1. Introduction et problème

Dans la tranche de 3 à 6 ans —jardin d’enfants, préscolaire, CENDI, école maternelle— s’est installé un paquet de cinq artefacts qui prétendent valoir pour soutien au mark-making / early drawing-writing / traits précoces : un classificateur/CNN/vision par ordinateur qui « note » traits, formes, Draw-A-Person ou scores de fine motor maturity / prewriting readiness / drawing age / VMI auto-score comme évaluation pédagogique ; un GenAI qui génère mark-making lesson plans, prewriting worksheets ou copy-the-shape drills par prompt comme recette fermée ; un tableau de bord de minutes de dessin / stroke accuracy / shape completion pour la surveillance administrative ; une application qui substitue à la conversation adulte–enfant sur le sens des marques un score de correctness ; et un système qui convertit le portfolio en classement de developmental level from drawing sans médiation pédagogique. Les cinq permettent d’exhiber que le centre « fait déjà du mark-making avec l’IA ». Le saut —du score, du plan/worksheet généré, de la métrique de minutes ou du classement maturatif à l’affirmation d’un soutien— n’est autorisé ni par les cartographies de l’IA en ECE ni par la pédagogie du mark-making lorsqu’il y a des marques intentionnelles (griffonnage, traits, formes, figure humaine, préécriture), sens sémiotique et agence graphique, matériaux réels (papier, crayon, craie, paint ; tablette subordonnée), co-présence adulte qui observe, nomme et converse —pas seulement « copie le cercle »—, et portfolio de processus lu avec médiation pédagogique.

La thèse est restrictive : ces cinq artefacts ne constituent pas un soutien au mark-making / early drawing-writing dans la petite enfance. En initiale, le mark-making se développe avec des matériaux réels, une agence graphique et une co-présence qui interprète sens et processus (NAEYC, 2022 ; OECD, 2021, 2023) ; non un score de forme, un GenAI de worksheets ni un tableau de bord de minutes. L’IA peut soutenir la préparation de l’adulte de façon subordonnée ; non substituer la relation ni convertir l’enfant en vecteur de stroke accuracy. Serpa-Andrade et al. (2021) apportent un système de soutien pour éducateurs et thérapeutes qui notent l’acquisition de la préécriture à Cuenca (Équateur), avec un corpus de l’ordre de trois cents dessins associés à Battelle : constat de rating assisté, non de pédagogie sémiotique. Hwang et al. (2025) automatisent l’assessment de la motricité fine via des formes dessinées à la main à 36–72 mois : score moteur via formes, non conversation sur le sens. Liu et al. (2026) développent et évaluent de façon préliminaire CPAT pour les prewriting skills chez des kindergarteners chinois (N = 143) avec ancrage VMI/OA : assessment assisté, non métier d’agence graphique. Strikas et al. (2023), Beltzung et al. (2025), Jensen et al. (2023) et Alawad et al. (2026) saturent CNN et machine vision sur dessins de kindergarten, âge de dessin ou figure humaine : ils mesurent architecture ou structure latente / niveau estimé, non co-présence qui nomme les marques. Tsai et al. (2024) et Lomurno et al. (2023) se lisent avec transfert marqué (rehab VMI ; dépistage de risque de dysgraphie sur tablette). Cela autorise à demander ce qui a été mesuré : fine motor maturity, prewriting readiness, drawing age, VMI auto-score, stroke accuracy ou classement developmental —non la pratique lorsqu’un enfant marque avec intention et qu’un adulte converse sur le sens.

Le problème s’aggrave par six confusions de catégorie. Première : le mark-making n’est pas la littératie émergente comme axe —il peut y avoir des traces d’écriture émergente DANS le mark-making ; l’axe est la pratique sémiotique de marquer—. Deuxième : ce n’est pas la motricité comme axe —Hwang et al. (2025), Strikas et al. (2023) et Tsai et al. (2024) mesurent des scores moteurs/VMI ; ils n’autorisent pas à réduire le mark-making à un curriculum moteur—. Troisième : ce n’est pas la créativité artistique —il y a du dessin, mais l’axe est l’agence graphique et le sens sémiotique—. Quatrième : ce n’est pas l’évaluation formative générique ni la documentation —le portfolio importe comme lecture pédagogique—. Cinquième : ce n’est pas le Draw-A-Person clinique ni le dépistage de dysgraphie —Jensen et al. (2023), Alawad et al. (2026) ; Lomurno et al. (2023) avec transfert—. Sixième : ce n’est pas la lecture dialogique, l’oralité, l’attention conjointe, le jeu libre, le DUA, le STEM, la numéracie, le SEL, la formation des enseignants, sand/water/playdough/loose parts/outdoor/risky/block/spatial, l’inclusion ni la vie privée. Galbraith (2022) est un contraste périphérique des pédagogies du jeu. La question est ce qui compte comme soutien au mark-making lorsqu’un centre « fait de l’IA et de l’early drawing-writing ».

Il existe une économie de coordination : les cinq artefacts tiennent sur une diapositive ; l’épisode avec papier ou craie, marques intentionnelles, adulte qui nomme et portfolio avec médiation, non. NAEYC (2022) et OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Inférence : le soutien ne se réalise pas en notant le stroke accuracy ni en générant des worksheets par prompt. Contributions : séparer métier et artefacts ; examiner les cas marqués (Serpa-Andrade et al., 2021 ; Hwang et al., 2025 ; Liu et al., 2026 ; Strikas et al., 2023 ; Beltzung et al., 2025 ; Tsai et al., 2024 ; Jensen et al., 2023 ; Alawad et al., 2026 ; Lomurno et al., 2023 ; Galbraith, 2022 périphérique) ; et offrir quatre épreuves de soutien.

2. État de l’art : de la pratique située du mark-making à l’artefact qu’on exhibe

Il convient de séparer quatre strates que le marché de « l’IA pour le mark-making en initiale » tend à mélanger. La première est le construit de mark-making / early drawing-writing / traits précoces de 3 à 6 ans comme pratique sémiotique et relationnelle : marques intentionnelles, sens sémiotique, agence graphique et conversation adulte–enfant sur ce qui a été marqué (NAEYC, 2022 ; OECD, 2021, 2023). La deuxième est le métier qui le cultive —matériaux réels ; adulte qui observe, nomme et converse, non seulement corrige la forme ; portfolio de processus avec médiation ; tablette subordonnée— (Serpa-Andrade et al., 2021, lu comme rating ≠ pédagogie sémiotique ; NAEYC, 2022 ; OECD, 2021, 2023 ; Galbraith, 2022, contraste périphérique). La troisième est la preuve des affordances de l’IA en ECE et des systèmes CNN/CV de scoring de dessin, formes, VMI, figure humaine ou préécriture —sans les équivaloir au mark-making situé— (Chen, 2024 ; Su et Yang, 2022 ; Su et Zhong, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025 ; Hwang et al., 2025 ; Liu et al., 2026 ; Strikas et al., 2023 ; Beltzung et al., 2025 ; Tsai et al., 2024 ; Jensen et al., 2023 ; Alawad et al., 2026 ; Lomurno et al., 2023). La quatrième est le cadre des droits et de la pratique appropriée au développement, qui traite le jeune enfant comme sujet qui marque avec intention, non comme vecteur de stroke accuracy ni destinataire exclusif de worksheets GenAI ou de classements developmental (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023).

NAEYC (2022) et OECD (2021, 2023) ancrent pratique appropriée, interactions significatives et numérisation subordonnée : cadre. Les systèmes vérifiés mesurent des objets distincts du métier. Serpa-Andrade et al. (2021) conçoivent et mettent en œuvre un système de soutien pour éducateurs et thérapeutes qui notent des skills de préécriture : constat de rating assisté, non de conversation sur le sens des marques. Hwang et al. (2025) apportent un assessment automatique de fine motor via formes (36–72 mois). Liu et al. (2026) —CPAT ; N = 143— apportent une évaluation préliminaire des prewriting skills avec ancrage VMI/OA. Strikas et al. (2023) comparent CNN face à Griffiths. Beltzung et al. (2025) —N = 193 (2–10 plus adultes)— drawing behaviour avec deep learning : transfert marqué. Jensen et al. (2023) et Alawad et al. (2026, Tebyan) abordent figure humaine / developmental levels sans diagnostic. Tsai et al. (2024) appliquent le deep learning au VMI en rehab : transfert ≠ classe 3–6 pure. Lomurno et al. (2023) détectent un risque de dysgraphie avec tablette : transfert screening. Inférence : un prewriting readiness score ne nomme pas le sens d’un griffonnage ; un enfant qui marque et un adulte qui converse, oui. Chen (2024), Su et Yang (2022), Su et Zhong (2022) et Ljungcrantz (2026) cartographient l’IA en ECE sans l’équivaloir au mark-making situé. Nikolopoulou (2025) et Miao et Holmes (2023) fixent prudence et seuils de GenAI pour lesson plans/worksheets par prompt. UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine et de ne pas substituer le jugement professionnel. Galbraith (2022) est un contraste périphérique des pédagogies du jeu.

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 en classe, est rehab, clinique ou dépistage de dysgraphie, ou que la plage d’âge dépasse la tranche ; (b) mark-making, early drawing-writing, préécriture, formes dessinées, figure humaine, VMI, CNN/CV de dessin, ou IA en ECE avec pertinence artefact/métier ; (c) jardin d’enfants, préscolaire, CENDI ou 3–6, ou transfert explicite ; (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 —littératie émergente, oralité, motricité comme axe, créativité artistique, évaluation formative générique, documentation, attention conjointe, lecture dialogique, jeu libre, DUA, STEM, numéracie, SEL, formation des enseignants, sand/water/playdough/loose parts/outdoor/risky/block/spatial, inclusion et vie privée—. Galbraith (2022) seulement comme contraste périphérique. Tsai et al. (2024) = rehab VMI, transfert. Lomurno et al. (2023) = dépistage dysgraphie/tablette, transfert. Beltzung et al. (2025) = plage 2–10 plus adultes, transfert partiel. Hwang et al. (2025) et Strikas et al. (2023) se lisent pour formes/CNN de fine motor, non comme axe de motricité déjà publié. Serpa-Andrade et al. (2021) et Liu et al. (2026) se lisent pour rating/CPAT de préécriture, non comme littératie émergente ni évaluation formative générique comme axes.

La recherche a été exécutée le 6 septembre 2026 (slot 15:40 America/Mexico_City) sur pages DOI, Crossref, Springer, Elsevier, Wiley, Taylor & Francis, MDPI, IEEE Xplore, Frontiers, WSEAS, JAIR, OECD iLibrary, UNESDOC, NAEYC et sites éditoriaux. Chaque source a été vérifiée contre le corpus de fuentes.md et crossref_check.json. Ont été distingués constat empirique, cadre et inférence pédagogique. Aucun N, d, r, AUC ni DOI n’a été inventé : lorsqu’un artefact manque d’une étude vérifiée avec métriques de stroke accuracy dashboard, GenAI de worksheets comme paquet d’exposition en CENDI latino-américain, ou application qui substitue la conversation à la correctness en classe 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 les systèmes de scoring/CNN vérifiés (Serpa-Andrade et al., 2021 ; Hwang et al., 2025 ; Liu et al., 2026 ; Strikas et al., 2023 ; Beltzung et al., 2025 ; Jensen et al., 2023 ; Alawad et al., 2026). Les vingt et une sources du corpus vérifié ont été utilisées.

4. Cas 1. Score CNN/CV de traits/formes/DAP/fine-motor/prewriting readiness, GenAI de lesson plans/worksheets/copy-the-shape, tableau de bord de minutes/stroke accuracy, application qui substitue la conversation à un score, ou portfolio→classement developmental level ne constituent pas un soutien au mark-making

Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) saturent le plafond d’artefacts lorsque l’IA en ECE se présente comme si elle était un soutien au mark-making. Chen (2024) cartographie les affordances globales : constat de scoping sur des usages émergents —tutorat, analytique, génération de contenus—, non qu’un fine motor maturity score ou un drawing age score cultive l’agence graphique. Su et Yang (2022) examinent les tendances de l’IA en ECE, non la co-présence qui nomme ce qui a été marqué. Ljungcrantz (2026) examine l’interaction IA–ECE 2020–2024 : état de l’art, non mark-making situé. Inférence : « stroke accuracy / prewriting readiness élevé = il y a eu soutien » est un plafond d’analytique de forme. Serpa-Andrade et al. (2021), Hwang et al. (2025) et Liu et al. (2026) mesurent rating, fine motor via formes ou CPAT ; un score utile à l’administration peut coexister avec l’absence de co-présence qui interprète le sens.

Nikolopoulou (2025) et Miao et Holmes (2023) nomment le risque du GenAI de mark-making lesson plans / prewriting worksheets / copy-the-shape drills par prompt qui ferme l’épisode : cadre de prudence et seuils d’âge, non essai versus épisode avec papier et adulte qui converse (NAEYC, 2022 ; OECD, 2021). Inférence : produire un drill de « copie le cercle » par prompt peut être une préparation subordonnée ; le soutien commence avec des matériaux réels, une agence pour marquer et un adulte qui nomme sans réduire à la forme correcte. Su et Zhong (2022) proposent un curriculum d’AI literacy, non un mark-making situé.

Les cinq artefacts manquent, dans le corpus vérifié, d’essais d’équivalence pédagogique avec le métier en CENDI 3–6 latino-américain ; on n’invente ni d, ni r, ni AUC de « soutien ». Hwang et al. (2025), Strikas et al. (2023) et Beltzung et al. (2025) mesurent CNN/formes/âge de dessin ; Jensen et al. (2023) et Alawad et al. (2026) figure humaine / niveau ; Tsai et al. (2024) et Lomurno et al. (2023) transfert rehab/dysgraphie ; Galbraith (2022) contraste périphérique seulement lorsque l’adulte soutient le métier. Inférence restrictive : CNN ≠ adulte qui nomme ; GenAI de worksheets ≠ épisode ouvert ; tableau de bord ≠ observation ; application de correctness ≠ conversation ; classement ≠ portfolio avec médiation. UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine. Les cinq partagent une grammaire de substitution : le score parle pour la marque ; le GenAI ferme ; le tableau de bord substitue l’observation ; l’application efface la conversation ; le classement convertit le processus en niveau sans médiation. La grammaire d’exposition inverse la séquence : d’abord on active l’artefact ; ensuite on déclare « il y a déjà du mark-making avec l’IA ». Inférence : exhiber stroke accuracy ou copy-the-shape drills résout la coordination administrative, non l’accompagnement des marques intentionnelles. Lorsque le score parle pour l’enfant et le worksheet parle pour l’adulte, le seuil de supervision humaine n’est pas respecté même si le tableau de bord paraît « vert ».

5. Cas 2. Ce que le jardin d’enfants fait bien lorsqu’il y a soutien au mark-making : métier sémiotique-relationnel et ce que mesurent Serpa-Andrade, Hwang, Liu CPAT, Strikas, Beltzung, Tsai, Jensen, Tebyan et Lomurno —avec Galbraith comme contraste périphérique

Le plancher du métier n’est pas un score : ce sont des matériaux réels (papier, crayon, craie, paint ; tablette subordonnée), des marques intentionnelles, une agence graphique, un sens sémiotique, une co-présence adulte qui observe, nomme et converse —pas seulement « copie le cercle »—, et un portfolio de processus avec médiation (NAEYC, 2022 ; OECD, 2021, 2023). Inférence : il y a soutien lorsqu’on protège cette pratique ; non lorsqu’on exhibe un fine motor maturity score, un GenAI de worksheets ou un classement developmental. Le métier se reconnaît dans l’épisode : l’enfant marque avec intention ; l’adulte demande, nomme et élargit sans fermer sur la correctness ; la tablette, si elle apparaît, est un moyen subordonné.

Serpa-Andrade, Pazos-Arias, Lopez-Nores et Robles-Bykbaev (2021) saturent l’ancre latino-américaine : système de soutien pour éducateurs et thérapeutes qui notent l’acquisition de skills de préécriture ; Cuenca (Équateur) ; corpus de l’ordre de trois cents dessins de figures de préécriture associées à Battelle. Statut : constat empirique de rating assisté. Inférence : ils mesurent la notation de préécriture pour éducateur/thérapeute ; ils n’équivalent pas à la pédagogie sémiotique du mark-making ni n’autorisent à présenter un CNN de forme comme évaluation du sens des marques. Hwang et al. (2025) —36–72 mois— apportent un assessment automatique de fine motor via hand-drawn shape images. Distinction marquée : cité pour l’artefact de scoring de formes ; cet article n’est pas converti en celui de motricité déjà publié. Inférence : fine motor score ≠ conversation sur ce qui a été marqué. Liu et al. (2026) —CPAT ; N = 143 kindergarteners chinois ; VMI/OA— apportent développement et évaluation préliminaire d’un computer-assisted assessment des Chinese prewriting skills. Inférence : CPAT mesure des skills de préécriture assistées ; il ne signe ni agence graphique ni portfolio de processus avec médiation sémiotique.

Strikas et al. (2023) comparent des CNN state-of-the-art pour assessing fine motor skills sur dessins de kindergarten grec face à Griffiths : architecture CNN ≠ métier de co-présence. Beltzung et al. (2025) —N = 193 (150 enfants 2–10 + 43 adultes) ; France— utilisent le deep learning pour étudier le développement du drawing behaviour : transfert marqué ; la prédiction d’âge de dessin ne substitue pas à l’adulte qui nomme le sens en 3–6. Jensen et al. (2023) montrent une rich latent structure dans les human figure drawings via perception humaine et machine vision : structure latente riche n’est pas un classement administratif sans médiation. Alawad et al. (2026) —Tebyan ; MobileNet/ResNet/EfficientNet— estiment des developmental levels sans prétendre au diagnostic : estimer un niveau ≠ portfolio de processus avec médiation ; n’autorise pas à convertir le portfolio en classement sans adulte.

Tsai, Lee et Huang (2024) appliquent le deep learning au VMI en rééducation pédiatrique (Beery VMI ; DenseNet) : THÉRAPIE/rehab ; transfert ≠ classe 3–6 pure ; le VMI auto-score n’autorise pas les cinq artefacts comme mark-making de jardin d’enfants. Lomurno et al. (2023) —Play-Draw-Write ; Procrustes ; kindergarten→2ᵉ— early dysgraphia risk avec tablette : screening ; transfert ; ≠ pédagogie du mark-making. Galbraith (2022) —pédagogies du jeu chez des preservice teachers— est contraste périphérique, non axe de formation des enseignants. Médiation cohérente (NAEYC, 2022 ; OECD, 2021, 2023) : matériaux, observation des marques, conversation sur le sens et portfolio sans script de correctness.

Ensemble : il existe des systèmes qui notent la préécriture (Serpa-Andrade et al., 2021), scorent formes/fine motor (Hwang et al., 2025 ; Strikas et al., 2023), évaluent la prewriting (Liu et al., 2026), prédisent l’âge de dessin (Beltzung et al., 2025), analysent la figure humaine (Jensen et al., 2023 ; Alawad et al., 2026) ou dépistent dysgraphie/VMI avec transfert (Tsai et al., 2024 ; Lomurno et al., 2023). Aucun —à lui seul— ne signe agence graphique, sens sémiotique et co-présence en classe. La preuve technique est réelle dans son domaine ; « score = soutien au mark-making » est une inférence illégitime de catégorie.

6. Cas 3. Mark-making ≠ littératie émergente comme axe, motricité comme axe, créativité artistique, évaluation formative générique, documentation, Draw-A-Person clinique ni dépistage de dysgraphie

Six frontières protègent l’axe. Première : littératie émergente —il peut y avoir des traces DANS le mark-making ; l’axe est la pratique sémiotique de marquer—. Inférence : « nous travaillons la littératie = il y a mark-making » ne signe pas ; un prewriting readiness score n’est pas non plus littératie ni mark-making pédagogique. Serpa-Andrade et al. (2021) et Liu et al. (2026) notent/assistent la préécriture ; ils n’autorisent pas à réécrire cet article comme littératie. Deuxième : motricité curriculaire —Hwang et al. (2025), Strikas et al. (2023) et Tsai et al. (2024) mesurent fine motor/VMI ; ils n’autorisent pas à réduire le mark-making à un fine motor maturity score comme s’il était le métier—. Troisième : créativité artistique —il y a dessin et figure humaine (Jensen et al., 2023 ; Alawad et al., 2026 ; Beltzung et al., 2025), mais l’axe est l’agence graphique et le sens sémiotique—. Quatrième : évaluation formative et documentation —le portfolio importe ; le convertir en classement developmental sans médiation (plafond d’Alawad et al., 2026, lu restrictivement) n’est ni mark-making ni ces axes déjà publiés—. Cinquième : Draw-A-Person clinique —Jensen et al. (2023) et Alawad et al. (2026) n’équivalent pas au DAP clinique ni à la pédagogie de classe—. Sixième : dépistage de dysgraphie —Lomurno et al. (2023) fixent le transfert ; screening ≠ mark-making de jardin d’enfants—. UNESCO (2021), Miao et Holmes (2023) et U.S. Department of Education (2023) exigent une supervision humaine. Inférence : l’IA cohérente en 3–6 demeure du côté de l’adulte (préparation subordonnée ; Galbraith, 2022 périphérique), non comme scorer, GenAI de copy-the-shape, tableau de bord, application de correctness ni classement sans médiation.

Ces frontières protègent l’axe de l’article. Le mark-making / early drawing-writing comme pratique sémiotique et relationnelle peut toucher, de façon latérale, littératie, motricité fine, dessin, évaluation ou documentation ; il ne se laisse réduire à aucun de ces axes déjà publiés. Un centre qui « travaille la littératie », « travaille la motricité fine », « fait de l’art », « évalue » ou « documente » n’a pas démontré par cette seule étiquette qu’il cultive des marques intentionnelles avec agence graphique et co-présence qui interprète le sens. Ni un DAP clinique ni un dépistage de dysgraphie transférés au discours de classe ne le démontrent. La distinction est de catégorie pédagogique, non de négation des chevauchements empiriques latéraux.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a soutien au mark-making, non un artefact

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 d’enfants, un préscolaire, un CENDI ou une école maternelle ne les réussit pas, il ne peut déclarer que les cinq artefacts constituent un soutien au mark-making / early drawing-writing.

7.1. Épreuve de la pratique située (matériaux réels, marques intentionnelles, agence graphique), non du score CNN/CV ni de l’application de correctness. NAEYC (2022), OECD (2021, 2023) et les cas de scoring (Serpa-Andrade et al., 2021 ; Hwang et al., 2025 ; Liu et al., 2026 ; Strikas et al., 2023 ; Beltzung et al., 2025 ; Jensen et al., 2023 ; Alawad et al., 2026) définissent le contraste métier/scoring. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient l’analytique comme affordance, non comme mark-making. Inférence : la preuve de soutien se vérifie selon que l’enfant a marqué avec des matériaux réels et une agence, et qu’il y a eu sens sémiotique en jeu. Si la « preuve » est fine motor maturity, drawing age ou correctness score, le centre a fait de l’analytique de forme, non un soutien au mark-making.

7.2. Épreuve de la co-présence adulte qui observe, nomme et converse —pas seulement « copie le cercle »—, non du GenAI de lesson plans/worksheets/copy-the-shape. NAEYC (2022), OECD (2021) et Galbraith (2022, périphérique) situent pratique et interactions. Miao et Holmes (2023) et Nikolopoulou (2025) exigent validation et médiation du GenAI. Inférence : un script par prompt ne signe pas l’épisode de mark-making.

7.3. Épreuve de la médiation humaine et du portfolio de processus, non du tableau de bord de minutes/stroke accuracy ni du classement developmental sans médiation. OECD (2021, 2023) exigent des interactions significatives. Alawad et al. (2026) estiment des niveaux sans diagnostic ; Tsai et al. (2024) et Lomurno et al. (2023) fixent rehab/screening. Inférence : des minutes ou un stroke accuracy élevés n’élèvent pas à eux seuls la co-présence. La préparation subordonnée de l’adulte est légitime ; le scorer qui convertit l’enfant en vecteur de forme ne l’est pas.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Mark-making ≠ littératie émergente, motricité, créativité artistique, évaluation formative, documentation, DAP clinique ni dépistage de dysgraphie comme axes. Hwang et al. (2025), Strikas et al. (2023), Tsai et al. (2024), Lomurno et al. (2023), Jensen et al. (2023) et Alawad et al. (2026) empêchent ces confusions. UNESCO (2021), Miao et Holmes (2023), U.S. Department of Education (2023), NAEYC (2022) et OECD (2021, 2023) exigent une supervision humaine et de ne pas substituer le jugement professionnel. Inférence : le soutien se réalise avec matériaux réels, agence graphique, co-présence et portfolio avec médiation —non en notant la « forme » ou en surveillant les « minutes ».

Le cadre admet le numérique subordonné à la préparation de l’adulte (Galbraith, 2022 périphérique ; Serpa-Andrade et al., 2021 comme soutien au rating, non substitution de la conversation). 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. Première : exhiber les cinq artefacts versus exercer le soutien. Serpa-Andrade et al. (2021), Hwang et al. (2025), Liu et al. (2026 ; N = 143), Strikas et al. (2023), Beltzung et al. (2025 ; N = 193 avec transfert), Tsai et al. (2024, rehab), Jensen et al. (2023), Alawad et al. (2026), Lomurno et al. (2023, dysgraphie) et Galbraith (2022 périphérique) soutiennent le contraste ; Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient l’IA sans équivalence au mark-making situé. Deuxième : assessment automatisé versus pédagogie sémiotique-relationnelle —déclarer un soutien par stroke accuracy ou shape completion est une pédagogie inversée ; on n’invente pas de métriques de « soutien pédagogique »—. Troisième : GenAI de worksheets / classement / application de correctness versus métier —Miao et Holmes (2023), Nikolopoulou (2025), NAEYC (2022) et OECD (2021, 2023)— : vendre copy-the-shape ou un classement type Tebyan sans médiation comme « mark-making avec l’IA » confond produit et pratique. Serpa-Andrade et al. (2021) confirment le rating à Cuenca sans autoriser à substituer la conversation ; UNESCO (2021) 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 —Cuenca ; formes 36–72 mois ; CPAT N = 143 ; CNN Grèce ; Beltzung N = 193 avec transfert ; VMI rehab ; figure humaine ; Tebyan ; Lomurno screening ; Galbraith périphérique— définit le plancher que les artefacts n’atteignent pas seuls lorsqu’on les présente comme pédagogie du mark-making. Inférence : le soutien s’érode lorsqu’on les traite comme s’ils étaient la pratique. Le numérique subordonné est légitime vers l’adulte (Serpa-Andrade et al., 2021 comme soutien au rating ; Galbraith, 2022) ; inverser la séquence ne l’est pas (NAEYC, 2022 ; OECD, 2021, 2023). Si le centre montre des matériaux réels, des marques intentionnelles, un adulte qui a conversé sur sens et processus, et un portfolio avec médiation, il peut parler de soutien ; s’il ne montre que scores, worksheets GenAI, minutes, correctness ou ranking without mediation, il parle d’artefacts. Mélanger les deux sur une diapositive d’« IA et mark-making » est le vide reconstruit ici. Su et Zhong (2022) : curriculum d’AI literacy ≠ early drawing-writing situé.

9. Limites

Cette revue est narrative. Elle n’applique pas de PRISMA propre ni n’estime d’effets combinés. Serpa-Andrade et al. (2021) apportent un rating de préécriture à Cuenca avec un corpus de l’ordre de trois cents : on n’invente ni d ni r ; on le lit comme outil, non comme métier sémiotique complet. Hwang et al. (2025) mesurent fine motor via formes à 36–72 mois : limite de construit moteur. Liu et al. (2026) mesurent N = 143 CPAT : évaluation préliminaire. Strikas et al. (2023) apportent une comparaison CNN. Beltzung et al. (2025) mesurent N = 193 avec plage 2–10 plus adultes : transfert partiel. Tsai et al. (2024) sont rehab VMI : transfert. Jensen et al. (2023) et Alawad et al. (2026) délimitent figure humaine/machine vision/estimation de niveau. Lomurno et al. (2023) sont dépistage dysgraphie/tablette : transfert. Galbraith (2022) est contraste périphérique, non axe. Chen (2024), Su et Yang (2022), Su et Zhong (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non des stroke-accuracy dashboards ni un GenAI de worksheets comme paquet d’exposition en CENDI latino-américain. Aucun essai vérifié des cinq artefacts comme paquet unique de « mark-making avec l’IA » en classe 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 preuve d’implémentation.

10. Conclusions

Les cinq artefacts —CNN/CV de traits/formes/DAP ou scores de fine motor maturity / prewriting readiness / drawing age / VMI ; GenAI de lesson plans/worksheets/copy-the-shape ; tableau de bord de minutes/stroke accuracy ; application de correctness ; classement developmental sans médiation— ne constituent pas un soutien au mark-making / early drawing-writing en éducation initiale. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) confirment des affordances sans équivalence au mark-making situé. Nikolopoulou (2025) et Miao et Holmes (2023) fixent les limites du GenAI. Serpa-Andrade et al. (2021), Hwang et al. (2025), Liu et al. (2026), Strikas et al. (2023), Beltzung et al. (2025), Tsai et al. (2024), Jensen et al. (2023), Alawad et al. (2026) et Lomurno et al. (2023) exigent de lire scoring/CNN/VMI/figure humaine/dysgraphie pour ce qu’ils mesurent —avec transferts— et pour ce à quoi ils n’équivalent pas en pédagogie sémiotique. Galbraith (2022) est contraste périphérique : adulte ≠ scorer ni GenAI de worksheets. Lorsqu’il y a soutien, il y a matériaux réels, marques intentionnelles, agence graphique, co-présence qui converse et portfolio avec médiation (NAEYC, 2022 ; OECD, 2021, 2023). Le mark-making se distingue de la littératie émergente, de la motricité, de la créativité artistique, de l’évaluation formative, de la documentation, du DAP clinique et du dépistage de dysgraphie comme axes. 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 d’enfants, cet article ne l’affirme pas. Là où elles mesurent des cartographies d’IA, un rating de préécriture, un CNN de formes, CPAT, drawing age, VMI rehab, figure humaine, Tebyan ou dépistage de dysgraphie, il ne les traduit pas en soutien via un score de forme ou un worksheet par prompt. Accompagner les filles et les garçons de trois à six ans en mark-making / early drawing-writing, c’est exercer des matériaux réels (papier, crayon, craie, paint ; tablette subordonnée), une agence graphique, une co-présence adulte qui interprète sens et processus —pas seulement « copie le cercle »— et un portfolio de processus avec médiation. Le reste est score CNN/CV, GenAI de worksheets/copy-the-shape, tableau de bord de minutes/stroke accuracy, application de correctness et classement developmental. Ce n’est pas un soutien au mark-making en éducation initiale, et cela ne doit pas être présenté comme ce qu’il n’est pas.

Laboratoire éditorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Alawad, W. M., Alquayid, A., Alghofaily, S., Alharbi, S., y Alorainy, D. (2026). Tebyan: An AI-powered system for estimating developmental levels from children’s human figure drawings. Health Informatics Journal, 32(2). https://doi.org/10.1177/14604582261460248
  2. Beltzung, B., Pelé, M., Martinet, L., Maitre, E., Falck, J., y Sueur, C. (2025). Using deep learning predictions to study the development of drawing behaviour in children. Displays, 90, Article 103166. https://doi.org/10.1016/j.displa.2025.103166
  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. 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. Hwang, N.-H., Chen, S.-S., Pai, T.-W., Ko, M. H.-J., Yu, Y.-L., y Chen, H.-J. (2025). Automatic assessment of fine motor development in children through hand-drawn shape images. Pediatrics & Neonatology, 66(6), 606–612. https://doi.org/10.1016/j.pedneo.2025.04.001
  6. Jensen, C. A., Sumanthiran, D., Kirkorian, H. L., Travers, B. G., Rosengren, K. S., y Rogers, T. T. (2023). Human perception and machine vision reveal rich latent structure in human figure drawings. Frontiers in Psychology, 14, Article 1029808. https://doi.org/10.3389/fpsyg.2023.1029808
  7. Liu, Z., Wu, D., Peng, S., Dong, C., Huo, Y., Zhang, Y., Zhang, J., Zhong, W., Liu, D., y Chen, J. (2026). Development and preliminary evaluation of a computer-assisted assessment tool for Chinese prewriting skills in preschoolers. Frontiers in Psychology, 17, Article 1793395. https://doi.org/10.3389/fpsyg.2026.1793395
  8. 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
  9. Lomurno, E., Dui, L. G., Gatto, M., Bollettino, M., Matteucci, M., y Ferrante, S. (2023). Deep learning and Procrustes analysis for early dysgraphia risk detection with a tablet application. Life, 13(3), Article 598. https://doi.org/10.3390/life13030598
  10. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  11. NAEYC. (2022). Developmentally appropriate practice in early childhood programs serving children from birth through age 8 (4.ª ed.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  12. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child, 1(1). https://doi.org/10.1007/s44436-025-00023-1
  13. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  14. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  15. Serpa-Andrade, L. J., Pazos-Arias, J. J., Lopez-Nores, M., y Robles-Bykbaev, V. E. (2021). Design, implementation and evaluation of a support system for educators and therapists to rate the acquisition of pre-writing skills. IEEE Access, 9, 77920–77929. https://doi.org/10.1109/access.2021.3083496
  16. Strikas, K., Papaioannou, N., Stamatopoulos, I., Angeioplastis, A., Tsimpiris, A., Varsamis, D., y Giagazoglou, P. (2023). State-of-the-art CNN architectures for assessing fine motor skills: A comparative study. WSEAS Transactions on Advances in Engineering Education, 20, 44–51. https://doi.org/10.37394/232010.2023.20.7
  17. Su, J., y Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial Intelligence, 3, Article 100049. https://doi.org/10.1016/j.caeai.2022.100049
  18. Su, J., y Zhong, Y. (2022). Artificial Intelligence (AI) in early childhood education: Curriculum design and future directions. Computers and Education: Artificial Intelligence, 3, Article 100072. https://doi.org/10.1016/j.caeai.2022.100072
  19. Tsai, Y.-T., Lee, J.-S., y Huang, C.-Y. (2024). Research on applying deep learning to visual–motor integration assessment systems in pediatric rehabilitation medicine. Algorithms, 17(9), Article 413. https://doi.org/10.3390/a17090413
  20. 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
  21. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137