La quasi-totalité des feuilles de route IA qui arrivent sur la table d'un CODIR parlent de productivité, de relation client ou de reporting. Presque jamais de santé au travail ou d'IA et prévention des risques. C'est une anomalie, car la prévention concentre exactement ce que l'IA sait faire de mieux : lire de grands volumes de signaux dispersés et faire remonter ce qui échappe à l'organisation.

Sur les SI que nous accompagnons, les données de sécurité et de conditions de travail existent déjà, mais elles dorment dans des formulaires papier, des tableurs et des comptes rendus jamais relus. Voici comment un dirigeant peut aborder le sujet sérieusement, avec ses garde-fous juridiques et son modèle économique.

IA et prévention des risques au travail, cas d'usage 2026

Temps de lecture : ~12 min

1. IA et prévention des risques, deux sujets à ne pas confondre

2. Comment l'IA peut aider à détecter les risques psychosociaux

3. Sécurité au travail, les cas d'usage les plus concrets

4. L'utilisation de l'IA pour le bien-être des salariés est-elle légale en France

5. Déployer sans mettre l'entreprise en risque

6. Ce que l'IA ne remplace pas

7. Combien cela coûte de cadrer le sujet

8. Aller plus loin avec l'IA et la prévention des risques au travail

9. Questions fréquentes

IA et prévention des risques, deux sujets à ne pas confondre

Quand on parle d'IA et prévention des risques, deux dimensions se superposent et il faut les séparer dès le premier atelier. La première consiste à utiliser l'intelligence artificielle pour prévenir les risques professionnels, qu'ils soient physiques ou psychosociaux. La seconde consiste à prévenir les risques créés par les systèmes d'IA eux-mêmes : biais algorithmiques, opacité des modèles, dépendance à un fournisseur tiers et traitement de données salariés hors cadre.

Ce que nous constatons chez nos clients, c'est que les projets qui échouent sont presque toujours ceux qui ont traité la première question en ignorant la seconde.

Le cadre de référence existe déjà et il n'est pas technologique. Le Code du travail impose à l'employeur une obligation de sécurité et organise la prévention autour de neuf principes généraux, dont l'évitement des risques à la source, l'évaluation de ceux qui ne peuvent être évités et l'adaptation du travail à l'homme. Le Document Unique d'Évaluation des Risques Professionnels reste le support de cette évaluation.

Une brique d'IA ne remplace ni cette obligation ni ce document, elle en améliore la matière première. C'est une nuance de posture, mais elle change tout dans la relation avec les représentants du personnel.

Comment l'IA peut aider à détecter les risques psychosociaux

La prévention des RPS par l'intelligence artificielle ne fonctionne qu'à une condition : travailler sur des signaux organisationnels agrégés et non sur des personnes. La question utile n'est pas « quel salarié va craquer », elle est « quels facteurs de risque organisationnels se concentrent sur telle équipe, tel site, tel processus ». Cette distinction n'est pas un raffinement éthique, elle est la frontière entre un projet défendable et un projet qui sera arrêté par la CNIL, le CSE ou les deux.

Exploiter le langage naturel des enquêtes internes

Dans cette logique, plusieurs approches donnent des résultats mesurables. Le traitement naturel du langage permet d'analyser les réponses libres des enquêtes internes, des baromètres sociaux et des entretiens annuels, pour faire ressortir les thèmes récurrents que la lecture humaine manque quand il y a plusieurs milliers de verbatims.

Croiser les indicateurs du système d'information

L'analyse croisée d'indicateurs déjà produits par le SI (absentéisme de courte durée, turnover par service, charge planifiée contre charge réalisée, volume d'heures supplémentaires, délais de traitement anormaux) permet d'objectiver une surcharge de travail avant qu'elle ne se transforme en épuisement professionnel. Ce sont ces facteurs organisationnels, et non les traits de personnalité, que l'ANACT et l'INRS placent au centre de l'analyse des risques psychosociaux.

Garantir l'anonymat et l'architecture des données RH

La détection précoce des signaux faibles suppose une maille minimale. Sur les projets que nous cadrons, nous refusons systématiquement toute restitution en dessous d'un seuil d'anonymat par équipe, faute de quoi le tableau de bord devient un outil de désignation individuelle. L'anonymisation des données RH n'est pas une option de configuration ajoutée en fin de projet, elle est un choix d'architecture qui se décide avant la première ligne de code.

Important

Le règlement européen sur l'IA interdit la mise sur le marché et l'usage de systèmes de reconnaissance des émotions sur le lieu de travail, en dehors de motifs médicaux ou de sécurité très encadrés. Toute solution qui promet d'analyser le ton de voix, l'expression du visage ou le sentiment des messages de vos collaborateurs est à écarter sans discussion.

Sécurité au travail, les cas d'usage les plus concrets

C'est sur le terrain HSE que l'IA produit aujourd'hui les résultats les plus tangibles, parce que la matière est abondante et mal exploitée. Le premier cas d'usage est la remontée d'information en temps réel.

Remontée d'information en temps réel

Des solutions françaises permettent à un salarié de déclarer un événement indésirable ou une situation dangereuse par SMS, par courriel ou depuis une application mobile, avec information immédiate du responsable et de l'équipe prévention. L'IA intervient ensuite pour qualifier la déclaration, la rattacher à une famille de risques, détecter les doublons et déclencher l'action corrective attendue.

Exploitation des presque-accidents

Le deuxième cas d'usage est l'exploitation du gisement de presque-accidents. Dans la plupart des entreprises industrielles que nous voyons, les near miss sont déclarés, classés, puis oubliés. Un modèle de langage appliqué à ces comptes rendus en texte libre reconstitue des motifs récurrents que personne n'avait reliés : une même zone, un même créneau horaire, un même type d'intérimaire, un même équipement. La traçabilité des incidents de travail devient exploitable, et le DUERP cesse d'être un document administratif recopié d'année en année.

Analyse prédictive des comportements à risque

Le troisième cas d'usage relève de l'analyse prédictive des comportements à risque au niveau d'un poste et non d'un individu, par exemple en croisant les données de maintenance des équipements, les conditions d'exploitation et l'historique des incidents pour anticiper les zones de défaillance.

Assistant documentaire pour les procédures HSE

Le quatrième, plus simple et souvent le plus rentable, est l'assistant documentaire qui rend accessibles en une question les procédures, les fiches de données de sécurité et les consignes applicables à une intervention, au lieu d'un classeur que personne n'ouvre.

L'utilisation de l'IA pour le bien-être des salariés est-elle légale en France

Oui, à trois conditions cumulatives.

La première est la finalité. La CNIL demande de clarifier l'objectif poursuivi et de vérifier la proportionnalité des techniques employées avant tout déploiement, et ses fiches pratiques IA précisent quand une analyse d'impact sur la protection des données devient nécessaire. Un traitement portant sur des données de salariés à grande échelle, avec évaluation de situations personnelles, tombe très souvent dans ce périmètre.

La deuxième condition est le dialogue social. L'introduction de nouvelles technologies ayant des conséquences sur l'emploi, la qualification, les conditions de travail ou la santé des salariés relève de la consultation du CSE. Notre expérience est que cette consultation, quand elle est anticipée et documentée, accélère le projet au lieu de le freiner, parce qu'elle transforme un outil suspect en dispositif partagé. L'esprit des accords nationaux interprofessionnels sur la qualité de vie au travail va dans le même sens : associer les personnes concernées à la conception du dispositif.

La troisième condition est la gouvernance du système lui-même. Les systèmes d'IA utilisés dans la gestion des travailleurs figurent parmi les usages à haut risque du règlement européen sur l'IA, dont les obligations correspondantes s'appliquent en 2026. Cela signifie documentation technique, gestion de la qualité des données, journalisation, information des personnes et supervision humaine effective. Nous traitons ce volet comme un chantier de conformité à part entière, avec un registre des modèles et des points de contrôle périodiques, exactement comme nous le faisions pour la conformité d'un SI de paie ou d'un système de badgeage.

Déployer sans mettre l'entreprise en risque

Un dispositif d'IA appliqué à la santé-sécurité au travail se construit dans l'ordre inverse de celui que proposent la plupart des éditeurs. On part du registre des risques, pas de la démonstration produit. Les cinq points suivants résument la séquence que nous appliquons sur ce type de sujet.

Les étapes clés pour déployer le dispositif

• Cartographier les risques réels de l'entreprise et les données déjà disponibles pour les objectiver, en distinguant ce qui relève du physique et ce qui relève des facteurs organisationnels.

• Choisir un ou deux cas d'usage à valeur immédiate, la qualification des déclarations d'événements indésirables étant souvent le meilleur point d'entrée.

• Fixer les règles de gouvernance des données salariés avant le choix technique : seuil d'anonymat, durée de conservation, accès nominatifs, hébergement en Union européenne.

• Définir les indicateurs de succès (délai entre déclaration et action corrective, taux de clôture des actions, évolution des presque-accidents remontés) avant même le pilote.

• Organiser la supervision humaine, c'est-à-dire qui lit les alertes, qui décide, qui répond au salarié, et sous quel délai.

Un tableau de bord prévention n'a de valeur que s'il déclenche des décisions. Nous avons vu des dispositifs très bien conçus mourir faute d'un propriétaire clairement désigné au niveau du CODIR. C'est précisément ce que nous traitons dans nos ateliers de cadrage avec les équipes dirigeantes, où l'arbitrage porte sur la responsabilité et non sur l'outil.

Ce que l'IA ne remplace pas

L'IA ne remplace pas le médecin du travail. Le suivi individuel de l'état de santé relève d'un professionnel soumis au secret médical, et aucune donnée de santé ne doit alimenter un tableau de bord managérial. La frontière est nette : l'IA travaille sur des données d'organisation du travail, le service de prévention et de santé au travail travaille sur des personnes.

Elle ne remplace pas davantage l'encadrement de proximité, qui reste le premier capteur de signaux faibles, ni le CSE, ni le préventeur. Ce que nous appelons la culture prévention en entreprise ne se numérise pas, elle se dirige.

Combien cela coûte de cadrer le sujet

Avant d'engager un budget logiciel, la question utile est celle du périmètre. Selon que vous savez déjà ce que vous voulez faire ou que vous cherchez encore où sont vos leviers, l'intervention n'est ni la même ni au même prix. Voici notre grille.

Formats d'intervention possibles

Formats d'intervention pour cadrer un projet d'IA en prévention des risques

• Format: Cadrage CODIR Périmètre: Périmètre arrêté à l'avance, alignement des décideurs et relevé de décisions Durée: 1 à 2 jours Budget: Moins de 5 000 € HT

• Format: Audit flash Périmètre: Périmètre restreint mais ouvert, un site ou une direction Durée: 4 à 5 jours sur 2 à 3 semaines Budget: 5 000 à 8 000 € HT

• Format: Audit standard Périmètre: Plusieurs directions, entreprise de 50 à 500 salariés Durée: 3 à 6 semaines Budget: 8 000 à 20 000 € HT

• Format: Audit complet Périmètre: Organisation multi-sites, cartographie complète et business case Durée: 6 à 10 semaines Budget: 20 000 à 30 000 € HT et plus

Un cadrage d'une journée est une offre parfaitement légitime quand la direction sait déjà ce qu'elle veut tester. En revanche, si la question est « où sont nos risques mal couverts et que peut y faire l'IA », il faut un audit qui découvre le périmètre, y compris l'état réel des données et la faisabilité technique. C'est l'objet de notre audit d'opportunités. Le passage du pilote à l'usage généralisé, lui, relève d'un pilotage de projet à part entière.

À retenir

La prévention est l'un des rares domaines où l'IA améliore simultanément un indicateur humain et un indicateur économique, puisque chaque accident évité et chaque arrêt maladie évité se lisent directement au compte de résultat.

Aller plus loin avec l'IA et la prévention des risques au travail

Aborder l'IA par la santé-sécurité au travail présente un avantage stratégique que peu de dirigeants ont identifié. Le sujet est consensuel en interne, les données existent, les bénéfices se mesurent et le dialogue social devient un accélérateur plutôt qu'un obstacle.

La condition est de tenir la ligne dès le départ : des signaux organisationnels plutôt qu'une surveillance individuelle, une supervision humaine explicite, un hébergement et une gouvernance des données conformes au cadre européen. Sur ce terrain, la performance et le respect des personnes ne s'opposent pas, ils se construisent avec la même méthode.

Si vous souhaitez confronter votre situation à ces repères, nous en discutons volontiers via notre page contact.

FAQ

Qui doit porter un projet d'IA appliqué à la prévention des risques

Le binôme qui fonctionne associe la direction des ressources humaines ou le responsable HSE pour la finalité métier, et la DSI pour l'intégration au SI et la sécurité des données. Le CODIR doit trancher un point que personne d'autre ne peut trancher : le niveau de granularité autorisé sur les données salariés.

Peut-on utiliser une solution hébergée hors Union européenne

C'est possible juridiquement sous conditions, mais sur des données de conditions de travail nous recommandons un hébergement européen. Le débat interne sur les transferts hors Union européenne consomme plus de temps de CODIR que le surcoût d'une solution souveraine, et le risque réputationnel en cas d'incident est difficilement réversible.

Quels indicateurs suivre pour juger de l'efficacité du dispositif

Trois familles suffisent au démarrage : le volume de déclarations d'événements indésirables et de presque-accidents, le délai moyen entre signalement et action corrective engagée, et le taux de clôture effective de ces actions. La hausse des déclarations dans les premiers mois est un bon signe, elle traduit la confiance, pas une dégradation.

En combien de temps voit-on des résultats

Sur un périmètre restreint, un pilote de remontée et de qualification des signalements produit des enseignements exploitables en quelques semaines. Les effets sur la sinistralité se mesurent sur un horizon plus long, généralement d'un exercice, ce qui suppose de fixer la baseline avant le déploiement.

Faut-il former les managers avant de déployer

Oui, et c'est la partie la plus souvent sous-estimée. Un manager qui reçoit une alerte sans savoir quoi en faire produit un effet inverse à celui recherché, il désamorce la confiance dans le dispositif. Nous intégrons systématiquement un volet de préparation de la ligne managériale dans le plan de déploiement.