Risques chimiques ou biologiques Li, D., Tao, R., Shi, H., Chang, Q., Wang, J., Pang, S., Li, C. (2026). Research on risk assessment of hot work based on deep learning. Scientific Reports. https://doi.org/10.1038/s41598-026-61993-7  Retour vers le sommaire |
Risques physiques, mécaniques ou de sécurité Bera, M. et Nag, P. K. (2026). Assessment of global research trends on technological and AI-driven strategies for mitigating climate-induced heat stress based on 20 years bibliometric database. International Journal of Biometeorology, 70(7), article 193. https://doi.org/10.1007/s00484-026-03248-8 Farrel, M., Winantyo, R., Kusnadi, A. et Surbakti, E. E. (2025). Computer vision-based security system for monitoring the use of personal protective equipment (PPE) in workplace involving production machinery. International Journal of Integrated Engineering, 17(6), 246-257. https://publisher.uthm.edu.my/ojs/index.php/ijie/article/view/21956 Kao, C.-H., Chen, T.-J., Chen, W.-T., Sangaiah, A. K., Marpaung, B., Shih, K. C. et Jang, S. H. (2026). Rapid image recognition for construction worker hard hat compliance: A practical application of convolutional neural networks. International Journal of Construction Management. https://doi.org/10.1080/15623599.2026.2666870 Medina-Domínguez, F., Sanchez-Segura, M.-I., Fernandez-Galan, A., García-Hidalgo, M. et Gómez-Berbis, J.-M. (2026). Leveraging multimodal artificial intelligence for occupational health and safety: A deep learning approach for work at heights. IEEE Access. https://doi.org/10.1109/ACCESS.2026.3707292 Wang, Z., Fan, Y., Zhang, X., Liu, X., Yu, C., Wu, L., Zhang, M. (2026). Applying machine learning models to predict occupational noise-induced hearing loss: A systematic review and meta-analysis. Noise and Health, 28(132), 553-565. https://doi.org/10.4103/nah.nah_11_26 Retour vers le sommaire |
Risques biomécaniques Kakaraparthi, V. N., Gannamaneni, V. K., Reddy, R. S., Samuel, P. S. et Kakaraparthi, L. (2026). Co-designing an AI-based ergonomic risk assessment system with rehabilitation professionals: A review on participatory framework. Work, article 10519815261469153. https://doi.org/10.1177/10519815261469153 Kou, J., Zhou, Z., Guo, L., Yang, Y., Han, Y., Zhang, C. et Ni, X. (2026). Multiangle computer vision-based assessment of work-related musculoskeletal disorders in construction workers. Journal of Construction Engineering and Management, 152(9), article 04026141. https://doi.org/10.1061/JCEMD4.COENG-17981 Retour vers le sommaire |
Risques psychosociaux Ikae, C., Ben Souissi, S., Bieri, J. S., Müller, T. J., Feuz-Schlunegger, M. C. et Golz, C. (2026). A scoping review of natural language processing for detecting work-related stress among health professionals. Discover Computing, 29(1), article 14. https://doi.org/10.1007/s10791-025-09 Retour vers le sommaire |
L'information à votre portée Cette veille sur l’intelligence artificielle en SST propose une sélection d’articles scientifiques et de littérature grise. Les éléments sélectionnés sont fournis « tels quels », sans garantie d'exhaustivité, de fiabilité et d’exactitude. Les articles sont sélectionnés pour leur pertinence avec les objectifs de cette veille, qu’ils soient en libre accès () ou non. Voyez avec votre bibliothèque ou centre de documentation pour obtenir par prêt entre bibliothèques les articles bloqués. Sinon, un outil qui peut vous aider à découvrir la version libre accès d’un article en toute légalité est Unpaywall avec son extension pour Chrome. Par la force des choses, les articles scientifiques seront plus souvent qu'autrement en anglais. Membres de la cellule de veille : - Clothilde Brochot, professionnelle de recherche
- Marie Comeau, conseillère en mobilisation des connaissances
- Jessica Dubé, chercheuse
- Catherine Dufresne, technicienne en documentation
- Bénédicte Nauche, conseillère en veille et en information scientifique
- Alireza Saidi, chercheur
L'IRSST produit d'autres veilles scientifiques qui pourraient vous intéresser : Veille scientifique en santé et en sécurité du travail. | | | | |
