Ce que Nous Avons Appris de l'Audience du Congrès "Construire une Amérique Prête pour l'IA : Des Lieux de Travail Plus Sécuritaires Grâce à une Technologie Plus Intelligente"
Le 11 février 2026, le Sous-comité de la Chambre sur les Protections de la Main-d'œuvre a tenu une audience intitulée "Construire une Amérique Prête pour l'IA : Des Lieux de Travail Plus Sécuritaires Grâce à une Technologie Plus Intelligente". Le message était constant à travers la déclaration d'ouverture, les témoignages des témoins, et le communiqué de presse du comité : l'IA passe d'un concept intéressant à un ensemble pratique d'outils qui peuvent prévenir les blessures, pas seulement les documenter après coup.
Mais l'audience a aussi clarifié autre chose. La partie la plus difficile n'est pas "obtenir l'IA". La partie difficile est de rendre l'IA digne de confiance au sein des vrais flux de travail de sécurité : valider l'efficacité, garder les humains responsables, protéger la confidentialité, et utiliser les données pour encadrer et prévenir, pas pour punir.
Les témoins de l'audience incluaient des dirigeants de MCAA, NAW, et Samsara.
Voici les apprentissages les plus clairs pour les professionnels EHS et de sécurité.
Apprentissage 1 : L'IA pousse la sécurité du rapport réactif vers le contrôle préventif
Le Sous-comité a cadré les outils de sécurité propulsés par IA comme un virage d'une gestion de sécurité basée sur les incidents vers un modèle préventif et fondé sur les données, avec des exemples comme les dispositifs portables pour le stress thermique et l'analytique prédictive qui fait ressortir le risque avant qu'un accident ne survienne.
Les témoignages ont renforcé que cela se produit déjà sur le terrain à travers les industries.
Ce que cela signifie pour les dirigeants EHS : si votre programme de sécurité est encore principalement construit autour d'indicateurs rétrospectifs, l'adoption de l'IA ne sera pas une "mise à niveau d'outil". C'est une reconception de flux de travail. Votre travail est de transformer la détection en prévention, ce qui signifie définir ce qui se passe après une alerte ou un incident, qui le révise, et comment cela devient un changement dans les contrôles. Chez Haven, nous appelons cela un virage de la "clôture" des incidents vers leur "compréhension".
Apprentissage 2 : L'IA de sécurité la plus efficace est axée sur des tâches et propre au domaine, pas générique
L'une des tendances les plus fortes à travers les témoignages était que la valeur de sécurité provient de cas d'usage étroits et ancrés opérationnellement :
- MCAA a souligné que leurs outils d'IA étaient construits spécifiquement pour les flux de travail et normes de maçonnerie, bâtis sur des décennies de savoir de l'industrie, et conçus pour fonctionner sur les appareils utilisés sur le terrain.
- NAW a souligné que les grossistes-distributeurs sont habituellement des déployeurs, pas des développeurs, et a décrit des catégories pratiques d'usage : vision par ordinateur (IA désincarnée), jumeaux numériques pour la maintenance prédictive (IA prédictive), dispositifs portables pour le guidage (IA centrée sur l'humain), et systèmes assistés par automatisation qui réduisent la marche, le levage et le mouvement répétitif.
- Samsara a souligné une IA "axée sur les tâches, situationnelle, préventive" dans les opérations physiques, pas des outils de productivité générative à large portée.
Cela s'aligne avec la façon dont nous pensons à l'IA dans les flux de travail de sécurité à haut enjeu chez Haven : l'objectif n'est pas la génération de texte générique. L'objectif est la confiance opérationnelle, la défendabilité, et l'exécution en boucle fermée au sein du système de sécurité.
Ce que cela signifie pour les dirigeants EHS : vous obtiendrez plus de valeur en choisissant un ou deux flux de travail à haute conséquence et en implémentant l'IA étroitement en leur sein, plutôt qu'en achetant une fonctionnalité d'IA générale et en espérant qu'elle "améliore la sécurité" largement.
Apprentissage 3 : La supervision humaine n'est pas optionnelle, et l'IA ne peut hériter de la responsabilité
La déclaration d'ouverture a soulevé la bonne question : ces outils peuvent être inestimables, mais les employeurs devraient maintenir un espace pour la supervision humaine et se méfier de déléguer la responsabilité ultime de la sécurité des travailleurs à l'IA. Cependant, si elle n'est pas fondée sur les fondamentaux de sécurité et un cadre éthique, elle peut introduire des dangers physiques et psychologiques significatifs sur le lieu de travail.
Chez Haven, nous décrivons souvent l'IA en sécurité comme un levier, pas un remplacement. Ce cadrage est pratique : votre équipe possède toujours les décisions, mais l'IA peut augmenter la vitesse, la qualité et la constance à travers les sites.
Ce que cela signifie pour les dirigeants EHS : traitez l'IA comme une couche de soutien à la décision. Gardez les humains "dans la boucle" avec des droits de décision explicites, des portes de révision, et de la responsabilité, particulièrement lorsque les actions correctives ont des compromis opérationnels.
Apprentissage 4 : La confiance détermine l'adoption, et la confiance se construit par la transparence et les mesures de protection de la vie privée
La déclaration d'ouverture a explicitement signalé la vie privée des travailleurs et la compréhension des parties prenantes comme centrales à l'adoption et au succès à long terme. La collecte de données de sécurité peut échouer si les travailleurs craignent des représailles ou des mesures disciplinaires pour des erreurs honnêtes ou pour s'être exprimés. Les principes éthiques des organisations de sécurité étaient centrés sur la confiance, la transparence, l'équité et la vie privée.
Ce que cela signifie pour les dirigeants EHS : si cela ressemble à de la surveillance, vous perdrez la main-d'œuvre. Si vous le déployez d'une façon clairement axée sur la prévention, l'encadrement et les améliorations techniques, l'adoption devient plus facile et les résultats s'améliorent.
Apprentissage 5 : La validation, l'audit et le contrôle de dérive sont le vrai travail
Le Sous-comité a demandé directement : comment peut-on valider l'efficacité de ces outils?
Les témoins ont pointé vers des stratégies pratiques incluant rendre l'IA compréhensible pour les utilisateurs, des évaluations collaboratives du système, une transparence qui permet l'audit, des concepts de certification, et la construction d'une base de preuve pour les implications de sécurité.
Cela fait écho à une réalité que nous observons à travers les organisations : construire des projets pilotes d'IA est facile, la production est difficile. La confiance requiert l'évaluation, les pistes d'audit et la surveillance continue, pas seulement une démo qui semble bonne. (Consultez notre article sur Construire vs. Acheter des Outils d'IA)
Ce que cela signifie pour les dirigeants EHS : vous avez besoin de critères d'acceptation, d'auditabilité, et de propriété du cycle de vie dès le premier jour, incluant comment vous mesurerez les faux positifs, les détections manquées, et les changements de rendement au fil du temps.
Le point essentiel
Le plus grand constat de l'audience n'est pas que l'IA s'en vient. C'est que l'IA est déjà là sous des formes pratiques et déployables, et les dirigeants EHS ont maintenant une fenêtre pour façonner comment elle sera utilisée.
Si vous dirigez le déploiement avec la prévention, la transparence et la gouvernance, l'IA peut vous aider à fermer la boucle plus rapidement : détecter le risque, le corriger, et vérifier que le contrôle fonctionne. Si vous le déployez comme de la surveillance ou comme un raccourci autour de la hiérarchie des contrôles, cela érodera la confiance et créera de nouveaux dangers.