La créativité, la résolution de problèmes et la pensée informatique sont des compétences majeures du 21e siècle à inclure dans les programmes éducatifs du primaire et secondaire. Afin de mieux appréhender et enseigner ces compétences, nous proposons d’étudier les mécanismes cognitifs à l'œuvre dans la résolution d’une tâche spécifique appelée CréaCube, dans laquelle l’apprenant·e est invité·e à construire un véhicule à l’aide de cubes robotiques modulaires. Nous nous appuyons d’une part sur les données collectées pendant la tâche à l’aide d’analyses de vidéos, et d’autre part sur les modèles issus des neurosciences computationnelles et de l’intelligence artificielle, le but étant d’expliquer les comportements observés et d’inférer les représentations internes de l’apprenant·e en lien avec ses connaissances préalables et la découverte des affordances. Ceci implique de spécifier la représentation des connaissances au niveau symbolique et sub-symbolique et de prendre en compte la régulation des processus divergents et convergents au cours de la tâche. Cette étude est encore exploratoire, mais nous avons déjà introduit quelques idées au niveau de la modélisation : en particulier, nous proposons d’appliquer un paradigme d’apprentissage par renforcement sur des données symboliques, permettant de traiter les connaissances à la fois explicitement et implicitement, tout en introduisant une récompense liée à la motivation intrinsèque.