1. Introduction et problème

Dans la tranche de 3 à 6 ans —jardin, préscolaire, CENDI, école infantile— un paquet de cinq artefacts a été installé comme s’il valait soutien au jeu avec l’eau / water play : un capteur ou wearable qui « note la précision du versement » ou un « pouring accuracy score » / « STEM water score » de l’enfant ; un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou les « éclaboussures hors tâche » ou déclenche des alertes de « mess / off-task splashing » ; un chatbot/GenAI qui génère des « expériences d’eau » ou des « plans sink-or-float » ou des « water play lesson plans » par prompt (pour l’enfant ou comme recette que l’adulte lit) ; un tableau de bord de « minutes à la table d’eau » / « inquiry score » / « exploration minutes at water table » pour la surveillance administrative ; et une couche AR qui « guide » le versement ou prédit couler/flotter. Les cinq permettent d’afficher que le centre « fait déjà le water play avec l’IA ». Le saut —du score de versement, de l’alerte de mess, de l’expérience générée, de la métrique de minutes ou du guide AR à l’affirmation de soutien— n’est pas autorisé par les cartographies d’IA en ECE ni par la pédagogie du water play lorsqu’il y a de l’eau réelle (flux, capacité, couler-flotter, mélanges), agence infantile pour explorer sans produit attendu, co-présence adulte qui nomme les propriétés et soutient la conversation, et tolérance au mess comme condition du milieu, non comme erreur.

La thèse de cet article est restrictive. Un capteur ou wearable qui « note la précision du versement » ou un « pouring accuracy score » / « STEM water score » de l’enfant, un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou les « éclaboussures hors tâche » ou déclenche des alertes de « mess / off-task splashing », un chatbot/GenAI qui génère des « expériences d’eau » ou des « plans sink-or-float » ou des « water play lesson plans » par prompt, un tableau de bord de « minutes à la table d’eau » / « inquiry score » pour la surveillance administrative, ou une couche AR qui « guide » le versement ou prédit couler/flotter ne constituent pas un soutien au jeu avec l’eau dans la petite enfance. En initiale le water play se développe avec de l’eau réelle, l’agence infantile pour explorer sans produit attendu, la co-présence adulte qui nomme les propriétés et soutient la conversation (Lange, 2022 ; Counsell, 2024 ; modèle précurseur de Canedo Ibarra et Gómez Galindo, 2022), et la tolérance au mess ; non un score de versement, un classifieur de désordre, un générateur d’expériences qui ferme l’incertitude, ni un tableau de bord de minutes. Lange (2022) formule, depuis le métier NSTA des early years, que water play is science : le milieu liquide met en jeu des propriétés physiques réelles. Counsell (2024) demande où est la mathématique dans le water play et répond par capacité, volume et comparaison à la table d’eau médiatisée par l’adulte, non par un STEM water score. Amalia et Harahap (2022) —N = 15 ; un centre PAUD Khairul Ummah— rapportent une méthode de water playing et science en Group B : résultat empirique marqué avec limite d’échantillon. Park et Park (2021) décrivent sinking or floating comme activité STEM d’investigation médiatisée, non comme app de prédiction AR. Cela autorise à demander ce qui a été mesuré : pouring accuracy, étiquette de mess, lesson plan par prompt, inquiry score ou prédiction AR, non la pratique lorsqu’un enfant verse, observe le flux, teste couler-flotter, mélange, éclabousse et reçoit une co-présence adulte qui nomme les propriétés sans fermer l’incertitude.

Le problème s’aggrave par six confusions de catégorie. Première : le water play n’est pas l’outdoor/nature play comme axe —l’eau peut être indoor à la table ; l’axe est le liquide, non les minutes outdoor—. Deuxième : ce n’est pas l’investigation scientifique curriculaire comme axe —il peut y avoir de la science DANS le jeu (Lange, 2022 ; Park et Park, 2021) ; l’axe est le milieu eau—. Troisième : ce n’est pas le STEM/robotique —Counsell (2024) et Park et Park (2021) sont métier du milieu, non score STEM—. Quatrième : ce n’est pas les loose parts —Sando et al. (2023) ancrent les objets-en-jeu (eau/sable) ; ici le milieu est l’eau—. Cinquième : ce n’est pas le jeu libre comme axe. Sixième : ce n’est pas la motricité curriculaire. Ce travail ne recycle pas outdoor play, jeu libre, loose parts, risky play, block play/spatial, jeu symbolique, motricité, STEM/robotique, créativité artistique, SEL, fonctions exécutives, environnemental, investigation scientifique comme axe, litéracie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique, formation enseignante, musique ni numératie. Maraisane et al. (2024) —savoir conceptuel Grade R sur floating/sinking— est un contraste périphérique enseignant, non un axe de formation continue déjà publié. La question est ce qui compte comme soutien au water play lorsqu’un centre « fait de l’IA et du jeu avec l’eau ».

Il y a, en outre, une économie de coordination : capteur de pouring accuracy, caméra de mess, GenAI d’expériences, tableau de bord de minutes et AR prédictive tiennent sur une diapositive ; l’épisode prolongé avec eau réelle, agence infantile, mess toléré et co-présence qui nomme flux, capacité ou couler-flotter, non. NAEYC (2022) et OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Inférence : le soutien ne se remplit pas en notant le versement ni en générant des « expériences d’eau » par prompt. Les contributions sont trois : séparer métier et artefacts ; examiner des cas —Amalia et Harahap (2022) et Park et Park (2021) comme empiriques/inférentiels marqués ; Maraisane et al. (2024) comme contraste périphérique enseignant— ; et offrir quatre épreuves de soutien au water play.

2. État de l’art : de la pratique située de water play à l’artefact qu’on exhibe

Il convient de séparer quatre strates que le marché de « l’IA pour le water play en initiale » mélange souvent. La première est le construit du jeu avec l’eau / water play de 3 à 6 ans comme exploration ouverte d’un matériau liquide aux propriétés physiques réelles —versement, flux, capacité/volume, couler-flotter, mélanges, éclaboussures— et mess comme condition du milieu (Lange, 2022 ; Counsell, 2024 ; Canedo Ibarra et Gómez Galindo, 2022 ; Amalia et Harahap, 2022 ; Park et Park, 2021 ; Sando et al., 2023). La deuxième est le métier pédagogique qui le cultive —offre d’eau réelle à la table ou au plateau, agence infantile sans produit attendu, co-présence adulte qui nomme les propriétés et converse, tolérance au mess, non substituer l’exploration par un score de versement ni un classifieur de désordre— (Lange, 2022 ; Counsell, 2024 ; Canedo Ibarra et Gómez Galindo, 2022 ; Maraisane et al., 2024, seulement comme contraste de savoir enseignant ; NAEYC, 2022 ; OECD, 2021, 2023). La troisième est l’évidence des affordances d’IA en ECE et GenAI centrée sur l’enfant —sans les équivaloir au water play situé avec liquide réel— (Chen, 2024 ; Su et Yang, 2022 ; Su et Zhong, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025). La quatrième est le cadre de droits, de systèmes et de pratique appropriée au développement, qui traite l’enfant de 3–6 ans comme sujet qui explore le liquide, non comme vecteur de signaux pour un pipeline de pouring accuracy score ni comme destinataire passif d’expériences GenAI ou de prédictions AR qui ferment l’incertitude (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023).

En construit et métier, Lange (2022) articule water play is science : cadre NSTA. Counsell (2024) situe capacité, volume et comparaison à la table : cadre de métier. Canedo Ibarra et Gómez Galindo (2022) documentent l’interaction sociale et un modèle précurseur floating/sinking en préscolaire. Amalia et Harahap (2022) —N = 15 ; PAUD Khairul Ummah ; prétest-postest ; versement, couleur, « walking water »— apportent un résultat empirique avec limite d’échantillon et d’un seul centre. Park et Park (2021) décrivent sinking or floating comme inquiry-based STEM activity médiatisée, non AR prédictive. Sando et al. (2023) —N = 928 obs. vidéo 2 min— associent objets (eau/sable) au deep-level learning : résultat d’objets-en-jeu, non loose parts. Maraisane et al. (2024) explorent floating/sinking chez des enseignants Grade R : contraste périphérique. Inférence : un pouring accuracy score ne nomme pas les propriétés ; un enfant qui verse et un adulte qui converse oui.

Dans la strate des artefacts, Chen (2024), Su et Yang (2022), Su et Zhong (2022) et Ljungcrantz (2026) cartographient affordances, curriculums et état de l’art de l’IA en ECE sans les équivaloir au water play situé. Nikolopoulou (2025) équilibre promesses et défis de la GenAI centrée sur l’enfant sous médiation enseignante : cadre de prudence. Dans la strate des systèmes, UNESCO (2021) exige une supervision humaine. Miao et Holmes (2023) fixent validation pédagogique et seuils d’âge pour l’IA générative —cadre direct pour le générateur d’« expériences d’eau » ou de sink-or-float lesson plans par prompt—. U.S. Department of Education (2023) exige que l’IA soutienne, non remplace, le jugement professionnel. OECD (2021, 2023) ancrent interactions significatives et numérisation subordonnée ; NAEYC (2022) ancre la pratique appropriée au développement.

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 des cinq artefacts, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec transfert marqué lorsque l’échantillon n’équivaut pas à 3–6 ; (b) water play, table d’eau, couler-flotter, versement/flux/capacité, ou IA en ECE avec pertinence artefact/métier ; (c) jardin, préscolaire, CENDI ou 3–6 ; (d) revue avec pairs, DOI ou rapport NAEYC/UNESCO/OECD ; (e) DOI ou page éditoriale vérifiable. Ont été exclus comme objet central les axes déjà utilisés dans cette série —outdoor play générique, jeu libre, loose parts, risky play, block play/spatial, jeu symbolique, STEM/robotique, créativité artistique, motricité comme axe, SEL, fonctions exécutives, environnemental, investigation scientifique curriculaire comme axe, litéracie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique, formation enseignante, musique et numératie—. Maraisane et al. (2024) seulement comme contraste périphérique de savoir enseignant Grade R ; l’article n’est pas converti en formation continue déjà publiée. Sando et al. (2023) se lisent pour les objets-en-jeu (eau/sable), non comme axe loose parts. Park et Park (2021) et Counsell/Lange se lisent comme métier du milieu eau (science/mathématique DANS le jeu), non comme lab scored ni comme investigation curriculaire déjà publiée.

La recherche a été exécutée le 3 septembre 2026 (slot 13:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Elsevier, Taylor & Francis, MDPI, JAIR, OECD iLibrary, UNESDOC, NAEYC, NSTA et sites éditoriaux. Chaque source a été vérifiée. Résultat empirique, cadre et inférence pédagogique ont été distingués. Aucun N, d, r, AUC ni DOI n’a été inventé : lorsqu’un artefact manque d’étude vérifiée avec métriques de pouring accuracy scoring, mess/off-task splashing alerts, inquiry-score dashboard ou prédiction AR couler/flotter en 3–6, il est discuté comme plafond de catégorie appuyé sur les cartographies d’IA en ECE (Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026) et sur le contraste de savoir enseignant (Maraisane et al., 2024). Les dix-huit sources du corpus vérifié ont été utilisées.

4. Cas 1. Capteur/pouring accuracy score / STEM water score, CV/caméra de table avec alertes de mess ou off-task splashing, GenAI d’« expériences d’eau » / sink-or-float lesson plans, tableau de bord minutes/inquiry score ou AR qui guide le versement ou prédit couler/flotter ne constituent pas un soutien au jeu avec l’eau

Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) saturent le portrait du plafond d’artefacts lorsque l’IA en ECE se présente comme si elle était un soutien au water play. Chen (2024) cartographie les affordances globales d’IA en early childhood education : résultat de scoping sur des usages émergents —tutorat, analytique, génération de contenus—, non un résultat qu’un wearable de pouring accuracy cultive l’exploration ouverte du liquide avec flux, capacité ou couler-flotter. Su et Yang (2022) examinent le champ de l’IA en ECE : résultat de synthèse sur les tendances, non sur le mess toléré ni la co-présence qui nomme les propriétés. Ljungcrantz (2026) examine l’interaction IA–ECE 2020–2024 : résultat d’état de l’art, non de water play situé. Inférence pédagogique, marquée comme telle : le geste « l’enfant a eu un pouring accuracy élevé = il y a eu soutien au water play » est un plafond d’analytique de précision. Lange (2022), Counsell (2024) et Canedo Ibarra et Gómez Galindo (2022) demandent de l’eau réelle, une conversation sur les propriétés et la construction sociale d’un modèle précurseur ; un score utile à l’administration peut coexister avec l’absence d’agence, de mess toléré et de co-présence qui nomme sans fermer.

Nikolopoulou (2025) et Miao et Holmes (2023) nomment le risque du générateur d’« expériences d’eau » ou de « plans sink-or-float » / « water play lesson plans » à partir d’un prompt qui ferme l’incertitude. Nikolopoulou (2025) équilibre promesses et défis de la GenAI centrée sur l’enfant sous médiation enseignante : cadre de prudence. Miao et Holmes (2023) exigent validation pédagogique et seuils d’âge pour l’IA générative. Statut : cadre normatif et de revue, non essai de lesson plans par prompt versus épisode de water play avec eau réelle et co-présence qui soutient la conversation (Lange, 2022 ; Counsell, 2024). Inférence : produire un plan d’« expériences d’eau » par prompt peut être une préparation enseignante subordonnée ; le soutien au water play commence lorsqu’il y a du liquide réel, agence de l’enfant pour verser, tester couler-flotter ou mélanger sans produit attendu, mess comme condition du milieu, et un adulte qui nomme les propriétés sans convertir l’épisode en recette. Su et Zhong (2022) proposent un design curriculaire d’IA en ECE comme direction future —curriculum d’AI literacy, non water play situé—. Inférence de limite : un curriculum d’IA ne signe pas l’exploration du liquide.

Le système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou les « éclaboussures hors tâche » ou déclenche des alertes de « mess / off-task splashing », le tableau de bord de « minutes à la table d’eau » / « inquiry score » et la couche AR qui « guide » le versement ou prédit couler/flotter manquent, dans le corpus vérifié, d’essais avec N, d, r ou AUC rapportés pour scoring de pouring accuracy, classification de mess/off-task splashing, inquiry-score dashboard ou prédiction AR sink/float en préscolaire 3–6 ; les chiffres ne sont pas inventés. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique, tutorat, agents et génération comme tendance d’IA en ECE, sans équivalence au water play médiatisé. Amalia et Harahap (2022) mesurent une méthode de water playing avec N = 15 : résultat de pratique située dans un centre, non classifieur autonome de mess. Sando et al. (2023) mesurent des observations humaines vidéo (N = 928) : résultat d’objets-en-jeu et deep-level learning, non tableau de bord de minutes. Maraisane et al. (2024) documentent le savoir conceptuel enseignant sur floating and sinking : contraste empirique d’usage périphérique légitime seulement lorsque le savoir humain de l’adulte soutient le métier. Inférence restrictive : savoir enseignant Grade R (Maraisane et al., 2024) ≠ capteur de pouring accuracy sur l’enfant ; GenAI d’expériences ≠ Lange/Counsell qui ouvrent les propriétés sans fermer ; empowerment enseignant ≠ inquiry score administratif ; AR qui prédit couler/flotter ≠ modèle précurseur construit en interaction sociale (Canedo Ibarra et Gómez Galindo, 2022). UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine. Les cinq artefacts partagent une même grammaire de substitution : le pouring accuracy score parle pour l’exploration de l’enfant ; l’alerte de mess substitue la tolérance pédagogique au milieu ; le GenAI ferme l’incertitude ; le tableau de bord substitue l’observation pédagogique ; l’AR dirige ou prédit ce que le métier laisse ouvert.

Il convient de préciser le plafond sans inventer d’effets. Un capteur peut noter le versement ; Counsell (2024) articule la capacité humaine, non l’AUC. Une caméra peut étiqueter « off-task splashing » ; Lange (2022) traite le water play comme science du milieu. Un GenAI peut imprimer des expériences ; Miao et Holmes (2023) exigent une validation. Une AR peut prédire sink/float ; Canedo Ibarra et Gómez Galindo (2022) documentent le modèle précurseur social. Un tableau de bord peut compter les minutes ; NAEYC (2022) et OECD (2021) ancrent la pratique. Inférence : « pouring accuracy élevé » ou « lesson plan selon le modèle » ne signe pas le soutien.

5. Cas 2. Ce que le jardin fait lorsqu’il y a soutien au jeu avec l’eau : propriétés du liquide, Lange, Counsell, Amalia et Harahap, Park et Park, Canedo Ibarra et Gómez Galindo —avec Maraisane et al. comme contraste périphérique

Lange (2022) sature le plancher de métier : water play is science —flux, couler-flotter, mélanges avec co-présence adulte, non STEM water score—. Statut : cadre NSTA. Counsell (2024) répond « Where’s the math ? » par capacité, volume et comparaison à la table : cadre mathématique DANS le jeu, non lab scored. Inférence pédagogique : un centre peut appeler soutien au water play lorsqu’il protège l’eau réelle, l’agence et la conversation sur les propriétés —non lorsqu’il note le versement—. Le water play n’est pas un pouring accuracy score : c’est verser, observer le flux, comparer la capacité, tester couler-flotter, mélanger, éclabousser et soutenir le mess comme condition du milieu, tandis que l’adulte nomme sans produit attendu fixe.

Amalia et Harahap (2022) apportent le cas empirique marqué : N = 15 enfants de Group B à PAUD Khairul Ummah (Medan Johor ; 2021/2022) ; méthode de water playing pour améliorer la science ; activités de versement, couleur et « walking water » ; devis prétest-postest. Statut : résultat empirique. Limite marquée : petit échantillon, un seul centre ; transfert prudent vers CENDI/jardin latino-américain ; non essai de caméra de mess ni de GenAI de lesson plans. Inférence : l’objet mesuré est la pratique de water playing avec médiation humaine, non un precision score. Park et Park (2021) décrivent sinking or floating comme inquiry-based STEM activity for children : l’adulte organise l’investigation avec des matériaux réels ; on ne le convertit pas ici en axe d’investigation scientifique curriculaire déjà publié ni en STEM/robotique comme produit, mais en évidence de métier médiatisé sur couler-flotter. Canedo Ibarra et Gómez Galindo (2022) documentent l’interaction sociale dans la construction d’un floating and sinking precursor model pendant l’éducation préscolaire : le modèle se construit en conversation et interaction, non se « prédit » par AR. Statut : cadre/chapitre de modèle précurseur et d’interaction sociale. Sando et al. (2023) —N = 928 obs. vidéo— ancrent le rôle des objets (y compris eau/sable) dans le deep-level learning médiatisé par le jeu : l’eau comme objet-en-jeu, non comme collection loose parts. NAEYC (2022) et OECD (2021, 2023) ancrent interactions significatives et numérisation subordonnée.

Le contraste de bon usage périphérique est Maraisane, Jita et Jita (2024). Ils explorent les notions de floating and sinking dans le savoir conceptuel d’enseignants Grade R en Afrique du Sud. Statut : résultat empirique de savoir ENSEIGNANT. Transfert marqué : Grade R / contexte sud-africain ; se lit vers l’adulte, non comme essai d’IA sur l’enfant. Inférence : le numérique subordonné —adulte qui approfondit le savoir humain sur couler-flotter pour soutenir la conversation à la table d’eau— peut être cohérent avec le water play ; il n’autorise pas à déclarer qu’un capteur de pouring accuracy, une caméra de mess, un GenAI d’expériences, un tableau de bord de minutes ou une AR prédictive constituent le métier. Maraisane et al. ne se convertissent pas ici en article de formation continue déjà publiée : ils sont cités seulement comme contraste périphérique (savoir humain→adulte). La médiation —NAEYC (2022), OECD (2021) ; Lange (2022) ; Counsell (2024) ; Canedo Ibarra et Gómez Galindo (2022)— est une co-présence adulte qui offre de l’eau réelle, tolère le mess, nomme les propriétés, soutient la conversation, observe l’agence infantile sans produit attendu et élargit sans imposer un script numérique qui ferme l’incertitude. Inférence : l’observation pédagogique du water play est une lecture professionnelle de l’épisode avec le liquide ; le tableau de bord compte des minutes. Un tableau de bord ne construit pas le modèle précurseur ; un enfant et un adulte qui conversent sur couler-flotter oui.

6. Cas 3. Water play ≠ outdoor/nature play comme axe, investigation scientifique curriculaire comme axe, STEM-robotique, loose parts, jeu libre ni motricité

La première frontière est l’outdoor/nature play comme axe : le water play peut être outdoor ou, de façon centrale ici, table indoor ; l’axe est le liquide (flux, capacité, couler-flotter, mélanges, mess), non les minutes outdoor. Inférence : « nous avons une cour = il y a water play » ne signe pas. Un capteur de pouring accuracy est de l’analytique, non de l’outdoor. La deuxième est l’investigation scientifique curriculaire : Lange (2022) et Park et Park (2021) montrent la science DANS le water play ; ils n’autorisent pas un inquiry score de tableau de bord ni l’axe d’investigation déjà publié. La troisième est le STEM/robotique : Counsell (2024) et Park et Park (2021) sont métier du milieu, non score STEM ; un GenAI de « STEM water lesson plans » inverse l’argument. La quatrième est les loose parts : Sando et al. (2023) ancrent les objets (eau/sable) ; ici le milieu est le liquide, non la collection Nicholson. La cinquième est le jeu libre comme axe ; un GenAI d’expériences ferme l’incertitude. La sixième est la motricité curriculaire : verser implique le corps, non le tracking moteur ni les alertes d’off-task splashing. UNESCO (2021), Miao et Holmes (2023) et U.S. Department of Education (2023) exigent une supervision humaine. Inférence : l’usage cohérent d’IA en 3–6 reste du côté de l’adulte (Maraisane et al., 2024), contrasté avec Lange/Counsell et le modèle précurseur (Canedo Ibarra et Gómez Galindo, 2022). Il n’entre pas comme scorer, classifieur de mess, GenAI d’expériences, tableau de bord ni AR prédictive.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a soutien au jeu avec l’eau, 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, préscolaire, CENDI ou école infantile ne les passe pas, il ne peut pas déclarer que les cinq artefacts constituent un soutien au jeu avec l’eau / water play.

7.1. Épreuve de la pratique située d’eau réelle —flux, capacité, couler-flotter, mélanges—, agence infantile et mess comme condition du milieu, non du capteur pouring accuracy ni de la couche AR qui guide ou prédit. Lange (2022), Counsell (2024), Canedo Ibarra et Gómez Galindo (2022), Amalia et Harahap (2022) et Park et Park (2021) définissent le métier comme exploration observable du liquide. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique et génération comme affordances d’IA, non comme water play. Inférence : l’évidence de soutien au water play se vérifie dans le fait que l’enfant a exploré de l’eau réelle avec agence et sans produit attendu. Si l’« évidence » du centre est un pouring accuracy score ou une prédiction AR sink/float, le centre a fait de l’analytique ou une direction numérique qui ferme, non un soutien au water play.

7.2. Épreuve de la co-présence adulte qui nomme les propriétés et soutient la conversation, non du GenAI d’« expériences d’eau » / sink-or-float lesson plans. Lange (2022), Counsell (2024), Canedo Ibarra et Gómez Galindo (2022) et NAEYC (2022) situent conversation, mathématique/science DANS le jeu et pratique appropriée au développement. Miao et Holmes (2023) exigent une validation pédagogique de l’IA générative. Inférence : produire des expériences ou lesson plans par prompt qui ferment l’incertitude ne démontre pas qu’il y a eu co-présence qui nomme flux, capacité ou couler-flotter. Un script peut exister ; il ne signe pas l’épisode de water play.

7.3. Épreuve de la médiation humaine —y compris le contraste périphérique Maraisane et al.—, non du tableau de bord minutes/inquiry score ni du CV/caméra de mess ou off-task splashing alerts. OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Maraisane et al. (2024) ancrent le savoir conceptuel enseignant sur floating and sinking. Sando et al. (2023) ancrent objets-en-jeu et deep-level learning observés par des humains. Inférence : « minutes élevées à la table » ou « alerte de mess » peut élever un seuil administratif sans élever la qualité de la co-présence ni l’exploration infantile. L’observation pédagogique lit l’épisode avec le liquide ; le tableau de bord compte la surveillance. Le savoir humain de l’adulte est une périphérie légitime ; le wearable/CV qui substitue l’exploration ou la tolérance au mess ne l’est pas.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Water play ≠ outdoor/nature play comme axe, investigation scientifique curriculaire comme axe, STEM-robotique, loose parts, jeu libre ni motricité. Sando et al. (2023) empêchent de réduire les objets-eau aux loose parts comme axe. Park et Park (2021) et Lange (2022) empêchent de confondre la science DANS le jeu avec l’investigation curriculaire déjà publiée. Counsell (2024) empêche de confondre la mathématique à la table avec un STEM water score. UNESCO (2021), Miao et Holmes (2023), U.S. Department of Education (2023), NAEYC (2022) et OECD (2021, 2023) exigent supervision humaine, validation pédagogique et de ne pas substituer le jugement professionnel. Inférence : un centre ne peut pas traiter l’enfant comme vecteur de pouring accuracy ni comme destinataire exclusif d’expériences GenAI. Le soutien au jeu avec l’eau ne se remplit pas en notant mieux la « précision » ou en surveillant le « désordre ». Il se remplit en pratiquant l’eau réelle, l’agence infantile pour explorer sans produit attendu, la co-présence adulte qui nomme les propriétés et soutient la conversation, et la tolérance au mess.

Le cadre admet le numérique subordonné au savoir/préparation de l’adulte et à une médiation humaine validée (Maraisane et al., 2024 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026). Il refuse de déclarer un soutien par les cinq artefacts (Miao et Holmes, 2023 ; Nikolopoulou, 2025 ; UNESCO, 2021). Les quatre épreuves se lisent ensemble.

8. Discussion

Trois tensions organisent la discussion. La première est entre exhiber les cinq artefacts et exercer le soutien au water play. Lange, Counsell, Amalia et Harahap (N = 15), Park et Park, Canedo Ibarra et Gómez Galindo, Sando et al. (N = 928) et Maraisane et al. soutiennent le métier ou sa frontière ; Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient l’IA sans équivalence au water play situé. Ce n’est pas un résultat que les artefacts produisent le métier.

La deuxième est entre l’assessment automatisé de pouring accuracy ou de mess et la pédagogie du milieu liquide. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) objectivent l’analytique ; ils ne rapportent pas d’essais vérifiés de scoring ni d’alertes de mess en préscolaire 3–6 —les métriques ne sont pas inventées—. Inférence : déclarer un soutien par score de versement ou alerte de désordre est une pédagogie inversée.

La troisième est entre GenAI d’expériences / AR prédictive et métier intégral. Miao et Holmes (2023) et Nikolopoulou (2025) fixent des limites ; Lange (2022), Counsell (2024) et Canedo Ibarra et Gómez Galindo (2022) fixent science/mathématique DANS le jeu et modèle précurseur social. Inférence : vendre des expériences par prompt ou une AR sink/float comme « water play avec IA » confond produit et exploration du liquide. Amalia et Harahap (2022) confirment la pratique N = 15 sans autoriser un score ; UNESCO (2021), Miao et Holmes (2023) et U.S. Department of Education (2023) subordonnent l’IA au jugement professionnel.

Les quatre épreuves de la section 7 lisent ces tensions. Le contraste empirique —Lange/Counsell ; N = 15 ; Park et Park ; modèle précurseur ; N = 928 ; Maraisane et al.— définit le plancher que les artefacts n’atteignent pas seuls. Inférence : le soutien s’érode en les traitant comme s’ils étaient la pratique. Le numérique subordonné est légitime vers l’adulte (Maraisane et al., 2024) ; inverser la séquence ne l’est pas (NAEYC, 2022 ; OECD, 2021, 2023 ; Lange, 2022 ; Counsell, 2024).

9. Limites

Cette revue est narrative. Elle n’applique pas de PRISMA propre ni n’estime d’effets combinés primaires. Amalia et Harahap (2022) mesurent N = 15 dans un centre PAUD : limite d’échantillon et transfert partiel marqué. Lange (2022) et Counsell (2024) apportent des cadres de métier NSTA, non des essais de capteurs. Park et Park (2021) décrivent une activité sink/float médiatisée ; Canedo Ibarra et Gómez Galindo (2022), un chapitre de modèle précurseur et d’interaction sociale ; Sando et al. (2023), N = 928 obs. d’objets-en-jeu (eau/sable), non axe loose parts ; Maraisane et al. (2024), savoir enseignant Grade R comme contraste périphérique, non axe de formation continue. Chen (2024), Su et Yang (2022), Su et Zhong (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non le scoring de pouring accuracy ni les alertes de mess. Aucun essai vérifié de capteur pouring accuracy, CV mess/off-task splashing, GenAI expériences/lesson plans, tableau de bord minutes/inquiry score ou AR guide/prédiction couler-flotter en CENDI 3–6 n’a été localisé ; ils sont discutés comme plafond de catégorie. NAEYC, UNESCO et OECD sont de cadre. Les inférences de la section 7 sont des hypothèses de catégorie, non une évidence d’implémentation.

10. Conclusions

Un capteur ou wearable qui « note la précision du versement » ou un « pouring accuracy score » / « STEM water score » de l’enfant, un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou les « éclaboussures hors tâche » ou déclenche des alertes de « mess / off-task splashing », un chatbot/GenAI qui génère des « expériences d’eau » ou des « plans sink-or-float » ou des « water play lesson plans » par prompt, un tableau de bord de « minutes à la table d’eau » / « inquiry score » pour la surveillance administrative, ou une couche AR qui « guide » le versement ou prédit couler/flotter ne constituent pas un soutien au jeu avec l’eau / water play dans un centre d’éducation de la petite enfance. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) confirment des affordances d’IA sans équivalence au water play situé. Nikolopoulou (2025) et Miao et Holmes (2023) fixent des limites de GenAI. Maraisane et al. (2024) exigent de lire le savoir enseignant Grade R comme contraste périphérique —adulte ≠ capteur, CV mess, GenAI, tableau de bord ni AR—. Lange (2022) et Counsell (2024) fixent science et mathématique DANS le water play. Lorsqu’il y a soutien, il y a pratique située : water play is science (Lange, 2022) ; math à la table (Counsell, 2024) ; N = 15 Amalia et Harahap (2022) avec limite marquée ; sink/float médiatisé (Park et Park, 2021) ; modèle précurseur et interaction sociale (Canedo Ibarra et Gómez Galindo, 2022) ; objets-en-jeu N = 928 (Sando et al., 2023) ; DAP et interactions (NAEYC, 2022 ; OECD, 2021, 2023). Le water play se distingue de l’outdoor/nature play comme axe, de l’investigation scientifique curriculaire comme axe, du STEM-robotique, des loose parts, du jeu libre et de la motricité. Les guides exigent une supervision humaine (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023 ; Su et Zhong, 2022).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent des cartographies d’IA, GenAI ou savoir enseignant Grade R, il ne les traduit pas en soutien pédagogique au water play via score ou alerte de mess. Accompagner des filles et des garçons de trois à six ans dans le jeu avec l’eau, c’est exercer de l’eau réelle (flux, capacité, couler-flotter, mélanges), l’agence infantile pour explorer sans produit attendu, la co-présence adulte qui nomme les propriétés et soutient la conversation, et la tolérance au mess comme condition du milieu. Le reste est un capteur de pouring accuracy, un classifieur de désordre, un générateur d’expériences qui ferme l’incertitude, un tableau de bord de minutes et une couche AR qui guide ou prédit. Ce n’est pas un soutien au jeu avec l’eau en éducation de la petite enfance, et il ne doit pas se présenter comme ce qu’il n’est pas.

Laboratoire Éditorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Amalia, S., y Harahap, J. Y. (2022). Water playing method to improve science in Group B children at PAUD Khairul Ummah. International Journal of Educational Research Excellence, 1(2), 170–173. https://doi.org/10.55299/ijere.v1i2.206
  2. Canedo Ibarra, S. P., y Gómez Galindo, A. A. (2022). Social interaction in the construction of a floating and sinking precursor model during preschool education. En Precursor models for teaching and learning science during early childhood (pp. 53–73). Springer. https://doi.org/10.1007/978-3-031-08158-3_4
  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. Counsell, S. L. (2024). Water play: Where’s the math? Science and Children, 61(3), 11–12. https://doi.org/10.1080/00368148.2024.2340798
  5. Lange, A. (2022). The early years: Water play is science. Science and Children, 59(4), 10–11. https://doi.org/10.1080/00368148.2022.12291760
  6. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54(5), 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  7. Maraisane, M. J. L., Jita, L. C., y Jita, T. (2024). The notions of floating and sinking: Exploring the conceptual knowledge of Grade R teachers. South African Journal of Childhood Education, 14(1), Article 1407. https://doi.org/10.4102/sajce.v14i1.1407
  8. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  9. 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
  10. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child, 1(1). https://doi.org/10.1007/s44436-025-00023-1
  11. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  12. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  13. Park, D.-Y., y Park, M.-H. (2021). Sinking or floating: An inquiry-based STEM activity for children. Childhood Education, 97(6), 74–80. https://doi.org/10.1080/00094056.2021.2000310
  14. Sando, O. J., Sandseter, E. B. H., y Brussoni, M. (2023). The role of play and objects in children’s deep-level learning in early childhood education. Education Sciences, 13(7), 701. https://doi.org/10.3390/educsci13070701
  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. Su, J., y Zhong, Y. (2022). Artificial Intelligence (AI) in early childhood education: Curriculum design and future directions. Computers and Education: Artificial Intelligence, 3, 100072. https://doi.org/10.1016/j.caeai.2022.100072
  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. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137