A l’heure où le Village by CA Centre France accueille sa P9, comprendre sa neuvième promotion, de start up au sein de l’accélérateur, retour sur l’actualité de CIKABA, qui faisait partie de la toute première promotion accompagnée. (Lire notre article)
Une série vidéo tournée auprès de doctorants de l’UCA nous a permis de rencontrer Aho Yapi, doctorant en CIFRE (Convention Industrielle de Formation par la Recherche) auprès de CIKABA et de découvrir ses travaux.
“On voit beaucoup de discours sur l’IA dans la sécurité au travail. Beaucoup de promesses. Peu de démonstrations. » écrit Frédéric Domon sur Linkedin. L’intelligence artificielle serait aujourd’hui omniprésente dans les discours, mais encore peu documentée dans ses usages concrets.
Du concret mais appuyé sur une solide expertise scientifique, c’est ce qu’entend apporter Cikaba au travers de la collaboration avec le Laboratoire de Mathématiques Blaise Pascal et son doctorant. Elle s’incarne aujourd’hui par une publication récente dans le Journal of Safety Research. L’objectif : documenter, tester et intégrer l’IA dans un outil utilisé par des équipes HSE (Hygiène-Sécurité-Environnement) et contribuer à anticiper réellement les accidents du travail à partir des données terrain.
Transformer des remontées terrain en matière exploitable
Le point de départ du travail est connu de toutes les organisations et presque pour tous les sujets : les données existent mais elles sont bien souvent dispersées, trop qualitatives, en trop grand nombre, trop hétérogènes… Elles restent sous exploitées car peu exploitables.
Presque-accidents, observations, signalements, … le travail mené par le doctorant et les équipes consiste précisément à traiter ces données :
- les structurer
- les rendre comparables
- les analyser à grande échelle
L’IA intervient ici comme un outil de traitement, capable d’absorber cette masse d’informations et d’en faire émerger des régularités.
Détecter ce que l’œil humain ne voit pas
La thèse CIFRE se situe à l’interface entre la recherche et l’entreprise. Elle combine à la fois, par itération, une modélisation théorique, des données terrain et des contraintes opérationnelles.
L’un des apports de la recherche est la capacité à détecter des signaux faibles. Là où un humain va analyser des événements isolés, les modèles peuvent repérer des motifs récurrents. Ils peuvent aussi croiser différents types de situations et identifier des combinaisons à risque. Il devient ainsi possible d’identifier et donc de prédire des périodes ou des contextes plus accidentogènes.
Et si ces travaux s’incarnent dans une publication scientifique, ils sont également testés en usage réel puis intégrés dans la solution développée par Cikaba.
Une promesse conditionnée : la qualité des données
Cette approche pose une limite majeure, souvent peu visible dans les discours sur l’IA : la dépendance à la qualité des données. Le modèle ne “voit” que ce qui est remonté, et bien remonté. Cela implique plusieurs conditions, et elles sont d’abord humaines. Les équipes doivent déclarer/enregistrer systématiquement les situations à risque, de façon suffisamment précise et surtout homogènes, pour tous les contributeurs et stable dans le temps.
Si la base est peu fiable et bien, assez logiquement, les prédictions seront fragiles, voire complètement biaisées.
Et donc encore une fois, l’efficacité de l’IA repose en grande partie sur des éléments très humains. Une culture de la remontée d’information, l’acceptabilité des outils, la rigueur des pratiques … L’innovation ne se situe pas uniquement dans l’algorithme, mais dans l’ensemble du système qui produit la donnée.
Ce que ça change pour les équipes HSE
Lorsqu’elle est correctement alimentée, cette approche transforme le rôle des équipes HSE. Elle permet notamment de prioriser les actions et de cibler les zones ou périodes critiques, en objectivant les décisions.
Au-delà du cas Cikaba, ces travaux de recherche montrent comment l’IA devient réellement utile si elle est solide sur trois piliers complémentaires : l’ancrage de données de qualité, dans le réel, une validation scientifique, de l’expérimentation dans les pratiques métiers.
A quelles conditions l’IA produit-elle réellement de la valeur dans les organisations ? Quand les données sont fiables, les modèles performants et les équipes terrain disposées à s’en saisir.
Cikaba est une startup implantée depuis 9 ans sur l’agglomération clermontoise. Elle compte 25 collaborateurs.
Aujourd’hui, Cikaba est déployée sur plus de 1 600 sites, protège 2,5 millions de travailleurs et poursuit son développement à l’international, notamment en Afrique.
