1. Introduction et problème

Dans la tranche des 3 à 6 ans — jardin d’enfants, préscolaire, CENDI, école de la petite enfance — un paquet de cinq artefacts a été installé qui prétendent valoir pour soutien au jeu avec matériaux lâches / loose parts play / matériaux ouverts : un chatbot qui « suggère des constructions » ou des « idées de loose parts » à l’enfant ; un générateur GenAI d’« activités » ou de « provocations » par prompt qui fixe le résultat ; un système de vision par ordinateur qui note la « créativité » ou étiquette des photos d’assemblages ; une couche AR qui « guide » la disposition des matériaux ; et un tableau de bord de « métriques d’exploration » ou « open-endedness score ». Les cinq permettent d’afficher que le centre « fait déjà du loose parts avec l’IA ». Le saut — de suggestion, provocation, score, guide AR ou métrique à l’affirmation d’un soutien — n’est autorisé ni par les cartographies de l’IA en ECE ni par la pédagogie du loose parts play lorsqu’il y a des matériaux ouverts physiques, agence de l’enfant, temps prolongé, négociation entre pairs, co-présence adulte sans résultat prédéterminé et exploration divergente.

La thèse de cet article est restrictive. Un chatbot qui « suggère des constructions » ou des « idées de loose parts » à l’enfant, un générateur GenAI d’« activités avec matériaux lâches » ou de « provocations » par prompt, un système de vision par ordinateur qui note la « créativité » ou étiquette des photos d’assemblages, une couche AR qui « guide » la disposition des matériaux, ou un tableau de bord de « métriques d’exploration » / « open-endedness score » ne constituent pas un soutien au jeu avec matériaux lâches dans la petite enfance. En initiale, le loose parts play se développe avec des matériaux ouverts physiques, l’agence de l’enfant, un temps prolongé, la négociation entre pairs et une co-présence adulte sans résultat prédéterminé ; non un score de créativité, un suggéreur d’IA, une provocation générée par prompt qui fixe le résultat ni une couche AR qui dirige la disposition. Cankaya, Rohatyn-Martin, Leach, Taylor et Bulut (2023) examinent la littérature sur le loose parts play et le développement cognitif en préscolaire et documentent un écart empirique, surtout indoor. Cankaya, Martin et Haugen (2025) appliquent PRISMA à 25 études jusqu’en décembre 2024 (0–6 ans) : une seule étude utilise explicitement le terme « loose parts » ; ils rapportent des associations avec problem-solving, créativité et skills, avec des écarts méthodologiques. Cankaya, Rohatyn-Martin, Buro, Bulut et Taylor (2025) — N = 60 ; Mage = 58,6 mois (SD = 10,9) ; within-subjects — trouvent plus de comportements STEM spontanés avec loose parts qu’avec des jouets à fonction limitée : constat empirique d’affordances ouvertes, non autorisation à transformer cet article en un texte sur le STEM/robotique curriculaire. Aşkar et Durmuşoğlu (2023) apportent un cas qualitatif sur le sens du jeu avec matériaux lâches en préscolaire. Zeng et Ng (2025) documentent des stratégies de questioning humaines pendant le loose parts play en kindergarten. Cela autorise à demander ce qui a été mesuré : suggestion du bot, provocation par prompt, étiquette CV, guide AR ou open-endedness score, non la pratique lorsqu’un enfant reconfigure un matériau ouvert, négocie avec un pair, soutient l’épisode dans le temps et reçoit une co-présence adulte sans résultat fixé d’avance.

Le problème s’aggrave par cinq confusions de catégorie. Première : loose parts / matériaux ouverts n’est pas le « jeu libre » générique — bien que le libre puisse l’héberger, l’axe est la pratique d’affordances ouvertes avec matériaux lâches physiques. Deuxième : ce n’est pas le block play / raisonnement spatial comme axe — le matériau lâche peut inclure des pièces reconfigurables, mais ne se réduit pas à un assemblage spatial mesurable. Troisième : ce n’est pas l’outdoor play / nature play — Hu (2025) apporte le nature-based loose parts seulement comme contraste d’affordance, non comme axe outdoor déjà publié. Quatrième : ce n’est pas la créativité artistique curriculaire ni un score de créativité. Cinquième : ce n’est pas le STEM/robotique comme axe — Cankaya et al. (2025) se lisent seulement comme évidence d’affordances spontanées. Ce travail ne recycle pas outdoor play, jeu libre, jeu symbolique, block play/spatial, STEM/robotique, créativité artistique, motricité, environnemental, investigation, littératie, oralité, SEL, fonctions exécutives, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique, formation enseignante, musique ni numératie. La question est ce qui compte comme soutien au loose parts play lorsqu’un centre « fait de l’IA et des matériaux lâches ».

Il y a, en outre, une économie de coordination : chatbot suggéreur, provocation GenAI, creativity score, couche AR et tableau de bord d’open-endedness tiennent sur une diapositive ; l’épisode prolongé avec matériaux ouverts, agence de l’enfant, pairs et co-présence adulte sans résultat fixe, non. NAEYC (2022) et OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Inférence : le soutien au jeu avec matériaux lâches ne se réalise pas en générant des provocations ni en notant l’exploration. Les contributions sont trois : séparer le métier du paquet d’artefacts ; examiner trois familles de cas — y compris Zeng et Ng (2025) comme étayage humain par questioning et Lyu et McNair (2026) comme contraste périphérique (IA→adulte) — ; et offrir quatre épreuves pour affirmer le soutien au loose parts play, non seulement chatbot, GenAI, CV, AR ou tableau de bord.

2. État de l’art : de la pratique située des matériaux lâches à l’artefact exposé

Il convient de séparer quatre strates que le marché de « l’IA pour les loose parts en initiale » mélange souvent. La première est le construit de matériaux lâches / loose parts play / matériaux ouverts de 3 à 6 ans comme pratique d’affordances ouvertes avec matériaux physiques reconfigurables, agence de l’enfant, temps prolongé, négociation entre pairs et exploration divergente sans résultat prédéterminé (Cankaya et al., 2023 ; Cankaya, Martin et Haugen, 2025 ; Aşkar et Durmuşoğlu, 2023 ; Zeng et Ng, 2025 ; Hu, 2025). La deuxième est le métier pédagogique qui le cultive — offre de matériaux ouverts, protection du temps, questioning humain qui ouvre sans fixer le résultat, co-présence adulte, ne pas substituer la reconfiguration de l’enfant par une suggestion numérique — (Zeng et Ng, 2025 ; Aşkar et Durmuşoğlu, 2023 ; Lyu et McNair, 2026 ; NAEYC, 2022 ; OECD, 2021, 2023). La troisième est l’évidence des affordances de l’IA en ECE, GenAI centrée sur l’enfant et dual-track Froebel+AI — sans les équivaloir au loose parts play situé avec matériaux physiques — (Chen, 2024 ; Su et Yang, 2022 ; Su et Zhong, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025 ; Lyu et McNair, 2026). 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 d’exploration divergente avec matériaux ouverts, non comme vecteur de signaux pour un pipeline d’open-endedness score ni comme destinataire passif de suggestions d’un chatbot ou d’une provocation GenAI (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023).

En construit et métier, Cankaya et al. (2023) synthétisent LPP–cognition en préscolaire et marquent un écart empirique indoor : constat de revue. Cankaya, Martin et Haugen (2025) — PRISMA ; 25 études ; 0–6 — confirment un faible usage explicite du terme « loose parts » et des associations avec problem-solving, créativité et skills, avec des écarts : constat de revue systématique. Cankaya et al. (2025) — N = 60 ; Mage = 58,6 m (SD = 10,9) — documentent plus de STEM behaviours spontanés avec loose parts qu’avec des jouets limités : constat d’affordances, non axe STEM. Aşkar et Durmuşoğlu (2023) apportent un sens qualitatif. Zeng et Ng (2025) montrent un questioning humain pendant le LPP sans résultat fixe. Hu (2025) infuse le nature-based loose parts via action research : contraste avec l’outdoor déjà publié. Inférence : un chatbot ne reconfigure pas la pièce ; un enfant avec un pair et un adulte qui questionne sans fixer le résultat, 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 loose parts play situé. Nikolopoulou (2025) équilibre promesses et défis de la GenAI centrée sur l’enfant sous médiation enseignante : cadre de prudence. Lyu et McNair (2026) reconceptualisent la pédagogie froebelienne avec l’IA en contexte chinois (N = 50 practitioners) : intégration dual-track ; l’IA se situe de façon périphérique à l’adulte ; émergent des préoccupations de déplacement d’expériences sensorielles. 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 provocations par prompt. U.S. Department of Education (2023) exige que l’IA soutienne, non qu’elle substitue, 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) loose parts play, matériaux ouverts, matériaux lâches, affordances ouvertes, ou IA en ECE pertinente pour le contraste artefact/métier ; (c) jardin d’enfants, 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 — outdoor play, jeu libre, jeu symbolique, block play/spatial, STEM/robotique, créativité artistique, motricité, environnemental, investigation, littératie, oralité, SEL, fonctions exécutives, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique, formation enseignante, musique et numératie. Les STEM behaviours de Cankaya et al. (2025) seulement comme affordances spontanées ; Hu (2025) seulement comme contraste avec l’outdoor.

La recherche a été exécutée le 3 septembre 2026 (créneau 01:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Elsevier, Taylor & Francis, Nature Portfolio, MDPI, JAIR, OECD iLibrary, UNESDOC, NAEYC et sites éditoriaux. Chaque source a été vérifiée. On a distingué constat empirique, cadre et inférence pédagogique. Aucun N, d, r, AUC ni DOI n’a été inventé : lorsqu’un artefact manque d’étude vérifiée avec métriques de scoring 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 dual-track Froebel+AI (Lyu et McNair, 2026). Les dix-huit sources du corpus vérifié ont été utilisées.

4. Cas 1. Chatbot suggéreur de constructions/idées loose parts, GenAI de provocations par prompt, CV creativity score, AR qui guide la disposition ou tableau de bord open-endedness ne constituent pas un soutien au jeu avec matériaux lâches

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 loose parts play. Chen (2024) cartographie les affordances globales de l’IA en early childhood education : constat de scoping sur des usages émergents — tutorat, analytique, génération de contenus —, non constat qu’un chatbot qui suggère des constructions cultive l’agence de l’enfant avec des matériaux ouverts physiques. Su et Yang (2022) examinent le champ de l’IA en ECE : constat de synthèse sur les tendances, non sur la négociation entre pairs avec pièces reconfigurables ni le temps prolongé d’exploration divergente. Ljungcrantz (2026) examine l’interaction IA–ECE 2020–2024 : constat d’état de l’art, non de loose parts play situé. Inférence pédagogique, marquée comme telle : le geste « l’enfant a reçu des idées du chatbot = il y a eu loose parts play » est un plafond de tutorat génératif. Cankaya et al. (2023), Cankaya, Martin et Haugen (2025) et Aşkar et Durmuşoğlu (2023) demandent matériaux ouverts, agence et sens situé ; un dialogue utile avec un bot peut coexister avec l’absence de matériaux physiques, de pairs, de temps protégé et de résultat ouvert.

Nikolopoulou (2025) et Miao et Holmes (2023) nomment le risque du générateur d’« activités avec matériaux lâches » ou de « provocations » à partir d’un prompt qui fixe le résultat. 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 provocations par prompt versus épisode de loose parts avec questioning humain (Zeng et Ng, 2025). Inférence : produire une provocation par prompt peut être une préparation enseignante subordonnée ; le soutien au loose parts play commence lorsqu’il y a des matériaux ouverts sur la table ou le sol, agence de l’enfant pour reconfigurer, temps protégé, pairs qui négocient et un adulte qui questionne sans fixer le résultat. Su et Zhong (2022) proposent une conception curriculaire de l’IA en ECE comme direction future — curriculum d’AI literacy, non loose parts play situé. Inférence de limite : un curriculum d’IA ne signe pas l’exploration divergente avec matériaux lâches.

Le système de vision par ordinateur qui note la « créativité » ou étiquette des photos d’assemblages, la couche AR qui « guide » la disposition des matériaux et le tableau de bord de « métriques d’exploration » / « open-endedness score » manquent, dans le corpus vérifié, d’essais avec N, d, r ou AUC rapportés pour le scoring de créativité d’assemblages loose parts, le guide AR de disposition ou l’open-endedness score en préscolaire 3–6 ; on n’invente pas de chiffres. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique, tutorat, agents et génération comme tendance d’IA en ECE, sans équivalence au loose parts play médiatisé. Cankaya et al. (2025) mesurent des STEM behaviours spontanés avec matériaux lâches versus jouets limités (N = 60) : constat d’affordances, non de creativity score algorithmique. Lyu et McNair (2026) — N = 50 practitioners froebeliens — documentent des préoccupations de déplacement d’expériences sensorielles lorsque l’IA s’approche de l’enfant : contraste empirique d’usage périphérique légitime seulement lorsque l’IA soutient l’adulte. Inférence restrictive : GenAI qui soutient l’enseignant ≠ chatbot suggéreur à l’enfant ; provocation par prompt qui fixe le résultat ≠ questioning humain qui ouvre (Zeng et Ng, 2025) ; empowerment enseignant ≠ open-endedness score ; couche AR qui dirige la disposition ≠ reconfiguration libre du matériau. UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine. Les cinq artefacts partagent une même grammaire de substitution : la suggestion du bot parle pour l’agence de l’enfant ; la provocation GenAI fixe le résultat ; le CV score substitue l’observation pédagogique de l’épisode ; l’AR dirige la disposition ; le tableau de bord substitue le temps prolongé par une métrique.

Il convient de préciser le plafond sans inventer d’effets. Un chatbot peut lister des « idées » ; Aşkar et Durmuşoğlu (2023) et Zeng et Ng (2025) documentent sens et questioning humains, non des tours avec un modèle. Un GenAI peut imprimer une provocation ; Miao et Holmes (2023) exigent une validation pédagogique. Un CV peut étiqueter « haute créativité » ; Cankaya, Martin et Haugen (2025) examinent des associations humaines, non l’AUC. Une AR peut guider la disposition ; Cankaya et al. (2025) mesurent des comportements spontanés, non un guide numérique. Un tableau de bord peut élever un « open-endedness score » ; NAEYC (2022) et OECD (2021) ancrent pratique et interactions. Inférence : « creativity score élevé » ou « provocation selon le modèle » est mesure ou génération, non soutien signé.

5. Cas 2. Ce que le jardin fait lorsqu’il y a soutien au jeu avec matériaux lâches : matériaux ouverts, agence, temps, pairs, co-présence — avec Zeng et Ng (questioning) et Lyu et McNair (dual-track) comme contraste

Cankaya, Martin et Haugen (2025) saturent le plancher empirique de revue : 25 études jusqu’en décembre 2024 (0–6 ans ; PRISMA) associent l’indoor loose parts play au problem-solving, à la créativité et aux skills, avec la réserve qu’une seule étude utilise explicitement « loose parts » et que des écarts méthodologiques persistent. Statut : constat de revue systématique. Transfert marqué : la plage 0–6 inclut la toddlerhood ; on lit avec prudence vers la tranche 3–6 du jardin. Cankaya et al. (2023) précèdent l’écart indoor LPP–cognition en préscolaire : constat de revue. Inférence pédagogique, marquée comme telle : c’est le type d’objet qu’un centre d’initiale peut appeler soutien au loose parts play lorsqu’il protège des matériaux ouverts physiques, l’agence de l’enfant et le temps — non lorsqu’il note l’open-endedness sur un tableau de bord. Le loose parts play n’est pas un creativity score : c’est une maîtrise croissante de reconfigurer des matériaux ouverts, de soutenir l’épisode, de négocier avec des pairs, d’explorer de façon divergente et de recevoir une co-présence adulte sans résultat prédéterminé. Un chatbot qui suggère « fais un pont » sans matériaux partagés peut célébrer un dialogue étiqueté et, en même temps, vider l’agence. Un CV peut étiqueter « assemblage créatif » sur une photo et n’avoir pas capturé si l’adulte a fixé le résultat, s’il y avait des pairs ou si le matériau était vraiment ouvert.

Aşkar et Durmuşoğlu (2023) documentent, dans un cas qualitatif préscolaire, le sens du jeu avec matériaux lâches : le métier se lit depuis l’expérience située, non depuis un score. Zeng et Ng (2025) apportent l’étayage humain décisif : questioning strategies pendant le loose parts play en kindergarten qui promeuvent l’apprentissage scientifique sans convertir le free play en leçon à résultat fermé. Statut : constat empirique de médiation par questions humaines. Inférence : le questioning de Zeng et Ng est le contraste direct avec la provocation GenAI par prompt qui fixe le résultat — l’adulte ouvre ; le prompt ferme. Cankaya et al. (2025) — N = 60 ; Mage = 58,6 m (SD = 10,9) ; within-subjects — montrent plus de STEM behaviours spontanés avec loose parts qu’avec des jouets limités : évidence d’affordances ouvertes ; on ne le convertit pas ici en axe STEM/robotique curriculaire. Hu (2025) montre une action research qui infuse le nature-based loose parts dans un Kindergarten Program : le matériau naturel lâche comme affordance, avec contraste explicite face à l’outdoor play déjà publié dans la série. NAEYC (2022) et OECD (2021, 2023) ancrent interactions significatives et numérisation subordonnée.

Le contraste de bon usage périphérique est le dual-track Froebel+AI de Lyu et McNair (2026). Ils rapportent N = 50 practitioners froebeliens en contexte chinois : intégration dual-track ; l’IA se conçoit périphérique à l’adulte/enseignant ; émergent des préoccupations de déplacement d’expériences sensorielles si la technologie s’approche de l’enfant comme substitut. Statut : constat empirique de reconceptualisation pédagogique et de préoccupation practitioner. Inférence : le numérique subordonné — adulte qui reçoit un soutien d’IA pour planifier ou réfléchir sans substituer les matériaux physiques ni l’agence de l’enfant — peut être cohérent avec le loose parts play ; cela n’autorise pas à déclarer qu’un chatbot suggéreur, une provocation GenAI qui fixe le résultat, un CV creativity score, une AR qui guide la disposition ou un open-endedness score constituent le métier. La médiation — NAEYC (2022), OECD (2021) ; Zeng et Ng (2025) — est une co-présence adulte qui organise le temps, offre des matériaux ouverts, questionne sans fixer le résultat, écoute la négociation entre pairs et élargit sans imposer un script numérique. Inférence : l’observation pédagogique du loose parts play est une lecture professionnelle de l’épisode avec matériaux ouverts ; le tableau de bord compte une métrique. Un tableau de bord ne reconfigure pas la pièce ; un enfant et un adulte qui questionne sans fixer le résultat, oui.

6. Cas 3. Loose parts ≠ jeu libre générique, block play spatial, outdoor-nature play, créativité artistique curriculaire ni STEM-robotique comme axe

La première frontière de catégorie est le jeu libre générique. Le libre peut héberger des matériaux lâches ; il ne constitue pas, à lui seul, la pratique d’affordances ouvertes avec matériaux physiques reconfigurables comme axe. Inférence : cet article interdit l’équivalence « nous avons du jeu libre = il y a soutien au loose parts play ». Un chatbot qui « suggère des idées » n’est pas libre non plus : c’est un tutorat génératif qui resserre l’agence. La deuxième frontière est le block play / raisonnement spatial déjà publié : l’assemblage 2D/3D avec blocs unitaires et langage spatial est un construit distinct ; le matériau lâche peut inclure des pièces, mais l’axe ici est l’ouverture des affordances, non le score spatial ni le block talk comme objet. La troisième est l’outdoor play / nature play : Hu (2025) apporte le nature-based loose parts comme infusion de matériaux naturels lâches — contraste d’affordance —, non identité avec green time, forest school ou minutes outdoor déjà traités. Inférence : « nous avons une cour = il y a loose parts » ne signe pas matériaux ouverts, agence et temps de reconfiguration. La quatrième est la créativité artistique curriculaire ou le creativity score : Cankaya, Martin et Haugen (2025) rapportent des associations avec la créativité comme outcome latéral possible dans des revues humaines ; ils n’autorisent pas un CV qui note la créativité de photos d’assemblages. La cinquième est le STEM/robotique comme axe : Cankaya et al. (2025) documentent des STEM behaviours spontanés avec loose parts — constat d’affordances — ; les convertir en curriculum STEM ou robotique inverse l’argument de cet article. UNESCO (2021), Miao et Holmes (2023) et U.S. Department of Education (2023) exigent une supervision humaine. Inférence : le seul usage d’IA cohérent avec 3–6 reste du côté de l’adulte — dual-track Froebel+AI de Lyu et McNair (2026) —, soumis à validation pédagogique et contrasté avec le questioning humain (Zeng et Ng, 2025). Il n’entre pas comme scorer autonome, chatbot suggéreur, provocation GenAI qui fixe le résultat, AR qui dirige la disposition ni tableau de bord d’open-endedness.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a soutien au jeu avec matériaux lâches, 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 d’enfants, préscolaire, CENDI ou école de la petite enfance ne les passe pas, il ne peut déclarer que les cinq artefacts constituent un soutien au jeu avec matériaux lâches.

7.1. Épreuve de la pratique située de matériaux ouverts physiques, agence de l’enfant et exploration divergente, non du chatbot suggéreur ni de la couche AR. Cankaya et al. (2023), Cankaya, Martin et Haugen (2025), Aşkar et Durmuşoğlu (2023) et Cankaya et al. (2025) définissent le métier comme matériaux lâches et affordances observables. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient chatbots et génération de contenus comme affordances d’IA, non comme loose parts play. Inférence : l’évidence de soutien au loose parts play se vérifie dans le fait que l’enfant a reconfiguré des matériaux ouverts physiques avec agence. Si l’« évidence » du centre est un dialogue avec chatbot ou un guide AR de disposition, le centre a fait du tutorat ou de la direction numérique du matériau, non un soutien au loose parts play.

7.2. Épreuve du temps prolongé, de la négociation entre pairs et du questioning humain sans résultat fixe, non de la provocation GenAI par prompt. Zeng et Ng (2025), Aşkar et Durmuşoğlu (2023) et NAEYC (2022) situent questioning, sens situé et pratique appropriée au développement. Miao et Holmes (2023) exigent une validation pédagogique de l’IA générative. Inférence : produire une provocation par prompt qui fixe le résultat ne démontre pas qu’il y a eu temps protégé, pairs ni questions humaines qui ouvrent. Un script peut exister ; il ne signe pas l’épisode de matériaux lâches.

7.3. Épreuve de la médiation humaine — y compris le contraste périphérique dual-track Froebel+AI —, non du tableau de bord d’open-endedness ni du CV creativity score. OECD (2021, 2023) exigent interactions significatives et numérisation subordonnée. Lyu et McNair (2026) ancrent l’IA périphérique à l’adulte avec préoccupation de déplacement sensoriel. Zeng et Ng (2025) ancrent le questioning humain. Inférence : un « open-endedness score élevé » ou un « creativity score » peut élever un seuil sans élever la qualité de la co-présence. L’observation pédagogique lit l’épisode avec matériaux ouverts ; le tableau de bord compte une métrique. La GenAI qui guide l’adulte est périphérique légitime ; le chatbot qui suggère des constructions à l’enfant ou l’AR qui dirige la disposition ne le sont pas.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Loose parts ≠ jeu libre générique, block play spatial, outdoor-nature play, créativité artistique curriculaire ni STEM-robotique comme axe. Cankaya et al. (2025) empêchent de réduire les affordances spontanées à un curriculum STEM. Hu (2025) empêche de confondre nature-based LPP et outdoor play comme axe. Cankaya, Martin et Haugen (2025) empêchent de confondre associations avec la créativité dans des revues humaines et un CV 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 d’open-endedness ni comme interlocuteur exclusif d’un suggéreur d’IA. Le soutien au jeu avec matériaux lâches ne se réalise pas en notant mieux l’« exploration ». Il se réalise en pratiquant matériaux ouverts physiques, agence de l’enfant, temps prolongé, négociation entre pairs et co-présence adulte sans résultat prédéterminé.

Le cadre admet le numérique subordonné à la préparation enseignante et à une médiation humaine validée (Lyu et McNair, 2026 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026). Il refuse de déclarer un soutien via 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 chatbot suggéreur, GenAI de provocations, CV score, AR ou tableau de bord et exercer un soutien au jeu avec matériaux lâches. C’est un constat que les revues LPP–cognition, le PRISMA de 25 études, le within-subjects N = 60, le cas qualitatif, le questioning humain, le nature-based LPP et le dual-track Froebel+AI (N = 50) soutiennent le métier ou sa frontière (Cankaya et al., 2023 ; Cankaya, Martin et Haugen, 2025 ; Cankaya et al., 2025 ; Aşkar et Durmuşoğlu, 2023 ; Zeng et Ng, 2025 ; Hu, 2025 ; Lyu et McNair, 2026). C’est un cadre que l’IA en ECE croît sans équivalence au loose parts play situé (Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026). Ce n’est pas un constat que les cinq artefacts produisent le métier : ils suggèrent, provoquent avec résultat fixe, notent, guident ou mesurent ce que l’ingénierie livre.

La deuxième est entre assessment automatisé de « créativité » ou « open-endedness » et pédagogie quotidienne des matériaux ouverts. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) objectivent l’analytique comme tendance ; ils ne rapportent pas d’essais vérifiés de scoring de créativité ou d’open-endedness en préscolaire 3–6 — on n’invente pas de métriques. Inférence : insister que le jardin « soutient déjà le loose parts play » parce qu’un modèle note la créativité ou qu’un chatbot suggère des idées est une pédagogie inversée : le proxy algorithmique est fait valoir pour matériaux ouverts, agence, temps et pairs.

La troisième est entre provocation GenAI / guide AR et métier intégral. Miao et Holmes (2023) et Nikolopoulou (2025) fixent des limites de GenAI ; Lyu et McNair (2026) avertissent du déplacement sensoriel ; Zeng et Ng (2025) fixent un questioning humain qui ouvre. Inférence : vendre une provocation par prompt ou un guide AR comme « loose parts avec IA » confond produit textuel ou direction numérique avec pratique située. Cankaya et al. (2025) confirment des affordances spontanées sans autoriser un axe STEM ; 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 avec un critère opératoire. Le contraste empirique du métier — revues LPP ; N = 60 ; cas qualitatif ; questioning ; nature-based LPP ; dual-track N = 50 — définit le plancher que les cinq artefacts n’atteignent pas seuls. Inférence : le soutien s’érode non par l’usage de l’IA, mais en traitant chatbot, GenAI, CV, AR ou tableau de bord comme s’ils étaient la pratique. Le numérique subordonné est légitime — IA périphérique à l’adulte (Lyu et McNair, 2026) — ; inverser la séquence ne l’est pas. Cela se vérifie avec matériaux ouverts, agence, temps, pairs et co-présence sans résultat fixe (NAEYC, 2022 ; OECD, 2021, 2023 ; Zeng et Ng, 2025).

9. Limites

Cette revue est narrative. Elle n’applique pas son propre PRISMA ni n’estime d’effets combinés primaires. Cankaya, Martin et Haugen (2025) appliquent bien PRISMA à 25 études (0–6 ; transfert partiel vers 3–6) et documentent des écarts. Cankaya et al. (2023) examinent LPP–cognition avec écart indoor. Cankaya et al. (2025) mesurent N = 60 : STEM behaviours comme affordances, non comme axe STEM de cet article. Aşkar et Durmuşoğlu (2023) apportent un cas qualitatif ; Zeng et Ng (2025), questioning humain ; Hu (2025), nature-based LPP comme contraste outdoor ; Lyu et McNair (2026), dual-track N = 50. Chen (2024), Su et Yang (2022), Su et Zhong (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non le scoring de créativité loose parts. Aucun essai vérifié de CV creativity score, chatbot suggéreur, AR guide ni tableau de bord open-endedness 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 chatbot qui « suggère des constructions » ou des « idées de loose parts » à l’enfant, un générateur GenAI d’« activités avec matériaux lâches » ou de « provocations » par prompt, un système de vision par ordinateur qui note la « créativité » ou étiquette des photos d’assemblages, une couche AR qui « guide » la disposition des matériaux, ou un tableau de bord de « métriques d’exploration » / « open-endedness score » ne constituent pas un soutien au jeu avec matériaux lâches 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 loose parts play situé. Nikolopoulou (2025) et Miao et Holmes (2023) fixent des limites de GenAI. Lyu et McNair (2026) exigent de lire le dual-track Froebel+AI comme contraste périphérique — IA→adulte ≠ chatbot suggéreur, provocation GenAI, CV score, AR ni tableau de bord. Zeng et Ng (2025) fixent le questioning humain comme étayage qui ouvre sans fixer le résultat. Lorsqu’il y a soutien, il y a pratique située : revues LPP–cognition et PRISMA de 25 études (Cankaya et al., 2023 ; Cankaya, Martin et Haugen, 2025) ; affordances spontanées N = 60 (Cankaya et al., 2025 ; contraste STEM) ; sens qualitatif (Aşkar et Durmuşoğlu, 2023) ; nature-based LPP comme contraste outdoor (Hu, 2025) ; DAP et interactions (NAEYC, 2022 ; OECD, 2021, 2023). Le loose parts play se distingue du jeu libre générique, du block play spatial, de l’outdoor-nature play, de la créativité artistique curriculaire et du STEM-robotique comme axe. 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 cartographies d’IA, GenAI ou dual-track practitioner, il ne les traduit pas en soutien pédagogique au loose parts play. Accompagner des filles et des garçons de trois à six ans dans le jeu avec matériaux lâches, c’est exercer matériaux ouverts physiques, agence de l’enfant, temps prolongé, négociation entre pairs, exploration divergente et co-présence adulte sans résultat prédéterminé. Le reste est chatbot suggéreur, provocation GenAI par prompt, notation de créativité, guide AR de disposition et tableau de bord d’open-endedness. Ce n’est pas un soutien au jeu avec matériaux lâches en éducation de la petite enfance, et cela ne doit pas se présenter comme ce qu’il n’est pas.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Aşkar, N., y Durmuşoğlu, M. C. (2023). Meaning of play with loose parts materials in preschool education: A case study. Journal of Qualitative Research in Education, (33), 71–111. https://doi.org/10.14689/enad.33.1645
  2. Cankaya, O., Martin, M., y Haugen, D. (2025). The relationship between children’s indoor loose parts play and cognitive development: A systematic review. Journal of Intelligence, 13(5), 52. https://doi.org/10.3390/jintelligence13050052
  3. Cankaya, O., Rohatyn-Martin, N., Buro, K., Bulut, O., y Taylor, K. (2025). Loose parts play encourages spontaneous science, technology, engineering, and mathematics (STEM) behaviours. Communications Psychology, 3, Article 183. https://doi.org/10.1038/s44271-025-00362-y
  4. Cankaya, O., Rohatyn-Martin, N., Leach, J., Taylor, K., y Bulut, O. (2023). Preschool children’s loose parts play and the relationship to cognitive development: A review of the literature. Journal of Intelligence, 11(8), 151. https://doi.org/10.3390/jintelligence11080151
  5. Chen, J. J. (2024). A scoping study on AI affordances in early childhood education. Journal of Artificial Intelligence Research, 81, 701–740. https://doi.org/10.1613/jair.1.16882
  6. Hu, H. (2025). Using action research to infuse nature-based loose parts play into the Kindergarten Program. Early Years, 45(3–4), 383–399. https://doi.org/10.1080/09575146.2024.2358422
  7. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54, 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  8. Lyu, Y., y McNair, L. (2026). Bridging Froebel and AI: Reconceptualizing play pedagogy in Chinese context. Education Sciences, 16(3), 390. https://doi.org/10.3390/educsci16030390
  9. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  10. 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
  11. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child. https://doi.org/10.1007/s44436-025-00023-1
  12. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  13. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  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. Zeng, H. Q., y Ng, S. C. (2025). Free play matters: Promoting kindergarten children’s science learning using questioning strategies during loose parts play. Early Childhood Education Journal, 53(7), 2373–2388. https://doi.org/10.1007/s10643-024-01741-6