Estimation quantitative du risque lié aux machines en exploitant des rapports d'enquête d'accident et l'analyse logique de données

Les préventionnistes en sécurité des machines utilisent différents outils, dont des rapports d'enquêtes d'accidents, pour les aider dans l'identification des risques en milieu de travail. L'information est alors extraite ponctuellement, en lisant un rapport à la fois. Par la suite, les rapports consultés risquent de sombrer dans l'oubli. En matière de gestion du risque, l'identification du risque est succédée par l'estimation du risque. Les préventionnistes en sécurité des machines utilisent généralement des outils qualitatifs pour estimer le risque. Cet aspect qualitatif crée de la subjectivité dans les prises de décision quant aux moyens de réduction du risque. De plus, la nature statique de ces outils contraint son utilisateur à des paramètres du risque prédéterminés. Si d'autres paramètres sont requis pour mieux définir le risque qui a évolué, ces outils seront incapables de les intégrer. Cela peut conduire à des décisions inadaptées en matière de réduction du risque. Pour pallier ces inconvénients, cette thèse vise à proposer une démarche d'identification et d'estimation du risque qui facilite le suivi des risques liés aux machines, ainsi qu'à leur environnement physique et organisationnel en milieu de travail. La démarche utilise le retour d'expérience (REX) dynamique pour exploiter efficacement et durablement les rapports d'enquête d'accident. Le REX dynamique est à la fois un processus de remontée d'information et d'inférence de connaissances. La connaissance essentielle est extraite à partir de l'information contenue dans les rapports, après que l'information ait été formalisée dans une base de données. Cette connaissance peut être actualisée au fur et à mesure de la mise à jour de la base de données par la remontée d'information. La connaissance est inférée sous la forme de règles pertinentes générées par un algorithme de fouille de données. Une règle est une combinaison de conditions décrivant des accidents appartenant à un même ensemble, appelé « classe ». Chaque condition se compose d'un indicateur auquel une valeur ou une plage de valeurs est affectée. Un indicateur est un facteur de risque ou une cause potentielle d'accident. Ainsi, avec le REX dynamique utilisant une base de données pouvant être mise à jour régulièrement, les connaissances issues des rapports seront continuellement mises à profit et évolueront avec le contexte. Un algorithme d'apprentissage automatique nommé « Analyse logique de données (ALD) » (Logical Analysis of Data : LAD) est intégré au REX dynamique pour assurer que la démarche proposée fonctionne même pour un échantillon restreint de données. En effet, cette thèse a démontré que, pour un petit échantillon de 23 accidents liés à des convoyeurs à courroie, l'ALD est capable de générer des règles avec une précision de classification adéquate : entre 72% et 74%. Le choix des convoyeurs à courroie s'appuie sur deux constats. Premièrement, de tous les types de convoyeurs, ceux à courroie ont provoqué le plus d'accidents (16,8%) entre 1990 et 2011, d'après 137 rapports d'accidents de la Commission des normes, de l'équité, de la santé et de la sécurité du travail (CNESST) liés à des convoyeurs. Deuxièmement, ce type de convoyeurs représente la plus grande proportion (8,5%) des accidents graves et mortels, toutes machines confondues, entre 1999 et 2007, d'après une base de données de l'Institut de recherche Robert-Sauvé en santé et en sécurité du travail (IRSST). Les 23 rapports d'accidents traités dans cette thèse, proviennent du Centre de documentation de la CNESST. Une analyse de l'information de chaque rapport a permis de tirer les éléments décrivant le contexte accidentel. Ce traitement d'information a donné naissance à une base de données à partir de laquelle l'ALD a généré deux séries de règles. D'abord, l'une pour une version de la base de données divisant les 23 accidents en une classe d'accidents en maintenance et une classe d'accidents en production. Ensuite, l'autre pour une version de la base de données partageant les 23 accidents en deux classes: « Non mortel » et « Mortel ». Certaines des règles générées ont montré qu'un accident peut survenir en raison de conditions dangereuses (ex., un environnement de travail encombré), mais aussi en présence de conditions d'apparence sécuritaire (ex., l'existence d'un programme de prévention). Dans ce dernier cas, il faut investiguer pour comprendre les dessous d'une condition qui semble sécuritaire. Par exemple, pour 60% des accidents en maintenance survenus en dépit de l'existence d'un programme de prévention, l'omission de sa mise à jour pourrait expliquer l'accident. D'autres règles ont montré que les accidents analysés s'expliquent principalement par des facteurs de risque ou causes rattachées à l'équipement, l'organisation, l'individu, ou le moment. Des paramètres quantitatifs associés aux règles, tels que leurs couvertures et la fréquence de leurs indicateurs, ont permis d'entamer la hiérarchisation des règles et des facteurs de risques (la couverture est le nombre d'accidents que décrit la règle). Une méthode développée pour estimer la probabilité du dommage associé à chaque règle a permis de compléter la hiérarchisation des règles de couvertures identiques. Cette hiérarchie, établie sur une base quantitative, aide les préventionnistes à déterminer de manière objective les facteurs de risque ou causes possibles d'accident à prioriser. La méthode exploite les fonctions de masse des indicateurs composant la règle. L'étude a montré que la probabilité des règles caractérisant les accidents mortels analysés est supérieure à celle des règles décrivant les accidents non mortels étudiés. Constat surprenant puisque, dans la réalité, les accidents non mortels (graves et non graves) sont plus fréquents que ceux mortels. Ce constat s'explique par le fait que les accidents analysés proviennent du Centre de documentation de la CNESST qui publie des rapports d'enquête uniquement d'accidents graves ou mortels. Puisque dans la thèse, les accidents avec la plus grande gravité du dommage (mortels) sont aussi les plus probables, il est suggéré que les préventionnistes des entreprises concernées par les accidents analysés entament le processus de réduction du risque en s'attaquant d'abord à la prévention de dommages mortels. La probabilité du dommage calculée permettra d'avoir un référentiel de comparaison permettant de suivre l'évolution du risque. Par exemple, à la suite de la mise en œuvre d'un moyen de réduction du risque, il sera possible d'en évaluer l'impact sur la probabilité du dommage initialement calculée. La démarche proposée est transposable à des équipements industriels autres que les convoyeurs à courroie. Elle peut être utilisée pour l'estimation de la probabilité d'occurrence d'un événement dangereux de nature diverse. Cette probabilité calculée pourra être intégrée à des outils qualitatifs, dans le but de préciser leurs niveaux de probabilité d'occurrence d'un événement dangereux. Cette intégration rendra le processus d'estimation du risque plus objectif. Le succès de la démarche proposée repose sur la bonne volonté des intervenants à faire remonter l'information concernant les risques liés aux machines. Si aucun intervenant ne révèle d'information relative à un nouvel état d'un moyen de réduction du risque ou à un nouvel accident ou incident, l'information ne sera jamais enregistrée dans la base de données. Alors, les règles décrivant le risque ne seront jamais actualisées. Conséquemment, il en sera autant pour les facteurs de risques et les causes potentielles d'accidents, ainsi que les probabilités associées. Dans pareil contexte, des décisions dépassées risquent d'être prises pour réduire le risque. Une culture de sécurité et une confiance mutuelle dans l'entreprise sont primordiales afin d'encourager la remontée d'information pour brosser un portrait plus juste du risque et améliorer l'efficacité des moyens de réduction du risque.