Inspiration
Les rapports d’accidents de travail contiennent des informations précieuses, mais celles-ci sont souvent dispersées dans plusieurs documents. En analysant chaque rapport séparément, il devient difficile de repérer les tendances et les problèmes récurrents.
Nous sommes partis d’une question : Et si l’intelligence artificielle pouvait aider les organisations à tirer des leçons des accidents passés pour mieux prévenir les prochains?
Notre idée consiste à transformer les documents de santé et sécurité au travail en connaissances consultables pour faciliter l’identification des risques et orienter les actions préventives.
Ce que fait notre projet
Notre projet est un assistant IA conçu pour analyser les documents de santé et sécurité au travail afin de :
Signaler les problèmes potentiels dans les rapports d’incidents, les inspections et les procédures.
Retracer la source de chaque constat, en indiquant les documents et les passages qui le justifient.
Comparer les incidents passés pour identifier des tendances, des conditions récurrentes et des corrélations possibles.
Explorer les facteurs contributifs possibles, comme les problèmes d’équipement, les procédures imprécises ou les besoins de formation.
Proposer des formations ciblées selon les risques détectés.
Recommander des améliorations aux processus et des mesures préventives.
L’objectif est d’aider les responsables de la santé et sécurité à prendre des décisions à partir d’informations qu’ils peuvent vérifier.
Comment nous avons construit le projet
Nous avons organisé notre prototype autour d’un parcours allant du document à l’action : examiner les documents, extraire les informations pertinentes, comparer les incidents et présenter les constats avec leurs sources.
Nous avons cherché à relier trois éléments : ce qui s’est passé, les preuves disponibles et les améliorations possibles. Les documents historiques permettent de contextualiser les incidents et de repérer les problèmes qui se répètent. Les recommandations servent ensuite à proposer des pistes d’action.
Nous avons également accordé une attention particulière à la clarté des résultats. Une alerte devient plus utile lorsque l’utilisateur comprend pourquoi elle a été générée et peut retrouver le document correspondant.
Ce que nous avons appris
Nous avons appris que repérer une tendance ne suffit pas. Pour être utile, un résultat doit être compréhensible, vérifiable et pertinent pour la personne qui devra agir.
Nous avons aussi appris qu’une corrélation ne prouve pas une relation de cause à effet. Des incidents similaires peuvent suggérer un facteur contributif, mais les causes doivent être confirmées par une investigation et une validation humaine.
Enfin, la qualité des documents joue un rôle essentiel. Les informations manquantes, les termes employés différemment et les formats variés compliquent la comparaison des incidents.
Les défis rencontrés
Un premier défi était de concevoir une approche capable de traiter des documents présentant différents formats, vocabulaires et niveaux de détail.
Un autre défi était de distinguer les tendances pertinentes des ressemblances superficielles. Deux rapports peuvent mentionner le même équipement sans que les incidents aient la même cause.
Nous avons également dû réfléchir à la manière de proposer des recommandations concrètes sans tirer de conclusions allant au-delà des preuves disponibles. Le temps limité du hackathon nous a amenés à concentrer nos efforts sur les fonctions essentielles du prototype.
La suite
Nous souhaitons évaluer le prototype sur des documents plus variés, améliorer l’extraction des informations provenant de rapports numérisés et faire valider la pertinence des résultats par des professionnels de la santé et sécurité.
Nous aimerions également ajouter un suivi des actions correctives pour permettre aux équipes de documenter les mesures prises et d’évaluer si les mêmes types d’incidents continuent de se produire.
Notre ambition est d’aider les organisations à transformer leurs rapports d’accidents en connaissances utiles pour améliorer la sécurité au travail.
Log in or sign up for Devpost to join the conversation.