, la voix et le tour de parole, de l’état d’un enfant qui ne se régule pas encore seul. La troisième est l’informatique affective : des systèmes qui infèrent des émotions à partir de données biométriques ou textuelles. La quatrième est le cadre de droits et d’interdiction, qui en Europe traite déjà cette inférence dans les institutions éducatives comme une pratique inacceptable, hors exceptions médicales ou de sécurité.

Dans la strate du SEL, Cipriano et collègues (2023) offrent la synthèse contemporaine la plus large des interventions scolaires universelles : 424 études de 53 pays, 252 programmes discrets et 575 361 élèves de la maternelle à la terminale, publiés entre 2008 et 2020. Les participants améliorent, par rapport aux contrôles, compétences, attitudes, conduites, climat et sécurité scolaires, relations entre pairs, fonctionnement scolaire et réussite académique. L’hétérogénéité des contenus, de la mise en œuvre et du contexte module les effets (Cipriano et al., 2023). Cette évidence n’autorise pas à traiter un détecteur ou un chatbot comme « un programme SEL ». Les programmes du méta-analyse sont des interventions scolaires universelles, non des classifieurs. Hayashi, Liew, Aguilar, Nyanamba et Zhao (2022) rappellent en outre que le SEL scolaire est né en Amérique du Nord et ne s’est pas traditionnellement centré sur des processus incarnés, situés dans le contexte et l’expérience vécue de l’apprenant. Les compétences socioémotionnelles transférables sont, soutiennent-ils, intrinsèquement situées et incarnées. Un menu de six émotions extrait d’une image n’est pas ce processus.

Dans la strate de la co-régulation, Kostøl et Kovač (2024) la définissent comme des interactions chaleureuses, réceptives et de soutien entre l’adulte et l’enfant, qui offrent guidance et modulation des émotions, des conduites et des pensées. Dans 24 extraits de huit dyades (enfants de 2 à 8 ans), ils identifient trois éléments de base : la réponse adulte à une initiative, la négociation et l’accordage ; ce dernier définit la qualité des deux autres. Silkenbeumer et al. (2024) portent cette définition dans la classe d’éducation infantile. Avec des vidéos dans 19 groupes, 48 enseignants et 213 enfants de 2 à 6 ans, ils constatent que l’emotion coaching initial — refléter l’expression d’affect négatif, étiqueter le sentiment et valider sa pertinence situationnelle — et la co-régulation par des consignes métacognitives s’associent à l’autorégulation indépendante des enfants. Mänty et al. (2022) conçoivent, sur la même prémisse, un programme collaboratif de 32 semaines pour 450 professionnels de 60 centres dans sept municipalités du nord de la Finlande : l’objet n’est pas un tableau de bord d’émotions, mais la capacité partagée d’offrir une co-régulation consciente et consistante dans les interactions quotidiennes. Richard, Cavadini, Dalla-Libera, Angonin, Alaria, Lafay, Berger et Gentaz (2025), avec 1 285 enfants de 3 à 5 ans, montrent que la compréhension émotionnelle s’améliore avec l’âge, et que l’étiquetage d’expressions faciales sans contexte demeure la tâche la plus complexe. Inférence, marquée comme telle : si même l’étiquetage humain de visages décontextualisés n’est pas la voie la plus accessible à 3–5 ans, un système qui « nomme des sentiments » à partir d’une image ne peut se présenter comme la forme privilégiée du SEL de jardin.

Dans la strate de l’informatique affective, l’hypothèse d’un mapping fiable et spécifique entre états émotionnels et configurations faciales ne tient pas avec la robustesse dont le produit a besoin. Le Mau, Hoemann, Lyons, Fugate, Brown, Gendron et Barrett (2021) analysent 604 photographies d’acteurs professionnels qui posent des états émotionnels devant des scénarios riches en contexte. L’apprentissage automatique non supervisé et supervisé constate que les acteurs retracent ces états avec des configurations faciales variables ; seules trois catégories — peur, bonheur et surprise — sont retracées avec une fiabilité et une spécificité modérées. Les inférences d’émotion des observateurs varient aussi de manière sensible au contexte. Crawford (2021) résume le désaccord scientifique de fond : il n’existe pas d’évidence fiable que l’IA détecte des émotions, et pourtant l’industrie de la reconnaissance émotionnelle était projetée vers 37 milliards de dollars en 2026. Le geste pédagogique que cet article conteste — traiter la classification comme du SEL — se nourrit de cette industrie, non de l’évidence de classe.

Dans la strate des droits, le paragraphe 128 de la Recommandation de l’UNESCO demande des politiques de sensibilisation sur l’anthropomorphisation des technologies d’IA et sur celles qui reconnaissent et imitent les émotions humaines, en particulier dans l’interaction robot-humain et surtout lorsqu’il y a des enfants (UNESCO, 2021). Le paragraphe 127 exige d’identifier si l’on interagit avec un être vivant ou avec un système qui imite l’humain, et de pouvoir refuser cette interaction. UNICEF (2021) exige de soutenir le développement et de prioriser l’intérêt supérieur de l’enfant. Le règlement (UE) 2024/1689, article 5, paragraphe 1, point f), interdit de mettre sur le marché, de mettre en service à cette fin ou d’utiliser des systèmes d’IA pour inférer des émotions sur le lieu de travail et dans les institutions éducatives, sauf raisons médicales ou de sécurité (Union européenne, 2024). Les lignes directrices de février 2025 précisent que les institutions éducatives couvrent tous les types et niveaux, et qu’un tableau de bord général de « bien-être » de la classe n’entre pas dans l’exception médicale (European Commission, 2025). Le guide éthique de 2022 et le rapport du Département de l’éducation des États-Unis coïncident pour ne pas remplacer le jugement professionnel ni l’enseignant (European Commission, 2022 ; U.S. Department of Education, 2023). Inférence : le jardin ne peut traiter un enfant de quatre ans comme utilisateur d’un chatbot ni comme objet d’un détecteur, ni appeler SEL ce que le droit européen classifie déjà, sur son territoire, comme pratique interdite.

3. Méthode de revue

Une revue narrative critique a été menée, non une méta-analyse. Le propos n’était pas d’estimer une taille d’effet homogène entre un déploiement commercial, des articles de vision par ordinateur et des observations de classe, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026 ; (b) SEL, co-régulation ou enseignement socioémotionnel dans la petite enfance, ou reconnaissance d’émotion et affective computing dans les écoles ou préscolaires ; (c) pertinence pour le jardin, la maternelle, les CENDI ou 3–6 ans ; (d) revue à pairs, DOI ou rapport UNESCO, OECD, UNICEF, Union européenne, Commission européenne ou ministère ; (e) DOI ou page éditoriale vérifiable. Les axes déjà utilisés dans cette série, y compris le leadership et la direction de centres, ont été exclus.

La recherche a été exécutée le 25 août 2026 sur des pages DOI, Springer, Elsevier, Frontiers, Nature, MDPI, Wiley, IEEE, SPIE, OECD iLibrary, UNESDOC, UNICEF, EUR-Lex, Commission européenne et CASEL. Chaque source a été vérifiée contre au moins une de ces pages. Le corpus a été organisé en déploiement scolaire de reconnaissance d’émotion ; systèmes de 2025 qui promettent d’identifier et d’intervenir ; et évidence de SEL et de co-régulation dans la salle.

L’analyse a distingué trois statuts énonciatifs. Constat empirique : ce qui a été observé ou mesuré dans l’échantillon. Cadre conceptuel ou normatif : ce qu’un cadre, un guide ou un règlement prescrit. Inférence pédagogique : la traduction vers les jardins, maternelles, CENDI et écoles infantiles, marquée comme telle. Les limites sont celles d’une revue narrative (section 9).

4. Cas 1. Lire le visage n’est pas éduquer : 4 Little Trees et l’équivalence interdite

Crawford (2021) documente, dans Nature, le cas qui illustre le mieux le saut que la thèse refuse. Pendant la pandémie, des entreprises technologiques ont poussé des outils non éprouvés de reconnaissance d’émotion vers les lieux de travail et les écoles. Un système appelé 4 Little Trees, développé à Hong Kong par Find Solution AI, affirme évaluer les émotions des élèves pendant le travail de classe. Il cartographie des traits faciaux pour assigner l’état émotionnel de chaque élève à une catégorie — bonheur, tristesse, colère, dégoût, surprise, peur — et, de plus, estime la « motivation » et pronostique des notes. Le reportage CNN que Crawford ancre décrit l’usage au True Light College : pendant que les élèves travaillent sur des tests et des devoirs, l’IA mesure des points musculaires du visage via la caméra de l’ordinateur ou de la tablette. La fondatrice a déclaré une exactitude de 85 % à Hong Kong. Le nombre d’écoles utilisant le système dans cette juridiction est passé de 34 à 83 en un an ; les prix allaient de 10 à 49 dollars par élève et par cours. Crawford elle-même rappelle qu’une revue de 2019 n’a pas trouvé d’évidence fiable que l’IA détecte des émotions, et que Rosalind Picard — figure fondatrice de l’informatique affective — avait demandé une régulation (Crawford, 2021).

Statut de l’évidence. Constat empirique de déploiement, non d’efficacité pédagogique : en 2021, des dizaines d’écoles de Hong Kong ont acheté un système qui classe des visages, estime la motivation et pronostique des notes, et l’ont présenté comme un soutien à la classe — voire comme une amélioration par rapport à la classe présentielle. Ce n’est pas un constat d’éducation initiale : True Light College est secondaire, et le produit a surtout été vendu dans l’enseignement à distance. Ce n’est pas un constat que la classification produit co-régulation, empathie, compétences relationnelles ou prise de décision responsable. Ce n’est pas un constat de validité transculturelle : l’entreprise elle-même avertissait que des communautés ethniquement plus mixtes seraient un défi plus grand. Inférence pédagogique, marquée comme telle : le geste qu’un jardin copie lorsqu’il « fait du SEL avec un détecteur » est exactement celui-ci. On prend un signal facial, on lui assigne une de six étiquettes et on déclare qu’il y a éducation socioémotionnelle. Ce qu’il y a, c’est un dossier d’affect. Le SEL de CASEL n’est pas un pronostic de notes à partir d’un muscle. C’est un processus d’acquérir et d’appliquer des connaissances, des compétences et des attitudes dans des relations réelles (Chen et al., 2025). Un tableau de bord de « bonheur » n’est pas ce processus.

La saturation scientifique est nette. Le Mau et al. (2021) montrent que même des acteurs professionnels, devant des scénarios riches, ne produisent pas les configurations prototypiques dont le détecteur a besoin. Richard et al. (2025) montrent que, pour 1 285 préscolaires, étiqueter des expressions faciales sans contexte est la plus difficile des trois tâches mesurées. Hayashi et al. (2022) rappellent que le SEL de la petite enfance est incarné et situé. Inférence : un système entraîné à forcer des visages dans six catégories — et, dans le cas de 4 Little Trees, à pronostiquer des notes — ne « lit » pas le SEL d’un enfant de quatre ans. Il lit une image avec le vocabulaire d’Ekman que l’industrie a adopté parce qu’il tenait dans la vision par ordinateur (Crawford, 2021). Appeler cela éducation socioémotionnelle est une erreur de catégorie.

5. Cas 2. Identifier l’état émotionnel du préscolaire n’est pas intervenir pédagogiquement

En 2025, la littérature d’ingénierie réitère le geste de 4 Little Trees avec le vocabulaire de « l’intervention » et le rapproche, cette fois, du préscolaire. Xin, Zhang et Zhang (2025) présentent, au congrès MVDL, un travail dont l’objectif déclaré est d’utiliser l’apprentissage profond pour identifier avec exactitude l’état émotionnel d’élèves préscolaires et, à partir de là, de développer des stratégies d’intervention. Ils construisent une base d’expressions faciales, de parole et de texte ; classent les visages avec un CNN, les traits émotionnels de la voix avec un RNN et les tendances textuelles avec un modèle de sentiment ; et concluent que la reconnaissance automatique a une « haute exactitude et fiabilité ». Wang et Dong (2025), affiliés à un collège d’éducation préscolaire en Mongolie-Intérieure, proposent un AFCNN pour la « reconnaissance psychologique émotionnelle » infantile : 86,5 % d’exactitude sur leur ensemble CME, 14,4 points au-dessus des CNN traditionnels, avec des revendications de généralisation inter-âges et de performance en temps réel. Un article UBMK 2025 décrit un système de reconnaissance d’émotion « pour surveiller les émotions des enfants dans les institutions préscolaires » : CNN, entraînement sur FER-2013 — un ensemble de sept catégories construit surtout avec des visages d’adultes —, 81,32 % d’exactitude en entraînement et validation, et diffusion des résultats aux éducateurs et aux familles par une application Django et un bot Telegram. Le résumé affirme que la méthode « améliore l’observation continue des états psychoémotionnels dans les jardins », « promeut des stratégies d’intervention opportune » et « favorise la communication » entre familles et institutions.

Statut de l’évidence. Constat de laboratoire de classification : étant donné certaines images, voix ou textes, un réseau atteint un taux de réussite contre des étiquettes d’entraînement. Ce n’est pas un constat de SEL. Aucun de ces travaux n’observe la co-régulation, le jeu conjoint, la qualité de processus ni les cinq compétences CASEL dans une salle de 3–6 ans. FER-2013 n’est pas un corpus de jardin. Un bot Telegram qui alerte la famille que le modèle a classé « tristesse » n’est pas de l’emotion coaching. Inférence pédagogique, marquée comme telle : le mot « intervention » dans ces résumés opère le même saut que la thèse interdit. On passe d’un succès de classification à une stratégie pédagogique. Silkenbeumer et al. (2024) montrent ce qu’est une intervention dans ce champ : une enseignante qui, après une expression d’affect négatif, reflète, nomme, valide et interroge. Cela se passe dans la seconde du conflit, le corps présent. Un système qui identifie et « disséminer des résultats » produit un rapport. Le rapport peut arriver plus tard, à quelqu’un d’autre, détaché de la situation. Confondre le rapport avec l’intervention est l’erreur.

Araguas, Blanchard, Derégnaucourt, Chopin et Guellai (2025) offrent un contraste et une limite. Soixante-deux enfants de 3 à 6 ans, assignés au hasard à un démonstrateur humain ou à un robot NAO, ont accompli des tâches de corps, d’imitation et de reconnaissance d’émotions à partir de postures. Il n’y a pas eu d’effets principaux du type de démonstrateur sur la plupart des tâches ; l’âge a prédit la performance entre 3 et 6 ans, avec une interaction âge × démonstrateur sur l’imitation motrice séquentielle, plus forte dans la condition humaine. Les auteurs suggèrent que des robots sociaux bien conçus pourraient être des suppléments de l’apprentissage incarné dans des conditions spécifiques (Araguas et al., 2025). Statut : constat de laboratoire sur l’étiquetage et l’imitation, non de SEL de salle. Inférence : identifier une posture de « peur » sur un robot n’est pas de la co-régulation. Un robot qui démontre des étiquettes ne soutient pas un enfant qui pleure parce qu’on lui a pris son tour. L’UNESCO (2021) demande de ne pas anthropomorphiser les technologies qui reconnaissent et imitent des émotions, surtout avec des enfants, et de permettre de refuser l’interaction. Réussir une tâche n’élude pas cet avertissement.

6. Cas 3. Ce que le jardin fait quand il y a du SEL : enseignement situé et co-régulation

Chen, Liang et Lin (2025) ont publié dans Early Childhood Education Journal (vol. 53, p. 1521–1537) une étude observationnelle dans quatre classes de kindergarten à Hong Kong. L’équipe a réalisé 20 séances vidéographiées de l’enseignement socioémotionnel (SET) de quatre enseignantes et du SEL de 71 enfants pendant l’instruction en groupe entier. Ils ont codé les énoncés des enseignantes et des enfants selon les cinq compétences CASEL — conscience de soi, autogestion, conscience sociale, compétences relationnelles et prise de décision responsable — et, pour chaque compétence, l’une de quatre stratégies : dire/commander/diriger, expliquer, interroger et affirmer/confirmer. Enseignantes et enfants ont le plus souvent manifesté la prise de décision responsable. Sauf pour la conscience sociale, le SET des enseignantes et le SEL des enfants dans les quatre autres compétences se sont corrélés de manière significative et forte — par exemple, conscience de soi r = 0,90, p < 0,001. Les enseignantes ont surtout utilisé l’interrogation ; les enfants, surtout le dire (92 % de leurs énoncés). Il y a eu des corrélations entre l’interrogation enseignante et le dire infantile, entre l’interrogation enseignante et l’explication infantile, et entre l’explication enseignante et l’explication, l’interrogation et l’affirmation infantiles. Les auteurs interprètent qu’un apprentissage social était à l’œuvre : les enfants observaient, modelaient et imitaient l’enseignement socioémotionnel de leurs enseignantes dans le contexte de l’enseignement, non face à une application (Chen et al., 2025).

Statut de l’évidence. Constat empirique de classe de jardin : le SEL, lorsqu’il est observé en instruction de groupe, apparaît comme un tissu d’énoncés entre enseignantes et enfants, avec de fortes concordances dans quatre des cinq compétences CASEL. Ce n’est pas un constat d’IA. Ce n’est pas un constat qu’un détecteur ou un chatbot reproduise ces concordances. Inférence pédagogique, marquée comme telle : voilà l’objet qu’un centre d’éducation initiale peut appeler, à bon droit, éducation socioémotionnelle. C’est une interaction linguistique et sociale, située dans un thème — dans l’extrait qualitatif, le partage —, médiée par les questions adultes et par le dire des enfants. Un classifieur de visages n’interroge pas. Un chatbot qui nomme « tu es triste » n’attend pas les 92 % d’énoncés infantiles que Chen et al. enregistrent comme « dire ». Le SEL est dans le tour de parole, non dans l’étiquette.

Silkenbeumer et al. (2024) saturent le portrait au moment du conflit. Dans 19 groupes d’éducation infantile, avec 48 enseignants et 213 enfants de 2 à 6 ans, ils analysent des épisodes où l’enseignante intervient après une expression d’émotion négative d’un ou deux enfants. Les résultats multiniveaux montrent que l’emotion coaching initial et la co-régulation par consignes métacognitives s’associent à l’autorégulation indépendante. Le coaching et la co-régulation s’associent aussi de manière systématique aux caractéristiques de l’épisode, surtout la qualité et l’intensité de l’émotion. L’impact énoncé est précis : les enseignants d’ECEC jouent un rôle significatif pour soutenir l’autorégulation ; refléter, étiqueter et valider, et demander à l’enfant des idées pour se réguler, promeuvent l’autorégulation des émotions négatives (Silkenbeumer et al., 2024). Mänty et al. (2022) traduisent cette évidence en un programme de 32 semaines pour 450 professionnels : l’objet d’apprentissage de l’adulte est d’offrir une co-régulation consciente et consistante dans les interactions quotidiennes, non d’opérer un tableau de bord. Kostøl et Kovač (2024) rappellent que l’accordage adulte est l’élément qui définit la qualité de l’initiative et de la négociation. OECD (2021) situe ces interactions comme qualité de processus. OECD (2025) situe le jeu conjoint parmi les pratiques hebdomadaires de la direction des centres d’éducation initiale.

Statut de l’évidence. Constat empirique : le SEL de 2 à 6 ans, lorsqu’il est mesuré dans la salle, est co-régulation située dans l’épisode émotionnel, enseignement socioémotionnel dans la parole de la classe, et — comme contexte, non comme objet de cet article — jeu conjoint. Cadre : CASEL 5 ; qualité de processus ; co-régulation comme précurseur de l’autorégulation. Inférence : étiqueter un sentiment peut être une étape de l’emotion coaching, mais seulement lorsque l’éducatrice le fait dans l’épisode, reflète et valide, et ouvre une consigne. Extrait de cette triade et remis à un modèle ou à une application, l’étiquetage cesse d’être du coaching et devient classification. Cipriano et al. (2023) montrent que les programmes SEL scolaires universels — non les classifieurs — s’associent à des améliorations. Confondre le succès d’un CNN avec ces programmes est, encore, le saut.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a du SEL, non un classifieur

Le cadre qui suit est l’inférence pédagogique de cet article, ancrée dans les cas et dans les instruments vérifiés. Ce n’est pas une nouvelle norme internationale. Il distingue quatre épreuves. Si un jardin, une maternelle, un CENDI ou une école infantile ne les passe pas, il ne peut déclarer qu’un chatbot d’émotions, un détecteur d’affect ou une application qui nomme des sentiments constituent une éducation socioémotionnelle.

7.1. Épreuve de l’interaction située, non de l’image. Chen et al. (2025) montrent le SEL comme concordance d’énoncés dans l’enseignement. OECD (2021) montre la qualité de processus comme interactions quotidiennes. Hayashi et al. (2022) rappellent que le SEL de la petite enfance est incarné et situé. Inférence : l’évidence de SEL se vérifie dans le tour de parole, le conflit, le matériel partagé et le jeu conjoint, non dans un recadrage facial. Si « l’évidence » que le centre fait du SEL est un tableau de six émotions ou un journal de chat, le centre a fait de la gestion de produit, non de l’éducation socioémotionnelle.

7.2. Épreuve de la co-régulation, non de l’étiquette. Silkenbeumer et al. (2024) décomposent l’intervention efficace : refléter, nommer, valider, interroger. Kostøl et Kovač (2024) placent l’accordage comme critère de qualité. Mänty et al. (2022) forment 450 professionnels à offrir cet accordage de manière consciente. Inférence : nommer un sentiment est un moyen, non une fin, et ne compte qu’à l’intérieur d’une triade de présence adulte. Un détecteur qui nomme sans refléter ni valider, ou un chatbot qui nomme sans être dans le conflit, échoue à l’épreuve par construction. L’étiquetage décontextualisé est, de plus, la voie la plus difficile à 3–5 ans (Richard et al., 2025) et manque du mapping fiable que le produit suppose (Le Mau et al., 2021).

7.3. Épreuve des droits et du seuil d’âge, non de l’utilisateur de la plateforme. Miao et Holmes (2023) fixent un seuil d’âge pour les conversations indépendantes avec des plateformes génératives. UNESCO (2021) exige de ne pas anthropomorphiser les technologies qui reconnaissent et imitent des émotions, surtout avec des enfants, et de permettre d’identifier et de refuser l’interaction avec un système qui imite l’humain. UNICEF (2021) exige l’intérêt supérieur de l’enfant. Le règlement (UE) 2024/1689 interdit d’inférer des émotions dans les institutions éducatives, avec des exceptions médicales ou de sécurité qu’un tableau de « bien-être » de classe ne remplit pas (Union européenne, 2024 ; European Commission, 2025). Inférence : un centre d’éducation initiale ne peut traiter l’enfant de 3–6 ans comme interlocuteur autonome d’un chatbot d’émotions ni comme objet d’un détecteur d’affect. Le seuil de treize ans ne se « respecte » pas en abaissant l’âge de l’utilisateur. On le respecte en ne déployant ni la conversation indépendante ni l’inférence biométrique. Sur le territoire européen, le détecteur dans la salle n’est pas une innovation pédagogique : c’est, hors exception étroite, une pratique interdite.

7.4. Épreuve du programme SEL, non du succès du réseau. Cipriano et al. (2023) synthétisent 252 interventions scolaires universelles. Xin et al. (2025) et Wang et Dong (2025) rapportent des exactitudes de classification. Crawford (2021) documente un produit qui, de plus, pronostique des notes. Inférence : l’évidence de SEL n’est pas un F1 ni un 86,5 %. C’est un processus d’enseignement et de relation, avec une mise en œuvre de qualité. Un article de vision par ordinateur qui « développe des interventions » à partir d’un CNN, ou un bot qui signale « tristesse », n’est pas ce processus.

Le cadre admet le nommage de sentiments comme étape de l’emotion coaching (Silkenbeumer et al., 2024) ; des programmes SEL universels avec évidence de mise en œuvre (Cipriano et al., 2023) ; et, comme supplément et sans anthropomorphiser, un robot dans des tâches incarnées (Araguas et al., 2025 ; UNESCO, 2021). Il refuse de déclarer du SEL par un chatbot, un détecteur dans la salle, une application d’étiquettes hors de l’épisode, un succès de classification sur FER-2013 ou une autre banque de visages d’adultes, ou le traitement de l’enfant d’éducation initiale comme utilisateur de modèles génératifs (Crawford, 2021 ; Union européenne, 2024 ; Xin et al., 2025 ; Wang et Dong, 2025 ; Miao et Holmes, 2023).

8. Discussion

Trois tensions organisent la discussion. La première est entre classer et éduquer. C’est un constat que des écoles ont acheté un système qui cartographie des visages vers six émotions, estime la motivation et pronostique des notes (Crawford, 2021) ; qu’en 2025 sont publiés des systèmes qui identifient les états émotionnels des préscolaires et promettent une intervention (Xin et al., 2025 ; Wang et Dong, 2025) ; et que la science de l’affect n’autorise pas le mapping fiable dont ces systèmes ont besoin (Le Mau et al., 2021). C’est un cadre qu’inférer des émotions dans les institutions éducatives est interdit dans l’Union européenne hors exceptions étroites (Union européenne, 2024). Ce n’est pas un constat que classer un visage produise les cinq compétences CASEL. La politique des trois artefacts — chatbot, détecteur, application — mesure ce que l’ingénierie sait mesurer et déclare ce que seul le SEL situé autoriserait.

La deuxième est entre l’étiquette et la triade du coaching. Silkenbeumer et al. (2024) montrent que l’étiquetage compte lorsqu’il va avec le reflet, la validation et une consigne, dans l’épisode, l’enseignante présente. Chen et al. (2025) montrent que le SEL de jardin vit dans l’interrogation adulte et dans le dire des enfants. Richard et al. (2025) montrent qu’étiqueter des visages sans contexte est la tâche la plus difficile à 3–5 ans. Extraire l’étiquette, l’automatiser et la renvoyer par Telegram ou par un chat inverse la séquence : on produit le nom de l’affect sans la relation qui le rend éducatif. Dans la petite enfance, le nom sans la relation n’est pas une alphabétisation émotionnelle. C’est un vocabulaire détaché.

La troisième est entre l’artefact qui imite des émotions et l’adulte qui co-régule. Araguas et al. (2025) constatent qu’en laboratoire, le type de démonstrateur ne change pas la majorité des scores ; l’âge oui. UNESCO (2021) demande de ne pas anthropomorphiser et de permettre de refuser l’interaction. Miao et Holmes (2023) demandent un seuil d’âge. Un chatbot d’émotions opère, par conception, cette anthropomorphisation : il parle comme s’il sentait et s’offre comme partenaire de régulation à qui a encore besoin d’un corps adulte. Mänty et al. (2022) et Kostøl et Kovač (2024) situent ce partenaire dans l’accordage humain. OECD (2021, 2025) situe le développement dans les interactions et dans le jeu conjoint. Un modèle ne joue pas. Un détecteur n’accorde pas.

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA ni n’estime d’effets combinés. 4 Little Trees est un déploiement en secondaire et en enseignement à distance, non un essai de jardin ; le transfert à 3–6 ans est une inférence. Xin et al. (2025) et Wang et Dong (2025) sont des articles de classification ; celui de UBMK 2025 est cité par DOI et résumé vérifiés, sans gonfler des auteurs non récupérés sur la page éditoriale. Araguas et al. (2025) est un laboratoire avec NAO, non un SEL curriculaire. Chen et al. (2025) observe quatre classes en instruction de groupe. Silkenbeumer et al. (2024) et Mänty et al. (2022) sont de la co-régulation sans IA. Cipriano et al. (2023) couvrent K–12. Le Mau et al. (2021) utilisent des acteurs professionnels. Richard et al. (2025) mesurent la compréhension émotionnelle, non des produits d’IA. UNESCO, UNICEF, l’Union européenne et les guides 2022–2023 sont prescriptifs. Aucun essai latino-américain de SEL et d’IA en éducation initiale n’a été localisé avec le même degré de DOI. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une évidence de mise en œuvre.

10. Conclusions

Un chatbot d’émotions, un détecteur d’affect ou une application qui nomme des sentiments ne constituent pas une éducation socioémotionnelle dans un centre d’éducation initiale. L’évidence vérifiée n’autorise pas cette déclaration. Des écoles qui ont acheté un système de reconnaissance d’émotion ont classé des visages, estimé la motivation et pronostiqué des notes ; c’est de la surveillance affective, non du SEL (Crawford, 2021). Des articles de 2025 atteignent des exactitudes de classification et appellent « intervention » l’envoi d’un rapport ; c’est de l’ingénierie, non de la co-régulation (Xin et al., 2025 ; Wang et Dong, 2025). Dans quatre classes de kindergarten, le SEL apparaît comme concordance d’énoncés entre enseignantes qui interrogent et enfants qui disent (Chen et al., 2025). Dans 19 groupes d’éducation infantile, l’emotion coaching et les consignes métacognitives s’associent à l’autorégulation indépendante (Silkenbeumer et al., 2024). La co-régulation se forme en 32 semaines avec 450 professionnels, non sur un tableau de bord (Mänty et al., 2022). La compréhension émotionnelle à 3–5 ans trébuche sur l’étiquetage de visages sans contexte (Richard et al., 2025). Les acteurs professionnels ne produisent pas les visages prototypiques que le détecteur suppose (Le Mau et al., 2021). Le droit en vigueur exige un seuil d’âge, de ne pas anthropomorphiser les technologies qui reconnaissent et imitent des émotions, l’intérêt supérieur et, dans l’Union européenne, l’interdiction d’inférer des émotions dans les institutions éducatives (Miao et Holmes, 2023 ; UNESCO, 2021 ; UNICEF, 2021 ; Union européenne, 2024).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent classification ou laboratoire, il ne les traduit pas en SEL. Éduquer socioémotionnellement des enfants de trois à six ans, c’est soutenir l’interaction située, la co-régulation et le jeu. Le reste est un dossier d’étiquettes. Ce n’est pas du SEL, et cela ne doit pas se présenter comme ce qu’il n’est pas.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Araguas, A., Blanchard, A., Derégnaucourt, S., Chopin, A., et Guellai, B. (2025). Body knowledge and emotion recognition in preschool children: A comparative study of human versus robot tutors. Behavioral Sciences, 16(1), 29. https://doi.org/10.3390/bs16010029
  2. Chen, J. J., Liang, X., et Lin, J. C. (2025). Weaving the fabric of social and emotional learning in the context of teaching: A study in Hong Kong kindergarten classrooms. Early Childhood Education Journal, 53(5), 1521–1537. https://doi.org/10.1007/s10643-024-01682-0
  3. Cipriano, C., Strambler, M. J., Naples, L. H., Ha, C., Kirk, M., Wood, M., Sehgal, K., Zieher, A. K., Eveleigh, A., McCarthy, M., Funaro, M., Ponnock, A., Chow, J. C., et Durlak, J. (2023). The state of evidence for social and emotional learning: A contemporary meta-analysis of universal school-based SEL interventions. Child Development, 94(5), 1181–1204. https://doi.org/10.1111/cdev.13968
  4. Crawford, K. (2021). Time to regulate AI that interprets human emotions. Nature, 592, 167. https://doi.org/10.1038/d41586-021-00868-5
  5. Development of an emotion recognition system to monitor children’s emotions in preschool institutions. (2025). En 2025 10th International Conference on Computer Science and Engineering (UBMK). IEEE. https://doi.org/10.1109/UBMK67458.2025.11206893
  6. 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
  7. European Commission. (2025). Commission guidelines on prohibited artificial intelligence practices established by Regulation (EU) 2024/1689 (AI Act). https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act
  8. Hayashi, A., Liew, J., Aguilar, S. D., Nyanamba, J. M., et Zhao, Y. (2022). Embodied and social-emotional learning (SEL) in early childhood: Situating culturally relevant SEL in Asian, African, and North American contexts. Early Education and Development, 33(5), 746–763. https://doi.org/10.1080/10409289.2021.2024062
  9. Kostøl, E. M. F., et Kovač, V. B. (2024). Co-regulation in dyadic parent–child relationships: A video analysis of well-functioning interactions. Early Child Development and Care, 194(1), 72–86. https://doi.org/10.1080/03004430.2023.2282357
  10. Le Mau, T., Hoemann, K., Lyons, S. H., Fugate, J. M. B., Brown, E. N., Gendron, M., et Barrett, L. F. (2021). Professional actors demonstrate variability, not stereotypical expressions, when portraying emotional states in photographs. Nature Communications, 12, 5037. https://doi.org/10.1038/s41467-021-25352-6
  11. Mänty, K., Kinnunen, S., Rinta-Homi, O., et Koivuniemi, M. (2022). Enhancing early childhood educators’ skills in co-regulating children’s emotions: A collaborative learning program. Frontiers in Education, 7, 865161. https://doi.org/10.3389/feduc.2022.865161
  12. Miao, F., et Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  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. (2025). Results from TALIS Starting Strong 2024: Strengthening early childhood education and care. OECD Publishing. https://doi.org/10.1787/20af08c0-en
  15. Richard, S., Cavadini, T., Dalla-Libera, N., Angonin, S., Alaria, L., Lafay, A., Berger, C., et Gentaz, E. (2025). The development of specific emotion comprehension components in 1285 preschool children. Scientific Reports, 15, 8562. https://doi.org/10.1038/s41598-025-90613-z
  16. Silkenbeumer, J., Lüken, L. M., Holodynski, M., et Kärtner, J. (2024). Emotion socialization in early childhood education and care – How preschool teachers support children’s emotion regulation. Social and Emotional Learning: Research, Practice, and Policy, 4, 100057. https://doi.org/10.1016/j.sel.2024.100057
  17. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  18. UNICEF. (2021). Policy guidance on AI for children 2.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  19. Union européenne. (2024). Règlement (UE) 2024/1689 du Parlement européen et du Conseil du 13 juin 2024 établissant des règles harmonisées concernant l’intelligence artificielle. Journal officiel de l’Union européenne, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  20. U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
  21. Wang, F., et Dong, J. (2025). The application of improved AFCNN model for children’s psychological emotion recognition. Scientific Reports, 15, 24138. https://doi.org/10.1038/s41598-025-10269-7
  22. Xin, S., Zhang, W., et Zhang, T. (2025). Research on emotional state identification and intervention strategies for preschool students using deep learning techniques. En Proceedings of SPIE 13689, International Conference on Machine Vision and Deep Learning (MVDL 2025), 136890N. https://doi.org/10.1117/12.3071992