Comment les parents et les enseignants devraient-ils aborder l'IA avec les enfants de moins de 13 ans ?

Traduction automatique de la page anglaise, non encore relue par une personne de langue maternelle.

L'IA est déjà chez vous ou dans votre classe : le jouet qui répond, le compagnon sur tablette, le tuteur que votre enfant ouvre pendant que vous préparez le dîner, l'outil de rédaction dont un collègue est enthousiaste. Vous décidez ce qu'un enfant de moins de treize ans peut en faire, avec ou sans politique.

L'essentiel : l'IA générative est le palier avancé pour cette tranche d'âge, pas le point d'entrée. Laissez un jeune enfant rencontrer d'abord l'IA comme quelque chose que des personnes conçoivent et que les enfants peuvent façonner, gardez un adulte dans la boucle partout où l'enfant ne peut pas juger la sortie, et protégez la pensée propre de l'enfant. Une interdiction générale n'est pas l'option la plus sûre, parce que l'essentiel de l'exposition de ce groupe d'âge se produit à la maison, là où une interdiction scolaire n'atteint rien, et parce qu'il n'existe aucune étude des interdictions fondées sur l'âge.

La version courte : autoriser, bloquer, superviser

• Autoriser. Avant 9 ans : jeu sans écran, programmation tangible, récit, jeu de rôle et fabrication manuelle, plus des explications sur ce qu'est une machine. Pour les 9–12 ans : activités étayées, souvent non génératives, sur des plateformes vérifiées, plus un enseignement explicite sur les données et sur ce que l'IA ne peut pas savoir.
• Bloquer. Le chat génératif non supervisé pour les plus jeunes ; tout outil qui conserve des enregistrements, des transcriptions ou les données d'un enfant sans réponse claire à la question « qu'advient-il de tout cela ? » ; tout outil que vous ne pouvez pas vérifier dans les langues parlées par les familles.
• Superviser. Un co-usage, et non une surveillance silencieuse : demandez ce que l'outil a fait des paroles de l'enfant, et gardez le travail non assisté visible ; une qualité de production qui monte pendant que le travail non assisté baisse est le schéma à repérer.
• Ne construisez pas une règle que vous ne pouvez pas faire appliquer. Une application fondée sur la détection n'est pas défendable (pourquoi).

Ce qu'un enfant de moins de treize ans devrait être autorisé à faire

Une conception par paliers existe déjà, et elle place l'usage génératif en dernier. Wang, Chuang et Wu (2026) ont évalué une ressource de littératie en IA organisée par tranches d'âge pour le système K-12 de Taïwan, en deux éditions : une édition élémentaire pour les 9 à 12 ans d'activités étayées, sur plateforme et non génératives, et une édition avancée pour les 13 à 18 ans avec raisonnement éthique et usage supervisé de l'IA générative. Dans une enquête unique menée après l'exposition auprès de 831 participants, la cohorte élémentaire a évalué les supports nettement plus haut sur l'espérance de performance, l'espérance d'effort, le caractère ludique et l'intention comportementale, le caractère ludique perçu étant le corrélat le plus fort de l'intention dans les deux groupes, même si les auteurs précisent explicitement qu'il s'agit de l'acceptation à court terme après environ trente minutes d'exposition, et non de gains d'apprentissage, de compétence éthique ou d'usage réel.

Le jeu est le mécanisme. Play With AI (PL-AI) est un programme préscolaire et de maternelle centré sur le jeu, construit sur le jeu incarné, la programmation tangible comme passerelle procédurale, le dialogue guidé comme étayage réflexif et la co-conception avec les enseignants comme point d'ancrage de durabilité ; le confort auto-évalué des enseignants a augmenté au fil des cycles de conception, et les enfants raisonnaient sur l'IA comme conçue par des humains, construisaient la séquenciation et le débogage par la programmation tangible, et réfléchissaient à l'équité par le dialogue guidé. AI-Play adopte la voie sans écran, avec des activités sans écran que les parents peuvent reproduire à la maison.

Pour les plus jeunes enfants, le risque est la croyance. Yang, Li et Lee (2025) avertissent que les robots sociaux génératifs peuvent produire des contenus que des enfants préopératoires acceptent comme vrais, que ces systèmes ne sont pas calibrés sur le plan développemental dans la rétroaction qu'ils donnent, et que leur coût et leur disponibilité creusent les fractures existantes. Xu, Girouard et Shi (2026) nomment le mécanisme une redistribution de l'agentivité dans le jeu : le contrôle se déplace vers l'interaction enfant-jouet, contraignant le jeu quand le jouet l'organise et le rendant possible quand le jouet suit l'imagination de l'enfant.

Enseignez comment les machines fonctionnent. Le palier élémentaire est délibérément non génératif, et les données sur la robotique en maternelle vont dans le même sens : Tsingidou et ses collègues (2026) constatent que l'apprentissage par problèmes, le récit et l'étayage sont les stratégies les plus utilisées dans la pensée computationnelle médiée par des robots, la séquenciation, le débogage et la conception algorithmique étant les compétences les plus évaluées (le plus souvent via TechCheck-K, bien que de nombreux outils soient développés de façon ad hoc sans validation). Sautez cette étape et les risques apparaissent plus tard sous forme de dépendance excessive.

Des compétences transversales peuvent être enseignées à peu de frais. Demir et Akar (2026) ont mené un programme de littératie médiatique critique de 18 heures, fondé sur le modèle 5E, auprès de 36 élèves turcs de quatrième année, couvrant la vie privée des données, la communication sûre et l'éthique des médias, avec un d de Cohen inter-groupes de 1.12 (lecture), 1.18 (écriture) et 1.31 (littératie totale).

Supervision et divulgation : qui est dans la pièce

Attendez-vous à ce que la responsabilité soit floue ; tranchez-la explicitement. Dans des entretiens avec 33 enseignants américains de la maternelle et du secondaire (K-12), Xiao et ses collègues (2026) ont constaté que 10 d'entre eux nommaient le scénario du compagnon destiné aux familles comme le plus préoccupant, que 17 estimaient qu'un enseignant devrait intervenir et que 11 répondaient que cela dépend ; le test de visibilité des enseignants laissait l'usage domestique de l'IA hors de leur juridiction en l'absence d'effets observables, et les parents étaient désignés comme principalement responsables tout en étant décrits comme peu informés ou surchargés. Fan, Li et Zhang (2026) formalisent les arrangements entre familles et écoles en modèles additif, synergique et compensatoire, et affirment clairement que la version synergique n'a aucune donnée probante à l'appui.

Donnez à l'adulte un rôle défini, sinon l'outil le prendra. ParaTutor (Luo et al. 2026) a séparé les rôles du parent et de l'enfant dans un tutorat de mathématiques à domicile médié par un LLM, avec 23 dyades parent-enfant (enfants de 10–12 ans) dans quatre conditions : l'assistance générique tendait à déplacer le rôle de tuteur du parent, tandis que l'interface séparant les rôles le préservait. Les parents avaient aussi des difficultés avec les connaissances de contenu et avec la communication.

Les compagnons qui font la lecture aux enfants demandent les mêmes précautions. Liao (2026) a constaté qu'un compagnon d'IA à rôle de pair fixe produisait des interactions nettement plus longues mais une part plus faible de mots et de phrases venant de l'élève, et qu'il était plus solide sur le rappel factuel que sur la réflexion émotionnelle ou prospective : c'est pourquoi le cadre proposé ajoute un rôle de conseiller parental et nomme un vide de soutien pour les enseignants et les parents.

Gardez l'humain dans les parties qui comptent le plus. Raave et ses collègues (2026) ont comparé un agent conversationnel d'IA générative à des éducateurs humains animant des activités d'apprentissage socio-émotionnel fondées sur des récits avec un enfant-IA statique : 18 simulations par animateur, 108 observations, évaluées en aveugle quant au type d'animateur. L'agent était solide sur le ton respectueux et l'étayage procédural routinier ; les éducateurs humains étaient plus forts sur l'instruction approfondie en apprentissage socio-émotionnel, la conduite de la réflexion et la promotion des connaissances socio-émotionnelles, si bien que l'apprentissage socio-émotionnel précoce devrait par défaut reposer sur la complémentarité.

La divulgation est une obligation de l'école, pas un travail d'enquête de la famille. Écrivez noir sur blanc ce que l'école utilise et comment une famille peut le demander ; voir Privacy, Pedagogical Safety, AI Use and Disclosure Statements et équité, éthique, vie privée et sécurité dans la recherche en éducation à l'IA.

Vie privée et données : ce que l'outil conserve

Supposez que la couche de sécurité n'a pas été conçue pour votre enfant. Un cadre d'évaluation de la sécurité des enfants fondé sur les recommandations d'experts et sur des données d'incidents réels rapporte que la plupart des cadres et des référentiels de sécurité de l'IA ciblent des utilisateurs adultes malgré les preuves d'un engagement massif des jeunes (une enquête nationale citée dans ce travail a constaté que 72% des adolescents américains avaient utilisé des compagnons d'IA) et que, lorsque trois modèles Llama Guard ont été testés sur des invites dangereuses liées à l'éducation, ils ont eu du mal à les identifier.

Posez quatre questions avant d'adopter un outil. Quels dangers propres aux enfants ont été testés ? Que fait l'outil des enregistrements, des transcriptions et des données vocales par défaut ? Combien coûtera-t-il aux familles si l'offre gratuite disparaît ? Fonctionne-t-il dans les langues que parlent vos familles ? Une étude de cas d'un espace de création pour filles (Liu et al. 2026) documente des parents rapportant que des filles ont eu peur et se sont exprimées moins dans des contextes mixtes, qu'un générateur d'images gratuit a supprimé ses fonctions gratuites au profit d'une offre payante que l'association à but non lucratif ne pouvait pas absorber, et que des invites en anglais seulement constituaient un obstacle supplémentaire.

Pour les responsables d'établissement, la confiance du personnel est un levier de protection des données. Une étude menée en contexte préscolaire constate que l'utilité perçue et la facilité d'usage sont centrales dans l'intention des enseignants du préscolaire d'utiliser l'IA, que l'auto-efficacité en IA est un prédicteur significatif, que l'anxiété liée à l'IA est un frein et que la norme subjective, à savoir les collègues et la direction, façonne l'intention.

Intégrité : quel est le travail propre de l'enfant ?

Ne construisez pas votre règle sur un détecteur. Bassett et ses collègues (2026) soutiennent que la détection d'IA ne devrait pas être utilisée du tout en éducation : ses estimations sont probabilistes et ne peuvent pas être vérifiées indépendamment, parce que l'origine réelle des textes est inconnue ; son usage viole l'équité procédurale, car les scores des détecteurs ne satisfont pas la norme de la balance des probabilités qu'exigent les enquêtes d'intégrité ; et sa dichotomie humain contre IA n'a pas de sens pour un travail créé avec l'IA plutôt que par elle. La détection « ne protège pas l'intégrité académique ; elle la sape », érodant la confiance.

La surveillance pousse à la dissimulation ; elle ne la supprime pas. Mohamed et Temimi (2026) modélisent l'évaluation comme une information imparfaite : l'élève sait comment le travail a été produit, l'institution ne voit que l'artefact. La dissuasion passe par la discrimination du détecteur entre usage dissimulé et travail légitime, et non par son taux de détection brut : quand les faux positifs augmentent plus vite que les vrais positifs, une surveillance plus forte rend la dissimulation relativement plus attractive. Qu et Wang (2026) ont constaté que la non-divulgation chez 409 étudiants de premier cycle était une adaptation stratégique aux normes perçues des pairs et à une faible confiance interprétative, et non une négligence morale.

Surveillez le travail non assisté, pas le produit. Une analyse secondaire portant sur 26,811 étudiants a constaté que les notes de devoirs montaient tandis que les notes d'examens à livre fermé baissaient, d'où la recommandation de surveiller les entrants plutôt que les sortants. Une revue systématique de 8 études sur l'IA dans l'enseignement de l'écriture à l'école élémentaire (2019–2025) constate que les outils conversationnels soutiennent la pratique de l'écriture et que les outils multimodaux étendent la composition au-delà du texte, tout en concluant que l'évaluation automatisée exige encore une supervision humaine pour l'équité et la précision. Un programme d'écriture d'opinion soutenu par l'IA générative pendant neuf semaines auprès de 301 élèves de 5e et 6e année a élevé le soi idéal en écriture et la résilience académique et a augmenté l'engagement comportemental et émotionnel, mais n'a pas modifié l'état d'esprit de développement, l'engagement cognitif ou métacognitif, ni l'organisation, et il nomme les risques : dépendance excessive, recherche de raccourcis et affaiblissement de l'auto-surveillance.

Sachez où est la limite avant de l'annoncer. Une analyse comparative des politiques institutionnelles et des programmes de cours a constaté que les institutions encourageaient largement l'usage de l'IA générative (63% de 116 politiques) tandis que la moitié des 98 programmes de cours l'interdisaient purement et simplement. Nash et Burriss (2026) ont trouvé le même réflexe chez 27 futurs enseignants rédigeant des politiques de classe : 26 sur 27 autorisaient un certain usage de l'IA selon des modalités fixées par l'enseignant, un seul l'interdisait entièrement, et les limites étaient rarement opérationnalisées ; une politique autorisait l'IA « pour lancer votre réflexion » puis déclarait « c'est là qu'il faut tracer la ligne » sans dire où. Une analyse de 30 politiques d'IA générative d'universités au prisme du cadre de l'UNESCO ajoute que les principes fondamentaux d'éthique et de gouvernance sont largement adoptés tandis que l'inclusion, l'équité, l'accès à internet et l'impact environnemental sont souvent négligés, de nombreuses dispositions restant déclaratives.

Que faire quand quelque chose va mal

Traitez la sortie erronée comme un moment d'apprentissage : demandez comment l'enfant la vérifierait plutôt que de la supprimer. Quand un enfant dit que le compagnon l'a « compris », c'est une conversation sur ce que peut savoir un système qui prédit le mot suivant.

Une étude d'écriture multimodale en 5e année a constaté que visualiser les récits des enfants produisait des gains durables en interprétation, analyse, évaluation et explication, mais aucun gain en inférence, et que les enfants déclaraient un moindre besoin d'inférer un sens implicite dès lors que les images le rendaient explicite. La fluidité achète la croyance. La même prudence s'applique à une réponse fluide de l'IA.

Les robots et le jeu de rôle sont des véhicules légitimes pour les conversations difficiles. REMind utilise le théâtre appliqué médié par des robots pour l'intervention des témoins contre le harcèlement : les enfants observent une scène de harcèlement jouée par des robots sociaux et s'entraînent à des stratégies de défense en manipulant un avatar robotique ; dans un test de jeu à méthodes mixtes avec 18 enfants de 9–10 ans, cela a soutenu le sentiment d'efficacité personnelle, la prise de perspective et la compréhension des conséquences du fait de défendre.

Ce que les données probantes soutiennent et ne soutiennent pas

La plus grande synthèse présentée ici est prudente. Arthars et ses collègues (2026) ont examiné 271 articles empiriques sur l'IA générative en préscolaire et en K-12 et ont constaté qu'il n'existe pas d'« effet IA générative » unique : les gains affectifs sont courants mais restent de faibles indicateurs d'apprentissage, les preuves les plus cohérentes concernent l'amélioration de la performance immédiate et de la qualité du produit, et les preuves sur l'apprentissage durable, le transfert et l'autorégulation soutenue sont inégales. Les résultats dépendent de cinq conditions imbriquées, l'apprenant, l'outil, la tâche, les arrangements sociaux et le contexte culturel et institutionnel, et le cadre distingue quatre fonctions pédagogiques : apprendre de l'IA, avec elle, à son sujet ou en la façonnant, et il demande si un élève abandonne, se décharge ou exerce son agentivité. Pour les enfants de moins de treize ans : à son sujet et en la façonnant avant de elle, un co-usage adulte partout où l'enfant ne peut pas encore évaluer la sortie, et aucune affirmation sur un apprentissage durable tirée du bon produit d'un après-midi.

Il n'existe aucune étude des interdictions fondées sur l'âge dans cette base de connaissances. C'est l'état honnête des preuves, dit simplement plutôt que lissé : rien ici ne peut trancher si les interdictions qui apparaissent maintenant dans certains systèmes scolaires fonctionnent. Les preuves qui existent, sur les risques, sur l'application et sur la restriction opposée à l'enseignement, pointent toutes dans la même direction.

Là où l'accès a été enseigné plutôt que simplement permis, les résultats se sont redressés. L'étude sur la disponibilité de l'IA générative opposée à son intégration a constaté que rendre l'IA générative disponible sans enseigner aux élèves comment l'utiliser était associé à des performances nettement plus faibles sur des questions appliquées (ω² = 0.35), probablement parce que les élèves ne pouvaient pas évaluer la sortie, tandis qu'enseigner explicitement son usage pour des tâches comme le résumé de données ramenait la performance appliquée aux niveaux antérieurs à l'IA générative et dépassait la référence sur un questionnaire plus difficile. L'alternative à une interdiction n'est pas le laisser-faire : un accès sans restriction et sans enseignement a aussi échoué. Cette tranche d'âge peut être enseignée : le programme de littératie médiatique de quatrième année a produit des effets inter-groupes de d = 1.12 à 1.31.

Les objections que vous entendrez

L'IA devrait-elle être interdite aux enfants de moins de treize ans ?

Pas comme règle générale, et la raison honnête est qu'aucune étude de ces interdictions n'existe, donc personne ne peut vous dire qu'elles fonctionnent. Le chemin de l'application est mauvais : les estimations de la détection sont probabilistes et ne peuvent pas être vérifiées indépendamment, et quand les faux positifs augmentent plus vite que les vrais positifs, une surveillance plus forte rend la dissimulation relativement plus attractive. Une interdiction régit aussi le canal le moins important : les applications de compagnonnage, les jouets d'IA et le tutorat familial se produisent à la maison, hors de portée de l'école, dans le vide juridictionnel décrit par ces enseignants. Une interdiction scolaire laisse le foyer non encadré là où le risque se concentre, tandis que les familles qui ont des ressources conservent l'accès chez elles. La limite défendable est une gradation par âge, plus une vérification des outils, plus un enseignement : des activités étayées, souvent non génératives, pour environ les âges de 9 à 12, et un usage génératif supervisé avec un objectif énoncé au-delà.

« L'enfant de tout le monde l'utilise déjà. »

En partie vrai : une enquête nationale citée dans le travail d'évaluation de la sécurité des enfants a constaté que 72% des adolescents américains avaient utilisé des compagnons d'IA. Ce chiffre concerne les adolescents, pas votre enfant de dix ans. La revue de 271 articles en préscolaire et en K-12 n'a trouvé aucun « effet IA générative » unique, donc ce que font les pairs vous dit ce qui est normal, pas ce qui est sûr ou utile.

« C'est à l'école de s'en occuper. »

Les écoles peuvent agir sur ce qu'elles fournissent, achètent et enseignent : les conditions d'approvisionnement, l'évaluation des dangers propres aux enfants, la minimisation des données et la divulgation aux familles ont leur place dans la politique. Mais le canal domestique est là où l'exposition de ce groupe d'âge se produit majoritairement. Fan, Li et Zhang (2026) nomment le modèle synergique entre familles et écoles et affirment clairement qu'il n'a aucune donnée probante à l'appui. Il doit être construit, ce qui signifie dire aux parents quoi faire à la maison, et pas seulement quoi ne pas faire.

Listes de contrôle

Pour la maison.

• Avant 9 ans : d'abord le sans écran et l'incarné, programmation tangible, récit, jeu de rôle, fabrication manuelle, avec une IA enseignée comme quelque chose que des personnes conçoivent et non comme quelque chose qui sait.
• Pour les 9–12 ans : activités étayées, souvent non génératives, sur des plateformes vérifiées, plus un enseignement explicite sur la vie privée des données, la persuasion et ce que l'IA ne peut pas savoir ; les outils génératifs viennent plus tard, avec un rôle adulte désigné.
• Décidez qui surveille quel outil et ce que l'école vous dira, utilisez les compagnons et les tuteurs comme une activité conjointe plutôt que comme une surveillance silencieuse, et vérifiez ce qu'une application fait des données vocales et des transcriptions.
• Gardez visible le travail de construction de sens de l'enfant, rédaction, explication, réflexion, fabrication, et surveillez une qualité de production qui monte pendant que le travail non assisté baisse.

Pour les responsables d'établissement et les enseignants.

• Avant d'adopter un outil, demandez quels dangers propres aux enfants ont été testés, ce qu'il fait des données par défaut, ce qu'il coûte aux familles si l'offre gratuite disparaît, et s'il fonctionne dans les langues de vos familles.
• Préférez des règles d'accès par tranche d'âge et des conditions de vérification des outils à une interdiction générale, et écrivez la limite de façon opérationnelle : « l'IA pour lancer votre réflexion » n'est pas une politique.
• Surveillez les entrants autant que les sortants, conformément à l'analyse secondaire portant sur 26,811 étudiants dans laquelle les notes de devoirs montaient tandis que les notes d'examens à livre fermé baissaient, et investissez dans la confiance des enseignants, puisque l'auto-efficacité en IA prédit l'adoption au préscolaire tandis que l'anxiété liée à l'IA la freine.
• Publiez un plan d'évaluation. Le corpus n'a encore aucune preuve que les interdictions changent l'usage ou l'apprentissage, et les analogues les plus proches, l'application par détecteurs, les programmes à forte teneur prohibitive et la disponibilité sans enseignement, ont tous été moins performants que prévu.
• Préférez la performance non assistée et le transfert différé à l'engagement et à la satisfaction lorsque vous rendez compte de ce qu'un enfant a appris.

Voir aussi Quel est l'impact de l'IA sur les étudiants ?, Comment intégrer la littératie en IA dans mon cours ?, AI Literacy, Parents and Families et Early Childhood Education pour la base de recherche derrière cette page.