1. Introduction et problème

Dans la tranche des 3 à 6 ans — jardin d’enfants, préscolaire, CENDI, école infantile — un paquet de trois artefacts prétend valoir pour planification didactique quotidienne. Le premier est un plan de classe généré par un modèle : un texte avec objectifs, matériels, durées et « clôture » qu’un système produit à partir d’un prompt. Le deuxième est une séquence « prête » : un paquet téléchargeable ou une leçon de catalogue copiée dans le cahier de planification. Le troisième est un prompt qui produit l’assemblée du jour : une consigne qui demande chanson, conte et ronde, et livre un livret. Les trois sont visibles et bon marché en temps de coordination. Ils permettent d’exhiber que le centre « planifie déjà avec l’intelligence artificielle ». Le saut énonciatif est énorme : on passe de générer un document à affirmer qu’il y a planification pédagogique. Ce saut n’est autorisé ni par la preuve de la manière dont un plan est produit avec un modèle ni par ce que les cadres de la petite enfance appellent planifier.

La thèse de cet article est restrictive. Un plan de classe généré par un modèle, une séquence « prête » ou un prompt qui produit l’assemblée du jour ne constitue pas une planification pédagogique. La planification en éducation de la petite enfance est observation du groupe, décision située et ajustement dans l’acte ; non un artefact textuel généré a priori. La NAEYC situe l’observation comme processus pour planifier et mettre en œuvre, et affirme que les éducateur·rices utilisent cette information tant dans la planification du curriculum que dans les interactions de moment en moment (NAEYC, 2020). Le Curriculum national d’éducation initiale au Mexique décrit une planification intégrale, ouverte, flexible et narrative : observer, enregistrer et proposer des milieux (Secretaría de Educación Pública [SEP], 2024). Aistear, actualisé en 2024, promeut un cycle de remarquer, nourrir, répondre et réfléchir, et distingue la planification de long, moyen et court terme ainsi que la planification spontanée (Government of Ireland, 2024). Aucun de ces cadres n’autorise à traiter un texte généré avant de voir le groupe comme l’acte de planifier.

Le problème s’aggrave par une raison de métier que les fiches produit ne mentionnent pas. En petite enfance, l’objet de la planification n’est pas un document exhibé lors d’une supervision. C’est la qualité de processus : les interactions quotidiennes avec les adultes, les pairs, les matériels et l’espace, moteur le plus proximal du développement, de l’apprentissage et du bien-être (OECD, 2021). Un modèle n’observe pas le groupe d’aujourd’hui. Il produit un texte plausible pour un enfant générique. Inférence, marquée comme telle : le marché de « l’IA pour planifier » hérite d’une erreur de catégorie de l’école primaire et secondaire — confondre préparer une ressource et planifier — et l’automatise dans une tranche d’âge où la planification est, par définition, située.

Ce travail ne recycle pas les axes déjà traités dans cette série. La question est de catégorie pédagogique : qu’est-ce qui compte comme planification didactique quotidienne lorsqu’un centre de petite enfance « fait de l’IA ». Les contributions sont trois : reconstruire l’état de l’art qui sépare l’artefact textuel généré a priori de l’observation, de la décision située et de l’ajustement dans l’acte ; examiner trois familles de cas ; et offrir quatre épreuves pour décider quand un jardin peut affirmer qu’il planifie, et non seulement qu’il produit un plan.

2. État de l’art : de l’artefact textuel à la planification comme métier situé

Il convient de séparer quatre strates que le marché de « l’IA pour planifier » mélange d’ordinaire. La première est la preuve que des enseignant·es utilisent des modèles pour produire des plans et des ressources, presque toute mesurée au primaire et au secondaire, et presque toute comme temps de préparation ou comme qualité du document. La deuxième est la preuve de ce que la petite enfance appelle planifier : observation du groupe, curriculum émergent, enseignement spontané et intentionnalité dans l’acte. La troisième est la carte de l’IA en éducation de la petite enfance, qui ne traite pas la planification quotidienne comme objet. La quatrième est le cadre des droits et de la qualité de processus, qui traite l’enfant de 3–6 ans comme sujet de supervision humaine et l’éducateur·rice comme celle ou celui qui décide dans l’interaction.

Dans la strate de l’artefact, Roy, Poet, Staunton, Aston et Thomas (2024) publient le premier essai randomisé de grande échelle sur ChatGPT dans la préparation de leçons : 259 enseignant·es de sciences de 7e et 8e années dans 68 collèges anglais, randomisation par école. Le groupe qui a utilisé ChatGPT avec un guide a consacré, aux semaines six à dix, 69 % du temps du groupe à qui l’on a demandé de ne pas utiliser d’IA générative : 56,2 minutes par semaine contre 81,5, une économie de 25,3 minutes (31 %). Un panel d’expert·es en aveugle n’a pas trouvé de preuve de différence de qualité des ressources. Statut : constat empirique du secondaire, non des 3–6 ans. Kaufman, Woo, Eagan, Lee et Kassan (2025), avec des données représentatives des États-Unis en 2023–2024, rapportent que 25 % du corps enseignant K–12 a utilisé des outils d’IA pour la planification instructionnelle ou l’enseignement ; l’usage était presque le double en langue et en sciences (~40 %) que chez les enseignant·es du primaire toutes matières ou de mathématiques (~20 %). L’Angleterre liste la planification de leçons parmi les usages de l’IA générative et a financé un assistant de leçons (Department for Education, 2023/2025). Inférence : le système qui « fait de l’IA pour planifier » mesure des minutes de préparation et la qualité d’une ressource. Il ne mesure pas si quelqu’un a observé ce groupe ni si quelqu’un a ajusté dans l’acte.

Dans la strate de la planification de petite enfance, NAEYC (2020, 2022) distingue observer et utiliser cette information dans la planification et dans les interactions de moment en moment, et planifier et mettre en œuvre un curriculum pour des buts significatifs. Rönnlund (2025) conceptualise l’enseignement spontané dans le préscolaire suédois comme interaction relationnelle et d’équilibre : répondre au foyer d’attention de l’enfant et élargir le contenu sans annuler le jeu auto-initié. Hjelmér, Rönnlund et Olausson (2025) saturent ce portrait avec un projet d’un an et 50 enseignant·es de préscolaire : relier le spontané aux buts curriculaires a été le plus difficile. Speldewinde, Guarrella et Campbell (2025) observent, dans les bush kinders australiens, un curriculum émergent qui combine centralité de l’enfant et intentionnalité enseignante. Vitiello, Hutchins, Krissinger, Jirout et Scoville (2025) montrent, avec 15 enseignant·es et directions de pre-k et de kindergarten, que les défis d’un curriculum émergent ne se résolvent pas par un texte préalable. Government of Ireland (2024) et Siraj (2024) situent la planification dans un cycle de remarquer et de répondre. La SEP (2024) demande une planification narrative qui part de l’observé. Inférence : en petite enfance, planifier est un métier de voir et de décider, non de rédiger.

Dans la strate de l’IA en petite enfance, Su et Yang (2022) passent en revue 17 études de 1995 à 2021. Chen (2024) cartographie 18 articles de 11 pays (2005–2023 ; 14 d’entre eux en 2020–2023) qui couvrent 15 081 enfants de 2 à 8 ans, et extrait quatre affordances : outil interactif ; prédire ou classer les conditions de l’enfant ; adapter et personnaliser ; et un axe de sens. Ljungcrantz (2026) actualise à 39 études 2020–2024, dont 20 en 2024, avec un foyer sur 4–6 ans. Statut : constat de champ, non de planification quotidienne. Aucune affordance de Chen n’est « observer ce groupe et décider dans l’acte ». Inférence : l’essor de 2024 n’autorise pas à traduire « plus d’IA au jardin » par « plus de planification ».

Dans la strate des droits et de la qualité de processus, la Recommandation sur l’éthique de l’IA exige une supervision humaine et une attention particulière lorsqu’il y a des enfants (UNESCO, 2021). Miao et Holmes (2023) fixent un seuil de 13 ans pour les conversations indépendantes avec des plateformes génératives et exigent une validation éthique et pédagogique. UNICEF (2021) priorise l’intérêt supérieur. Le règlement (UE) 2024/1689 traite comme à haut risque, à l’annexe III, les systèmes d’IA destinés à déterminer l’accès ou l’admission à des établissements éducatifs, à assigner des personnes, à évaluer les apprentissages ou à déterminer le niveau éducatif approprié (Unión Europea, 2024). La Commission européenne (2022) et le Département de l’éducation des États-Unis (2023) s’accordent à ne pas remplacer le jugement professionnel. OECD (2021) ancre la qualité de la petite enfance dans les interactions quotidiennes ; OECD (2023) documente la numérisation de l’EAJE dans 30 pays et juridictions ; TALIS Starting Strong 2024 situe les pratiques du personnel avec les enfants — non la production de documents — comme levier de système (OECD, 2025). Macha, Hildebrandt, Wronski, Lonnemann et Urban (2024) rappellent que la pensée partagée soutenue est une dimension de la qualité de processus, non un livret. Inférence : un enfant de cinq ans n’est pas l’utilisateur d’un plan généré. Il est le sujet d’une décision qu’un adulte prend en le voyant.

3. Méthode de revue

On a réalisé une revue narrative critique, non une méta-analyse. Le propos n’était pas d’estimer une taille d’effet homogène entre un essai de sciences au collège anglais, un projet de préscolaire suédois et une plateforme de composition, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec les cadres NAEYC de 2020 lorsqu’ils sont l’édition en vigueur ; (b) planification didactique quotidienne, curriculum émergent, enseignement spontané ou production de plans avec l’IA, ou IA en éducation de la petite enfance 3–6 ans ; (c) pertinence pour le jardin, le préscolaire, le CENDI ou 3–6 ans ; (d) revue à pairs, DOI ou rapport de NAEYC, NCCA, SEP, UNESCO, OECD, UNICEF, Union européenne, Commission européenne, EEF/NFER, RAND, Department for Education ou ERIC ; (e) DOI ou page éditoriale vérifiable. On a exclu comme objet central les axes déjà utilisés dans cette série, bien que certains apparaissent comme limite. Les sources de planification avec l’IA dans le magisterium sont utilisées comme preuve de l’artefact, non comme article sur la formation des enseignant·es.

La recherche a été exécutée le 26 août 2026 sur les pages DOI, Springer, Elsevier, Wiley, SAGE, MDPI, Taylor & Francis, OECD iLibrary, UNESDOC, UNICEF, EUR-Lex, ERIC, EEF, RAND, NAEYC, NCCA, SEP et sites éditoriaux. Chaque source a été vérifiée contre au moins l’une de ces pages. L’analyse a distingué trois statuts énonciatifs. Constat empirique : ce qui a été observé ou mesuré dans l’échantillon. Cadre conceptuel ou normatif : ce qu’un cadre ou un règlement prescrit. Inférence pédagogique : la traduction aux jardins et CENDI, marquée comme telle.

4. Cas 1. Produire un plan plus vite n’est pas planifier ce groupe

Roy et al. (2024) publient l’essai qui illustre le mieux le saut que la thèse refuse. En Angleterre, 34 écoles (129 enseignant·es) ont été assignées au hasard à utiliser ChatGPT avec un guide pour préparer des leçons et des ressources de sciences de 7e et 8e, et 34 écoles (130 enseignant·es) à n’utiliser aucune IA générative. L’essai a duré dix semaines à l’été 2024. Le résultat principal est le temps : 56,2 minutes par semaine contre 81,5, une économie de 25,3 minutes. Le résultat secondaire est la ressource : le panel n’a pas trouvé de preuve que la qualité des matériels utilisés par les deux groupes différât. Statut de la preuve. Constat empirique de charge de travail et de qualité d’un document au secondaire. Ce n’est pas un constat de jardin. Ce n’est pas un constat d’observation d’un groupe de 3–6 ans. Ce n’est pas un constat d’ajustement dans l’acte. Inférence pédagogique, marquée comme telle : c’est le geste qu’un CENDI copie lorsqu’il « fait de l’IA pour planifier ». On prend le temps de rédiger un plan comme s’il était le temps de planifier, on produit un texte plus vite et l’on déclare la planification. Ce que l’essai autorise à dire est plus étroit : un modèle peut raccourcir la préparation d’une ressource de sciences au secondaire, sans preuve que cette ressource soit pire aux yeux d’un panel. Il n’autorise pas à dire que le jardin a planifié.

Karaman et Göksu (2024) saturent le portrait de l’artefact au primaire : 39 élèves de CE2, 25 heures de mathématiques en cinq semaines ; le groupe expérimental a travaillé avec des plans ChatGPT. Le résultat intraméchantillon a augmenté (d = 1,268) ; la différence entre groupes au post-test n’a pas été significative. Statut : constat de CE2, N petit ; on n’enfle pas l’effet. Yu, Lee et Kim (2025) rapprochent l’artefact de la petite enfance. Dans une université du Midwest des États-Unis, 44 futur·es éducateur·rices (24 de petite enfance, 20 de primaire) ont utilisé ChatGPT pour planifier les mathématiques. Sur 280 prompts, la génération d’idées a représenté 43,3 % dans le groupe de petite enfance. Le constat qui importe à cette thèse n’est pas le gain de confiance — objet de magisterium, non de cet article —, mais l’obstacle que les participantes ont nommé : adapter le texte aux pratiques développementalement appropriées et à une classe spécifique. Ko (2024), avec 42 étudiant·es de petite enfance en Corée, rapporte la même friction : âge, niveau de développement, activité vague, buts difficiles à saisir. Gurl, Markinson et Artzt (2025) trouvent, dans un microteaching de mathématiques, des leçons centrées sur l’enseignant, répétitives et avec peu de connaissance des besoins des élèves. Statut : production d’un texte, non un jardin dans l’acte. Inférence : le modèle n’échoue pas parce qu’il « n’est pas encore bien entraîné à la petite enfance ». Il échoue parce qu’il ne peut pas observer ce groupe. Un plan plausible pour un enfant générique de quatre ans n’est pas un plan pour les dix-huit enfants de cette salle le mardi à neuf heures.

Kaufman et al. (2025) et le Department for Education (2023/2025) saturent le portrait de système : un quart du corps enseignant K–12 états-unien déclare utiliser l’IA pour planifier ou enseigner ; l’Angleterre liste la planification de leçons comme usage et finance un assistant de leçons. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) montrent que le champ « IA en petite enfance » croît sans traiter la planification quotidienne comme objet. Inférence : le vide n’est pas de produits. Il est de catégorie. On mesure l’artefact parce que l’artefact est ce qu’un modèle sait produire.

5. Cas 2. Ce que le jardin fait bel et bien lorsqu’il y a planification : observer, décider, ajuster

Rönnlund (2025) publie dans l’European Early Childhood Education Research Journal l’étude qui nomme le mieux, dans ce corpus, la planification comme métier dans l’acte. À partir d’un projet d’un an dans lequel des enseignant·es de préscolaire en Suède ont documenté et analysé l’enseignement spontané, elle conceptualise cet enseignement comme interaction relationnelle et d’équilibre. Relationnelle : répondre au foyer d’attention de l’enfant, élargir le contenu, intégrer dynamiquement les intentions adultes et infantiles. D’équilibre : négocier les orientations de but du curriculum avec les intérêts et le jeu auto-initié, sans percevoir cet équilibre comme un obstacle insurmontable, en partie parce que les buts suédois sont larges et permettent de co-créer. Statut de la preuve. Constat empirique de conceptualisation enseignante en préscolaire, non d’IA. Ce n’est pas un constat qu’un modèle reproduise cet enseignement. Ce n’est pas, et cet article ne le convertit pas en, une étude de jeu libre comme axe : l’objet est l’enseignement spontané comme forme de planifier dans l’acte. Inférence pédagogique, marquée comme telle : c’est l’objet qu’un centre de petite enfance peut appeler, à bon droit, planification. C’est voir ce groupe et décider. Un plan généré la veille au soir ne répond pas au foyer d’attention de ce matin.

Hjelmér, Rönnlund et Olausson (2025) saturent le cas avec le même projet : trois chercheuses et 50 enseignant·es de préscolaire pendant un an. L’analyse des situations spontanées propres et d’autrui a rendu visibles les interactions avec les enfants et les intérêts du groupe. Relier ces situations à des buts curriculaires spécifiques a été l’aspect le plus difficile. Les prérequis n’étaient pas un générateur de plans : c’étaient le temps d’analyser, la réflexion collégiale et un outil d’analyse aligné sur les valeurs du préscolaire. Statut : constat d’un N = 50 en Suède, non généralisable à tout CENDI ; ce n’est pas un constat d’IA. Inférence : si le difficile de la planification quotidienne est d’articuler ce qui vient d’arriver avec un but, un modèle qui écrit le but avant que rien n’arrive ne résout pas le problème. Il le cache.

Speldewinde, Guarrella et Campbell (2025) transposent le même métier aux bush kinders australiens : 32 entretiens avec 20 éducateur·rices (2015–2023). Le curriculum émergent de sciences n’est pas un texte préalable : il combine centralité de l’enfant et intentionnalité enseignante, et donne aux enfants une voix pour articuler des compréhensions. Statut : constat de curriculum émergent, non d’IA ; le jeu apparaît comme moyen, non comme objet de cet article. Vitiello et al. (2025), avec 15 enseignant·es et directions de pre-k et de kindergarten, montrent que faire fonctionner un curriculum émergent exige un soutien, et que les défis s’aggravent à l’école publique. Macha et al. (2024) rappellent que la pensée partagée soutenue s’étend dans le dialogue, non dans un livret. Siraj (2024) soutient que le meilleur curriculum ne se prend pas sur l’étagère. Government of Ireland (2024) traduit cela en un cycle de remarquer, nourrir, répondre et réfléchir, avec la planification spontanée comme type. NAEYC (2020) demande d’utiliser l’observé dans la planification et de moment en moment. La SEP (2024), en application de l’Accord 07/08/23, demande une planification intégrale, ouverte, flexible et narrative, qui part d’observer et d’enregistrer. Inférence : la preuve de planification en petite enfance se vérifie dans l’acte — répondre au foyer, articuler un but à ce qui vient d’arriver —, non dans un pdf généré à 22 h.

OECD (2021) offre le contraste de système : la qualité de processus, ce sont les interactions quotidiennes, non les documents de planification. OECD (2025) situe les pratiques du personnel avec les enfants comme levier. Inférence : un jardin qui exhibe dix plans générés et ne peut pas raconter ce qu’il a observé mardi n’a pas planifié. Il a archivé.

6. Cas 3. L’IA comme atelier de matériels de l’adulte, non comme auteure du jour

Farrow, Farrow et Zhang (2025) publient dans Education Sciences le cas qui illustre le mieux le troisième artefact lorsqu’on le place du côté du document. Vingt-neuf enseignant·es du sud-est des États-Unis ont utilisé L4C, une plateforme avec IA pour soutenir des plans de composition en petite enfance. Après usage, les plans ont aligné 5,2 principes L4C contre 1,2 au départ, t(28) = 8,2 ; les pratiques de qualité dans les plans sont passées de 33 % à 53 %, t(28) = 4,6, p < 0,001, d = 0,71. Cinquante-deux pour cent ont identifié la leçon scriptée comme le trait le plus soutenant. Statut : constat de qualité d’un plan écrit, non d’un essai d’interaction au jardin. Ce n’est pas un constat que l’IA « planifie ». Inférence pédagogique, marquée comme telle : le script est exactement l’artefact que cette thèse n’admet pas comme planification. Il peut être un matériel. Il ne peut pas être l’acte. Yu et al. (2025) et Ko (2024) montrent pourquoi : le texte ne connaît pas ce groupe ni la classe d’aujourd’hui. Gurl et al. (2025) montrent le biais : centré sur l’adulte, répétitif. Roy et al. (2024) mesurent la ressource, non l’acte. Inférence : si l’IA entre dans un jardin ou un CENDI, le seul lieu où elle ne contredit pas la planification de petite enfance est l’atelier de l’adulte — listes de matériels, un brouillon que l’on jette en voyant le groupe —, soumis à validation pédagogique. Elle n’entre pas comme auteure du jour.

Miao et Holmes (2023) fixent le seuil de 13 ans pour les conversations indépendantes avec des plateformes génératives. Un enfant de quatre ans n’est pas l’interlocuteur du plan ni de l’assemblée générée. OECD (2023, 2025) situe la numérisation dans le personnel, les matériels et la protection, non dans un livret lu au groupe. NAEYC (2020, 2022) réserve la décision de moment en moment à l’éducateur·rice. Government of Ireland (2024) réserve la planification spontanée à l’adulte qui remarque. La SEP (2024) réserve la planification narrative à qui a observé. Inférence : un jardin qui demande à un modèle « l’assemblée d’aujourd’hui » n’a pas planifié l’assemblée. Il a sous-traité le premier acte du jour à un système qui n’était pas à la porte.

Le cadre des droits clôt le cas. UNESCO (2021) exige une supervision humaine. UNICEF (2021) exige le développement et le bien-être. La Commission européenne (2022) exige de ne pas remplacer le jugement professionnel. L’annexe III du règlement (UE) 2024/1689 inclut l’évaluation automatisée et la détermination du niveau éducatif (Unión Europea, 2024). Inférence : un système qui, dans un CENDI, génère la séquence du jour et la traite comme décision pédagogique n’est pas une innovation de planification. C’est, sur ce territoire, une pratique à haut risque si elle détermine un niveau ou une évaluation. Le seuil de Miao et Holmes (2023) ne se « satisfait » pas en baissant l’âge de l’utilisateur du plan. Il se respecte en ne convertissant pas l’enfant de petite enfance en destinataire d’un livret qu’aucun adulte n’a situé.

7. Cadre inférentiel : quatre épreuves pour affirmer qu’il y a planification, non un artefact

Le cadre qui suit est l’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, un préscolaire, un CENDI ou une école infantile ne les passe pas, il ne peut pas déclarer qu’un plan généré par un modèle, une séquence « prête » ou un prompt qui produit l’assemblée constituent une planification pédagogique.

7.1. Épreuve de ce groupe, non de l’enfant générique. Yu et al. (2025) et Ko (2024) documentent la difficulté d’adapter le texte généré aux pratiques développementalement appropriées et à la classe spécifique. Gurl et al. (2025) trouvent des leçons aveugles aux besoins des élèves. NAEYC (2020) demande que l’observation informe la planification des expériences de ces enfants. La SEP (2024) demande une planification qui réponde aux besoins et intérêts des enfants de ce contexte. Inférence : la preuve de planification se vérifie dans des traits de ce groupe — qui est arrivé, ce qu’ils ont apporté, ce qui n’a pas fonctionné hier — présents dans la décision. Si la « preuve » que le centre planifie est un prompt avec l’âge et le thème de la semaine, le centre a généré un texte pour un enfant générique. Il n’a pas planifié.

7.2. Épreuve de l’observation préalable ou concurrente, non du texte a priori. Rönnlund (2025) et Hjelmér et al. (2025) situent l’enseignement spontané dans ce que l’on voit et analyse. Speldewinde et al. (2025) partent d’écouter les enfants. Government of Ireland (2024) et Siraj (2024) partent de remarquer. NAEYC (2020) part d’observer. La SEP (2024) part d’observer et d’enregistrer. Roy et al. (2024) mesurent, eux, le temps de produire une ressource avant la classe. Inférence : un plan écrit la veille, sans observation de ce groupe, ne passe pas l’épreuve. Il peut être un intrant. La planification commence quand quelqu’un regarde.

7.3. Épreuve de l’ajustement dans l’acte, non de la séquence fermée. Rönnlund (2025) décrit l’équilibre entre buts et jeu auto-initié comme le métier même. Hjelmér et al. (2025) trouvent que relier le spontané à un but est le plus difficile. Farrow et al. (2025) montrent que ce que l’on apprécie d’une plateforme est souvent le script. Macha et al. (2024) rappellent que la pensée partagée soutenue s’étend dans le dialogue, non dans un livret. Inférence : si l’assemblée se lit telle qu’elle est sortie du modèle, il n’y a pas eu planification. Il y a eu exécution. La planification de petite enfance inclut jeter le plan lorsque le groupe n’est pas là, ou est ailleurs.

7.4. Épreuve du jugement de l’adulte, non de la fluidité du modèle. Miao et Holmes (2023) excluent le mineur de 13 ans comme interlocuteur indépendant. La Commission européenne (2022) et le U.S. Department of Education (2023) exigent de ne pas remplacer le jugement professionnel. UNESCO (2021) exige une supervision humaine. OECD (2021, 2025) situe la qualité dans les interactions du personnel. Inférence : l’enfant de 3–6 ans n’est pas l’utilisateur d’un plan généré. Il est l’habitant d’une matinée qu’un adulte décide. Si l’IA entre, elle entre comme atelier de matériels de l’adulte, soumis à validation pédagogique. Elle n’entre pas comme auteure de l’assemblée, de la séquence ou du jour.

Le cadre admet l’IA générative comme atelier de l’adulte (Farrow et al., 2025 ; Yu et al., 2025, lus contre la thèse) ; les cycles de remarquer et de répondre (Government of Ireland, 2024 ; SEP, 2024) ; et l’enseignement spontané et le curriculum émergent comme formes de planifier (Rönnlund, 2025 ; Hjelmér et al., 2025 ; Speldewinde et al., 2025). Il refuse de déclarer planification un plan généré, une séquence « prête » ou un prompt d’assemblée (Roy et al., 2024 ; Yu et al., 2025 ; Ko, 2024 ; Farrow et al., 2025).

8. Discussion

Trois tensions organisent la discussion. La première est entre produire un document et planifier un groupe. C’est un constat que 259 enseignant·es dans 68 collèges ont économisé 31 % du temps de préparation sans preuve de différence de qualité des ressources (Roy et al., 2024) ; qu’un quart du corps enseignant K–12 états-unien déclare utiliser l’IA pour planifier ou enseigner (Kaufman et al., 2025) ; et que l’Angleterre liste cet usage (Department for Education, 2023/2025). C’est un cadre que la planification de petite enfance part de l’observation et s’exerce aussi de moment en moment (NAEYC, 2020 ; Government of Ireland, 2024 ; SEP, 2024). Ce n’est pas un constat que produire un plan plus vite produise l’enseignement spontané de Rönnlund (2025) et Hjelmér et al. (2025) ni le curriculum émergent de Speldewinde et al. (2025). La politique des trois artefacts mesure ce que l’ingénierie sait mesurer et déclare ce que seul le métier situé autoriserait.

La deuxième est entre l’enfant générique et ce groupe. Yu et al. (2025) et Ko (2024) montrent la friction avec les pratiques développementalement appropriées et avec la classe concrète. Gurl et al. (2025) montrent un biais adulte. Chen (2024) montre que la littérature d’IA en petite enfance classe et personnalise ; elle n’observe pas. Inférence : insister que « le plan est déjà là » alors que personne n’a vu ce groupe est une pédagogie inversée. NAEYC (2020) et la SEP (2024) placent l’observation au début. Le modèle écrit d’abord et, le cas échéant, regarde ensuite.

La troisième est entre l’atelier de l’adulte et l’auteure du jour. Farrow et al. (2025) montrent qu’une plateforme peut améliorer un plan écrit et que le script est perçu comme un soutien. Miao et Holmes (2023) excluent le mineur de 13 ans comme utilisateur indépendant. Inférence : le seul usage d’IA qui ne contredit pas la planification de petite enfance est celui qui demeure du côté de l’adulte et se soumet à validation pédagogique, y compris le droit de jeter le texte en franchissant la porte. Une liste de matériels peut être de la planification si elle part de l’observé. Un modèle qui écrit l’assemblée parce que le prompt a demandé « ronde du lundi » ne l’est pas.

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA ni n’estime d’effets combinés. Roy et al. (2024) sont un essai de secondaire en Angleterre ; le transfert aux 3–6 ans est une inférence. Karaman et Göksu (2024) sont de CE2, N = 39, sans différence entre groupes au post-test. Yu et al. (2025) et Ko (2024) sont de formation initiale : on les utilise comme preuve de l’artefact, non comme article sur le magisterium. Gurl et al. (2025) sont du secondaire. Farrow et al. (2025) mesurent la qualité de plans écrits (N = 29), non des interactions de processus ; le constat du script se lit contre la thèse. Rönnlund (2025) et Hjelmér et al. (2025) sont du préscolaire suédois ; le N = 50 ne se généralise pas aux CENDI. Speldewinde et al. (2025) sont des bush kinders ; le jeu est cité comme moyen, non comme objet. Vitiello et al. (2025) sont 15 entretiens. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient l’IA en ECE, non la planification quotidienne. NAEYC, Aistear, SEP, Siraj, UNESCO, UNICEF, l’OECD et l’Union européenne sont de cadre. Macha et al. (2024) sont utilisés pour la pensée partagée soutenue comme qualité de processus, non comme axe d’apprentissage socioémotionnel. Kaufman et al. (2025) et le Department for Education (2023/2025) sont de système scolaire. On n’a pas localisé d’essais latino-américains d’IA et de planification didactique quotidienne au jardin qui mesurent l’observation et l’ajustement dans l’acte face à un plan généré. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une preuve d’implémentation.

10. Conclusions

Un plan de classe généré par un modèle, une séquence « prête » ou un prompt qui produit l’assemblée du jour ne constituent pas une planification pédagogique dans un centre d’éducation de la petite enfance. La preuve vérifiée n’autorise pas cette déclaration. Deux cent cinquante-neuf enseignant·es de sciences dans 68 collèges ont économisé 31 % du temps de préparation avec ChatGPT, sans preuve de différence de qualité des ressources : c’est de la production d’un document, non de la planification d’un groupe de 3–6 ans (Roy et al., 2024). Un quart du corps enseignant K–12 états-unien déclare utiliser l’IA pour planifier ou enseigner (Kaufman et al., 2025). De futur·es éducateur·rices de petite enfance trébuchent à adapter le texte aux pratiques développementalement appropriées et à la classe concrète (Yu et al., 2025 ; Ko, 2024) ; les leçons suggérées sortent centrées sur l’adulte (Gurl et al., 2025) ; vingt-neuf enseignant·es améliorent un plan écrit et remercient le script (Farrow et al., 2025). Dix-huit études qui couvrent 15 081 enfants de 2 à 8 ans distinguent classer et personnaliser, non observer ce groupe (Chen, 2024) ; des revues de 17 et 39 études saturent le champ sans l’équivaloir à la planification quotidienne (Su et Yang, 2022 ; Ljungcrantz, 2026). En revanche, lorsqu’il y a planification en petite enfance, il y a un adulte qui observe et décide : enseignement spontané au préscolaire suédois (Rönnlund, 2025 ; Hjelmér et al., 2025), curriculum émergent dans les bush kinders (Speldewinde et al., 2025), cycle de remarquer et de répondre (Government of Ireland, 2024 ; Siraj, 2024), planification narrative (SEP, 2024) et interactions de moment en moment (NAEYC, 2020, 2022). Le droit en vigueur exige une supervision humaine, l’intérêt supérieur, un seuil d’âge pour les conversations indépendantes avec des plateformes génératives et, dans l’Union européenne, de traiter comme à haut risque l’IA qui détermine l’accès, l’admission, l’assignation, l’évaluation ou le niveau (UNESCO, 2021 ; UNICEF, 2021 ; Miao et Holmes, 2023 ; Unión Europea, 2024 ; European Commission, 2022).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent un document plus rapide ou un script mieux noté, il ne les traduit pas en planification. Accompagner des enfants de trois à six ans avec une planification didactique quotidienne, c’est observer ce groupe, décider en situation et ajuster dans l’acte. Le reste est un artefact textuel généré a priori. Ce n’est pas de la planification, et cela ne doit pas se présenter comme ce que ce 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. Department for Education. (2023/2025). Generative artificial intelligence (AI) in education (mis à jour le 12 août 2025). GOV.UK. https://www.gov.uk/government/publications/generative-artificial-intelligence-in-education/generative-artificial-intelligence-ai-in-education
  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. Farrow, J., Farrow, M. J., et Zhang, C. (2025). Advancing translational science through AI-enhanced teacher learning for early language and composing. Education Sciences, 15(11), 1496. https://doi.org/10.3390/educsci15111496
  5. Government of Ireland. (2024). Aistear: The Early Childhood Curriculum Framework. National Council for Curriculum and Assessment. https://www.curriculumonline.ie/early-childhood/aistear-2024/
  6. Gurl, T. J., Markinson, M. P., et Artzt, A. F. (2025). Using ChatGPT as a lesson planning assistant with preservice secondary mathematics teachers. Digital Experiences in Mathematics Education, 11, 114–139. https://doi.org/10.1007/s40751-024-00162-9
  7. Hjelmér, C., Rönnlund, M., et Olausson, A. (2025). Analys av undervisning i spontant uppkomna situationer i förskolan. Educare, 2025(2), 75–101. https://doi.org/10.63310/edu.2025.2.54821
  8. Karaman, M. R., et Göksu, İ. (2024). Are lesson plans created by ChatGPT more effective? An experimental study. International Journal of Technology in Education, 7(1), 107–127. https://doi.org/10.46328/ijte.607
  9. Kaufman, J. H., Woo, A., Eagan, J., Lee, S., et Kassan, E. B. (2025). Uneven adoption of artificial intelligence tools among U.S. teachers and principals in the 2023–2024 school year (RR-A134-25). RAND Corporation. https://doi.org/10.7249/RRA134-25
  10. Ko, S. (2024). Exploring the process and experience of pre-service early childhood teacher creating a simulated instruction plan using ChatGPT. Korean Open Association for Early Childhood Education, 29(5), 315–337. https://doi.org/10.20437/KOAECE29-5-13
  11. 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
  12. Macha, K., Hildebrandt, F., Wronski, C., Lonnemann, J., et Urban, M. (2024). Making it explicit – Sustained shared thinking dialogue as a way to explore children’s perspectives on quality in German early childhood education and care. British Educational Research Journal. https://doi.org/10.1002/berj.4054
  13. Miao, F., et Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  14. NAEYC. (2020). Developmentally Appropriate Practice (DAP) position statement. National Association for the Education of Young Children. https://www.naeyc.org/resources/position-statements/dap
  15. NAEYC. (2022). Developmentally Appropriate Practice in Early Childhood Programs Serving Children from Birth Through Age 8 (4e éd.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  16. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  17. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  18. OECD. (2025). Results from TALIS Starting Strong 2024: Strengthening early childhood education and care. OECD Publishing. https://doi.org/10.1787/20af08c0-en
  19. Rönnlund, M. (2025). Preschool teachers’ conceptualizations of spontaneous teaching: Relational and balancing interactions. European Early Childhood Education Research Journal, 34(1), 5–18. https://doi.org/10.1080/1350293X.2025.2487594
  20. Roy, P., Poet, H., Staunton, R., Aston, K., et Thomas, D. (2024). ChatGPT in lesson preparation: A Teacher Choices trial. Evaluation report. Education Endowment Foundation / National Foundation for Educational Research. https://educationendowmentfoundation.org.uk/projects-and-evaluation/projects/choices-in-edtech-using-generative-ai-chatgpt-for-ks3-science-lesson-preparation-2024-teacher-choices-trial
  21. Secretaría de Educación Pública. (2023). Acuerdo número 07/08/23 por el que se determina el Currículo Nacional aplicable a la Educación Inicial: Programa Sintético de la Fase 1. Diario Oficial de la Federación. https://www.dof.gob.mx/nota_detalle.php?codigo=5698664&fecha=15/08/2023
  22. Secretaría de Educación Pública. (2024). La importancia de una planeación integral y narrativa en Educación Inicial. SEP. https://educacionbasica.sep.gob.mx/wp-content/uploads/2024/08/Inicial_-La-importancia-de-una-planeacion-integral-y-narrativa-en-Educacion-Inicial.pdf
  23. Siraj, I. (2024). An emergent and inquiry-based curriculum approach in early childhood. National Council for Curriculum and Assessment. https://ncca.ie/media/kcugefoz/an-emergent-and-inquiry-based-curriculum-approach-in-early-childhood.pdf
  24. Speldewinde, C., Guarrella, C., et Campbell, C. (2025). Listening to children in nature: Emergent curriculum in science teaching and learning in bush kinders. International Journal of Science Education, 47(15-16), 2180–2202. https://doi.org/10.1080/09500693.2024.2365459
  25. Su, J., et 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
  26. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  27. UNESCO. (2022). Tashkent Declaration and Commitments to Action for Transforming Early Childhood Care and Education. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000384045
  28. UNICEF. (2021). Policy guidance on AI for children 2.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  29. Unión Europea. (2024). Règlement (UE) 2024/1689 du Parlement européen et du Conseil du 13 juin 2024 (règlement sur l’IA), annexe III. Journal officiel de l’Union européenne. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  30. 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
  31. Vitiello, V. E., Hutchins, N., Krissinger, A., Jirout, J., et Scoville, J. (2025). How early educators make emergent curricula work: A qualitative analysis with an eye toward scale. Early Education and Development, 37(1), 44–65. https://doi.org/10.1080/10409289.2025.2517401
  32. Yu, H. M., Lee, H., et Kim, S. H. (2025). Integrating ChatGPT in teacher education: Examining early childhood and elementary pre-service teachers’ experiences in AI-assisted math lesson planning. Journal of Research in Childhood Education, 40(1), 67–89. https://doi.org/10.1080/02568543.2025.2579668