Combler le manque de données sur l’IA et la santé des personnes en emploi

Imaginez un travailleur d’entrepôt dont les tâches sont organisées par un agent intelligent. Ou une employée de centre d’appels dont les conversations sont guidées et évaluées en temps réel par un système d’IA ambiante. Ou encore un avocat qui s’appuie de plus en plus sur des synthèses produites par l’IA pour suivre une jurisprudence abondante.

L’IA aide-t-elle ces personnes à accomplir leur travail? Si oui, à quel prix pour leur santé physique ou mentale? Pour l’instant, l’information sur le marché du travail au Canada ne permet pas de répondre à ces questions.

Depuis plus de 30 ans, l’Institute for Work & Health produit des données probantes sur la santé et la sécurité des personnes en emploi au Canada. Plus récemment, nous avons étudié la façon dont l’évolution de la nature du travail – de la suffisance de la rémunération à la permanence des contrats – façonne la santé et l’expérience de ces personnes. L’information sur le marché du travail, notamment les données du Recensement de la population et de l’Enquête sur la population active de Statistique Canada, constitue une ressource essentielle pour étudier les liens entre le travail et la santé. Or, notre expérience montre que l’écosystème canadien de l’IMT se prête mal à cette tâche.

Récemment, avec une équipe de recherche multidisciplinaire et des partenaires de différents secteurs, nous avons lancé le Partenariat sur l’IA et la qualité du travail (PAIQ). Dans le cadre de ce partenariat, nous nous sommes heurtés à trois grands obstacles qui limitent notre capacité à obtenir et à exploiter les données nécessaires pour étudier les effets de l’IA sur les différentes dimensions du travail ainsi que sur la santé et le bien-être des personnes en emploi.

Premièrement, les données sur la santé et la sécurité, les technologies et les conditions de travail sont cloisonnées, ce qui complique l’établissement de liens entre ces domaines.

Deuxièmement, même lorsqu’il est possible d’établir ces liens, nous devons recourir à des mesures indirectes de l’exposition professionnelle aux outils d’IA – dont la plupart ont été élaborées à l’extérieur du Canada – pour mettre en correspondance les capacités de l’IA et les tâches associées aux emplois. Ces mesures permettent d’estimer la part des tâches associées à un emploi donné dont l’IA pourrait faciliter ou automatiser l’exécution. Surtout, elles font ressortir des tendances du marché du travail qui mériteraient d’être approfondies au moyen de recherches complémentaires. Elles ne brossent toutefois qu’un portrait incomplet de la façon dont l’IA transforme la vie professionnelle, pour le meilleur ou pour le pire, et de ses conséquences sur la sécurité au travail, l’équité ou le rapport au travail.

Enfin, certaines des technologies ayant le plus d’incidence, notamment celles qui servent à gérer le personnel, sont négligées dans les données et les mesures disponibles. Les mesures actuelles de l’exposition à l’IA ne tiennent pas nécessairement compte des différents types d’IA (par exemple les grands modèles de langage ou l’IA agentique) ni de leur utilisation avec d’autres technologies de pointe, comme la robotique, les véhicules ou les appareils mobiles. Plus précisément, il n’existe aucune mesure globale des effets des différentes applications de l’IA. Les mesures existantes ne permettent pas de distinguer les systèmes d’IA qui gèrent le personnel de ceux qui exécutent des tâches de façon autonome ou qui soutiennent le travail humain. Tant que cette lacune méthodologique ne sera pas comblée, notre capacité à comprendre les effets de l’IA sur différents groupes de personnes et différentes professions, ainsi qu’à dégager d’éventuelles tendances du marché du travail, demeurera limitée.

Plusieurs pistes permettraient de remédier à ces lacunes et d’améliorer l’IMT.

Premièrement, la santé des personnes en emploi devrait être prise en compte dans la collecte des données qui alimentent l’IMT. L’intégration de concepts liés à l’IA, au travail et à la santé dans des enquêtes multidimensionnelles menées à l’échelle de la population nous aiderait à mieux comprendre les effets de l’IA.

De plus, les équipes de recherche multidisciplinaires comme la nôtre devraient s’efforcer de relier les données de différents domaines. Elles pourraient ainsi établir des liens plus explicites entre l’IMT et les résultats en matière de santé et de sécurité au travail.

Enfin, au lieu de déduire l’exposition à l’IA à partir des titres de poste ou des listes de tâches, nous avons besoin de données d’IMT recueillies directement auprès des personnes en emploi au Canada afin de savoir comment elles sont exposées à l’IA. Il faut notamment déterminer quel rôle l’IA joue dans leur travail et comment elle modifie leur charge de travail, leur perception du contrôle qu’elles exercent et leur rapport au travail. L’analyse de l’IMT devrait s’accompagner d’une collecte de données primaires pour brosser un portrait complet des effets possibles de l’IA sur les conditions de travail et la santé.

L’IA transforme déjà la façon dont le travail est attribué, surveillé et évalué. Pourtant, nous ne mesurons pas les effets de ces changements sur les personnes en emploi et leur santé. Le PAIQ s’emploie activement à combler cette lacune : il interroge directement ces personnes sur les effets de l’IA, relie des données cloisonnées et fait de la santé une composante fondamentale de l’IMT. Nos travaux permettront de produire les données probantes nécessaires pour protéger les personnes en emploi contre les méfaits de l’IA tout en favorisant les avantages de cette technologie