Les maladies professionnelles (MP) sont un enjeu majeur de santé publique en France, avec 47 434 cas reconnus en 2023, dont 196 décès, et un coût de plusieurs milliards d’euros. Les troubles musculosquelettiques (TMS) représentent 87 % des MP, avec plus de 11 millions de journées de travail perdues et près d’1 Md€ de coût direct pour les seuls TMS. Face à ce constat, l’intelligence artificielle (IA) pourrait offrir des perspectives de prévention.

Analyser les applications d’apprentissage automatique (AA) à la prévention des MP, principalement les TMS, évaluer les performances des modèles existants et préciser les enjeux pour la médecine du travail.

Une revue systématique PRISMA (2015–2025) a examiné l’usage d’outils d’IA pour prévenir les TMS en santé au travail, en consultant 6 bases de données et 2 outils d’IA. ASReview LAB® a automatisé la sélection des études par apprentissage actif et régression logistique. Une lecture intégrale a confirmé l’éligibilité. Les données ont été synthétisées en 4 thèmes : études globales d’IA, capteurs portables, vision par ordinateur et prédiction de sévérité.

Sur 3154 études identifiées, inclusion de 28 études. Les approches d’AA supervisé dominent avec les réseaux de neurones artificiels 43 %, arbres de décision 21 % et machines à vecteurs de support (SVM) 16 %. Ces modèles s’appliquent à l’estimation posturale, l’analyse biomécanique en temps réel et la classification des risques/postures. Les dispositifs incluent capteurs portables, vision par ordinateur sans marqueurs et traitement automatisé des rapports d’incidents. Les SVM atteignent 98 % de précision en détection des postures à risque.

Les modèles montrent un potentiel prédictif pour les risques de TMS, mais la reproductibilité est faible (13 études avec code disponible dans Chan et al., 2022), modèles peu interprétables (« boîtes noires »), risque de surapprentissage et qualité des données limitante sans validations à grande échelle. Des exigences éthiques et réglementaires s’imposent : protection des données (anonymisation, consentement), réduction des biais via données représentatives, explicabilité minimale, standardisation pour reproductibilité. L’acceptabilité des professionnels est clé, l’IA doit assister la décision médicale avec validation humaine, conforme à l’acte de l’IA.

L’AA offre un potentiel réel pour prédire et prévenir les MP, surtout les TMS sous réserve de données de qualité, algorithmes transparents et validations rigoureuses. Les priorités sont de standardiser les protocoles, développer des modèles explicables et chartes éthiques. L’IA reste un outil d’aide pour les médecins du travail avec validation humaine systématique.