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 évaluation formative. Le premier est un tableau de bord de « progrès » : un panneau qui peint des barres, des feux ou des percentiles et exhibe que le centre « suit » chaque enfant. Le deuxième est un score continu : un nombre mis à jour avec des clics, des temps de réponse ou des items et présenté comme preuve qu’il y a une évaluation « en temps réel ». Le troisième est un modèle qui « diagnostique » : un classifieur ou un système cognitivement diagnostique qui assigne à l’enfant un profil, un niveau ou un ensemble d’attributs et déclare, avec cette étiquette, que l’on sait déjà ce dont il a besoin. Les trois sont visibles et bon marché en temps de coordination. Ils permettent d’exhiber que le centre « fait déjà de l’évaluation formative avec l’intelligence artificielle ». Le saut énonciatif est énorme : on passe de tabuler, scorer ou diagnostiquer à affirmer qu’il y a évaluation formative. Ce saut n’est autorisé ni par la théorie du processus formatif ni par les preuves des classes d’éducation initiale.

La thèse de cet article est restrictive. Un tableau de bord de progrès, un score continu ou un modèle qui diagnostique l’enfant ne constituent pas une évaluation formative. L’évaluation formative en éducation initiale est le jugement situé de l’adulte dans le processus : une rétroaction que l’enfant peut utiliser, l’ajustement de l’activité en cours et le regard sur le groupe, non un tableau qui classe. Heritage formule le métier comme un processus dans lequel enseignants et élèves maintiennent l’apprentissage en mouvement, organisé autour de trois questions qui ne sont pas un rapport : où vont ceux qui apprennent, où ils sont maintenant, et comment on referme l’écart entre ces deux états (Heritage, 2022). Ces questions se répondent dans l’activité, pas sur un panneau. NAEYC exige que l’observation, la documentation et l’évaluation soient continues, stratégiques, réflexives et intentionnelles, et avertit qu’utiliser des évaluations de manières qui n’appuient pas l’éducation de l’enfant n’est pas une pratique appropriée au développement (NAEYC, 2022). Un algorithme qui classe d’abord puis livre une couleur n’évalue pas de manière formative. Il administre une différence que l’adulte n’a pas interprétée.

Le problème s’aggrave pour une raison de métier que les fiches produit ne mentionnent pas. L’évaluation formative n’est pas un test, ni un verdict de maturité, ni un portfolio qu’on archive, ni un tuteur qui dose des items. Le formatif n’est pas une propriété de l’instrument, mais de l’usage de la preuve pour modifier l’enseignement et l’apprentissage dans lesquels on est (Heritage, 2022). Confondre le produit — tableau, score, diagnostic — avec le processus est l’erreur de catégorie que ce travail nomme. Yan, Li, Panadero, Yang, Yang et Lao (2021), en passant en revue 52 études, montrent que l’évaluation formative dépend de facteurs personnels et contextuels de l’adulte qui évalue, non de la disponibilité d’un panneau. Inférence, marquée comme telle : le marché de « l’IA pour l’évaluation formative » hérite de l’erreur et l’automatise. Il convertit le jugement — fait du métier — en un trait de l’enfant qu’il faut détecter.

Ce travail ne recycle pas les axes déjà traités dans cette série. La question est de catégorie pédagogique : qu’est-ce qui compte comme évaluation formative lorsqu’un centre d’éducation initiale « fait de l’IA ». Les contributions sont trois : reconstruire l’état de l’art qui sépare le jugement situé dans le processus de la classification par tableau, score ou modèle diagnostique ; examiner trois familles de cas ; et offrir quatre épreuves pour décider quand un jardin peut affirmer qu’il évalue de manière formative, et non seulement qu’il tabule, score ou diagnostique.

2. État de l’art : du processus formatif au tableau qui classe

Il convient de séparer quatre strates que le marché de « l’IA pour l’évaluation formative » mélange souvent. La première est l’évaluation formative comme processus : eliciter des preuves pendant qu’on enseigne, les interpréter et agir — rétroaction, ajustement, implication de celui qui apprend (Heritage, 2022). La deuxième est la preuve d’effets, encore inégale et, de manière décisive pour cet article, peu ancrée dans la tranche 3–6 : une méta-analyse de 118 études et 258 tailles d’effet rapporte un g de Hedges de 0,25 en K–12 (Yao, Amos, Snider et Brown, 2024) ; une méta-analyse en Turquie trouve que la rétroaction initiée par ordinateur a un effet petit (d = 0,42) face à celle initiée par l’élève (d = 1,16) (Karaman, 2021) ; et une revue parapluie de treize méta-analyses exclut explicitement le préscolaire de sa population (Sortwell, Trimble, Ferraz, Geelan, Hine, Ramirez-Campillo, Carter-Thuiller, Gkintoni et Xuan, 2024). La troisième est l’IA en éducation initiale : des revues qui cartographient la prédiction et la classification de l’enfant comme affordance distincte (Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026). La quatrième est le cadre des droits et du haut risque, qui traite l’enfant de 3–6 ans comme sujet de supervision humaine et, en territoire européen, de systèmes à haut risque lorsque l’IA évalue des résultats d’apprentissage ou détermine le niveau éducatif.

Dans la strate du processus, Heritage (2022) insiste : l’évaluation formative n’est ni un type d’épreuve ni un événement. C’est un processus utilisé par les enseignants et les élèves pour maintenir l’apprentissage en mouvement : buts et critères de réussite, preuves recueillies pendant le cours de l’activité, rétroaction actionnable et implication de celui qui apprend. Yan et Pastore (2022) distinguent, sur une échelle validée auprès de 449 enseignants de Hong Kong et 309 d’Italie, deux pôles de pratique : évaluation formative dirigée par l’enseignant et dirigée par l’élève. Statut : constat psychométrique au primaire et au secondaire, pas au jardin. Inférence, marquée comme telle : les deux pôles présupposent un adulte qui interprète et un usage de la preuve dans l’activité. Un tableau qui peint un score n’est aucun des deux pôles. C’est un troisième objet : une représentation qui peut ne jamais entrer dans le jugement.

Dans la strate des effets, Yao et al. (2024) offrent l’estimateur combiné le plus récent : g = 0,25 pour 118 études, g = 0,22 aux États-Unis, avec des effets plus grands au lycée. La plage inclut le K–12, mais n’isole pas le 3–6. Karaman (2021), avec 32 études et 47 tailles d’effet, rapporte d = 0,72 global et, dans le sous-groupe qui importe le plus à la thèse, d = 0,42 pour la rétroaction initiée par ordinateur contre d = 1,16 pour celle initiée par l’élève et d = 0,69 pour celle initiée par un adulte. Sortwell et al. (2024) passent en revue treize méta-analyses : effets de triviaux à grands, certitude GRADE très faible dans neuf sur treize, et exclusion explicite du préscolaire. Inférence : la preuve que « l’évaluation formative fonctionne » n’autorise pas à traiter n’importe quel tableau, score ou diagnostic comme évaluation formative dans un jardin. Elle autorise, avec prudence, à traiter l’usage de preuves par un adulte pour ajuster l’activité comme hypothèse d’instruction. Elle n’autorise pas à automatiser un profil. Et elle laisse un vide empirique de 3 à 6 ans que le marché remplit avec du produit.

Dans la strate de l’IA en initiale, Su et Yang (2022) examinent 17 études de 1995 à 2021. Chen (2024) cartographie 18 articles de 11 pays et 16 revues (2005–2023 ; 14 d’entre eux en 2020–2023) qui couvrent 15 081 enfants de 2 à 8 ans, et extrait quatre affordances ; la deuxième est l’IA comme technologie pour prédire ou classer les conditions de l’enfant. Ljungcrantz (2026) actualise 2020–2024 : 39 études, 20 d’entre elles de 2024, avec prédominance de 4 à 6 ans. Statut : constat de champ, pas d’évaluation formative. Inférence : prédire ou classer l’enfant est exactement ce que le marché vend comme « évaluation formative ». Le cadre de Heritage ne l’autorise pas comme équivalent. L’évaluation formative ne commence pas par un diagnostic. Elle commence par une preuve utilisée dans le processus.

Dans la strate des droits, la Recommandation sur l’éthique de l’IA exige une supervision humaine et une attention particulière lorsqu’il y a des enfants (UNESCO, 2021). Miao et Holmes (2023) fixent un seuil de 13 ans pour les conversations indépendantes avec des plateformes génératives et exigent une validation pédagogique. UNICEF (2021) priorise l’intérêt supérieur. Le règlement (UE) 2024/1689 traite comme à haut risque, à l’annexe III, les systèmes destinés à évaluer des résultats d’apprentissage ou à déterminer le niveau éducatif (Union européenne, 2024). La Commission européenne (2022) et le Département de l’éducation des États-Unis (2023) s’accordent à ne pas substituer le jugement professionnel. L’OCDE (2021) ancre la qualité de l’initiale dans les interactions de processus ; l’OCDE (2023) documente la numérisation de l’ECEC dans 30 pays et juridictions ; TALIS Starting Strong 2024 situe l’observation conjointe comme pratique hebdomadaire du personnel, non comme tableau de l’enfant (OCDE, 2025). Inférence : un enfant de cinq ans n’est pas l’utilisateur d’un tableau de bord. Il est le sujet d’un jugement qu’un adulte exerce dans l’activité, le groupe sous les yeux.

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 entre un classifieur d’IA, une maternelle ontarienne et un instrument de mathématiques utilisé par des éducatrices, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec le cadre de Heritage (2022) et la position de NAEYC (2022) lorsqu’ils actualisent le métier ; (b) évaluation formative comme processus de jugement situé, ou IA en éducation initiale 3–6 ans ; (c) pertinence pour jardin, préscolaire, CENDI ou 3–6 ans ; (d) revue à pairs, DOI ou rapport de NAEYC, UNESCO, OCDE, UNICEF, Union européenne, Commission européenne ou ministère de l’éducation ; (e) DOI ou page éditoriale vérifiable. On a exclu comme objet central les axes déjà utilisés dans cette série, bien que certains apparaissent comme limite. L’évaluation adaptative n’est citée que comme limite, non comme axe de tuteurs.

La recherche a été exécutée le 26 août 2026 sur des pages DOI, Springer, Elsevier, Wiley, SAGE, MDPI, Frontiers, OECD iLibrary, UNESDOC, UNICEF, EUR-Lex, ERIC, NAEYC et sites éditoriaux. Chaque source a été vérifiée contre au moins une de ces pages. 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 ou un règlement prescrit. Inférence pédagogique : la traduction vers les jardins et CENDI, marquée comme telle.

4. Cas 1. Tabuler, scorer ou diagnostiquer n’est pas évaluer de manière formative

Chen (2024) publie dans le Journal of Artificial Intelligence Research le scoping qui illustre le mieux le saut que la thèse rejette. Avec 18 articles de 11 pays et 16 revues, il couvre 15 081 enfants de 2 à 8 ans entre 2005 et 2023 ; 14 des 18 textes sont de 2020–2023. L’analyse thématique extrait quatre affordances de l’IA pour l’ECE. La deuxième est l’IA comme technologie pour prédire ou classer les conditions de l’enfant. Statut de la preuve. Constat empirique de champ : la littérature de « l’IA pour la petite enfance » distingue déjà classer l’enfant comme une affordance propre. Ce n’est pas un constat d’évaluation formative. Chen n’affirme pas que prédire ou classer soit évaluer de manière formative. Inférence pédagogique, marquée comme telle : le geste qu’un jardin copie lorsqu’il « fait de l’évaluation formative avec un tableau de bord » est exactement celui-ci. On prend un signal — clic, erreur, temps, item, vidéo —, on assigne un profil et on livre une couleur, un score ou un parcours. Ce qu’il y a, c’est un verdict. L’évaluation formative, chez Heritage (2022) et NAEYC (2022), demande que la preuve serve à modifier l’activité en cours. Un classifieur ne la modifie pas. Il la condense.

Clements, Sarama, Tatsuoka, Banse et Tatsuoka (2022) publient dans le Journal of Research in Childhood Education le cas qui nomme le mieux le troisième artefact lorsqu’on le présente comme appui formatif. Ils rapportent CREMAT, un modèle d’évaluations adaptatives cognitivement diagnostiques, illustré par la mesure de la longueur en première et deuxième année : identifier le niveau de pensée et des composantes cognitives avec un nombre raisonnable d’items. Les auteurs concluent que l’approche importe pour évaluer de manière formative et documenter le progrès. Statut : constat d’un modèle diagnostique adaptatif en 1re et 2e, non d’un jardin de 3–6 ans et non qu’un CAT constitue une évaluation formative. Inférence, marquée comme telle : c’est la limite que l’article admet de citer. Un test adaptatif qui diagnostique des attributs peut être un instrument de mesure. Il n’est pas, pour être adaptatif ou « diagnostique », une évaluation formative. Heritage (2022) situe le formatif dans l’usage de la preuve pour refermer un écart dans l’activité. Un profil d’attributs ne referme pas cet écart. Il le décrit.

Liao, Zhang, Wang et Luo (2024) saturent le portrait du tableau de bord comme objet empirique. Dans une classe de biologie de neuvième année, avec 125 élèves (63 de traitement, 62 de contrôle), un rapport visuel activé par l’IA — TAL, diagnostic cognitif et visualisation — est alimenté par des examens mensuels. Il y a interaction de l’intervention et du temps sur la réussite ; le groupe de traitement augmente l’anxiété (d = 0,203) et l’auto-efficacité (d = 1,793). Face à la rétroaction enseignante, il n’y a pas de différences significatives sauf l’auto-efficacité. Statut : constat de secondaire, pas de 3–6. Inférence, marquée comme telle : l’artefact que le marché vend au jardin a été essayé là où il y a des examens mensuels et des élèves qui lisent un tableau. Un enfant de quatre ans n’est pas cet utilisateur. Karademir, Di Mitri, Schneider, Jivet, Allmang, Gombert, Kubsch, Neumann et Drachsler (2024) dérivent seize exigences pour un cockpit d’analytiques en secondaire : le tableau doit appuyer la rétroaction de l’enseignant, non la remplacer ; les enseignants déclarent le manque de temps et la difficulté à donner du sens à ce que le tableau montre. Inférence : si au secondaire le tableau n’est pas l’évaluation formative mais, au mieux, un appui à l’adulte, au jardin le saut est plus grand. Un CENDI n’a pas d’examens mensuels. Il a un groupe sous les yeux. Karaman (2021) mesure le plafond : la rétroaction de la machine a le plus petit effet. Yao et al. (2024) trouvent plus d’effet au lycée. Sortwell et al. (2024) excluent le préscolaire. Inférence : une fiche qui dit « tableau de bord + score + diagnostic = évaluation formative en initiale » ne passe pas cette épreuve.

Su et Yang (2022) et Ljungcrantz (2026) saturent la croissance du champ de l’IA en ECE sans l’équivaloir à l’évaluation formative. Dix-sept études jusqu’en 2021 et trente-neuf en 2020–2024, avec un pic en 2024 et un focus sur 4–6 ans, décrivent des outils, des robots, la classification et la personnalisation. Statut : constat de croissance, pas d’équivalence. Inférence : l’essor de 2024 n’autorise pas à traduire « plus d’IA au jardin » par « plus d’évaluation formative ». Il autorise à demander ce que fait l’IA : si elle sert le jugement de l’adulte dans le processus ou si elle classe l’enfant pour exhiber un tableau.

5. Cas 2. Ce que le jardin fait vraiment lorsqu’il y a évaluation formative : l’adulte juge dans le processus

Braund, DeLuca, Panadero et Cheng (2021) publient dans Frontiers in Education l’étude qui nomme le mieux, dans ce corpus, une évaluation formative empirique en maternelle. En Ontario, ils observent huit classes. Huit enseignantes et quatre éducatrices de la petite enfance complètent des entretiens semi-structurés à deux moments de 2019 ; on ajoute 56 heures d’observation par classe, 448 heures au total. L’analyse thématique produit quatre thèmes : pratiques authentiques d’évaluation ; la rétroaction comme fondement ; des buts partagés entre évaluation formative et co-régulation ; et le besoin d’élargir les conceptualisations de l’évaluation en maternelle. Les participantes décrivent l’évaluation de classe comme authentique et naturelle, et la rétroaction — y compris celle des pairs — comme fondement. Le dernier thème exige de ne pas réduire l’évaluation de maternelle à un produit. Statut de la preuve. Constat empirique de processus dans un N densément observé : l’évaluation formative est rétroaction et ajustement dans l’activité, le groupe sous les yeux. Ce n’est pas un constat d’IA ni qu’un tableau reproduise ce métier. Cet article n’en fait pas une étude de SEL : l’objet retenu est la rétroaction et l’ajustement, non un programme de compétences socioémotionnelles. Le contexte est la maternelle publique ontarienne, avec un binôme enseignante–éducatrice ; on ne généralise pas à un CENDI latino-américain. Inférence pédagogique, marquée comme telle : c’est l’objet qu’un centre d’initiale peut appeler, à bon droit, évaluation formative. C’est le jugement situé de l’adulte dans le processus. Un tableau de bord ne donne pas de rétroaction à un enfant de quatre ans. Un score n’ajuste pas l’activité du groupe. Un modèle diagnostique ne regarde pas le groupe.

Pyle, DeLuca, Wickstrom et Danniels (2022) saturent le portrait avec dix-huit classes de maternelle. Observation et entretiens regroupent les enseignantes en trois profils d’évaluation : informel, formel et mixte ; le groupe mixte reflète les politiques contemporaines. Statut : constat de profils de pratique, pas d’essai et pas d’IA. Inférence : le profil « formel » se rapproche du geste que le marché automatise — recueillir des preuves pour un produit ou un score. Le profil mixte se rapproche du métier que la thèse défend : l’évaluation entre dans l’activité et l’adulte décide quoi faire de ce qu’il voit. Apostolache (2024) ajoute douze enseignantes de jardin, avec entre cinq et dix-huit ans d’expérience, dans un groupe de discussion. Elles définissent l’évaluation formative comme un processus qui optimise les actions instructionnelles : observation constante pour fournir une information utile et planifier le développement en cours. Statut : constat de perceptions, N = 12, pas d’observation de classe et pas d’IA. Inférence : lorsque les enseignantes de jardin nomment l’évaluation formative, elles nomment observation, rétroaction et ajustement. Elles ne nomment pas un tableau. NAEYC (2022) exige continuité, stratégie, réflexion et intention. L’OCDE (2021, 2025) situe le moteur dans les interactions de processus et l’observation conjointe comme pratique hebdomadaire. Yan et al. (2021), dans 52 études, montrent que la mise en œuvre dépend de l’attitude, de l’auto-efficacité, de la formation et du soutien interne, non d’un panneau. Inférence : un jardin n’implémente pas l’évaluation formative en achetant un tableau de bord. La preuve se vérifie dans l’usage, non dans l’artefact.

6. Cas 3. Un instrument qui sert le jugement de l’adulte n’est pas un tableau qui classe l’enfant

Grimmond, Neilsen-Hewett et Howard (2022) publient dans l’Australasian Journal of Early Childhood le cas qui illustre le mieux le troisième geste lorsqu’on le place du bon côté du métier. Elles examinent la composante qualitative d’une étude à méthodes mixtes sur le Numeracy and Mathematics Block-Based Assessment (NUMBBA), un instrument conçu pour incruster l’évaluation formative dans des pédagogies naturalistes. Seize éducatrices ont utilisé l’outil validé. L’analyse thématique d’entretiens semi-structurés a révélé des déplacements dans la connaissance des mathématiques, dans la perception des capacités infantiles, dans les attitudes envers les mathématiques et l’évaluation, et dans les approches de pédagogie intentionnelle. Statut de la preuve. Constat empirique d’usage par des adultes, non d’un essai avec tableau de bord, non d’IA et non que l’instrument « fasse » l’évaluation formative à lui seul. Les auteures n’affirment pas que NUMBBA classe l’enfant sur un tableau. Elles affirment qu’un instrument utilisable dans l’environnement naturaliste peut catalyser le jugement de l’éducatrice. Inférence pédagogique, marquée comme telle : c’est le seul lieu où un artefact peut s’approcher du formatif en initiale sans contredire le cadre. L’adulte est celui qui juge. L’outil, s’il entre, entre comme appui à ce jugement — ce que l’on voit, nomme, ajuste —, non comme verdict. Cet article n’en fait pas une étude du jeu : le bloc est le médium ; l’objet retenu est le déplacement du jugement adulte. Un tableau de bord qui peint un score sans passer par ce savoir n’est pas le même objet.

La distribution des rôles se confirme par contraste. Karademir et al. (2024) conçoivent un cockpit pour que l’enseignant donne de la rétroaction, non pour que le tableau évalue. Liao et al. (2024) ne trouvent pas de supériorité claire du rapport visuel face à la rétroaction orale et trouvent plus d’anxiété. Clements et al. (2022) livrent un diagnostic d’attributs. Chen (2024) cartographie la classification de l’enfant. Inférence : l’IA et l’instrument entrent dans l’évaluation formative d’initiale, le cas échéant, du côté de l’adulte qui observe, interprète et ajuste. Ils n’entrent pas comme interlocuteur de l’enfant ni comme juge qui l’étiquette. Miao et Holmes (2023) excluent le mineur de 13 ans. L’OCDE (2023, 2025) situe la numérisation dans le personnel et la protection, non dans un profil adaptatif de l’enfant. L’UNESCO (2021) exige une supervision humaine ; UNICEF (2021), l’intérêt supérieur ; la Commission européenne (2022), de ne pas substituer le jugement professionnel. L’annexe III du règlement (UE) 2024/1689 inclut l’évaluation automatisée et la détermination du niveau éducatif (Union européenne, 2024). Inférence : un système qui, dans un CENDI, diagnostique l’enfant et lui assigne un « niveau de progrès » n’est pas une innovation formative. C’est, sur ce territoire, une pratique à haut risque s’il détermine un niveau ou une évaluation.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a évaluation formative, non un tableau

Le cadre qui suit est une 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, un préscolaire, un CENDI ou une école infantile ne les passe pas, il ne peut déclarer qu’un tableau de bord de progrès, un score continu ou un modèle qui diagnostique l’enfant constituent une évaluation formative.

7.1. Épreuve du processus, non du produit. Heritage (2022) situe l’évaluation formative dans trois questions auxquelles on répond pendant l’instruction : où l’on va, où l’on est, comment on referme l’écart. NAEYC (2022) exige continuité, stratégie, réflexion et intention. Braund et al. (2021) observent rétroaction et ajustement pendant 448 heures de maternelle. Apostolache (2024) entend des enseignantes qui nomment l’observation constante pour optimiser l’action. Chen (2024) montre que la littérature d’IA prédit et classe. Clements et al. (2022) livrent un profil d’attributs. Liao et al. (2024) peignent un rapport à partir d’examens. Inférence : la preuve d’évaluation formative se vérifie dans l’usage de la preuve pour modifier l’activité en cours. Si la « preuve » que le centre évalue de manière formative est un journal de progrès, un feu ou un diagnostic, le centre a fait du produit, pas du processus.

7.2. Épreuve du jugement de l’adulte, non de la classification de l’enfant. Yan et al. (2021) montrent que la mise en œuvre dépend de l’adulte et de son environnement. Yan et Pastore (2022) mesurent des pratiques dirigées par l’enseignant et par l’élève, non par un panneau. Grimmond et al. (2022) montrent un instrument qui déplace le savoir et la pédagogie de seize éducatrices. Karademir et al. (2024) conçoivent le tableau pour que l’enseignant donne de la rétroaction. Miao et Holmes (2023) excluent le mineur de 13 ans comme interlocuteur indépendant. Inférence : l’enfant de 3–6 ans n’est pas l’utilisateur d’un modèle qui « l’évalue de manière formative ». Il est le sujet d’un jugement qu’un adulte exerce. Si l’IA ou l’instrument entre, il entre comme atelier ou comme appui à ce jugement, soumis à validation pédagogique. Il n’entre pas comme tuteur, classifieur ou scoreur de l’enfant.

7.3. Épreuve de la rétroaction qui ajuste l’activité et du regard sur le groupe, non du score individuel. Braund et al. (2021) trouvent la rétroaction comme fondement et une évaluation qui ne se réduit pas à l’individu isolé. Pyle et al. (2022) montrent que le profil mixte intègre l’évaluation dans l’activité de la classe. L’OCDE (2021, 2025) situe la qualité dans les interactions et l’observation conjointe comme pratique hebdomadaire. Karaman (2021) mesure le plus petit effet pour la rétroaction initiée par ordinateur. Yao et al. (2024) trouvent plus d’effet au lycée. Inférence : un score continu de l’enfant n’est pas un regard sur le groupe. Un tableau de bord qui ordonne des percentiles n’ajuste pas l’assemblée. De 3 à 6 ans, le formatif se joue dans le mouvement suivant de l’activité — changer le matériel, regrouper, renvoyer une consigne, soutenir une observation partagée —, non dans un nombre qui se met à jour.

7.4. Épreuve des droits et du haut risque, non du tableau de produit. L’UNESCO (2021) exige une supervision humaine. UNICEF (2021) exige l’intérêt supérieur. L’annexe III du règlement (UE) 2024/1689 inclut accès, admission, affectation, évaluation des apprentissages et niveau éducatif (Union européenne, 2024). La Commission européenne (2022) et le Département de l’éducation des États-Unis (2023) exigent de ne pas substituer l’enseignant. Inférence : un centre d’initiale ne peut traiter l’enfant comme objet d’un verdict automatisé de « progrès ». En territoire européen, un système qui assigne un niveau ou évalue avec l’IA est, sauf les sauvegardes du règlement, une pratique à haut risque. Hors de ce territoire, c’est encore une erreur de catégorie : l’évaluation formative ne s’accomplit pas en classant mieux. Elle s’accomplit en jugeant dans le processus, avec rétroaction, ajustement et regard sur le groupe.

Le cadre admet l’instrument qui sert le jugement de l’adulte (Grimmond et al., 2022) ; la rétroaction et l’ajustement observés en maternelle (Braund et al., 2021 ; Pyle et al., 2022 ; Apostolache, 2024) ; les trois questions de Heritage (2022) et la position de NAEYC (2022) ; et le g = 0,25 de Yao et al. (2024) comme plafond prudent des pratiques formatives en K–12, non des tableaux. Il refuse de déclarer évaluation formative par un tableau de bord de progrès, un score continu ou un modèle qui diagnostique l’enfant (Chen, 2024 ; Clements et al., 2022 ; Liao et al., 2024 ; Karaman, 2021 ; Miao et Holmes, 2023).

8. Discussion

Trois tensions organisent la discussion. La première est entre classer et juger. C’est un constat que la littérature d’IA en ECE inclut, comme affordance distincte, prédire ou classer les conditions de l’enfant (Chen, 2024) ; que le champ a grandi jusqu’à 39 études en 2020–2024, avec un pic en 2024 et un focus sur 4–6 ans (Ljungcrantz, 2026) ; et que 17 études antérieures rapportaient déjà des outils et des impacts (Su et Yang, 2022). C’est un cadre que l’évaluation formative est un processus d’usage de preuves (Heritage, 2022 ; NAEYC, 2022). Ce n’est pas un constat qu’un tableau de bord, un score ou un diagnostic produisent le métier que Braund et al. (2021), Pyle et al. (2022) et Apostolache (2024) observent ou entendent. La politique des trois artefacts — tableau, score, modèle — mesure ce que l’ingénierie sait mesurer et déclare ce que seul le jugement situé autoriserait.

La deuxième est entre l’enfant comme profil et le groupe comme processus. Clements et al. (2022) livrent des attributs cognitifs. Liao et al. (2024) livrent un rapport visuel à des élèves qui passent des examens mensuels et, de plus, augmentent l’anxiété. Karademir et al. (2024) recueillent des enseignants qui n’ont pas le temps et ne savent pas toujours que faire du tableau. Sortwell et al. (2024) laissent le préscolaire hors de la synthèse de méta-analyses. Yao et al. (2024) trouvent plus d’effet au lycée. Inférence : insister pour que l’enfant « ait sa courbe de progrès » pendant que l’adulte cesse de regarder le groupe est une pédagogie inversée. Le profil blâme l’enfant de ce que le processus n’a pas interprété. L’OCDE (2021) avait ancré la qualité dans les interactions. Le modèle diagnostique fait l’opération inverse : il extrait l’enfant du groupe et le renvoie comme itinéraire.

La troisième est entre l’instrument de l’adulte et l’interlocuteur enfantin. Grimmond et al. (2022) montrent des éducatrices dont le jugement se déplace lorsqu’elles utilisent un instrument dans l’environnement naturaliste. Karaman (2021) montre que la rétroaction de la machine a le plus petit effet. Miao et Holmes (2023) excluent le mineur de 13 ans. L’OCDE (2023, 2025) situe la numérisation dans le personnel et la protection. Inférence : le seul usage d’IA ou d’instrument numérique qui ne contredit pas l’évaluation formative de 3 à 6 ans est celui qui demeure du côté de l’adulte qui observe, interprète et ajuste, et se soumet à validation pédagogique. Un instrument qui aide l’éducatrice à voir et à décider peut servir au formatif. Un modèle qui diagnostique l’enfant parce que le système a besoin d’un score ne l’est pas.

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA et n’estime pas d’effets combinés. Chen (2024) cartographie des affordances d’IA en ECE 2–8 ans, non des mises en œuvre d’évaluation formative ; le transfert à la thèse est une inférence. Su et Yang (2022) couvrent 1995–2021 ; Ljungcrantz (2026), 2020–2024. Clements et al. (2022) sont de 1re et 2e et d’un modèle diagnostique adaptatif ; on les utilise comme limite, non comme axe de tuteurs. Liao et al. (2024) et Karademir et al. (2024) sont de secondaire. Karaman (2021) n’isole pas le 3–6. Yao et al. (2024) couvrent le K–12 ; Sortwell et al. (2024) excluent le préscolaire. Yan et al. (2021) et Yan et Pastore (2022) couvrent surtout le primaire et le secondaire. Braund et al. (2021) sont huit classes ontariennes ; on ne les utilise pas comme article de SEL. Pyle et al. (2022) sont des profils, pas un essai. Apostolache (2024) est un N = 12 de perceptions. Grimmond et al. (2022) sont seize éducatrices ; on ne les utilise pas comme article de jeu. Heritage, NAEYC, UNESCO, UNICEF, l’OCDE, l’Union européenne et les guides de 2021–2023 sont de cadre. On n’a pas localisé d’essais latino-américains d’évaluation formative et d’IA au jardin qui mesurent le jugement situé face à un tableau de bord. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une preuve de mise en œuvre.

10. Conclusions

Un tableau de bord de progrès, un score continu ou un modèle qui diagnostique l’enfant ne constituent pas une évaluation formative dans un centre d’éducation initiale. La preuve vérifiée n’autorise pas cette déclaration. Dix-huit études qui couvrent 15 081 enfants de 2 à 8 ans distinguent, comme affordance de l’IA, prédire ou classer l’enfant ; c’est le champ de l’IA en ECE, non l’évaluation formative (Chen, 2024). Dix-sept et trente-neuf revues saturent la croissance du champ sans l’équivaloir au jugement situé (Su et Yang, 2022 ; Ljungcrantz, 2026). Un modèle cognitivement diagnostique et adaptatif informe des attributs ; il n’évalue pas pour autant de manière formative (Clements et al., 2022). Un rapport visuel d’IA en neuvième année augmente l’anxiété et ne surpasse pas clairement la rétroaction enseignante (Liao et al., 2024). La rétroaction initiée par ordinateur a le plus petit effet (Karaman, 2021). Le g = 0,25 du K–12 ne s’isole pas au 3–6 et est plus grand au lycée (Yao et al., 2024) ; la synthèse de méta-analyses laisse le préscolaire dehors (Sortwell et al., 2024). En revanche, lorsqu’il y a évaluation formative en initiale, il y a un adulte qui juge dans le processus : 448 heures de maternelle avec la rétroaction comme fondement (Braund et al., 2021), des profils de pratique dans dix-huit classes (Pyle et al., 2022), douze enseignantes qui nomment l’observation pour optimiser l’action (Apostolache, 2024), et seize éducatrices dont le jugement se déplace avec un instrument qui ne classe pas l’enfant sur un tableau (Grimmond et al., 2022). Le droit en vigueur exige supervision humaine, intérêt supérieur, seuil d’âge pour les conversations indépendantes avec des plateformes génératives et, dans l’Union européenne, de traiter comme à haut risque l’IA qui détermine accès, admission, affectation, évaluation ou niveau éducatif (UNESCO, 2021 ; UNICEF, 2021 ; Miao et Holmes, 2023 ; Union européenne, 2024 ; European Commission, 2022).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent un tableau, un score ou un diagnostic, il ne les traduit pas en évaluation formative. Accompagner des enfants de trois à six ans avec une évaluation formative, c’est exercer un jugement situé dans le processus — rétroaction, ajustement de l’activité, regard sur le groupe — avec l’adulte comme interprète. Le reste est un tableau qui classe. Ce n’est pas de l’évaluation formative, et il ne faut pas le présenter comme ce qu’il n’est pas.

Laboratoire éditorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Apostolache, R. (2024). Kindergarten teachers’ perception on preschoolers’ formative assessment. Educatia 21, (27), Article 14. https://doi.org/10.24193/ed21.2024.27.14
  2. Braund, H., DeLuca, C., Panadero, E., et Cheng, L. (2021). Exploring formative assessment and co-regulation in kindergarten through interviews and direct observation. Frontiers in Education, 6, 732373. https://doi.org/10.3389/feduc.2021.732373
  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. Clements, D. H., Sarama, J., Tatsuoka, C., Banse, H. W., et Tatsuoka, K. K. (2022). Evaluating a model for developing cognitively diagnostic adaptive assessments: The case of young children’s length measurement. Journal of Research in Childhood Education, 36(1), 143–158. https://doi.org/10.1080/02568543.2021.1895921
  5. 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
  6. Grimmond, J., Neilsen-Hewett, C., et Howard, S. J. (2022). The effectiveness of a formative play-based mathematics assessment in supporting the early childhood intentional pedagogue. Australasian Journal of Early Childhood, 47(4), 304–319. https://doi.org/10.1177/18369391221130787
  7. Heritage, M. (2022). Formative assessment: Making it happen in the classroom (2e éd.). Corwin. https://doi.org/10.4135/9781071813706
  8. Karademir, O., Di Mitri, D., Schneider, J., Jivet, I., Allmang, J., Gombert, S., Kubsch, M., Neumann, K., et Drachsler, H. (2024). I don’t have time! But keep me in the loop: Co-designing requirements for a learning analytics cockpit with teachers. Journal of Computer Assisted Learning, 40(6), 2681–2699. https://doi.org/10.1111/jcal.12997
  9. Karaman, P. (2021). The effect of formative assessment practices on student learning: A meta-analysis study. International Journal of Assessment Tools in Education, 8(4), 801–817. https://doi.org/10.21449/ijate.870300
  10. Liao, X., Zhang, X., Wang, Z., et Luo, H. (2024). Design and implementation of an AI-enabled visual report tool as formative assessment to promote learning achievement and self-regulated learning: An experimental study. British Journal of Educational Technology, 55(3), 1253–1276. https://doi.org/10.1111/bjet.13424
  11. 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
  12. Miao, F., et Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  13. NAEYC. (2022). Developmentally appropriate practice in early childhood programs serving children from birth through age 8 (4e éd.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  14. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  15. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  16. OECD. (2025). Results from TALIS Starting Strong 2024: Strengthening early childhood education and care. OECD Publishing. https://doi.org/10.1787/20af08c0-en
  17. Pyle, A., DeLuca, C., Wickstrom, H., et Danniels, E. (2022). Connecting kindergarten teachers’ play-based learning profiles and their classroom assessment practices. Teaching and Teacher Education, 119, 103855. https://doi.org/10.1016/j.tate.2022.103855
  18. Sortwell, A., Trimble, K., Ferraz, R., Geelan, D. R., Hine, G., Ramirez-Campillo, R., Carter-Thuiller, B., Gkintoni, E., et Xuan, Q. (2024). A systematic review of meta-analyses on the impact of formative assessment on K-12 students’ learning: Toward sustainable quality education. Sustainability, 16(17), 7826. https://doi.org/10.3390/su16177826
  19. Su, J., et 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
  20. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  21. UNICEF. (2021). Policy guidance on AI for children 2.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  22. 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 1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  23. 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
  24. Yan, Z., Li, Z., Panadero, E., Yang, M., Yang, L., et Lao, H. (2021). A systematic review on factors influencing teachers’ intentions and implementations regarding formative assessment. Assessment in Education: Principles, Policy & Practice, 28(3), 228–260. https://doi.org/10.1080/0969594X.2021.1884042
  25. Yan, Z., et Pastore, S. (2022). Assessing teachers’ strategies in formative assessment: The Teacher Formative Assessment Practice Scale. Journal of Psychoeducational Assessment, 40(5), 592–604. https://doi.org/10.1177/07342829221075121
  26. Yao, Y., Amos, M., Snider, K., et Brown, T. (2024). The impact of formative assessment on K-12 learning: A meta-analysis. Educational Research and Evaluation, 29(7-8), 452–475. https://doi.org/10.1080/13803611.2024.2363831