1. Introduction et problème

Dans la tranche de 3 à 6 ans — jardin d’enfants, préscolaire, CENDI, école maternelle — un paquet de trois artefacts a été installé comme s’il valait pour éducation musicale. Le premier est une application de pitch correction qui marque le chant de l’enfant « correct/incorrect » : un pipeline de classification ou de régression qui compare la fréquence fondamentale à un patron et déclare que l’enfant « a déjà juste chanté ». Le deuxième est un générateur de chansons ou de berceuses à partir d’un prompt : un modèle qui produit audio ou paroles sous instruction textuelle et présente la piste comme si elle était une expérience musicale pédagogique. Le troisième est un système d’affective computing qui classe l’« engagement musical » à partir de vidéo ou d’audio : un cadre multimodal qui étiquette émotion ou attention et livre le tableau de bord comme s’il était pratique d’écoute, de chant et de rythme. Les trois sont visibles et bon marché en temps de coordination. Ils permettent d’exhiber que le centre « fait déjà de l’éducation musicale avec l’intelligence artificielle ». Le saut — d’obtenir un score d’intonation, de recevoir une berceuse générée ou d’accumuler des étiquettes d’engagement à affirmer qu’il y a éducation musicale — n’est autorisé ni par l’évidence du scoring vocal ou de l’affective computing ni par ce que la pédagogie musicale mesure lorsqu’il y a pratique située de chant partagé, jeu rythmico-corporel, mouvement musical, exploration timbrale et médiation adulte dans les routines et le cercle.

La thèse de cet article est restrictive. Une application de pitch correction qui marque le chant de l’enfant « correct/incorrect », un générateur de chansons ou de berceuses à partir d’un prompt ou un système d’affective computing qui classe l’« engagement musical » à partir de vidéo ou d’audio ne constituent pas l’éducation musicale en éducation de la petite enfance. À ce stade, l’éducation musicale est pratique située de chant partagé, jeu rythmico-corporel, écoute active et médiation adulte — mouvement musical et exploration timbrale cultivés dans les routines, le cercle musical et les jeux avec des adultes qui modélisent, invitent et amplifient — ; non un score d’intonation, un tableau de bord émotionnel ni une piste générée qui remplace la voix du groupe. Li (2026) rapporte un système CNN-BiLSTM de pitch correction dans l’enseignement musical enfantin avec N = 40 enfants, pitch accuracy de 91,6 % (+13 % face au contrôle) et réduction de l’écart de 18,5 à 9,2 Hz : résultat d’exactitude d’intonation, non de métier musical de jardin d’enfants. Shi (2026) propose un cadre d’affective computing avec architecture MoE et neural radiance fields en éducation musicale préscolaire (N = 120 ; 60 h multimodales ; accuracy émotionnelle 89,7 % ; engagement +30 %) : résultat de classification affective, non de chant partagé médié. Cela n’autorise pas à traduire « il y a pitch correction installé » ou « il y a un classifieur d’engagement » comme « il y a éducation musicale ». Cela autorise à demander ce qui a été mesuré : souvent des Hz d’écart ou une accuracy émotionnelle, non la pratique réitérée lorsqu’un enfant de quatre ans chante avec d’autres, marque le pouls avec le corps, écoute des timbres et participe à un cercle avec un adulte qui médiatise.

Le problème s’aggrave par cinq confusions de catégorie que les fiches produit ne mentionnent pas et que cet article sépare avec rigueur. Première : l’éducation musicale n’est pas la créativité artistique visuelle — atelier de peinture, collage ou « expression » plastique vendue comme « art avec IA ». Deuxième : ce n’est pas le développement moteur ni les fundamental movement skills (FMS) — même si le mouvement musical active le corps, le construit ne s’épuise pas dans la locomotion ou le object control. Troisième : ce n’est pas le STEM ni la robotique éducative. Quatrième : ce n’est pas le SEL comme programme générique de compétences socioémotionnelles.

Il y a, en outre, une économie de coordination qui explique pourquoi le paquet se vend si vite. Un score d’intonation, une berceuse générée et un tableau de bord d’engagement sont lisibles dans une réunion de supervision : ils tiennent sur une diapositive, se photographient, se comparent entre salles.

Les contributions sont trois : reconstruire l’état de l’art qui sépare l’éducation musicale (chant partagé ; jeu rythmico-corporel ; mouvement musical ; exploration timbrale ; médiation dans les routines et le cercle) du scoring de pitch, de la berceuse par prompt et du tableau de bord d’engagement ; examiner trois familles de cas empiriques ; et offrir quatre épreuves pour décider quand un jardin d’enfants peut affirmer qu’il y a éducation musicale, et non seulement une app de pitch correction, un générateur ou un classifieur affectif.

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

Il convient de séparer quatre strates que le marché de « l’IA pour l’éducation musicale en petite enfance » mélange souvent. La première est le construit d’éducation musicale de 3 à 6 ans comme pratique de chant, rythme-corps, écoute et exploration timbrale dans des contextes quotidiens de routine et de cercle (del Barrio et Arús, 2024 ; Şenol et Karaca, 2025 ; Webster et Holmes, 2026 ; NAEYC, 2022 ; OECD, 2021). La deuxième est le métier pédagogique qui la cultive — chant partagé, jeu rythmico-corporel, mouvement musical, médiation enseignante dans les routines et le cercle musical, écoute active — (del Barrio et Arús, 2024 ; Webster et Holmes, 2026 ; NAEYC, 2022 ; OECD, 2021, 2023). La troisième est l’évidence de pitch correction, d’affective computing de l’engagement, de plateformes numériques avec IA et de cartographies de l’IA en ECE (Li, 2026 ; Shi, 2026 ; Roldan-Cardona et al., 2025 ; Chen, 2024 ; Su et Yang, 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 de pratique musicale située, non comme vecteur de Hz pour un pipeline de scoring ni comme émetteur de signaux affectifs pour un tableau de bord (UNESCO, 2021 ; Miao et Holmes, 2023 ; European Commission, 2022 ; U.S. Department of Education, 2023).

Dans la strate du construit et du métier, del Barrio et Arús (2024) examinent systématiquement 29 articles (2013–2023) sur la pédagogie musique et mouvement en éducation de base et incluent l’évidence citée sur des programmes qui articulent rythme, corps et médiation — parmi eux RAMSR/Williams et al. (2023) comme évidence mentionnée dans la revue —. Statut : résultat de synthèse sur musique+mouvement comme champ pédagogique, non sur l’IA. Inférence pédagogique, marquée comme telle : le métier qu’un jardin d’enfants peut appeler éducation musicale est corporel-musical et médié ; non un score d’intonation. Şenol et Karaca (2025) étudient l’effet d’un programme d’éducation musicale sur les compétences de créativité motrice des préscolaires : résultat qu’un programme musical peut s’associer à la créativité motrice ; non résultat qu’une app de pitch le fasse. Webster et Holmes (2026) reconceptualisent la musique comme outil pédagogique central — non annexe — dans une étude de cas early years : petit échantillon ; cadre de métier. NAEYC (2022) exige une pratique appropriée au développement et inclut les pratiques musicales quotidiennes — musique et chansons comme routine et communauté — comme partie de l’environnement d’apprentissage ; OECD (2021) ancre la qualité de l’ECEC dans des interactions quotidiennes significatives ; OECD (2023) exige que la numérisation empouvoir sans substituer ces interactions. Inférence : un score de pitch ne chante pas avec l’enfant. Un adulte qui organise le cercle, modélise un motif rythmique, invite à explorer un timbre et écoute la voix du groupe, oui.

Dans la strate des artefacts, Li (2026) rapporte CNN-BiLSTM pour pitch correction dans l’enseignement musical enfantin (N = 40 ; pitch accuracy 91,6 %, +13 % vs contrôle ; écart 18,5→9,2 Hz). Statut : résultat empirique d’exactitude d’intonation. Inférence restrictive : score d’intonation ≠ éducation musicale située. Shi (2026) rapporte MoE + NeRF pour affective computing en éducation musicale préscolaire (120 préscolaires ; 60 h multimodales ; accuracy émotionnelle 89,7 % ; engagement +30 %). Statut : résultat de classification affective multimodale. Inférence : classer l’émotion ≠ pratique musicale médiée. Roldan-Cardona et al.

Dans la strate des systèmes, UNESCO (2021) exige supervision humaine et éthique de l’IA. Miao et Holmes (2023) fixent validation pédagogique et seuils d’âge pour l’IA générative — cadre direct pour le générateur de berceuses par prompt —.

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 du pitch correction ou de l’affective computing, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec transfert explicitement marqué lorsque l’échantillon ou le niveau n’équivaut pas au jardin 3–6 ; (b) éducation musicale, chant, rythme, mouvement musical, pitch correction, affective computing, génération musicale ou IA en éducation de la petite enfance ; (c) pertinence pour jardin d’enfants, préscolaire, CENDI ou 3–6 ans ; (d) revue à pairs, DOI ou rapport de NAEYC, UNESCO, OECD, Commission européenne ou département d’éducation ; (e) DOI ou page éditoriale vérifiable. Ont été exclus comme objet central les axes déjà utilisés dans cette série — motricité/FMS, créativité artistique visuelle, interactions CLASS/serve-and-return, documentation pédagogique, SEL comme programme substitut, fonctions exécutives, STEM/robotique, jeu libre générique, numératie, oralité/narration, tutorat génératif, écarts, vie privée, DUA, évaluation formative académique, famille–école, formation continue, participation et planification — bien que certains apparaissent comme limite de catégorie.

La recherche a été exécutée le 28 août 2026 (créneau 13:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Frontiers, Taylor & Francis, Emerging Science Journal, JAIR, OECD iLibrary, UNESDOC, NAEYC et sites éditoriaux. Chaque source a été vérifiée contre au moins une de ces pages. On a distingué résultat empirique, cadre conceptuel ou normatif, et inférence pédagogique marquée comme telle. On a priorisé la distinction éducation musicale / créativité visuelle / motricité-FMS / STEM / SEL / oralité, et la prudence de ne pas traduire pitch accuracy, accuracy émotionnelle ou engagement rapporté en tableau de bord en pédagogie du chant partagé et du cercle musical.

4. Cas 1. Pitch correction, générateurs de berceuses ou affective computing de l’engagement ne constituent pas l’éducation musicale

Li (2026) publie dans Frontiers in Artificial Intelligence and Applications la comparaison qui nomme le mieux le plafond du premier artefact lorsqu’on le présente comme éducation musicale. L’étude rapporte un système de pitch correction fondé sur CNN-BiLSTM appliqué à l’enseignement musical enfantin : N = 40 enfants ; pitch accuracy de 91,6 % avec amélioration de +13 % face au contrôle ; écart d’intonation réduit de 18,5 à 9,2 Hz. Statut de l’évidence. Résultat empirique d’exactitude et de réduction d’erreur de pitch. Inférence pédagogique, marquée comme telle : c’est le geste qu’un centre copie lorsqu’il « fait de la musique avec une IA qui note le chant ». On enregistre, on estime la fréquence, on déclare « correct/incorrect ». Ce qu’il y a, c’est un plafond technique de scoring vocal. L’éducation musicale, chez del Barrio et Arús (2024), Webster et Holmes (2026) et NAEYC (2022), demande chant partagé, rythme-corps et médiation dans les routines ; non un Hz plus proche du patron. Un enfant peut « mieux s’accorder » selon le modèle et, en même temps, n’avoir pas chanté avec d’autres, n’avoir pas exploré un timbre ni participé à un cercle où un adulte médiatise l’écoute mutuelle.

Shi (2026) sature le portrait du deuxième et du troisième artefact lorsque l’engagement est classé comme s’il était pratique. Dans Discover Artificial Intelligence, l’auteur propose un cadre d’affective computing pour l’éducation musicale préscolaire avec architecture Mixture-of-Experts et neural radiance fields : 120 préscolaires ; 60 heures de données multimodales ; accuracy émotionnelle 89,7 % ; engagement rapporté avec une hausse de +30 %. Statut : résultat de classification affective et de métriques d’engagement dans un cadre multimodal. Ce n’est pas un résultat selon lequel installer un classifieur d’émotion développe le chant partagé, le jeu rythmico-corporel ou l’exploration timbrale dans la vie de la classe. Inférence, marquée comme telle : classer émotion ou engagement autorise à dire qu’il y a une mesure plus reproductible de signaux affectifs ; n’autorise pas à déclarer « il y a déjà éducation musicale ». Le tableau de bord peut monter et le cercle se vider de voix adultes qui chantent avec le groupe.

Roldan-Cardona, Chacón-Castro, Jadán-Guerrero, Salvador-Ullauri et Acosta-Vargas (2025) nomment le visage des plateformes numériques avec IA lorsqu’on les traite comme éducation musicale inclusive et durable. Dans Emerging Science Journal, ils travaillent avec N = 15 enfants de 3 à 6 ans via Genially, Educaplay et Wordwall ; rapportent des effets sur motivation et prononciation ; ne trouvent pas de différences significatives entre groupes ; le transfert pédagogique est limité. Statut : résultat empirique d’échantillon petit dans la tranche d’âge du jardin, avec résultats mixtes et sans équivalence automatique au métier musical. Inférence : une plateforme gamifiée peut motiver ou soutenir la prononciation ; elle ne signe pas le cercle musical ni le jeu rythmico-corporel. Le générateur de chansons ou de berceuses à partir d’un prompt — artefact d’IA générative que Miao et Holmes (2023) placent sous validation pédagogique et seuils d’âge — hérite du même risque de catégorie : produire une piste n’est pas organiser le chant partagé.

Les trois artefacts partagent une même grammaire de substitution. Le pitch correction substitue l’écoute pédagogique du chant par un verdict binaire.

5. Cas 2. Ce que le jardin fait vraiment lorsqu’il y a éducation musicale : chant partagé, rythme-corps et médiation

del Barrio et Arús (2024) situent la pédagogie musique et mouvement comme champ empirique révisable : 29 articles entre 2013 et 2023 ; articulation de rythme, corps et médiation ; inclusion d’évidence citée sur des programmes comme RAMSR/Williams et al. (2023) dans la revue. Statut : résultat de synthèse sur musique+mouvement en éducation de base, avec transfert marqué lorsque le niveau n’est pas exclusivement 3–6 de jardin, mais avec un cadre directement utilisable pour le métier corporel-musical de la petite enfance. Inférence pédagogique, marquée comme telle : c’est l’objet qu’un centre de petite enfance peut appeler éducation musicale. La musique n’est pas un score de pitch : c’est un domaine croissant de chanter ensemble, marquer le pouls, se mouvoir avec intention musicale, écouter et explorer des timbres dans des contextes significatifs. Une app qui marque « correct » sans pratique partagée peut célébrer un Hz et, en même temps, vider le cercle de médiation. Un classifieur d’engagement peut étiqueter « attention élevée » en vidéo et n’avoir pas capturé si l’adulte a modélisé le motif, ajusté le tempo du groupe ou invité à transférer le patron vers un jeu de claquements de mains.

Şenol et Karaca (2025) saturent le métier depuis un programme d’éducation musicale chez des préscolaires et son effet sur la créativité motrice : résultat que le programme musical s’associe à des compétences de créativité motrice. Statut : résultat empirique de programme musical (non d’app de pitch). Inférence : lorsqu’il y a éducation musicale en petite enfance, il y a programme et pratique médiée, non un flux d’alertes d’intonation. Webster et Holmes (2026) reconceptualisent la musique comme médium pédagogique central dans un cas early years : petit échantillon ; la valeur est de situer la musique au centre du faire quotidien, non comme annexe d’un tableau de bord. NAEYC (2022) ancre les pratiques musicales quotidiennes — chansons et musique comme routine et communauté — dans la pratique appropriée au développement. OECD (2021) ancre la qualité dans les interactions quotidiennes ; OECD (2023) exige une numérisation subordonnée. Inférence : la médiation enseignante dans les routines et le cercle signifie remarquer la qualité de l’écoute mutuelle, l’invitation au chant, la sécurité émotionnelle du groupe et l’opportunité de réitérer des motifs ; l’observation pédagogique de la pratique musicale est lecture professionnelle, non journal de Hz ni d’étiquettes émotionnelles. Un tableau de bord ne modélise pas un ostinato. Un adulte qui organise le cercle, chante avec l’enfant et observe le transfert entre routine d’entrée, jeu rythmique et adieu, oui.

L’exploration timbrale et l’écoute active ne nient pas le jeu : elles l’orientent musicalement. del Barrio et Arús (2024) soulignent le lien musique–mouvement ; Webster et Holmes (2026) soulignent la centralité pédagogique.

Il convient de préciser ce qui compte comme médiation dans le métier musical de la petite enfance, sans inventer de données que les sources ne rapportent pas. La médiation, au sens de NAEYC (2022) et OECD (2021), est présence adulte qui organise, modélise, invite et amplifie : l’adulte initie ou soutient un chant de routine ; offre un patron de claquements et attend la réponse du groupe ; approche un instrument ou un objet sonore et nomme le timbre ; ajuste le tempo lorsque le groupe se désorganise ; protège le silence d’écoute avant un nouveau motif.

6. Cas 3. L’éducation musicale n’est pas créativité visuelle, ni motricité-FMS, ni STEM, ni SEL, ni oralité

La première frontière de catégorie est la créativité artistique visuelle. Un atelier de peinture, un collage ou une « œuvre générée » peuvent coexister dans un centre ; ils ne constituent pas, à eux seuls, l’éducation musicale de chant partagé et rythme-corps à 3–6 ans. Statut : inférence pédagogique marquée comme telle, ancrée dans del Barrio et Arús (2024), Webster et Holmes (2026) et NAEYC (2022) comme construit musical. Cet article ne fait pas de la créativité visuelle son objet central : il la nomme pour interdire l’équivalence. Un système de pitch correction n’est pas non plus de « l’art musical numérique » : c’est une estimation de fréquence. Confondre « nous avons du scoring vocal » avec « il y a pratique de chant médié » est l’erreur de catégorie que le marché exploite.

La deuxième frontière est le développement moteur / FMS. Şenol et Karaca (2025) montrent qu’un programme d’éducation musicale peut s’associer à la créativité motrice : résultat de chevauchement empirique, non d’identité de construits. Inférence : le mouvement musical active le corps ; il ne convertit pas l’éducation musicale en évaluation de locomotion ou d’object control. Cet article ne recycle pas celui sur la motricité : il l’utilise seulement comme limite. La troisième frontière est STEM/robotique. Un kit, une séquence de programmation ou une métaphore de « sonner comme une machine » ne constituent pas l’éducation musicale. La quatrième frontière est le SEL générique. Des compétences socioémotionnelles peuvent apparaître dans le cercle ; elles ne sont pas chant partagé ni exploration timbrale. Inférence restrictive : un tableau de bord d’engagement qui récompense l’« émotion positive » ne convertit pas le renforcement affectif en métier musical. La cinquième frontière est oralité/narration. La chanson touche le langage ; elle ne se réduit pas à raconter des contes. Inférence : lorsqu’un produit promet « cela améliore la narration parce qu’il génère des berceuses », on a croisé un autre construit. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE ; Miao et Holmes (2023) fixent des limites pour l’IA générative. Inférence : le seul usage d’IA cohérent avec 3–6 ans reste du côté de l’adulte qui organise chant partagé, jeu rythmique et cercle — comme soutien à la préparation de répertoire ou à un feedback professionnel différé —, soumis à validation pédagogique. Il n’entre pas comme scorer autonome de « correct/incorrect », générateur qui remplace la voix du groupe ni classifieur qui déclare l’engagement musical accompli.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a éducation musicale, 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 pas déclarer qu’une app de pitch correction qui marque « correct/incorrect », un générateur de chansons/berceuses à partir d’un prompt ou un système d’affective computing qui classe l’« engagement musical » constituent l’éducation musicale.

7.1. Épreuve de la pratique située de chant partagé, rythme-corps et écoute, non du score d’intonation. del Barrio et Arús (2024) et Webster et Holmes (2026) définissent le métier comme pratique corporelle-musicale médiée. Li (2026) estime le pitch avec CNN-BiLSTM (N = 40 ; 91,6 % accuracy ; 18,5→9,2 Hz). Inférence : l’évidence d’éducation musicale se vérifie dans le fait que l’enfant a pratiqué chant, rythme et écoute en contexte. Si la « preuve » du centre est un tableau de bord de Hz ou un « correct/incorrect », le centre a fait du scoring, non de l’éducation musicale.

7.2. Épreuve du cercle, des routines et du jeu rythmico-corporel, non du générateur de berceuses. NAEYC (2022) situe musique et chansons comme routine et communauté. Miao et Holmes (2023) exigent la validation pédagogique de l’IA générative. Inférence : produire une berceuse par prompt ne démontre pas qu’il y a eu cercle musical médié ni jeu rythmique réitéré. Une piste peut sonner ; elle ne signe pas la pratique.

7.3. Épreuve de la médiation enseignante et de l’observation pédagogique de la pratique musicale, non du tableau de bord d’engagement. OECD (2021, 2023) exigent interactions significatives et numérisation subordonnée. Shi (2026) classifie émotion/engagement (120 préscolaires ; 89,7 % accuracy ; +30 % engagement). Inférence : « engagement élevé » peut élever un seuil sans élever la qualité de la médiation. L’observation pédagogique lit le chant et le jeu rythmique ; le tableau de bord compte une étiquette.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Éducation musicale ≠ créativité visuelle, motricité-FMS, STEM, SEL générique ni oralité. Şenol et Karaca (2025) empêchent de confondre chevauchement avec créativité motrice et identité de construits. Roldan-Cardona et al. (2025) montrent les limites des plateformes numériques avec N = 15. UNESCO (2021), Miao et Holmes (2023), la Commission européenne (2022), le Département de l’Éducation des États-Unis (2023), NAEYC (2022) et OECD (2021, 2023) exigent supervision humaine, validation pédagogique et ne pas substituer le jugement professionnel.

Le cadre admet le numérique lorsqu’il se subordonne à la préparation enseignante de répertoire et à une observation professionnelle validée (Roldan-Cardona et al., 2025, comme plateforme auxiliaire avec limites ; Li, 2026, et Shi, 2026, comme scoring/classification subordonnés, non comme éducation déclarée). Il refuse de déclarer l’éducation musicale par pitch correction autonome, berceuse par prompt ou affective computing d’engagement (Li, 2026 ; Shi, 2026 ; Miao et Holmes, 2023).

Les quatre épreuves se lisent ensemble. Passer seulement la première — il y a eu chant — sans médiation ni distinction de catégorie ne suffit pas.

8. Discussion

Trois tensions organisent la discussion. La première est entre exhiber un artefact de mesure ou de génération musicale et exercer l’éducation musicale. C’est un résultat que CNN-BiLSTM améliore la pitch accuracy et réduit l’écart en Hz (Li, 2026) ; que MoE + NeRF classifient l’émotion et rapportent l’engagement (Shi, 2026) ; et que les plateformes Genially/Educaplay/Wordwall avec N = 15 ne montrent pas de différences significatives entre groupes (Roldan-Cardona et al., 2025). C’est un cadre que l’éducation musicale de 3–6 se joue dans le chant partagé, musique+mouvement et pratiques quotidiennes (del Barrio et Arús, 2024 ; Webster et Holmes, 2026 ; Şenol et Karaca, 2025 ; NAEYC, 2022). Ce n’est pas un résultat que score, générateur ou tableau de bord produisent le métier qu’exige le cercle. Les trois artefacts mesurent, génèrent ou étiquettent ce que l’ingénierie sait livrer et déclarent ce que seule la pratique médiée autoriserait.

La deuxième est entre assessment automatisé du chant/affect et pédagogie quotidienne. Li (2026) objectivise l’intonation ; Shi (2026) objectivise l’engagement. Inférence : insister sur le fait que le jardin « a déjà de l’éducation musicale » parce que le modèle classe assez de tons corrects ou d’émotions est une pédagogie inversée. On prend un proxy évaluatif et on le fait valoir pour pratique de chant partagé, jeu rythmico-corporel et écoute. L’enfant devient émetteur de Hz ou de signaux affectifs ; l’adulte, superviseur du classifieur.

La troisième est entre berceuse générée et métier musical intégral. Miao et Holmes (2023) fixent des limites pour l’IA générative ; Nikolopoulou (2025) équilibre promesses et défis centrés sur l’enfant. Inférence : fragmenter l’éducation musicale en une piste produite par prompt et la vendre comme « éducation musicale avec IA » confond produit sonore et pratique située. Le seul usage d’IA cohérent avec 3–6 ans reste du côté de l’adulte qui organise le cercle et observe la pratique musicale, soumis à UNESCO, Commission européenne et Département de l’Éducation des États-Unis. Un scorer autonome ou un générateur parce que le système a besoin d’un produit ne l’est pas.

Inférence pédagogique supplémentaire, marquée comme telle : la série d’artefacts — pitch correction qui note correct/incorrect, générateur de berceuses et affective computing d’engagement — partage une même économie de visibilité. Chacun produit une sortie lisible pour la coordination : un nombre de Hz, une piste, une étiquette d’émotion. OECD (2021) et NAEYC (2022) exigent, en revanche, que le développement de la pratique musicale se vérifie dans la vie quotidienne de la classe. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) montrent la croissance du champ de l’IA en éducation de la petite enfance ; cette croissance n’autorise pas l’équivalence.

Une lecture croisée des cas renforce la thèse restrictive sans inventer d’effets que les sources ne rapportent pas. Li (2026) montre qu’on peut améliorer un score d’intonation ; ne montre pas que le jardin a exercé le chant partagé.

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA ni n’estime d’effets combinés primaires. Li (2026) valide le pitch correction (N = 40), non la pédagogie quotidienne du cercle musical. Shi (2026) valide l’affective computing multimodal (N = 120 ; 60 h), non un essai de chant partagé médié versus tableau de bord autonome. Roldan-Cardona et al. (2025) sont N = 15 avec plateformes numériques : petit échantillon, sans différences significatives entre groupes, transfert pédagogique limité. del Barrio et Arús (2024) examinent 29 articles musique+mouvement en éducation de base : transfert marqué lorsque le niveau n’est pas exclusivement 3–6. Şenol et Karaca (2025) associent un programme musical à la créativité motrice, non à l’IA. Webster et Holmes (2026) sont une étude de cas à petit échantillon. Chen (2024), Su et Yang (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non l’éducation musicale de cercle comme variable primaire. NAEYC, UNESCO et OECD sont de cadre. On n’a pas localisé d’essais latino-américains d’IA comparant chant partagé médié par adulte face à pitch correction autonome ou affective computing d’engagement en CENDI. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une évidence d’implémentation.

10. Conclusions

Une application de pitch correction qui marque le chant de l’enfant « correct/incorrect », un générateur de chansons ou de berceuses à partir d’un prompt ou un système d’affective computing qui classe l’« engagement musical » à partir de vidéo ou d’audio ne constituent pas l’éducation musicale dans un centre d’éducation de la petite enfance. L’évidence vérifiée n’autorise pas cette déclaration. Li (2026) montre une pitch accuracy de 91,6 % (+13 % vs contrôle) et une réduction d’écart de 18,5 à 9,2 Hz avec CNN-BiLSTM en N = 40 — scoring d’intonation, non métier de jardin —. Shi (2026) classifie l’émotion avec 89,7 % d’accuracy et rapporte +30 % d’engagement chez 120 préscolaires et 60 h multimodales — classification affective, non chant partagé —. Roldan-Cardona et al. (2025) travaillent avec N = 15 (3–6) sur des plateformes numériques sans différences significatives entre groupes et avec transfert pédagogique limité. En revanche, lorsqu’il y a éducation musicale en petite enfance, il y a pratique située : musique+mouvement revue dans 29 articles (del Barrio et Arús, 2024) ; programme musical associé à la créativité motrice en préscolaire (Şenol et Karaca, 2025) ; musique comme médium pédagogique central en early years (Webster et Holmes, 2026) ; pratiques musicales quotidiennes et pratique appropriée au développement (NAEYC, 2022 ; OECD, 2021, 2023). L’éducation musicale se distingue de la créativité artistique visuelle, du développement moteur/FMS, du STEM/robotique, du SEL générique et de l’oralité/narration. Les guides en vigueur exigent supervision humaine, validation pédagogique et ne pas substituer le jugement professionnel (UNESCO, 2021 ; Miao et Holmes, 2023 ; European Commission, 2022 ; U.S. Department of Education, 2023 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent pitch correction, affective computing ou plateformes numériques, il ne les traduit pas en éducation musicale pédagogique. Accompagner filles et garçons de trois à six ans en musique, c’est exercer la pratique de chant partagé, jeu rythmico-corporel, mouvement musical, écoute active et exploration timbrale, avec médiation enseignante dans les routines et le cercle musical. Le reste est score d’intonation, berceuse par prompt et classification algorithmique d’engagement. Ce n’est pas l’éducation musicale en éducation de la petite enfance, et cela ne doit pas se présenter comme ce qu’elle n’est pas.

Laboratorio Editorial 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. del Barrio, L., y Arús, M. E. (2024). Music and movement pedagogy in basic education: A systematic review. Frontiers in Education, 9, 1403745. https://doi.org/10.3389/feduc.2024.1403745
  3. European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756
  4. Li, D. (2026). Research on the application of AI pitch correction system in children’s music teaching. Frontiers in Artificial Intelligence and Applications. https://doi.org/10.3233/faia260353
  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, 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  6. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  7. 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
  8. 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
  9. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  10. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  11. Roldan-Cardona, M., Chacón-Castro, M., Jadán-Guerrero, J., Salvador-Ullauri, L., y Acosta-Vargas, P. (2025). Music education with artificial intelligence for inclusive and sustainable early childhood learning. Emerging Science Journal, 9, 201–218. https://doi.org/10.28991/ESJ-2025-SIED1-012
  12. Şenol, F. B., y Karaca, N. H. (2025). Investigation of the effect of music education programme on preschoolers’ motor creativity skills. Education 3-13, 53(2), 252–265. https://doi.org/10.1080/03004279.2023.2172356
  13. Shi, X. (2026). An affective computing framework for preschool music education using MoE architecture and neural radiance fields. Discover Artificial Intelligence, 6, 812. https://doi.org/10.1007/s44163-026-01858-0
  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. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  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. Webster, K., y Holmes, A. (2026). Reconceptualizing music as a key pedagogical tool in early childhood education: An early years case study. Journal of Research in Childhood Education. https://doi.org/10.1080/02568543.2026.2664892