Jeux de données de sécurité sur chantier : entraîner l’IA à détecter les risques

Comprendre les jeux de données de sécurité sur chantier

Un jeu de données de sécurité sur chantier réunit des images ou des séquences vidéo issues d’environnements de construction réels, annotées pour identifier les risques, les comportements dangereux, les mouvements d’engins et les situations susceptibles de provoquer un incident. Les annotations peuvent porter sur la position des travailleurs, leur posture, leur proximité avec des machines, les zones interdites, les obstacles au sol ou les conditions environnementales à risque.

Des organismes de recherche comme CPWR soulignent l’importance de comprendre les facteurs de risque propres aux chantiers pour analyser correctement les images de terrain. En vision par ordinateur, cette compréhension métier est essentielle : un modèle ne doit pas seulement reconnaître des objets, il doit apprendre le contexte dans lequel ces objets deviennent dangereux.

Pourquoi ces jeux de données sont importants

La construction reste l’un des environnements professionnels les plus exposés aux accidents, notamment en raison de la circulation d’engins lourds, de la modification permanente du site et de la coexistence de plusieurs équipes sur une même zone. La supervision humaine ne peut pas couvrir en continu tous les angles d’un chantier complexe. Des modèles entraînés sur des données annotées peuvent détecter plus tôt une entrée en zone dangereuse, une proximité excessive avec un engin ou un signe de chute.

La valeur d’un tel jeu de données dépend de sa représentativité. Les images doivent couvrir plusieurs phases de chantier, des angles de caméra variés, des conditions météo différentes, des zones encombrées et des situations ambiguës. Sans cette diversité, le modèle risque de bien fonctionner en démonstration mais de perdre en fiabilité sur un chantier réel.

Différence avec un jeu de données de détection des EPI

Un jeu de données de détection des EPI vise surtout à vérifier la présence d’un casque, d’un gilet ou d’autres équipements de protection. Un jeu de données de sécurité sur chantier couvre un périmètre plus large : trajectoires d’engins, interactions entre travailleurs, accès à des zones à risque, obstacles, plateformes, tranchées, charges suspendues et changements de contexte. L’objectif n’est pas uniquement la conformité, mais la conscience de situation.

Composants d’un jeu de données de sécurité sur chantier

Un jeu de données efficace combine plusieurs niveaux d’annotation afin de permettre au modèle de comprendre les objets, les relations spatiales et l’évolution des risques dans le temps.

Interactions et positionnement des travailleurs

Les annotateurs identifient les travailleurs, leur posture, leur orientation et leurs interactions avec les outils ou les machines. Ces informations aident le modèle à détecter les situations où une personne s’approche d’une zone dangereuse, travaille dans un espace encombré ou adopte une posture pouvant signaler un incident. Des organisations comme le National Safety Council insistent sur l’importance de l’analyse des comportements pour comprendre les causes d’accidents.

Annotation des engins et équipements

Les excavatrices, grues, chariots élévateurs, chargeuses et camions sont annotés avec précision, notamment leur contour, leur état apparent et, lorsque c’est possible, leur direction de mouvement. Ces labels permettent de détecter les violations de distance de sécurité et d’évaluer le risque associé aux machines en déplacement. La difficulté vient de la variété des formes, des occultations partielles et des changements d’orientation.

Identification des zones dangereuses

Les zones dangereuses incluent les tranchées, ouvertures, plateformes en hauteur, zones électriques, espaces de levage ou zones où des matériaux peuvent tomber. Les annotateurs délimitent ces zones à l’aide de polygones, de masques ou de règles spatiales selon l’objectif du modèle. Une annotation cohérente des barrières, marquages temporaires et limites de zones permet ensuite de déterminer si un travailleur entre dans un espace interdit ou à risque.

Processus d’annotation pour la sécurité sur chantier

Annotation des risques au niveau objet

Les objets contribuant au risque sont annotés individuellement : machines, outils, structures instables, sources électriques, matériaux au sol ou obstacles. Les contours doivent être suffisamment précis pour entraîner des modèles fiables, surtout lorsque les objets sont partiellement visibles ou proches les uns des autres. Les catégories doivent rester alignées avec des référentiels de sécurité sur chantier et avec les grands risques décrits par des organismes comme OSHA.

Relations de proximité et règles spatiales

Un jeu de données de sécurité ne se limite pas à détecter des objets. Il doit aussi décrire les relations entre eux : distance entre un travailleur et un engin, franchissement d’une limite de sécurité, présence dans une zone de levage ou rapprochement d’une machine en mouvement. Ces annotations spatiales sont indispensables pour entraîner des modèles capables de produire des alertes opérationnelles plutôt que de simples détections visuelles.

Annotation temporelle dans les vidéos

Dans les séquences vidéo, les annotateurs suivent les événements sur plusieurs images : déplacement d’un engin, changement de trajectoire, quasi-accident, chute, immobilisation au sol ou entrée progressive dans une zone dangereuse. Cette dimension temporelle permet aux modèles d’identifier les signaux faibles précédant un incident, et pas seulement l’événement final.

Défis spécifiques à l’annotation de données de chantier

Conditions de chantier changeantes

Un chantier évolue chaque jour : les structures avancent, les machines se déplacent, les voies d’accès changent et de nouveaux risques apparaissent. Le jeu de données doit donc intégrer des images capturées à différents stades du projet pour éviter que le modèle n’apprenne une version figée du site.

Occultations et visibilité partielle

Les travailleurs, engins et matériaux se masquent fréquemment entre eux. Les consignes d’annotation doivent préciser à partir de quel seuil de visibilité un objet doit être annoté, comment traiter les objets tronqués et quelles informations déduire lorsque le contexte est incomplet. Ces règles réduisent les divergences entre annotateurs.

Lumière, météo et poussière

Soleil direct, ombres fortes, pluie, brouillard, poussière ou éclairage artificiel modifient l’apparence des scènes. Les annotations doivent rester cohérentes malgré ces variations, et le jeu de données doit inclure ces conditions pour améliorer la robustesse du modèle en production.

Concevoir des consignes d’annotation fiables

Définir les catégories de risques

Les consignes doivent définir clairement les risques électriques, les zones de chute d’objets, les surfaces instables, les dangers liés aux engins et les zones d’accès restreint. Chaque catégorie doit être accompagnée d’exemples visuels et de contre-exemples afin d’éviter les interprétations variables.

Règles spatiales et temporelles

Les règles spatiales indiquent comment mesurer une proximité ou annoter une zone de danger. Les règles temporelles décrivent comment étiqueter un événement qui commence, se prolonge ou s’aggrave dans une vidéo. Ces règles sont particulièrement utiles pour les alertes de proximité, les risques de collision et les scénarios de quasi-accident.

Gérer les cas ambigus

Certaines scènes ne permettent pas de trancher immédiatement : visibilité réduite, objet partiellement caché, posture équivoque ou zone de danger mal matérialisée. Les consignes doivent prévoir ces cas et indiquer quand annoter, ignorer ou envoyer l’image en revue experte.

Assurance qualité des jeux de données de sécurité sur chantier

Revue en plusieurs étapes

Un processus robuste combine annotation initiale, revue secondaire, correction des désaccords et contrôle final par échantillonnage. Cette approche permet d’identifier les annotations manquantes, les contours approximatifs et les incohérences entre annotateurs.

Évaluation des cas limites

Les cas difficiles — interactions complexes avec des engins, risques partiellement visibles, conditions météo dégradées, fissures de béton ou situations inhabituelles — doivent être examinés séparément. Les recherches en psychologie du travail, notamment celles relayées par l’APA, rappellent que les facteurs humains jouent un rôle majeur dans les résultats de sécurité.

Détection des chutes dans les jeux de données de sécurité

Structure d’un sous-ensemble de détection de chute

Un sous-ensemble dédié à la chute contient des images ou séquences montrant des glissades, trébuchements, pertes d’équilibre ou personnes au sol. Les annotateurs décrivent la posture, l’orientation du corps, le contexte immédiat et les risques environnants, notamment sur les échelles, plateformes ou échafaudages.

Distinguer une chute d’un mouvement normal

La difficulté consiste à différencier une chute d’un geste normal comme se pencher, s’accroupir ou s’agenouiller. Des exemples précis de postures, de transitions et de positions finales réduisent les faux positifs et renforcent la fiabilité du modèle.

Applications des jeux de données de sécurité sur chantier

Détection automatisée des risques

Les modèles entraînés sur ces données peuvent identifier automatiquement des conditions dangereuses, alerter les superviseurs et améliorer la visibilité opérationnelle sur des sites étendus.

Surveillance de proximité avec les engins

Le suivi de la distance entre travailleurs et machines en mouvement contribue à prévenir les incidents liés aux engins lourds et peut aussi servir aux systèmes semi-autonomes.

Prévention des incidents et analyse des causes

Les annotations permettent aussi d’analyser a posteriori les incidents, d’identifier les causes récurrentes et d’ajuster les protocoles de sécurité.

Évolutions futures des jeux de données de sécurité sur chantier

Données multimodales

Les futurs jeux de données combineront davantage d’images RGB, données thermiques, LiDAR, profondeur et télémétrie. Cette fusion améliore la détection lorsque la visibilité est faible ou que la scène est complexe.

Analyse prédictive du risque

Les modèles les plus avancés chercheront à anticiper l’évolution d’un risque en analysant la trajectoire des machines, la position des travailleurs et la configuration du chantier. Cela nécessite des annotations temporelles détaillées et cohérentes.

Créer un jeu de données de sécurité sur chantier ou de détection des risques

Développer une IA de sécurité sur chantier exige des données annotées qui reflètent la complexité réelle du terrain. Si vous construisez un jeu de données pour la détection de risques, la surveillance de proximité, la détection de chute ou l’analyse de chantier, DataVLab peut vous aider à structurer les consignes, les processus d’annotation et les contrôles qualité adaptés à vos objectifs.