1. Introduction et problème

Dans la tranche de 3 à 6 ans —jardin d’enfants, préscolaire, CENDI, école infantile— un paquet de cinq artefacts s’est installé comme s’il valait soutien au jeu avec la pâte à modeler / playdough / clay : un capteur ou wearable qui « note la précision de modelage » ou un « playdough molding accuracy score » / « fine-motor dough score » / « shape compliance score » de l’enfant ; un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou la « pâte hors plateau » ou déclenche des alertes de « mess / off-task dough spilling » ; un chatbot/GenAI qui génère des « plans de figures en pâte » ou des « playdough lesson plans » ou des « STEM dough activities » par prompt (pour l’enfant ou comme recette que l’adulte lit) ; un tableau de bord de « minutes avec la pâte » / « molding score » / « fine-motor dough minutes » pour la surveillance administrative ; et une couche AR qui « guide » le pétrissage ou prédit la « forme correcte ». Les cinq permettent d’afficher que le centre « fait déjà du playdough avec l’IA ». Le saut —du score de modelage, de l’alerte de mess, du plan généré, de la métrique de minutes ou du guide AR à l’affirmation de soutien— n’est autorisé ni par les cartographies d’IA en ECE ni par la pédagogie du playdough lorsqu’il y a de la pâte déformable réelle (pétrir, pincer, rouler, aplatir, couper avec des outils ouverts ; pâte maison ou commerciale), des propriétés tactiles réelles (résistance, élasticité, température), une agence infantile pour explorer sans produit attendu, une co-présence adulte qui nomme les propriétés et soutient la conversation, et une tolérance aux résidus de pâte sur la table comme condition du milieu, non comme erreur.

La thèse de cet article est restrictive. Un capteur ou wearable qui « note la précision de modelage » ou un « playdough molding accuracy score » / « fine-motor dough score » / « shape compliance score » de l’enfant, un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou la « pâte hors plateau » ou déclenche des alertes de « mess / off-task dough spilling », un chatbot/GenAI qui génère des « plans de figures en pâte » ou des « playdough lesson plans » ou des « STEM dough activities » par prompt, un tableau de bord de « minutes avec la pâte » / « molding score » / « fine-motor dough minutes » pour la surveillance administrative, ou une couche AR qui « guide » le pétrissage ou prédit la « forme correcte » ne constituent pas un soutien au jeu avec la pâte à modeler dans la petite enfance. En initiale, le playdough se développe avec de la pâte réelle, une agence infantile, une co-présence adulte qui nomme les propriétés et soutient la conversation (Yuniyartika et Sudaryanti, 2024 ; Darizal et al., 2023 ; Rukmini et al., 2022 ; Martuty et al., 2025 ; Sando et al., 2023), et une tolérance au mess ; non un score de modelage, un classifieur de désordre, un générateur de plans qui ferme l’incertitude, ni un tableau de bord de minutes. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) apportent des constats de playdough en classe/jardin avec limites de contexte et transfert marqué : ils se lisent par le milieu pâte, non comme axe de motricité générique déjà publié ; chez Wijaya et al., le collage n’est pas l’axe. Cela autorise à demander ce qui a été mesuré : molding accuracy, étiquette de mess, lesson plan par prompt, fine-motor dough minutes ou prédiction AR de « forme correcte », non la pratique lorsqu’un enfant pétrit, pince, roule, aplatit et reçoit une co-présence qui nomme résistance, élasticité ou température sans fermer l’incertitude.

Le problème s’aggrave par six confusions de catégorie. Première : playdough / clay play n’est pas sand play —l’axe est la pâte déformable aux propriétés tactiles réelles, non le milieu granulaire déjà publié—. Deuxième : ce n’est pas water play —pas le liquide déjà publié—. Troisième : ce n’est pas loose parts —Sando et al. (2023) ancrent les objets-en-jeu ; ici le milieu est la pâte déformable, non la collection Nicholson—. Quatrième : ce n’est pas la motricité comme axe —Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) peuvent rapporter des outcomes moteurs latéraux ; l’axe est le milieu dough/clay—. Cinquième : ce n’est pas la créativité artistique comme axe —ici ce n’est pas l’expression plastique générique déjà publiée ; l’axe est le playdough comme matériau de jeu ouvert—. Sixième : ce n’est pas la thérapie clinique avec playdough —Ferasinta et Dinata (2021) est un contraste périphérique thérapie de jeu ≠ playdough de classe—. Ce travail ne recycle pas sand play, water play, outdoor, jeu libre, loose parts, risky play, block play/spatial, jeu symbolique, motricité, STEM/robotique, créativité artistique, SEL, fonctions exécutives, environnemental, indigation scientifique comme axe, littératie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte–enfant comme axe générique, formation enseignante, musique ni numératie. Galbraith (2022) est un contraste périphérique de pédagogies du jeu, non un axe de formation enseignante déjà publié. La question est ce qui compte comme soutien au playdough lorsqu’un centre « fait de l’IA et du jeu avec la pâte ».

Il y a, en outre, une économie de coordination : les cinq artefacts tiennent sur une diapositive ; l’épisode prolongé avec pâte réelle, agence, mess toléré et co-présence qui nomme les propriétés tactiles, 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 modelage ni en générant des plans de figures par prompt. Les contributions sont trois : séparer métier et artefacts ; examiner des cas marqués (Yuniyartika et Sudaryanti, 2024 ; Darizal et al., 2023 ; Rukmini et al., 2022 ; Wijaya et al., 2023 ; Martuty et al., 2025 ; Sando et al., 2023 ; Ferasinta et Dinata et Galbraith périphériques) ; et offrir quatre épreuves de soutien au jeu avec la pâte / playdough / clay.

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

Il convient de séparer quatre strates que le marché de « l’IA pour le playdough en initiale » mélange souvent. La première est le construit de jeu avec la pâte / playdough / clay de 3 à 6 ans comme exploration ouverte d’un matériau déformable aux propriétés tactiles réelles —pétrir, pincer, rouler, aplatir, couper avec des outils ouverts ; pâte maison ou commerciale ; résistance, élasticité, température— et mess de résidus de pâte sur la table comme condition du milieu (Yuniyartika et Sudaryanti, 2024 ; Darizal et al., 2023 ; Rukmini et al., 2022 ; Wijaya et al., 2023 ; Martuty et al., 2025 ; Sando et al., 2023). La deuxième est le métier pédagogique qui le cultive —pâte réelle sur table ou plateau ; agence sans produit attendu ; co-présence qui nomme les propriétés ; tolérance au mess ; ne pas substituer l’exploration par un molding accuracy ni un classifieur de désordre— (Yuniyartika et Sudaryanti, 2024 ; Darizal et al., 2023 ; Rukmini et al., 2022 ; Martuty et al., 2025 ; Galbraith, 2022, contraste périphérique ; 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 playdough situé avec pâte réelle— (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 déformable, non comme vecteur de signaux pour un pipeline de playdough molding accuracy score ni comme destinataire passif de plans GenAI ou de prédictions AR de « forme correcte » qui ferment l’incertitude (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023).

En construit et métier, Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) articulent playdough media play / games en petite enfance : constats empiriques avec transfert marqué vers le milieu pâte (non motricité comme axe ; collage non comme axe chez Wijaya). Sando et al. (2023) —N = 928— associent objets manipulables et deep-level learning : objets-en-jeu, non loose parts ni sand/water. Ferasinta et Dinata (2021) sont un contraste périphérique clinique ; Galbraith (2022), un contraste périphérique adulte. Inférence : un molding accuracy score ne nomme pas les propriétés du déformable ; un enfant qui pétrit 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 playdough 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 de « plans de figures en pâte » ou STEM dough activities 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 menée, 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) playdough, clay play, pâte déformable, propriétés tactiles du dough, ou IA en ECE avec pertinence artefact/métier ; (c) jardin, préscolaire, CENDI ou 3–6 ; (d) revue à 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 —sand play, water play, outdoor générique, jeu libre, loose parts, risky play, block play/spatial, jeu symbolique, STEM/robotique, créativité artistique comme axe, motricité comme axe, SEL, fonctions exécutives, environnemental, indigation scientifique comme axe, littératie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte–enfant comme axe générique, formation enseignante, musique et numératie—. Ferasinta et Dinata (2021) seulement comme contraste périphérique clinique ; Galbraith (2022) seulement comme contraste périphérique de pédagogies du jeu. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) se lisent par le milieu playdough, non comme axe de motricité déjà publié. Wijaya et al. (2023) : le collage n’est pas l’axe. Sando et al. (2023) se lisent par objets-en-jeu (pâte/manipulables), non comme loose parts, sand play ni water play.

La recherche a été exécutée le 3 septembre 2026 (slot 21:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Elsevier, Taylor & Francis, MDPI, JAIR, OECD iLibrary, UNESDOC, NAEYC, Retos, Common Ground et sites éditoriaux. Chaque source a été vérifiée. Constat 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 playdough molding accuracy / fine-motor dough / shape compliance scoring, alertes mess/off-task dough spilling, tableau de bord molding-score ou prédiction AR de « forme correcte » 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 pédagogies du jeu (Galbraith, 2022). Les dix-neuf sources du corpus vérifié ont été utilisées.

4. Cas 1. Capteur/playdough molding accuracy score / fine-motor dough score / shape compliance score, CV/caméra de table avec alertes de mess ou off-task dough spilling, GenAI de « plans de figures » / playdough lesson plans / STEM dough activities, tableau de bord de minutes/molding score ou AR qui guide le pétrissage ou prédit la forme correcte ne constituent pas un soutien au jeu avec la pâte

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 soutien au playdough. Chen (2024) cartographie les affordances globales d’IA en early childhood education : constat de scoping sur des usages émergents —tutorat, analytique, génération de contenus—, non un constat qu’un wearable de molding accuracy cultive l’exploration ouverte du déformable avec résistance, élasticité ou température. Su et Yang (2022) revoient le champ d’IA en ECE : constat de synthèse sur les tendances, non sur le mess toléré ni la co-présence qui nomme les propriétés de la pâte. Ljungcrantz (2026) revoit l’interaction IA–ECE 2020–2024 : constat d’état de l’art, non de playdough situé. Inférence pédagogique, marquée comme telle : le geste « l’enfant a eu un molding accuracy élevé = il y a eu soutien au playdough » est un plafond d’analytique de précision de modelage. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022) et Sando et al. (2023) demandent de la pâte réelle, une conversation sur les propriétés et des objets-en-jeu ; 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 de « plans de figures en pâte » ou « playdough lesson plans » / « STEM dough activities » 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 un essai de lesson plans par prompt versus un épisode de playdough avec pâte réelle et co-présence qui soutient la conversation (Yuniyartika et Sudaryanti, 2024 ; Darizal et al., 2023 ; Martuty et al., 2025). Inférence : produire un plan de « figures en pâte » ou « STEM dough » par prompt peut être une préparation enseignante subordonnée ; le soutien au playdough commence lorsqu’il y a de la pâte réelle (maison ou commerciale), agence de l’enfant pour pétrir, pincer, rouler ou aplatir 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 de playdough situé—. Inférence de limite : un curriculum d’IA ne signe pas l’exploration du déformable.

Le système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou la « pâte hors plateau » ou déclenche des alertes de « mess / off-task dough spilling », le tableau de bord de « minutes avec la pâte » / « molding score » / « fine-motor dough minutes » et la couche AR qui « guide » le pétrissage ou prédit la « forme correcte » manquent, dans le corpus vérifié, d’essais avec N, d, r ou AUC rapportés pour scoring de molding accuracy / shape compliance, classification de mess/dough spilling, tableau de bord molding-score ou prédiction AR de forme correcte en préscolaire 3–6 ; les chiffres ne sont pas inventés. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique et génération comme tendance d’IA en ECE, sans équivalence au playdough médiatisé. Les études de playdough du corpus mesurent une pratique située avec limites, non un classifieur de mess ; Sando et al. (2023 ; N = 928) mesurent des observations humaines ; Galbraith (2022) est un contraste périphérique seulement lorsque l’adulte soutient le métier. Inférence restrictive : Galbraith ≠ capteur de molding accuracy ; GenAI de plans ≠ Yuniyartika/Darizal/Rukmini/Martuty qui ouvrent sans fermer ; AR de forme correcte ≠ exploration ouverte du déformable. UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine. Les cinq artefacts partagent une grammaire de substitution : le score parle pour l’exploration ; l’alerte substitue la tolérance au mess ; le GenAI ferme ; le tableau de bord substitue l’observation ; l’AR dirige ce que le métier laisse ouvert. Un capteur peut noter le modelage ; le métier articule le playdough humain, non l’AUC. Inférence : « molding 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 la pâte : propriétés du déformable, Yuniyartika et Sudaryanti, Darizal et al., Rukmini et al., Wijaya et al., Martuty et al., Sando et al. —avec Ferasinta et Dinata et Galbraith comme contraste périphérique

Yuniyartika et Sudaryanti (2024) saturent le plancher empirique du métier : playdough media play et développement en petite enfance, avec outcomes latéraux de motricité fine et cognitifs. Statut : constat empirique. Transfert marqué : les outcomes moteurs/cognitifs se lisent vers le milieu pâte déformable ; cet article ne se convertit pas en celui de motricité déjà publié. Inférence pédagogique : un centre peut appeler soutien au playdough lorsqu’il protège la pâte réelle, l’agence et la conversation sur les propriétés tactiles —non lorsqu’il note la précision de modelage—. Le playdough n’est pas un molding accuracy score : c’est pétrir, pincer, rouler, aplatir, couper avec des outils ouverts, comparer pâte maison ou commerciale, et soutenir le mess de résidus sur la table comme condition du milieu, tandis que l’adulte nomme résistance, élasticité ou température.

Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) ancrent playdough play/games en kindergarten et ECE avec limites de contexte et transfert marqué : ils se lisent par le milieu dough (le collage n’est pas l’axe chez Wijaya), non comme fine-motor dough score ni tracking de shape compliance. Sando et al. (2023) —N = 928— ancrent les objets manipulables dans le deep-level learning : pâte comme objet-en-jeu, non loose parts ni sand/water. NAEYC (2022) et OECD (2021, 2023) ancrent interactions significatives et numérisation subordonnée.

Le contraste périphérique clinique est Ferasinta et Dinata (2021) : thérapie de jeu utilisant playdough vers la motricité fine chez des préscolaires. Statut : constat de THÉRAPIE clinique de jeu, non de playdough pédagogique de classe. Transfert marqué : se lit seulement pour fixer thérapie ≠ playdough de jardin. Inférence : la thérapie de jeu avec playdough n’autorise pas les cinq artefacts comme playdough de classe. Le contraste périphérique adulte est Galbraith (2022) : pédagogies du jeu en formation initiale. Statut : cadre/constat vers l’adulte. Inférence : le numérique subordonné —adulte qui approfondit des pédagogies humaines pour soutenir la conversation à la table de pâte— peut être cohérent ; il n’autorise pas les cinq artefacts comme métier. Galbraith ne se convertit pas en article de formation enseignante déjà publié. La médiation —NAEYC (2022), OECD (2021) ; Yuniyartika et Sudaryanti (2024) ; Darizal et al. (2023) ; Rukmini et al. (2022) ; Martuty et al. (2025)— est une co-présence qui offre de la pâte réelle, tolère le mess, nomme les propriétés, observe l’agence sans produit attendu et élargit sans script numérique qui ferme. Inférence : l’observation pédagogique lit l’épisode avec le déformable ; le tableau de bord compte les minutes. Un tableau de bord ne construit pas l’élasticité vécue ; un enfant et un adulte qui conversent sur la résistance ou la température de la pâte, oui.

6. Cas 3. Playdough ≠ sand play, water play, loose parts, motricité comme axe, créativité artistique comme axe ni thérapie clinique

La première frontière est le sand play déjà publié : le playdough partage avec le sand play la logique d’un milieu matériel aux propriétés physiques réelles et mess toléré, mais l’axe ici est la pâte déformable (résistance, élasticité, température ; pétrir, pincer, rouler, aplatir), non le granulaire du bac à sable. Inférence : « nous avons un bac à sable = il y a playdough » ne signe pas ; un capteur de molding accuracy n’est ni sand play ni playdough. La deuxième est le water play déjà publié : l’axe n’est pas le liquide de la table d’eau. Inférence : « nous avons une table d’eau = il y a playdough » ne signe pas. La troisième est loose parts : Sando et al. (2023) ancrent les objets manipulables ; ici le milieu est la pâte déformable continue, non la collection Nicholson de pièces détachées. La quatrième est la motricité curriculaire comme axe : Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) peuvent rapporter des outcomes moteurs ; ils n’autorisent pas à réduire le playdough à un curriculum moteur ni à un tracking de « fine-motor dough score ». La cinquième est la créativité artistique comme axe : le playdough peut soutenir l’expression, mais ici l’axe est le matériau de jeu ouvert aux propriétés tactiles, non l’expression plastique générique déjà publiée ni un GenAI de « plans de figures » qui ferme l’incertitude esthétique. La sixième est la thérapie clinique : Ferasinta et Dinata (2021) fixent thérapie de jeu ≠ playdough de classe. 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 (Galbraith, 2022), contrasté avec Yuniyartika et Sudaryanti (2024), Darizal et al. (2023) et Martuty et al. (2025). Il n’entre pas comme scorer, classifieur de mess, GenAI de plans, tableau de bord ni AR prédictive de forme correcte.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a soutien au jeu avec la pâte, 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 déclarer que les cinq artefacts constituent un soutien au jeu avec la pâte / playdough / clay.

7.1. Épreuve de la pratique située de pâte réelle —pétrir, pincer, rouler, aplatir ; résistance, élasticité, température—, agence infantile et mess comme condition du milieu, non du capteur molding accuracy / shape compliance ni de la couche AR qui guide ou prédit la forme correcte. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023), Martuty et al. (2025) et Sando et al. (2023) définissent le métier comme exploration observable du déformable. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique et génération comme affordances d’IA, non comme playdough. Inférence : l’évidence de soutien au playdough se vérifie selon que l’enfant a exploré de la pâte réelle avec agence et sans produit attendu. Si la « preuve » du centre est un playdough molding accuracy score ou une prédiction AR de forme correcte, le centre a fait de l’analytique ou de la direction numérique qui ferme, non un soutien au playdough.

7.2. Épreuve de la co-présence adulte qui nomme les propriétés et soutient la conversation, non du GenAI de « plans de figures » / playdough lesson plans / STEM dough activities. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Martuty et al. (2025), Galbraith (2022) et NAEYC (2022) situent conversation, playdough games et pédagogies du jeu / pratique appropriée au développement. Miao et Holmes (2023) exigent une validation pédagogique de l’IA générative. Inférence : produire des plans ou STEM dough activities par prompt qui ferment l’incertitude ne montre pas qu’il y a eu co-présence qui nomme résistance, élasticité ou température. Un script peut exister ; il ne signe pas l’épisode de playdough.

7.3. Épreuve de la médiation humaine —y compris les contrastes périphériques Ferasinta et Dinata et Galbraith—, non du tableau de bord de minutes/molding score ni du CV/caméra de mess ou off-task dough spilling alerts. OECD (2021, 2023) exigent interactions significatives et numérisation subordonnée. Galbraith (2022) ancre les pédagogies du jeu vers l’adulte. Ferasinta et Dinata (2021) fixent la frontière thérapie ≠ classe. Sando et al. (2023) ancrent objets-en-jeu et deep-level learning observés par des humains. Inférence : « minutes élevées avec la pâte » 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 déformable ; le tableau de bord compte la surveillance. La connaissance/pédagogie humaine 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. Playdough ≠ sand play, water play, loose parts, motricité comme axe, créativité artistique comme axe ni thérapie clinique. Sando et al. (2023) empêchent de réduire les objets-pâte à loose parts comme axe. Ferasinta et Dinata (2021) empêchent de confondre playdough pédagogique et thérapie de jeu. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) empêchent de confondre outcomes moteurs latéraux avec motricité curriculaire comme axe ni avec fine-motor dough 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 traiter l’enfant comme vecteur de molding accuracy ni comme destinataire exclusif de plans GenAI. Le soutien au jeu avec la pâte ne se remplit pas en notant mieux la « précision » ou en surveillant le « désordre ». Il se remplit en pratiquant la pâte 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 aux pédagogies/préparation de l’adulte et à une médiation humaine validée (Galbraith, 2022 ; 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 playdough. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023), Martuty et al. (2025), Sando et al. (N = 928), Ferasinta et Dinata et Galbraith (périphériques) soutiennent le métier ou sa frontière ; Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient l’IA sans équivalence au playdough situé. Ce n’est pas un constat que les artefacts produisent le métier.

La deuxième est entre assessment automatisé de molding accuracy / shape compliance ou mess et pédagogie du déformable. 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 modelage ou alerte de pâte hors plateau est une pédagogie inversée.

La troisième est entre GenAI de plans / AR de forme correcte et métier intégral. Miao et Holmes (2023) et Nikolopoulou (2025) fixent des limites ; Yuniyartika et Sudaryanti (2024), Darizal et al. (2023) et Martuty et al. (2025) fixent playdough games et media play. Inférence : vendre des plans par prompt ou de l’AR comme « playdough avec IA » confond produit et exploration du déformable. Les cas empiriques de playdough confirment une pratique située avec limites 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 —Yuniyartika/Sudaryanti ; Darizal ; Rukmini ; Wijaya (collage non axe) ; Martuty ; N = 928 ; Ferasinta et Galbraith périphériques— définit le plancher que les artefacts n’atteignent pas seuls. Inférence : le soutien s’érode lorsqu’on les traite comme s’ils étaient la pratique. Le numérique subordonné est légitime vers l’adulte (Galbraith, 2022) ; inverser la séquence ne l’est pas (NAEYC, 2022 ; OECD, 2021, 2023 ; Yuniyartika et Sudaryanti, 2024).

9. Limites

Cette revue est narrative. Elle n’applique pas de PRISMA propre ni n’estime d’effets combinés primaires. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) apportent des constats de playdough avec limites de contexte/transfert marquées ; les N, d, r ou AUC absents ne sont pas inventés. Wijaya et al. (2023) incluent le collage : ce n’est pas l’axe. Sando et al. (2023 ; N = 928), Ferasinta et Dinata (2021 ; thérapie périphérique) et Galbraith (2022 ; pédagogies périphériques) délimitent les frontières. Chen (2024), Su et Yang (2022), Su et Zhong (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non le molding accuracy ni les alertes de mess. Aucun essai vérifié des cinq artefacts en CENDI 3–6 n’a été localisé ; ils sont discutés comme plafond de catégorie. NAEYC, UNESCO et OECD sont des sources 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 de modelage » ou un « playdough molding accuracy score » / « fine-motor dough score » / « shape compliance score » de l’enfant, un système de vision par ordinateur / caméra de table qui étiquette le « désordre » ou la « pâte hors plateau » ou déclenche des alertes de « mess / off-task dough spilling », un chatbot/GenAI qui génère des « plans de figures en pâte » ou des « playdough lesson plans » ou des « STEM dough activities » par prompt, un tableau de bord de « minutes avec la pâte » / « molding score » / « fine-motor dough minutes » pour la surveillance administrative, ou une couche AR qui « guide » le pétrissage ou prédit la « forme correcte » ne constituent pas un soutien au jeu avec la pâte à modeler / playdough / clay 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 playdough situé. Nikolopoulou (2025) et Miao et Holmes (2023) fixent les limites de GenAI. Ferasinta et Dinata (2021) exigent de lire la thérapie de jeu comme contraste périphérique —thérapie ≠ playdough de classe—. Galbraith (2022) exige de lire les pédagogies du jeu comme contraste périphérique —adulte ≠ capteur, CV mess, GenAI, tableau de bord ni AR—. Yuniyartika et Sudaryanti (2024), Darizal et al. (2023), Rukmini et al. (2022), Wijaya et al. (2023) et Martuty et al. (2025) fixent playdough games / media play. Lorsqu’il y a soutien, il y a pratique située : playdough media play (Yuniyartika et Sudaryanti, 2024) ; playdough en kindergarten Yogyakarta (Darizal et al., 2023) ; playdough game (Rukmini et al., 2022) ; playdough avec collage non comme axe (Wijaya et al., 2023) ; playdough games Group B (Martuty et al., 2025) ; objets-en-jeu N = 928 (Sando et al., 2023) ; DAP et interactions (NAEYC, 2022 ; OECD, 2021, 2023). Le playdough se distingue du sand play, water play, loose parts, motricité comme axe, créativité artistique comme axe et thérapie clinique. 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, thérapie de jeu ou pédagogies du jeu vers l’adulte, il ne les traduit pas en soutien via score ou alerte de mess. Accompagner les filles et garçons de trois à six ans dans le jeu avec la pâte, c’est exercer la pâte réelle (pétrir, pincer, rouler, aplatir, sans produit attendu), l’agence infantile, la co-présence adulte qui nomme les propriétés, et la tolérance au mess comme condition du milieu. Le reste est un capteur de playdough molding accuracy / fine-motor dough / shape compliance, un classifieur de désordre, un générateur de plans qui ferme l’incertitude, un tableau de bord de minutes et une couche AR qui guide ou prédit la forme correcte. Ce n’est pas un soutien au jeu avec la pâte en éducation de la petite enfance, et cela ne doit pas se présenter comme ce qu’il n’est pas.

Laboratoire éditorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. 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
  2. Darizal, D., Sutapa, P., Suhartini, B., Sabillah, M. I., y Annasai, F. (2023). The effect of playdough play on early childhood fine motor improvement in Yogyakarta National Kindergarten. International Journal of Multidisciplinary Research and Analysis, 6(3). https://doi.org/10.47191/ijmra/v6-i3-04
  3. Ferasinta, F., y Dinata, E. Z. (2021). Pengaruh terapi bermain menggunakan playdough terhadap peningkatan motorik halus pada anak prasekolah. Jurnal Keperawatan Muhammadiyah Bengkulu, 9(2), 59–65. https://doi.org/10.36085/jkmb.v9i2.2213
  4. Galbraith, J. (2022). “A prescription for play”: Developing early childhood preservice teachers’ pedagogies of play. Journal of Early Childhood Teacher Education, 43(3), 474–494. https://doi.org/10.1080/10901027.2022.2054035
  5. 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
  6. Martuty, A., Intisari, Tasrif Akib, Hasbur, H. S., y Suriani, A. (2025). The effect of playdough games on the fine motor skills of group B children. Early Childhood: Jurnal Pendidikan, 9(1), 1–10. https://doi.org/10.35568/earlychildhood.v9i1.6568
  7. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  8. 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
  9. 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
  10. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  11. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  12. Rukmini, R., Mustaji, M., y Mariono, A. (2022). Effectiveness of a playdough game in stimulating fine motor skills and cognitive skill: Early childhood education. The International Journal of Early Childhood Learning, 29(1), 1–12. https://doi.org/10.18848/2327-7939/CGP/v29i01/1-12
  13. 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
  14. 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
  15. 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
  16. 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
  17. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  18. Wijaya, R. G., Darizal, D., Sabillah, M. I., y Annasai, F. (2023). The effect of playing playdough and collage on improving fine motor skills in early childhood. Retos, 51. https://doi.org/10.47197/retos.v51.101396
  19. Yuniyartika, Y., y Sudaryanti, S. (2024). The effect of playdough media play on early childhood development: Fine motor and cognitive. JETL (Journal of Education, Teaching and Learning), 9(1), 81. https://doi.org/10.26737/jetl.v9i1.5954