Biais cognitifs dans l'évaluation des risques : comment l'assistant IA aide à voir les dangers avec objectivité

Aujourd'hui, des dizaines de méthodologies d'évaluation des risques professionnels sont appliquées dans les entreprises à travers le pays. En apparence, elles se ressemblent : identification des dangers, évaluation de la probabilité et de la gravité des conséquences, élaboration de barrières et de mesures d'atténuation des risques. Cependant, malgré une standardisation apparente, ces approches ne permettent souvent pas, dans la pratique, de prédire ou de prévenir avec précision les accidents du travail.

Pourquoi en est-il ainsi ? Après tout, leur élaboration est confiée à des spécialistes expérimentés qui ont mené des centaines d'enquêtes sur des accidents ?

La réponse réside dans les biais cognitifs.

Le cerveau humain, même chez l'expert le plus compétent, fonctionne selon des schémas simplifiés. Au fil des années, le spécialiste développe un « flair professionnel », mais aussi une pensée stéréotypée. Il commence à :

• sous-estimer les risques qui ont « toujours été maîtrisés » (illusion de contrôle) ;
• attribuer la cause d'un incident à l'« inattention » du travailleur, sans analyser les causes systémiques (erreur fondamentale d'attribution) ;
• ignorer les scénarios peu probables mais catastrophiques (déni des « cygnes noirs »).

En conséquence, les méthodes formelles d'évaluation des risques se résument à remplir des tableaux à partir de modèles, plutôt qu'à une analyse approfondie. Les consignes HSE sont surchargées d'informations générales, souvent rédigées « par précaution » et non pour une utilisation réelle sur le lieu de travail. Des phrases telles que « soyez attentifs » n'indiquent aucune action concrète, et ne réduisent donc pas le risque.

L'expérience : et si l'on supprimait les préjugés humains ?

Nous avons mené une expérience pilote : nous avons créé un assistant IA formé sur un ensemble de données comprenant :

• les statistiques d'accidents par profession ;
• les résultats des enquêtes sur les accidents ;
• les consignes HSE en vigueur et les fiches technologiques ;
• les exigences réglementaires.

L'objectif était d'analyser les consignes et de les comparer aux cas réels d'accidents.

Les résultats ont été surprenants :

1. Vitesse d'analyse : des centaines de pages traitées en quelques minutes.
2. Absence de préjugés : l'IA ne « sait » pas que dans ce secteur, « on a toujours fait comme ça ».
3. Comparaison précise : le système a révélé un décalage entre les actions prescrites et les causes réelles des incidents.
4. Recommandations : l'IA a proposé des formulations concrètes et mesurables : non pas « soyez attentifs », mais « ouvrez l'armoire → coupez le disjoncteur → fermez les deux portes → verrouillez le cadenas → placez la clé dans le casier n°3 ».

De plus, l'IA a mis en évidence le « bruit informationnel », c'est-à-dire les sections des consignes qui ne sont pas liées à la tâche spécifique du travailleur. De tels documents, qui comptent plus de 100 pages, ne sont ni lus, ni mémorisés, ni appliqués ; ils ne créent qu'une illusion de sécurité.

Conclusion : la technologie n'est pas un substitut à l'homme, mais un outil d'objectivité

Les biais cognitifs sont une caractéristique inhérente à la pensée humaine. Mais nous disposons désormais d'outils qui aident à les compenser. Les assistants IA modernes sont accessibles, compréhensibles et peuvent fonctionner en russe. Ils ne prennent pas de décisions, mais fournissent à l'homme des données précises pour prendre de meilleures décisions.

L'utilisation de telles solutions permet de :

• se concentrer sur les risques réels et non imaginaires ;
• rédiger des consignes qui fonctionnent vraiment ;
• construire des barrières basées sur des faits et non sur des habitudes.

La sécurité commence par un regard honnête sur la réalité. Et la technologie nous aide à l'acquérir.