1. Introduction et problème

Dans la tranche d’âge de 3 à 6 ans — jardin, préscolaire, CENDI, école maternelle — un paquet de quatre artefacts a été installé qui prétendent valoir pour le soutien au raisonnement spatial, au langage spatial ou au block play : un chatbot qui « enseigne le spatial » ou donne des instructions de construction à l’enfant ; une application de puzzles spatiaux qui note l’« habileté spatiale » ou le « quotient spatial » ; un modèle de vision par ordinateur qui classe ou note la « complexité » ou la « qualité » d’une construction de blocs sans médiation humaine ; et un générateur qui produit des unités d’« entraînement spatial » à partir d’un prompt. Les quatre sont visibles en coordination et permettent d’afficher que le centre « fait déjà du spatial avec l’IA ». Le saut — d’instruction générative, score, étiquette de complexité ou unité à affirmer le soutien au raisonnement spatial — n’est pas autorisé par les cartographies d’IA en ECE ni par la pédagogie du block play lorsqu’il y a assemblage 2D/3D avec blocs unitaires, vocabulaire spatial (emplacement, dimension, forme, orientation), gestes, temps prolongé de construction partagée et étayage humain.

La thèse de cet article est restrictive. Un chatbot qui « enseigne le spatial » ou donne des instructions de construction à l’enfant, une application de puzzles spatiaux qui note l’« habileté spatiale » ou le « quotient spatial », un modèle de vision par ordinateur qui classe ou note la « complexité » ou la « qualité » d’une construction de blocs sans médiation humaine, ou un générateur qui produit des unités d’« entraînement spatial » à partir d’un prompt ne constituent pas un soutien au raisonnement spatial dans la petite enfance. À cet âge, le raisonnement spatial se développe dans une pratique située avec des blocs et des matériaux concrets ouverts, un langage spatial entre adulte et enfant ou entre pairs, des gestes, un temps prolongé de construction et un étayage humain (modelage, feedback gestuel ou linguistique spatial) ; non un score d’assemblage, un puzzle numérique autonome ni un tuteur d’IA qui remplace l’adulte ou le pair. Bower et al. (2020) documentent des trainings spatiaux (N = 187 ; 3 ans ; MF/GF/SLF vs contrôle) avec gains 2D/3D TOSA, surtout en low-SES, et transfert partiel aux mathématiques comme outcome latéral. Bower et al. (2022) comparent application numérique versus matériaux concrets versus contrôle (N = 61) : les deux améliorent le 2D-TOSA face au contrôle. Bower et al. (2025) élargissent avec N = 331 : intervention concrète et numérique prédit l’apprentissage spatial et mathématique, avec transfert moins robuste. Schmitt et al. (2024) créent un coding system de langage spatial et quantitatif dans le block play (N = 24). Yang et Hu (2021) décrivent emplacements, déictiques, dimensions et formes (N = 228). Cela autorise à demander ce qui a été mesuré : instruction du bot, point de puzzle ou étiquette de complexité, non la pratique lorsqu’un enfant place un bloc « dessus », tourne une pièce et reçoit un feedback spatial d’un adulte ou d’un pair.

Le problème s’aggrave par cinq confusions de catégorie. Première : le raisonnement spatial / langage spatial / block play n’est pas le STEM ni la robotique éducative — Berson et al. (2023) et Di Lieto et al. (2023) n’apparaissent que comme contraste, non comme axe. Deuxième : ce n’est pas la numératie comme axe — les mathématiques peuvent être un outcome latéral (Bower et al., 2020, 2025 ; Schmitt et al., 2024). Troisième : ce n’est pas la créativité artistique — Aksoy et Aksoy (2022) montrent un chevauchement, non une identité de construits. Quatrième : ce n’est pas un score de « complexité » ou de « qualité » de construction par vision par ordinateur sans médiation humaine. Cinquième : ce n’est pas un puzzle numérique autonome qui déclare un « quotient spatial ». Ce travail ne recycle pas STEM/robotique, numératie, jeu symbolique, jeu libre, créativité artistique, motricité, fonctions exécutives, SEL, investigation scientifique, éducation environnementale, littératie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique ni formation des enseignants. La question est ce qui compte comme raisonnement spatial lorsqu’un centre « fait de l’IA et du spatial ».

Il y a, de plus, une économie de coordination : chatbot tuteur, score de puzzle, étiquette de complexité et unité imprimée tiennent sur une diapositive ; le block talk prolongé avec blocs unitaires, gestes et feedback spatial adulte–enfant, non. Ferrara, Hirsh-Pasek, Newcombe, Golinkoff et Lam (2011) ancrent que le guided play élève le talk spatial pendant le block play. NAEYC (2022) et OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Inférence pédagogique : le soutien au raisonnement spatial ne se réalise pas en générant des unités ni en notant l’assemblage. Les contributions sont trois : séparer le métier du paquet d’artefacts ; examiner trois familles de cas — y compris BrickSmart comme contraste périphérique lorsque la GenAI soutient l’adulte/parent et ne remplace pas l’enfant (Liu et al., 2025 ; transfert 6–8 ans) — ; et offrir quatre épreuves pour affirmer le soutien au raisonnement spatial, et non seulement chatbot, score, vision ou prompt.

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

Il convient de séparer quatre strates que le marché de « l’IA pour le raisonnement spatial en petite enfance » mélange habituellement. La première est le construit de raisonnement spatial / langage spatial / block play de 3 à 6 ans comme pratique d’assemblage 2D/3D avec blocs unitaires, vocabulaire d’emplacement, dimension, forme et orientation, gestes et épisode prolongé de construction partagée (Bower et al., 2020, 2022, 2025 ; Schmitt et al., 2024 ; Yang et Hu, 2021 ; Ferrara et al., 2011). La deuxième est le métier pédagogique qui le cultive — matériaux concrets ouverts, trainings TOSA / spatial language feedback / gesture feedback, modelage adulte, feedback gestuel ou linguistique spatial, étayage entre pairs — (Bower et al., 2020, 2022, 2025 ; Ferrara et al., 2011 ; NAEYC, 2022 ; OECD, 2021, 2023). La troisième est l’évidence des affordances d’IA en ECE, de la GenAI centrée sur l’enfant et des systèmes qui guident les parents — sans les équivaloir au block play situé entre adulte et enfant ni à un tuteur autonome de l’enfant — (Chen, 2024 ; Su et Yang, 2022 ; Su et Zhong, 2022 ; Ljungcrantz, 2026 ; Nikolopoulou, 2025 ; Liu et al., 2025, avec transfert marqué). 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 construction située et de conversation spatiale, non comme vecteur de signaux pour un pipeline de scoring de complexité ni comme récepteur passif d’instructions d’un chatbot (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023).

En construit et métier, Bower et al. (2020) rapportent une intervention d’assemblage (N = 187 ; 3 ans ; MF/GF/SLF vs contrôle) : gains 2D/3D TOSA, effet plus fort en low-SES, transfert partiel aux mathématiques. Bower et al. (2022) comparent application numérique versus matériaux concrets versus contrôle (N = 61) : les deux améliorent le 2D-TOSA face au contrôle ; ils ne différaient pas entre eux. Bower et al. (2025) — N = 331 ; 3 ans — prédisent spatial et math learning ; transfert aux mathématiques moins robuste. Schmitt et al. (2024) créent un coding system de langage spatial et quantitatif dans le block play (N = 24). Yang et Hu (2021) décrivent emplacements, déictiques, dimensions et formes (N = 228). Ferrara et al. (2011) ancrent que le guided play élève le block talk. Inférence : un chatbot ne remplace pas le « mets-le dessus » dit avec un geste ; un adulte ou un pair qui étaye, oui.

Dans la strate des artefacts, Chen (2024), Su et Yang (2022), Su et Zhong (2022) et Ljungcrantz (2026) cartographient les affordances d’IA en ECE sans les équivaloir au block play. Nikolopoulou (2025) équilibre la GenAI sous médiation enseignante : cadre de prudence. Liu et al. (2025) documentent BrickSmart : la GenAI guide les parents — ne remplace pas l’enfant — ; 6–8 ans → transfert marqué ; augmentation du vocabulaire spatial. En contraste de catégorie, Berson et al. (2023) explorent la programmation robotique et la CT chez les preschoolers (3–4 ans) : robotique/CT ≠ block play comme axe. Di Lieto et al. (2023) combinent unplugged et robotics pour CT/visuospatial : contraste latéral. Aksoy et Aksoy (2022) lient block play et créativité : frontière de construit. UNESCO (2021) exige une supervision humaine ; Miao et Holmes (2023) fixent la validation pédagogique de la GenAI ; U.S. Department of Education (2023) exige que l’IA ne remplace pas le jugement professionnel.

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 de chatbots tuteurs spatiaux, d’applications de puzzles qui notent, de classificateurs de complexité ou de générateurs d’unités, mais d’articuler un argument de catégorie pédagogique avec des sources vérifiées. Critères d’inclusion : (a) 2021–2026, avec Ferrara et al. (2011) comme ancre du block talk, et transfert marqué lorsque l’échantillon n’équivaut pas à 3–6 (p. ex. BrickSmart 6–8) ; (b) spatial reasoning, spatial language, block play, spatial assembly, TOSA, gesture/spatial language feedback, ou IA en ECE avec pertinence artefact/métier ; (c) jardin, préscolaire, CENDI ou 3–6 ans ; (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 — STEM/robotique, numératie, jeu symbolique, jeu libre, créativité artistique, motricité, fonctions exécutives, SEL, investigation scientifique, éducation environnementale, littératie, oralité, DUA, documentation, évaluation formative, participation, planification, attention conjointe, interactions adulte-enfant comme axe générique et formation des enseignants —. Robotique/CT seulement comme contraste (Berson et al., 2023 ; Di Lieto et al., 2023). Numératie seulement comme outcome latéral (Bower et al., 2020, 2025 ; Schmitt et al., 2024).

La recherche a été exécutée le 2 septembre 2026 (créneau 17:02 America/Mexico_City) sur pages DOI, Crossref, Springer, Elsevier, APA PsycNet, Frontiers, ACM Digital Library, 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 raisonnement spatial / STEM-robotique / numératie / créativité / score CV de complexité de blocs, et la prudence de ne pas traduire chatbots tuteurs, scores de puzzles ou unités par prompt en pédagogie du block play et du langage spatial médiatisé. On n’a inventé ni N, d, r, AUC ni DOI : lorsqu’un artefact (vision par ordinateur de complexité/qualité de construction ; chatbot tuteur spatial autonome) manque d’étude vérifiée dans le corpus avec métriques de scoring en 3–6, il est discuté comme plafond de catégorie appuyé sur des cartographies générales d’IA en ECE (Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026) et sur le contraste BrickSmart médiatisé par les parents (Liu et al., 2025), non comme résultat empirique inventé.

4. Cas 1. Chatbot « tuteur spatial », application de puzzles qui note, vision par ordinateur de complexité de construction ou unités par prompt ne constituent pas un soutien au raisonnement spatial

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 raisonnement spatial. Chen (2024) cartographie les affordances globales de l’IA en early childhood education : résultat de scoping sur des usages émergents — tutorat, analytique, génération de contenus —, non résultat qu’un chatbot donnant des instructions de construction cultive le block talk ou l’assemblage 2D/3D médiatisé. Su et Yang (2022) passent en revue le champ de l’IA en ECE : synthèse de tendances, non langage spatial d’emplacement, dimension, forme ou orientation pendant la construction. Ljungcrantz (2026) revoit l’interaction IA–ECE 2020–2024 : état de l’art, non block play situé. Inférence pédagogique, marquée comme telle : le geste « l’enfant a reçu des instructions du chatbot = il y a eu raisonnement spatial » est un plafond de tutorat génératif. Bower et al. (2020, 2022, 2025) et Ferrara et al. (2011) demandent assemblage avec matériaux, geste, langage spatial et guided play ; un dialogue utile avec un bot peut coexister avec l’absence de blocs unitaires, de gestes partagés et de temps prolongé de construction.

Nikolopoulou (2025) et Miao et Holmes (2023) nomment le risque du générateur d’unités d’« entraînement spatial » à partir d’un prompt. 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 d’unités spatiales par prompt versus block play avec feedback spatial adulte–enfant. Inférence : produire une unité par prompt peut être une préparation enseignante subordonnée ; le soutien au raisonnement spatial commence lorsqu’il y a des blocs sur la table, un vocabulaire de « dessus / dessous / à côté / tourner », des gestes qui indiquent et un adulte ou un pair qui modèle et donne un feedback spatial. Su et Zhong (2022) proposent une conception curriculaire d’IA en ECE — curriculum d’AI literacy, non block play situé —. Inférence de limite : un curriculum d’IA ne signe pas l’assemblage 2D/3D.

L’application de puzzles spatiaux qui note l’« habileté spatiale » ou le « quotient spatial » et le modèle de vision par ordinateur qui classe ou note la « complexité » ou la « qualité » d’une construction de blocs sans médiation humaine manquent, dans le corpus vérifié, d’essais avec N, d, r ou AUC rapportés pour le scoring de complexité/qualité ou de quotient spatial algorithmique en préscolaire 3–6 ; on n’invente pas de chiffres. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient analytique, tutorat et classification comme tendance d’IA en ECE, sans équivalence au block play médiatisé. Bower et al. (2022) offrent le contraste empirique décisif sur numérique versus concret : les deux trainings améliorent le 2D-TOSA face au contrôle (N = 61), mais l’étude n’autorise pas à déclarer qu’une application notant le « quotient spatial » constitue le métier — elle mesure un training avec matériaux ou appli, non un scoring autonome d’habileté comme produit —. Liu et al. (2025) — transfert 6–8 — situent la GenAI guidant les parents dans le block play familial : usage périphérique, non chatbot tuteur dirigé vers l’enfant. Inférence restrictive : GenAI qui soutient l’adulte ≠ tuteur spatial autonome de l’enfant ; appli de training médiatisé ≠ puzzle qui déclare un quotient ; empowerment enseignant/parental ≠ score CV de complexité de la tour. UNESCO (2021) et U.S. Department of Education (2023) exigent une supervision humaine. Les quatre artefacts partagent une même grammaire de substitution : l’instruction du bot remplace le block talk ; le score du puzzle remplace l’observation pédagogique de l’assemblage ; l’étiquette de vision remplace le feedback gestuel/linguistique ; le prompt remplace le temps prolongé avec blocs unitaires.

Il convient de préciser le plafond sans inventer d’effets. Un chatbot peut lister des étapes ; Yang et Hu (2021) et Schmitt et al. (2024) mesurent le langage spatial dans le block play humain, non des tours avec un modèle. Une application peut additionner des points ; Bower et al. (2020, 2025) mesurent TOSA et transfert, non des classements de quotient. Un classificateur peut étiqueter « complexité élevée » ; Ferrara et al. (2011) ancrent le guided play, non la détection de pose. Un générateur peut imprimer une unité ; Bower et al. (2020) documentent des trainings MF/GF/SLF, non une sortie de prompt. Inférence : « quotient élevé » ou « unité selon le modèle » est mesure ou génération, non soutien signé.

5. Cas 2. Ce que le jardin fait vraiment lorsqu’il y a soutien au raisonnement spatial : block play, langage spatial, gestes et étayage — avec BrickSmart comme contraste périphérique

Bower et al. (2020) saturent le métier depuis l’intervention contrôlée (N = 187 ; 3 ans) : des trainings d’assemblage spatial qui incorporent matériaux, geste (GF) et spatial language feedback (SLF) produisent des gains 2D/3D TOSA face au contrôle, avec bénéfice plus fort en low-SES et transfert partiel aux mathématiques comme outcome latéral. Statut : résultat empirique. Inférence pédagogique, marquée comme telle : c’est l’objet qu’un centre de petite enfance peut appeler soutien au raisonnement spatial. Le raisonnement spatial n’est pas un score de puzzle ni une étiquette de complexité : c’est un domaine croissant d’assembler en 2D/3D avec blocs unitaires, d’utiliser un vocabulaire d’emplacement, dimension, forme et orientation, de gesticuler pendant la construction, de soutenir l’épisode dans le temps et de recevoir un étayage humain — modelage, feedback gestuel ou linguistique spatial — d’adulte ou de pairs. Un chatbot qui marque « étape suivante » sans blocs partagés peut célébrer un dialogue étiqueté et, en même temps, vider la table de construction de conversation spatiale. Un classificateur de complexité peut étiqueter « tour complexe » en vidéo et n’avoir pas capturé si l’adulte a protégé le temps, modelé « tourne la pièce » ou invité un pair à décrire où va le bloc.

Bower et al. (2022) documentent que application numérique et matériaux concrets améliorent le 2D-TOSA face au contrôle (N = 61) sans différer entre eux : le numérique peut entraîner lorsqu’il est conçu comme training, non comme scorer autonome. Bower et al. (2025) — N = 331 — confirment une intervention concrète et numérique ; transfert aux mathématiques moins robuste. Schmitt et al. (2024) capturent le langage spatial et quantitatif (N = 24). Yang et Hu (2021) décrivent emplacements, déictiques, dimensions et formes (N = 228). Ferrara et al. (2011) ancrent guided play et block talk. NAEYC (2022) et OECD (2021, 2023) ancrent interactions significatives et numérisation subordonnée.

Le contraste de bon usage périphérique est BrickSmart. Liu et al. (2025) rapportent une GenAI pour soutenir l’apprentissage du langage spatial dans le block play familial : le système guide les parents ; il ne remplace pas l’enfant dans la construction ni ne converse comme tuteur autonome dirigé vers l’enfant. Échantillon 6–8 ans → transfert marqué vers la cohorte 3–6 de cet article. Statut : résultat empirique d’augmentation du vocabulaire spatial sous médiation parentale assistée par GenAI. Inférence : le numérique subordonné — adulte/parent qui reçoit un soutien GenAI pour enrichir le block talk — peut renforcer le langage spatial à la table de blocs ; il n’autorise pas à déclarer qu’un chatbot qui « enseigne le spatial » à l’enfant ou une application qui note un quotient constitue le métier. La médiation — NAEYC (2022), OECD (2021) — est une présence adulte qui organise le temps, offre des blocs unitaires, modèle le vocabulaire spatial, gesticule, protège la construction partagée et amplifie sans remplacer la main de l’enfant par une instruction autonome du bot. Inférence : l’observation pédagogique du raisonnement spatial est une lecture professionnelle de l’assemblage et du talk, non un journal de scores de complexité. Un tableau de bord ne dit pas « c’est à côté du cube rouge » ; un adulte ou un pair qui étaye, oui.

6. Cas 3. Raisonnement spatial ≠ STEM/robotique, numératie, créativité ni score CV de « complexité de blocs »

La première frontière de catégorie est le STEM/robotique éducative. Programmer un robot peut coexister avec des habiletés spatiales latérales ; cela ne constitue pas, à soi seul, le block play d’assemblage 2D/3D avec blocs unitaires, langage spatial et étayage humain. Berson et al. (2023) explorent la programmation robotique et la CT chez les preschoolers (3–4 ans) : contraste — robotique/CT comme objet empirique distinct. Di Lieto et al. (2023) combinent unplugged et robotics pour CT/visuospatial : contraste latéral. Inférence : cet article interdit l’équivalence « nous avons un robot = il y a soutien au raisonnement spatial via block play ». Un chatbot tuteur spatial n’est pas non plus du « STEM numérique » : c’est du tutorat génératif.

La deuxième frontière est la numératie comme axe. Bower et al. (2020, 2025) et Schmitt et al. (2024) montrent un transfert ou chevauchement mathématique comme outcome latéral : chevauchement empirique, non identité de construits. Inférence : un tableau de bord qui récompense le « comptage de blocs » ne convertit pas le renforcement numérique en raisonnement spatial. La troisième est la créativité artistique : Aksoy et Aksoy (2022) montrent un chevauchement possible, non une équivalence. La quatrième est le score CV de « complexité » ou « qualité » sans médiation humaine : noter la tour inverse la pédagogie. 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 ans reste du côté de l’adulte — BrickSmart guidant les parents (Liu et al., 2025 ; transfert) ou préparation enseignante subordonnée —, soumis à validation pédagogique. Il n’entre pas comme scorer autonome, chatbot tuteur, puzzle de quotient ni générateur qui remplace le block talk.

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

Le cadre qui suit est une inférence pédagogique de cet article, ancrée dans les cas et les instruments vérifiés. Ce n’est pas une nouvelle norme internationale. Il distingue quatre épreuves. Si un jardin, préscolaire, CENDI ou école maternelle ne les passe pas, il ne peut déclarer qu’un chatbot « tuteur spatial », une application de puzzles qui note, une vision par ordinateur de complexité/qualité de construction ou un générateur d’unités d’entraînement spatial par prompt constituent un soutien au raisonnement spatial.

7.1. Épreuve de la pratique située d’assemblage 2D/3D avec blocs unitaires et langage spatial (emplacement, dimension, forme, orientation), non du chatbot tuteur ni du puzzle qui note. Bower et al. (2020, 2022, 2025), Yang et Hu (2021) et Schmitt et al. (2024) définissent le métier comme assemblage et talk spatial observables. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) cartographient chatbots et génération de contenus comme affordances, non comme block play. Inférence : l’évidence de soutien au raisonnement spatial se vérifie si l’enfant a assemblé, utilisé un vocabulaire spatial et gesticulé en construction partagée. Si l’« évidence » du centre est un dialogue avec chatbot ou un score de puzzle, le centre a fait du tutorat ou de la gamification, non du soutien au block play spatial.

7.2. Épreuve du temps prolongé, des matériaux concrets ouverts et de l’étayage (geste, spatial language feedback, modelage), non de l’unité d’entraînement spatial par prompt. Ferrara et al. (2011), Bower et al. (2020) et NAEYC (2022) situent guided play, trainings GF/SLF et pratique appropriée au développement. Miao et Holmes (2023) exigent la validation pédagogique de l’IA générative. Inférence : produire une unité par prompt ne démontre pas qu’il y a eu temps protégé, blocs unitaires ni feedback spatial humain. Un script peut exister ; il ne signe pas l’épisode de construction.

7.3. Épreuve de la médiation humaine — y compris le contraste périphérique GenAI→adulte/parent —, non du tableau de bord de complexité ni du tuteur autonome. OECD (2021, 2023) exigent des interactions significatives et une numérisation subordonnée. Liu et al. (2025) ancrent BrickSmart médiatisé par les parents — transfert 6–8 —. Inférence : « complexité élevée » ou « quotient spatial » peut élever un seuil sans élever la qualité de la médiation. L’observation pédagogique lit l’assemblage et le talk ; le tableau de bord compte une étiquette. La GenAI qui guide l’adulte est périphérique légitime ; le chatbot qui remplace l’adulte ou le pair dans la conversation spatiale ne l’est pas.

7.4. Épreuve de la distinction de catégorie et du jugement professionnel, non du catalogue de produit. Raisonnement spatial ≠ STEM/robotique, numératie comme axe, créativité artistique ni score CV de complexité de blocs. Berson et al. (2023) et Di Lieto et al. (2023) empêchent de confondre robotique/CT avec block play comme axe. Bower et al. (2020, 2025) et Schmitt et al. (2024) empêchent de confondre outcomes mathématiques latéraux avec identité de construits. Aksoy et Aksoy (2022) empêchent de réduire le block play à la créativité. 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 remplacer le jugement professionnel. Inférence : un centre ne peut traiter l’enfant comme vecteur de complexité de tour ni comme interlocuteur exclusif d’un tuteur spatial. Le soutien au raisonnement spatial ne se réalise pas en notant mieux la « qualité de la construction ». Il se réalise en pratiquant l’assemblage 2D/3D avec blocs unitaires, le langage spatial, les gestes, le temps prolongé et l’étayage humain.

Le cadre admet le numérique lorsqu’il se subordonne à la préparation enseignante, au training conçu ou à la médiation parentale validée (Bower et al., 2022 ; Liu et al., 2025 ; Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026). Il refuse de déclarer un soutien au raisonnement spatial par chatbot tuteur autonome, application de puzzles qui note un quotient, vision par ordinateur de complexité sans médiation ou générateur d’unités qui remplace le block talk (Miao et Holmes, 2023 ; Nikolopoulou, 2025 ; UNESCO, 2021). Les quatre épreuves se lisent ensemble : passer seulement la première sans médiation ne suffit pas ; passer seulement la quatrième sans pratique située non plus.

8. Discussion

Trois tensions organisent la discussion. La première est entre exhiber chatbot tuteur, score de puzzle, vision de complexité ou génération et exercer le soutien au raisonnement spatial. C’est un résultat empirique que les interventions d’assemblage (N = 187 ; N = 61 ; N = 331), le coding du langage spatial dans le block play (N = 24), l’inventaire de spatial language (N = 228) et l’ancre du block talk soutiennent le métier situé (Bower et al., 2020, 2022, 2025 ; Schmitt et al., 2024 ; Yang et Hu, 2021 ; Ferrara et al., 2011). C’est un cadre que l’IA en ECE croît sans équivalence au block play médiatisé (Chen, 2024 ; Su et Yang, 2022 ; Ljungcrantz, 2026) et que BrickSmart inspire le vocabulaire spatial sous médiation parentale (Liu et al., 2025 ; transfert). Ce n’est pas un résultat empirique que les quatre artefacts produisent le métier de la table de blocs : ils tutorisent, notent, étiquettent ou génèrent ce que l’ingénierie livre et déclarent ce que seule la pratique médiatisée autoriserait.

La deuxième est entre assessment automatisé d’« habileté spatiale » ou de « complexité de construction » et pédagogie quotidienne du block play. Chen (2024), Su et Yang (2022) et Ljungcrantz (2026) objectivent les affordances d’analytique et de classification comme tendance ; ils ne rapportent pas dans le corpus d’essais vérifiés validant le scoring de quotient spatial ou la CV de complexité/qualité de constructions en préscolaire 3–6 — c’est pourquoi on n’invente pas de métriques —. Inférence : insister que le jardin « soutient déjà le raisonnement spatial » parce qu’un modèle classe la complexité ou qu’un chatbot donne des instructions est une pédagogie inversée. On prend un proxy algorithmique ou conversationnel et on le fait valoir pour assemblage, langage spatial et gestes. L’enfant devient émetteur de signaux pour le classificateur ou récepteur d’étapes du bot ; l’adulte, superviseur du tableau de bord.

La troisième est entre unité générée et métier intégral à la table de blocs. Miao et Holmes (2023) et Nikolopoulou (2025) fixent les limites de la GenAI ; Su et Zhong (2022) situent le curriculum d’IA comme construit distinct. Inférence : vendre une unité d’entraînement spatial par prompt comme « spatial avec IA » confond produit textuel et pratique située. Un chatbot autonome parce que le système doit diriger des étapes ne remplace pas l’adulte qui place un bloc à côté de l’enfant, dit « c’est dessous » et gesticule l’orientation. Bower et al. (2020, 2025) confirment un transfert mathématique latéral sans identité de construits ; Berson et al. (2023) confirment que robotique/CT est une autre catégorie ; 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 opérationnel. Le contraste empirique du métier — N = 187 ; N = 61 ; N = 331 ; N = 24 ; N = 228 ; Ferrara et al. ; BrickSmart médiatisé — définit le plancher que les quatre artefacts n’atteignent pas seuls (Bower et al., 2020, 2022, 2025 ; Schmitt et al., 2024 ; Yang et Hu, 2021 ; Ferrara et al., 2011 ; Liu et al., 2025). Inférence : le soutien s’érode non par l’usage de l’IA, mais en traitant chatbot, score, vision ou génération comme s’ils étaient la pratique. Le numérique subordonné est légitime — training numérique conçu (Bower et al., 2022) ; BrickSmart pour les parents (Liu et al., 2025) — ; inverser la séquence ne l’est pas. Cela se vérifie à la table de blocs, avec langage spatial, gestes et adulte ou pair qui étaye (NAEYC, 2022 ; OECD, 2021, 2023).

9. Limites

Cette revue est narrative. Elle n’applique pas PRISMA ni n’estime d’effets combinés primaires. Bower et al. (2020, 2022, 2025) interviennent N = 187 / 61 / 331 à 3 ans, non des chatbots tuteurs ni un scoring autonome de quotient. Schmitt et al. (2024) codent N = 24 ; Yang et Hu (2021) décrivent N = 228 ; Ferrara et al. (2011) ancrent le block talk. Liu et al. (2025) documentent BrickSmart à 6–8 ans : transfert marqué. Berson et al. (2023) et Di Lieto et al. (2023) sont un contraste robotique/CT. Aksoy et Aksoy (2022) mesurent la créativité. Chen (2024), Su et Yang (2022), Su et Zhong (2022), Ljungcrantz (2026) et Nikolopoulou (2025) cartographient l’IA en ECE, non le scoring de complexité. Aucun essai vérifié de CV de qualité de constructions ni de chatbot tuteur spatial en CENDI 3–6 n’a été localisé ; ils sont discutés comme plafond de catégorie. NAEYC, UNESCO et OECD sont des sources de cadre. Les inférences de la section 7 sont des hypothèses de catégorie pédagogique, non une évidence d’implémentation.

10. Conclusions

Un chatbot qui « enseigne le spatial » ou donne des instructions de construction à l’enfant, une application de puzzles spatiaux qui note l’« habileté spatiale » ou le « quotient spatial », un modèle de vision par ordinateur qui classe ou note la « complexité » ou la « qualité » d’une construction de blocs sans médiation humaine, ou un générateur qui produit des unités d’« entraînement spatial » à partir d’un prompt ne constituent pas un soutien au raisonnement spatial 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 block play. Nikolopoulou (2025) et Miao et Holmes (2023) fixent les limites de la GenAI. Liu et al. (2025) exigent de lire BrickSmart comme contraste périphérique — GenAI→parents ≠ chatbot tuteur ni score de complexité —. Lorsqu’il y a soutien, il y a pratique située : trainings avec geste et spatial language feedback (Bower et al., 2020 ; N = 187) ; numérique et concret (Bower et al., 2022 ; N = 61) ; intervention N = 331 (Bower et al., 2025) ; coding de langage spatial (Schmitt et al., 2024) ; spatial language (Yang et Hu, 2021) ; block talk (Ferrara et al., 2011) ; contraste robotique/CT (Berson et al., 2023 ; Di Lieto et al., 2023) ; frontière créativité (Aksoy et Aksoy, 2022) ; DAP et interactions (NAEYC, 2022 ; OECD, 2021, 2023). Le raisonnement spatial se distingue du STEM/robotique, de la numératie, de la créativité et du score CV. Les guides exigent une supervision humaine (UNESCO, 2021 ; Miao et Holmes, 2023 ; U.S. Department of Education, 2023 ; Su et Zhong, 2022).

Là où les sources ne mesurent pas un jardin, cet article ne l’affirme pas. Là où elles mesurent des cartographies d’IA, de GenAI ou GenAI→parents, il ne les traduit pas en soutien pédagogique au raisonnement spatial. Accompagner les enfants de trois à six ans dans le raisonnement spatial, c’est exercer l’assemblage 2D/3D avec blocs unitaires, le vocabulaire spatial d’emplacement, dimension, forme et orientation, les gestes, le temps prolongé de construction partagée et l’étayage humain (modelage, feedback gestuel ou linguistique spatial). Le reste est chatbot tuteur, puzzle qui note un quotient, notation de complexité et unité d’entraînement par prompt. Ce n’est pas un soutien au raisonnement spatial en éducation de la petite enfance, et cela ne doit pas se présenter comme ce que ce n’est pas.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Références

  1. Aksoy, M., y Aksoy, A. B. (2022). An investigation on the effects of block play on the creativity of children. Early Child Development and Care, 193(1), 139–158. https://doi.org/10.1080/03004430.2022.2071266
  2. Berson, I. R., Berson, M. J., McKinnon, C., Aradhya, D., Alyaeesh, M., Luo, W., y Shapiro, B. R. (2023). An exploration of robot programming as a foundation for spatial reasoning and computational thinking in preschoolers’ guided play. Early Childhood Research Quarterly, 65, 57–67. https://doi.org/10.1016/j.ecresq.2023.05.015
  3. Bower, C., Zimmermann, L., Verdine, B., Toub, T. S., Islam, S., Foster, L., Evans, N., Odean, R., Cibischino, A., Pritulsky, C., Hirsh-Pasek, K., y Golinkoff, R. M. (2020). Piecing together the role of a spatial assembly intervention in preschoolers’ spatial and mathematics learning: Influences of gesture, spatial language, and socioeconomic status. Developmental Psychology, 56(4), 686–698. https://doi.org/10.1037/dev0000899
  4. Bower, C. A., Zimmermann, L., Verdine, B. N., Pritulsky, C., Golinkoff, R. M., y Hirsh-Pasek, K. (2022). Enhancing spatial skills of preschoolers from under-resourced backgrounds: A comparison of digital app vs. concrete materials. Developmental Science, 25(2), e13148. https://doi.org/10.1111/desc.13148
  5. Bower, C. A., Zimmermann, L., Verdine, B. N., Toub, T. S., Hirsh-Pasek, K., y Golinkoff, R. M. (2025). What does play have to do with it? A concrete and digital spatial intervention with 3-year-olds predicts spatial and math learning. Developmental Psychology. https://doi.org/10.1037/dev0001904
  6. 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
  7. Di Lieto, M. C., et al. (2023). Combined unplugged and educational robotics training to promote computational thinking and cognitive abilities in preschoolers. Education Sciences, 13(9), 858. https://doi.org/10.3390/educsci13090858
  8. Ferrara, K., Hirsh-Pasek, K., Newcombe, N. S., Golinkoff, R. M., y Lam, W. S. (2011). Block talk: Spatial language during block play. Mind, Brain, and Education, 5(3), 143–151. https://doi.org/10.1111/j.1751-228X.2011.01122.x
  9. Liu, Y., Zha, S., Zhang, Y., Wang, Y., Zhang, Y., Xin, Q., Nie, L., Zhang, C., y Xu, Y. (2025). BrickSmart: Leveraging generative AI to support children’s spatial language learning in family block play. En Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article). ACM. https://doi.org/10.1145/3706598.3714212
  10. 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
  11. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  12. 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
  13. 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
  14. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  15. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  16. Schmitt, S. A., Duncan, R. J., Budreviciute, A., Purpura, D. J., y Eason, S. H. (2024). Capturing math language use during block play: Creation of the Spatial and Quantitative Mathematical Language Coding System. Journal of Numerical Cognition, 10, Article e11589. https://doi.org/10.5964/jnc.11589
  17. 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
  18. Su, J., y Zhong, Y. (2022). Artificial Intelligence (AI) in early childhood education: Curriculum design and future directions. Computers and Education: Artificial Intelligence, 3, 100072. https://doi.org/10.1016/j.caeai.2022.100072
  19. 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
  20. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  21. Yang, X., y Hu, B. Y. (2021). Spatial language of young children during block play in kindergartens in urban China. Frontiers in Psychology, 12, Article 568638. https://doi.org/10.3389/fpsyg.2021.568638