• Des entreprises comme Fastpoint intègrent l’IA dans des caméras pour analyser les risques en temps réel sur les sites industriels et avertir les travailleurs exposés à des dangers potentiels.
• Des outils permettent aux managers d’anticiper les risques, améliorer la sécurité et réduire les accidents de travail.
La Chine, qui compte plus de 3200 mines de charbon, détient un triste record d’accidents du travail, pour 60% dus à des incendies ou explosions de méthane. « L’intelligence artificielle nous permet désormais de prédire ces risques 30 minutes en avance, à partir des données enregistrées à partir de différents capteurs », explique le Niusha Shafiabady, professeure associée à l’Université Catholique de Sydney et experte internationale en intelligence artificielle. Les capteurs utilisés permettent de mesurer le méthane, la température, le vent, la poussière, l’oxygène, le cobalt et le dioxyde de carbone. L’équipe de Dr. Niusha a évalué de nombreuses méthodes de prédiction pour déterminer la plus performante.
L’algorithme offre une précision très élevée, qui permet d’utiliser ce système dans un contexte réel afin d’avertir les travailleurs que quelque chose risque de se produire
Un algorithme basé sur les arbres de décision
« On voulait une méthode qui ne nécessitait pas un entraînement prolongé du modèle d’intelligence artificielle et la prédictibilité la plus haute possible. On les a donc toutes testées et comparées, et avons choisi un modèle baptisé « Random Forest » qui ne prend que sept secondes à être entraîné. » Pour ce faire, les chercheurs ont dû écarter une partie des données fournies par leur partenaire industriel, le groupe chinois Shanxi Coking Coal Group Co. Ltd, et tester l’efficacité de l’algorithme. « Un modèle de réseau de neurones aurait été plus long à entraîner. » L’avantage du modèle choisi par les chercheurs est qu’il offre un niveau de prédictibilité sur les résultats que d’autres modèles basés sur des réseaux de neurones n’auraient pas pu offrir, un avantage pour un sujet aussi sensible que la sécurité des personnes. « Il offre par ailleurs une précision très élevée, qui permet d’utiliser ce système dans un contexte réel afin d’avertir les travailleurs que quelque chose risque de se produire si le taux de méthane augmente, et qu’il faut évacuer. »
Des systèmes d’IA intégrés sur les sites industriels
En France, la société Fastpoint aide également les industriels à lutter contre les accidents du travail. Son produit phare, SecuriSpot, est composé de caméras intégrant de l’IA embarquée. Dotées de système de computer vision, ces caméras peuvent être installées sur les sites industriels. « Elles permettent de déterminer les risques de collision avec un engin, de voir si un opérateur circule volontairement ou non dans une zone dangereuse ou s’il est bien équipé, explique Vincent Auvray, le dirigeant de la société cherbourgeoise. Nos boîtiers contiennent une caméra, un GPU, un demi-téra de RAM et un demi-téra de stockage, un capteur optique 3D, une puce 4G et une connexion WiFi. Cela permet d’analyser les images en temps réel et d’en déduire un flux de données qui permet de constater ou non le respect des règles de sécurité. » Le fait que l’IA soit embarquée permet de respecter les normes de confidentialité des sites industriels.
Prévenir plutôt que guérir
La plateforme développée par Fastpoint ne vise pas à sanctionner les opérateurs, puisque les données récoltées sont anonymisées. « L’idée est de dégager des statistiques pour les managers. S’ils se rendent compte par exemple qu’il y a davantage d’opérateurs qui ne portent pas leur casque le jeudi, ils vont pouvoir transmettre un message de sensibilisation ce jour-là. » L’idée est également de permettre au management d’un site de production de savoir s’il est nécessaire ou non d’organiser des formations spécifiques sur certains aspects de la sécurité du site. Le système SecuriSpot permet via une alerte de prévenir un ouvrier qui se situerait dans une zone dangereuse. « C’est un système qui peut fonctionner sans réseau, puisque les calculs sont effectués dans les caméras. » Une fois qu’une image est analysée, elle est détruite, précise Vincent Auvray. « Notre approche intéresse de nombreux secteurs, qu’il s’agisse du BTP, de la construction navale, de l’aéronautique… chaque industrie connaît des risques transverses. Notre défi pour l’avenir est de développer davantage de reconnaissance sur des risques spécifiques, par exemple pour le BTP ou l’industrie pétrolière. »
Sources :
Wu, R.M.X., Shafiabady, N., Zhang, H. et al. Comparative study of ten machine learning algorithms for short-term forecasting in gas warning systems. Sci Rep 14, 21969 (2024). https://doi.org/10.1038/s41598-024-67283-4
En savoir plus :
AI is not a magic wand – it has built-in problems that are difficult to fix and can be dangerous (en anglais)
(forêts d’arbres décisionnels)
Cet algorithme IA effectue un apprentissage sur de multiples arbres de décision entraînés sur des sous-ensembles de données quelque peu différentes.
