Pourquoi suivre les TG et TF est une hérésie pour mesurer l’efficacité de vos actions de prévention ?

Data visualisation avec Cikaba

Quand il s’agit d’évaluer les actions de prévention, on pense tout de suite (à tort !) au suivi des TG et TF. Mais si l’on observe une stagnation, voire une augmentation des indicateurs d’accidentologie, doit-on vraiment en conclure que les actions de prévention mises en place n’ont eu aucun impact ?

Pour réduire les risques, il faut évaluer vos actions du début à la fin, et a posteriori. C’est seulement à cette issue que vous pourrez mesurer leur efficacité et ajuster rapidement vos actions si nécessaire.

La mesure des indicateurs de résultats (remontées d’accidents, taux d’absentéisme…) dans un tableau de bord ne suffit pas


La première idée pour évaluer l’efficacité d’une action est de suivre les indicateurs d’accidentologie comme les taux de fréquence (TF) ou de gravité (TG) ou simplement le nombre d’accidents avec ou sans arrêt de travail. Cette première analyse permet uniquement de comparer ces indicateurs avant et après l’action, pour observer leur diminution ou leur augmentation et donner une évaluation de la tendance (-10% du TF par exemple). 

Certains problèmes se posent lorsque l’on utilise uniquement cette méthode. 

Dans un premier temps, le suivi ne se fait pas en temps réel et ne permet pas d’ajuster les actions si nécessaire. Lors de la visualisation d’un mauvais résultat, il est déjà trop tard pour modifier l’action. Il est donc important de réfléchir en amont à des indicateurs que l’on pilotera en temps réel. 

Le suivi en temps réel peut donc être mis en place pour analyser des indicateurs directement liés aux actions de prévention (utilisation, compréhension…) mais aussi ceux liés à l’accidentologie ou aux comportements (accidents, remontées terrains, port des EPI…). Ces indicateurs peuvent être suivis globalement dans l’entreprise mais aussi plus précisément selon les profils ou les secteurs concernés par l’action mise en place. 

C’est un premier pas mais cela ne suffit pas. Si l’on observe une stagnation, voire une légère augmentation des indicateurs d’accidentologie, doit-on vraiment en conclure que les actions de prévention mises en place n’ont eu aucun impact ? 

Il se peut que votre action ait été déployée au mauvais moment lors d’un pic d’activité, un changement d’organisation, du turn-over, un pic d’absentéisme… Vos actions ont peut-être empêché l’arrivée d’un grave accident, ou même plusieurs, qui auraient entraîné un pic des indicateurs d’accidentologie dû à la dégradation d’autres éléments que vous n’avez pas pris en compte dans votre bilan. 

Intérêt d’une vision globale de l’entreprise pour mesurer l’impact des actions de prévention


La prise en compte des indicateurs de résultats (accidentologie, situations dangereuses…) et de moyens (nombre de personnes formées, taux de compréhension…) est donc essentielle. Mais cela ne suffit pas pour réellement mesurer l’impact des actions de prévention et de les ajuster pour une efficacité optimale.

En effet, certaines actions doivent être ajustées ou corrigées lorsqu’un changement organisationnel ou technique survient dans l’entreprise pour améliorer continuellement la prévention au sein de celle-ci. 

Il faut donc disposer d’une vision globale de ce qu’il se passe dans l’entreprise grâce à des indicateurs supplémentaires relevant par exemple des ressources humaines (effectifs, absentéisme, turnover…) ou tout autres éléments pouvant expliquer les évolutions de l’accidentologie (activité, production, environnement…). 

Cependant l’analyse de toutes ces informations lors du suivi ou du bilan d’une action de prévention est difficile manuellement. Un outil de reporting peut dans un premier temps vous aider à en faire le bilan mais ne vous permettra pas de croiser ces informations ni même de les analyser en temps réel pour un suivi en continu.

A l’inverse, la Data Science et l’Intelligence Artificielle peuvent vous accompagner dans cette démarche en automatisant en temps réel ces analyses.

Elles permettent dans un premier temps le suivi automatique des différents indicateurs et vous alertent en cas de dégradation. Lors de la visualisation de l’efficacité des actions de prévention, il sera ainsi facile de voir si d’autres facteurs empêchent leur bon déroulement.

Après avoir analysé les facteurs un à un, l’Intelligence Artificielle peut ensuite mettre en avant la vision globale de la situation grâce à la modélisation. Celle-ci mesure l’influence de vos facteurs sur l’accidentologie incluant les actions de prévention mises en place pour mesurer leur impact, tout en prenant en compte tous les autres facteurs.

Si l’on prend en compte les spécificités des secteurs, des profils, de l’environnement de travail, etc…, cette nouvelle vision permet aussi de personnaliser les actions de prévention en fonction de chaque situation pour une efficacité optimale.

Mesurer l’efficacité des actions de prévention n’est donc pas si évident. Différents facteurs peuvent venir influencer leurs impacts et sont importants à prendre en compte. Un simple reporting des indicateurs d’accidentologie ne suffit pas, une analyse plus poussée est donc nécessaire pour bien appréhender et optimiser la pertinence et l’efficacité des actions de prévention.

Pour savoir comment choisir ses indicateurs de suivi pour analyser ses actions de prévention, consultez cet article d’Axomove.

Vous souhaitez en savoir plus sur nos travaux intégrant l’Intelligence Artificielle dans la prévention des risques ?

rapport d'étude Cikaba intelligence artificielle

Vous souhaitez savoir comment Cikaba vous aide à évaluer vos actions de prévention ?

Contactez-nous !