Déploiement de l’IA en entreprise : enjeux de santé au travail et pistes de prévention

Si l’on regarde le déploiement de l’intelligence artificielle dans les organisations au prisme de la santé au travail, l’enjeu central est de faire de l’IA un outil de prévention des risques professionnels, sans qu’elle devienne elle-même une source de risques.

L’usage de l’IA peut en effet réduire l’exposition aux dangers. Mais il peut aussi transformer les tâches, les rythmes, l’autonomie et les collectifs de travail.

L’introduction de l’IA dans l’entreprise soulève donc des questions sur les domaines de la santé et la sécurité au travail, la qualité de vie et des conditions de travail, l’emploi et le respect des droits fondamentaux.

Le choix décisif consiste à introduire l’IA pour renforcer le pouvoir d’agir des salariés, et non pour imposer un contrôle permanent ni procéder à une destruction des emplois.

L’IA peut d'ores et déjà  

• automatiser les tâches dangereuses, répétitives ou pénibles et peut réduire l’exposition à certains troubles musculosquelettiques. 
• détecter en temps réel le bruit, la fatigue, une posture à risque ou une défaillance d’équipement. 
• faciliter l’analyse des incidents, l’évaluation prédictive des risques et la formation par simulation.

En santé au travail, elle peut aider à relire des préconisations ou à repérer des signaux récurrents de stress. Les publications de l’OIT et de l’Agence européenne pour la santé et la sécurité au travail sont tout à fait éclairantes à ce sujet.

Ces usages doivent toutefois compléter, et non remplacer, le jugement du salarié, du préventeur ou du médecin du travail. Ils supposent un besoin clairement défini, un test à petite échelle, une supervision humaine et des données limitées et sécurisées.

Les salariés doivent être associés à la conception, formés à l’outil et consultés lors de son évaluation dans le DUERP. Les représentants des salariés doivent au minimum être informés et consultés. Le recours à l’IA peut aussi faire l’objet d’une négociation, ainsi que l’ont souligné les partenaires sociaux européens dès 2020.

L’IA devient problématique lorsqu’elle est déployée uniquement pour accélérer, standardiser, surveiller ou réduire les effectifs. Elle peut produire des erreurs, prolonger des biais ou générer des décisions opaques, tout en donnant une impression trompeuse de fiabilité.

Une vérification permanente des résultats produits avec l’IA peut accroître :

• la charge cognitive,
• la pression temporelle
• le risque d’épuisement. 

Une automatisation excessive peut entraîner :

• perte de savoir-faire,
• ennui,
• isolement,
• moindre autonomie
• insécurité professionnelle.

Lorsque l’IA est déployée dans l’entreprise sans tenir suffisament compte de la réalité du travail, elle implique un travail d’adaptation ou de compensation souvent invisibilisé et coûteux pour la santé des salariés.

La prévention repose donc sur une responsabilité clairement attribuée, des objectifs de charge réalistes, un suivi régulier, et une régulation conjointe des transformations du travail à l’œuvre.

L’IA est susceptible d'agir sur les six familles de risques psychosociaux (RPS) du modèle de Gollac, en modifiant simultanément le contenu et l’organisation du travail. Elle peut ainsi :

• intensifier les rythmes quand les gains de temps deviennent rapidement de nouveaux objectifs de productivité.
• accroître la charge cognitive : quand le salarié doit produire plus vite tout en vérifiant les erreurs, biais ou « hallucinations ».
• réduire l’autonomie lorsque l’algorithme prescrit les tâches, les délais, les priorités ou évalue automatiquement la performance.
• appauvrir les relations de travail si l’outil remplace les échanges, l’entraide, le retour du manager ou la délibération collective.
• génèrer des conflits de valeurs lorsque le salarié doit appliquer une recommandation automatisée qu’il juge inadaptée ou contraire au travail bien fait. La délégation des tâches expertes peut provoquer déqualification, perte de sens et fragilisation de l’identité professionnelle.
• créer de l'incertitude sur l’évolution des métiers ou des effectifs nourrit enfin l’insécurité professionnelle et le stress chronique.

L’article de Charles Broutin « Les grands modèles de langage et les nouveaux enjeux psychosociaux au travail : un défi pour la santé au travail » et les travaux conduits depuis 2024 par Priscilla Capovilla au sein du service prévention de la métropole de Nantes sont, à cet égard, tout à fait éclairants.

Les catégories classiques des RPS restent pertinentes, mêmes si la prévention gagnerait à ce que les situations de travail concernées soient mieux décrites et caractérisées à l’heure des IA. Mais leur traduction opérationnelle est cependant à réactualiser.

Les démarches actuelles reposent souvent sur des diagnostics périodiques et rétrospectifs : questionnaires, absentéisme ou plaintes constatent les effets après leur apparition.

Or une IA évolue continuellement par ses mises à jour, ses données et les usages managériaux qui en sont faits : l’exposition n’est donc ni stable ni facilement observable.

Les évaluations restent fréquemment centrées sur l’outil ou sur l’individu, alors que le risque provient surtout de la nouvelle répartition des tâches, des responsabilités et du pouvoir de décision.

Le management algorithmique rend aussi les prescriptions moins visibles : le responsable humain peut ignorer pourquoi un logiciel attribue une tâche, fixe un rythme ou classe un salarié. Et il n’est pas rare que les employeurs ne soient pas en mesure d’établir la liste des solutions d'IA en usage dans leur entreprises, et encore moins de qualifier leurs spécificités et les liens qu’ils entretiennent avec la génération ou la prévention des risques professionnels.

Les risques hybrides sont aussi mal saisis : une erreur algorithmique peut produire simultanément accident, surcharge mentale, discrimination, conflit professionnel et responsabilité juridique. Cette erreur ne se fait pas en dehors de toute logique professionnelle et managériale, de tout contexte organisationnel et de toute dynamique institutionnelle.

Les DUERP sont, par ailleurs, encore assez peu mis en œuvre de façon réglementaire, et encore moins fréquemment de façon exemplaire. Lorsqu’ils le sont, ils recensent à ce jour très rarement l’exposition des salariés aux potentiels effets du recours à l’IA. Les services de prévention disposent, pour leur part, de peu d’indicateurs, de codifications et de compétences spécialisées.

La mise en œuvre d’action de prévention en cohérence avec des éléments d’évaluation pertinents et robustes reste donc à ce jour tout à fait marginale.

De plus, les salariés sont souvent consultés après le choix de la solution, alors que leur connaissance du travail réel devrait intervenir dès la conception et l’expérimentation.

La prévention doit donc devenir prospective et continue, centrée sur l’organisation et les conditions de travail : étude d’opportunité et d’impact avant déploiement, expérimentation limitée, indicateurs de charge et d’autonomie, droit d’alerte, supervision humaine et réévaluation itérative.

En matière de prévention, l’enjeu n’est pas d’aider les salariés à « s’adapter » à l’IA, comme peut le faire craindre un discours essentiellement technique centré sur les gains de l'IA. Il est plutôt de concevoir des organisations dans lesquelles le recours à l’IA demeure contestable, réversible et subordonné aux exigences de santé, de qualité du travail et du dialogue social.

Autrement dit, l’enjeu n’est pas d’enfermer la prévention des risques professionnels liés au recours à l’IA dans une nouvelle spécialité technique, mais de l’inscrire dans une compréhension plus large et une régulation plus globale des transformations du travail. Les travaux initiés dans le cadre du Plan Santé au travail 2026-2030 à ce sujet, devraient permettre de progresser en la matière.

Voir aussi :

• L'intelligence artificielle au service de la santé et de la sécurité au travail - Synthèse - inrs.fr
• L'intelligence artificielle en santé au travail : évaluation de son potentiel pour renforcer la précision et la clarté des préconisations médicales - inrs.fr