Le Prévention Program AI (PPAI) est un outil d'assistance intelligent conçu pour aider les employeurs du Québec à développer, mettre en œuvre et améliorer des programmes de prévention conformes aux exigences de la CNESST et de la Loi modernisant le régime de santé et de sécurité du travail (LMRSST).
L’utilisation des Modèles de Langage de Grande Taille (LLM), comme ceux de GenAISafety, révolutionne l’optimisation des programmes de prévention en santé et sécurité au travail (SST).
Ces modèles, intégrés dans des outils comme le Prévention Program AI (PPAI), permettent une approche innovante et efficace pour gérer les obligations et les exigences réglementaires en matière de SST.
Analyse avancée des risques :Les LLM de GenAISafety, intégrés dans le PPAI, utilisent des bases de données vastes et actualisées pour identifier les risques spécifiques à un secteur ou à une activité.
Cela permet de personnaliser les recommandations en fonction des besoins de chaque établissement.
Conformité automatisée :Grâce à leur compréhension fine des textes réglementaires, les LLM assurent que chaque étape d’un programme de prévention SST respecte les exigences de la CNESST et de la LMRSST, réduisant les risques d’erreurs ou d’omissions.
Optimisation des processus :Les LLM analysent les données historiques (accidents, audits) et fournissent des priorités d’action basées sur des algorithmes intelligents, permettant une gestion proactive des risques.
Communication et accessibilité :Les LLM de GenAISafety améliorent la communication interne en générant des documents clairs, accessibles et adaptés à tous les niveaux d'une organisation, garantissant une meilleure adoption des programmes SST.
Évaluation continue :Les outils comme le PPAI, boostés par les LLM, permettent un suivi en temps réel des mesures de prévention, intègrent les retours des travailleurs, et suggèrent des améliorations continues basées sur l’analyse de nouvelles données.
Impact global sur la SST
Réduction significative des délais pour développer ou ajuster des programmes de prévention.
Meilleure sensibilisation des travailleurs grâce à des outils pédagogiques adaptés.
Accroissement de la conformité et de la sécurité dans les milieux de travail.
Comment le PPAI fonctionne
Le PPAI (Prevention Program AI) fonctionne comme un outil interactif et personnalisé pour accompagner les employeurs, les comités SST et les employés dans le développement, la mise en œuvre et l'amélioration continue des programmes de prévention en milieu de travail. Voici un aperçu de son fonctionnement :
1. Système d'Invites Personnalisées
Invites Systémiques (Comité SST) :
Le PPAI propose des questions et recommandations adaptées au rôle stratégique du comité SST.
Ces invites aident à analyser les risques, prioriser les mesures de prévention et évaluer les progrès.
Exemple :
"Quels indicateurs de performance en SST pourriez-vous utiliser pour mesurer l’efficacité des mesures actuelles?"
"Quelles sont vos priorités en termes de prévention pour le prochain trimestre?"
Invites Utilisateurs (Employés et Membres) :
Dans le cadre d'un Prévention Program AI (PPAI), les invites systèmes jouent un rôle clé pour guider et structurer les interactions avec l'utilisateur. Voici un résumé de leur fonction et leur importance :
Rôle des invites systèmes :
Elles servent de cadre pour orienter le modèle (IA) en définissant comment répondre, en tenant compte du contexte spécifique de prévention.
Elles clarifient les attentes, les contraintes et les priorités en matière de santé et sécurité au travail (SST).
Fonctions spécifiques des invites systèmes :
Contexte réglementaire : S'assurer que chaque réponse respecte les obligations de la CNESST et de la LMRSST.
Organisation logique : Structurer les étapes du raisonnement (ex. identifier un risque avant de proposer des solutions).
Personnalisation : Adapter les suggestions en fonction de la taille de l'établissement, de son secteur et de son groupe de priorité.
Guidage : Traduire des questions complexes en demandes simples et compréhensibles pour l'utilisateur.
Exemples concrets dans un PPAI :
Définition de contexte : "L’IA identifie les risques courants dans le secteur X."
Alignement sur les normes : "Les mesures proposées doivent être conformes aux recommandations CNESST."
Planification : "Créer un échéancier pour les actions correctives prioritaires."
En résumé, les invites systèmes assurent que les réponses de l’IA sont conformes, pertinentes et orientées vers des solutions efficaces pour développer un programme de prévention optimisé.
Le PPAI engage les utilisateurs directement concernés par les activités à risque.
Il pose des questions claires, compréhensibles et orientées sur leur expérience quotidienne.
Exemple :
"Quels risques avez-vous récemment observés dans votre zone de travail?"
"Les équipements de protection individuelle sont-ils facilement disponibles et adéquats pour vos tâches?"
2. Processus d'Analyse Structuré
Le PPAI suit une approche en trois étapes :
Identification des risques : Questions pour identifier les dangers spécifiques selon les postes ou zones de travail.
Exemple : "Quelles tâches comportent des risques de chutes ou glissades dans votre routine?"
Analyse des risques : Invites pour comprendre l’ampleur des dangers et leur impact potentiel.
Exemple : "Comment évaluez-vous la fréquence et la gravité des blessures liées à l’équipement?"
Mitigation des risques : Suggestions de mesures adaptées pour éliminer ou réduire les risques.
Exemple : "Quels outils ou formations pourraient réduire les risques associés à la manutention de charges lourdes?"
3. Transmission et Accessibilité
Transmission : Le PPAI aide à formater les rapports destinés à la CNESST et à les partager avec les parties concernées (comité, employeurs, employés).
Accessibilité : Il garantit que le programme et ses mises à jour soient clairement documentés et accessibles.
4. Engagement et Suivi Continu
Collecte de Retours : Les invites du PPAI encouragent un dialogue régulier entre employés et responsables SST.
Suivi des Mesures : Le système propose des rappels et des invites pour évaluer l’efficacité des mesures mises en place.
Exemple : "Les mesures préventives récemment instaurées ont-elles amélioré la sécurité?"
Dans le cadre d'un Prévention Program AI (PPAI), les invites systèmes jouent un rôle clé pour guider et structurer les interactions avec l'utilisateur. Voici un résumé de leur fonction et leur importance :
Exemple concret : Gestion des risques sur un chantier de construction
La Loi modernisant le régime de santé et de sécurité du travail (LMRSST) impose aux employeurs, particulièrement dans les environnements complexes comme les chantiers de construction regroupant 10 travailleurs ou plus, de mettre en œuvre des programmes de prévention efficaces.
Ces programmes doivent identifier, analyser et réduire les risques inhérents à la cohabitation de multiples équipes, où les interactions augmentent la probabilité d’accidents graves tels que des collisions, des chutes, ou une utilisation inadéquate des équipements.
Pour répondre à ces exigences et améliorer la sécurité des travailleurs, l’utilisation de l’intelligence artificielle, à travers des outils comme GenAISafety, révolutionne la gestion des risques. Le PPAI, en tant que solution basée sur l’IA, permet une approche proactive, personnalisée et adaptative, qui optimise la collaboration entre les parties prenantes tout en garantissant la conformité réglementaire.
Contexte :
Un chantier de construction accueille 15 travailleurs provenant de plusieurs entreprises. Les tâches incluent la manutention de charges lourdes, l’installation de structures en hauteur et l’utilisation d’équipements tels que des grues et des scies électriques. Les interactions entre les équipes augmentent les risques de collisions dans les zones de passage étroites et de chutes d’objets lors des travaux en hauteur.
Utilisation du PPAI avec GenAISafety :
Identification des risques :Le PPAI analyse les données en temps réel (emplacement des travailleurs, horaires des équipes, équipements en usage) et identifie les points critiques :
Zones où des collisions sont probables.
Risques de surcharge de certaines zones en raison des horaires de travail simultanés.
Recommandations personnalisées :Le PPAI génère des mesures spécifiques, telles que :
Réorganiser les horaires pour réduire la densité de travailleurs dans certaines zones.
Installer une signalisation temporaire pour marquer les zones à risque élevé de collision.
Mettre en place un système de vigilance automatisée pour détecter la proximité dangereuse des travailleurs avec des engins.
Formation et sensibilisation :Le PPAI propose des modules de formation interactifs pour chaque équipe, adaptés à leur rôle spécifique sur le chantier :
Rappel des consignes de sécurité pour le travail en hauteur.
Procédures d’utilisation sécuritaire des équipements partagés.
Suivi et évaluation :Le PPAI assure un suivi continu, en collectant des retours des travailleurs et en ajustant les mesures selon l’évolution des conditions du chantier :
Alerter si des accidents ou des quasi-accidents sont signalés.
Réévaluer les priorités si des dangers imprévus émergent.
Résumé : GenAISafety et la Prévention sur les Chantiers sous la LMRSST
L'Optimisation des Programmes de Prévention SST grâce aux Modèles de Langage de Grande Taille (LLM)
L'implantation d’un programme de prévention en santé et sécurité au travail (SST) repose sur deux piliers essentiels : la création d’un plan d’action précis et l’évaluation continue des mesures déployées. Les Modèles de Langage de Grande Taille (LLM) révolutionnent ces processus en apportant automatisation, efficacité et conformité aux normes, tout en réduisant les risques en milieu de travail.
Points Clés :
Élaboration Dynamique du Plan d’Action :
Collecte et Analyse de Données :
Le LLM traite des données issues de rapports d’incidents, audits, et capteurs IoT pour comprendre les risques spécifiques.
Identification des Risques :
Les algorithmes prédictifs priorisent les risques critiques à corriger.
Génération de Plans :
Création automatique de plans d’action personnalisés, comprenant des échéanciers et une priorisation des tâches. Les mises à jour se font en fonction de nouvelles données pour garantir une gestion dynamique.
Évaluation Continue des Mesures de Prévention :
Suivi en Temps Réel :
Surveillance des indicateurs clés de performance (KPI) comme la réduction des accidents ou la conformité.
Analyse et Ajustements :
Le LLM évalue l’efficacité des actions et propose des ajustements pour optimiser les ressources et améliorer les résultats.
Automatisation des Rapports :
Rapports Périodiques ou à la Demande :
Le LLM génère automatiquement des rapports détaillés sur les mesures mises en œuvre, les résultats obtenus, et les étapes suivantes.
Communication Simplifiée :
Ces rapports facilitent les échanges avec les autorités réglementaires et les parties prenantes.
Conformité aux Normes Réglementaires :
Adaptation aux Régulations :
Les plans sont conçus pour respecter les exigences locales (CNESST), nationales (OSHA), et internationales (ISO 45001), garantissant une conformité totale.
Avantages Clés :
Gain de Temps : L’IA automatise les tâches répétitives pour permettre aux équipes SST de se concentrer sur des actions stratégiques.
Personnalisation : Les plans d’action sont spécifiques aux risques et contextes de chaque entreprise.
Amélioration Continue : Une surveillance constante assure des ajustements en temps réel.
Conformité Assurée : L’intégration des normes garantit le respect des réglementations.
Différences entre un Programme de Prévention Statique et Dynamique
Aspect | Programme de Prévention Statique | Programme de Prévention Dynamique |
Définition | Un programme basé sur des règles fixes et des méthodologies standardisées. | Un programme évolutif qui s’adapte en fonction des nouvelles données et des contextes. |
Approche | Réactive : met l’accent sur la réponse aux incidents après qu’ils se produisent. | Proactive : anticipe et prévient les risques en s’appuyant sur des analyses en temps réel. |
Utilisation des données | Données historiques uniquement. | Données en temps réel et historiques combinées avec des analyses prédictives. |
Capacité d'adaptation | Faible : rigide et peu adapté aux évolutions des environnements ou des risques. | Élevée : ajuste les mesures en continu en fonction des tendances et des nouveaux risques. |
Mise à jour des protocoles | Mise à jour périodique, souvent manuelle et lente. | Mise à jour automatisée et rapide grâce aux outils numériques et à l’intelligence artificielle. |
Technologies utilisées | Méthodes traditionnelles (checklists, rapports papier). | Intégration de l’IA, capteurs IoT, Big Data, et systèmes d’analyse avancée. |
Exemple de prévention | Règles générales appliquées uniformément à tous les contextes. | Mesures personnalisées et ciblées pour des risques spécifiques identifiés. |
Indicateurs suivis | Indicateurs réactifs : taux d’accidents, jours perdus, incidents signalés. | Indicateurs proactifs : prédictions des risques, alertes en temps réel, tendances émergentes. |
Efficacité | Limité à des résultats à court terme. | Optimisé pour des améliorations continues et des résultats à long terme. |
Exemple d'outils | Tableaux Excel, audits manuels. | Plateformes comme SafeScan360 ou GPT-RiskControl pour des mesures automatisées. |
Exemple Concret en SST :
Statique :
Inspection annuelle des équipements, basée sur un calendrier fixe.
Les mesures correctives ne sont prises qu’après un incident ou une défaillance.
Exemple : Révision des extincteurs après un incendie signalé.
Dynamique :
Surveillance continue des équipements via des capteurs IoT.
Alertes automatiques pour des anomalies détectées (surchauffe, usure).
Exemple : Maintenances prédictives effectuées avant une panne.
Avantages Clés du Programme Dynamique :
Réduction des incidents grâce à la prévention proactive.
Optimisation des coûts en évitant des interruptions non planifiées.
Amélioration continue via des mises à jour instantanées des stratégies.
Un programme dynamique, bien que plus complexe à mettre en place, offre des résultats supérieurs à long terme grâce à sa flexibilité et à son efficacité prédictive.
VOIR LE PROGRAMME DE PRÉVENTION EN ACTION (PPAI)
100 Questions pour la Santé et Sécurité du Travail - Secteur Bâtiment et Travaux Publics (CNESST)
Présente une liste de 100 questions en lien avec les exigences SST pour le bâtiment et les travaux publics, répondant aux besoins des travailleurs et gestionnaires de ce secteur.
Création d'un Algorithme pour Améliorer la Sécurité au Travail
Introduction d'un algorithme qui analyse les risques et propose des stratégies pour améliorer la sécurité en milieu de travail.
Ensemble de Données Structuré pour les Entreprises Horticoles (Mutuelle de Prévention)
Décrit un ensemble de données avec 100 invites utilisateur pour aider les entreprises horticoles à renforcer leurs pratiques de sécurité.
Invites Système pour les Gestionnaires de Mutuelle de Prévention dans l'Horticulture
Démonstration de 100 invites système pour aider les gestionnaires du secteur horticole à gérer la sécurité en entreprise.
Exemples de Guardrails pour la Sécurité et la Conformité
Exploration des garde-fous pour assurer que les réponses de l'IA respectent les normes de sécurité et conformité.
Formation sur des Données de Santé et Sécurité
Présente l'utilisation de données SST pour entraîner l'IA, améliorant la pertinence des réponses.
Assurer l'Exactitude et la Fiabilité des Informations en SSE
Mécanismes pour garantir la précision des informations fournies par l'IA en SSE.
Gestion de Contexte pour des Réponses Précises et Personnalisées
Explique comment l'IA adapte ses réponses selon le contexte pour plus de pertinence.
Gestion des Hallucinations de l'IA
Techniques pour minimiser les réponses inexactes de l’IA et garantir des conseils fiables en SST.
Invites Système pour les Travailleurs
Ensemble d’invites pour aider les travailleurs à obtenir des informations précises sur la sécurité.
Invites Utilisateur pour les Groupes Prioritaires de la CNESST
Liste de 50 invites utilisateur pour explorer les besoins des secteurs prioritaires de la CNESST.
Invites Système pour les Employeurs du Secteur Horticole
100 invites pour les employeurs du secteur horticole afin de mieux gérer la sécurité.
Algorithme Avancé Structuré en Étapes
Explication d’un algorithme structuré décrivant le traitement des données pour des recommandations précises.
Personnalisation des Programmes de Prévention pour Secteurs à Risque
Liste de 50 invites pour adapter les programmes de prévention aux spécificités de chaque secteur.
Contextualisation et Validation Continue des Données
Présentation de la capacité du PPAI à valider en continu les informations pour garantir leur exactitude.
Exigences du Programme de Prévention et Réponse du PPAI
Description des exigences principales en SST et comment le PPAI y répond.
Workflow Chain of Thought (CoT) pour Structurer le Raisonnement
Introduction à une méthode de structuration du raisonnement de l'IA pour des réponses logiques en SST.
Système de Garde-fous pour la Cohérence et la Conformité
Explication des garde-fous pour que l'IA respecte les standards en vigueur en santé et sécurité du travail.
コメント