L'augmentation ces dernières années du nombre de publications scientifiques consacrées à la santé des salariés souligne les enjeux importants qui y sont associés à la fois pour les individus et les organisations (Dong et al., 2024). Pourtant la compréhension des facteurs et mécanismes susceptibles de la promouvoir nécessite d’être encore approfondie. Les principales limites à ce jour de ces travaux tiennent à l’approche segmentée des dimensions prises en compte (e.g., individuelles, managériales, organisationnelles), à leur centration sur des populations spécifiques et donc à l’obtention de résultats difficilement généralisables ainsi qu’au manque de validité scientifique des outils de mesure utilisés.
Ayant l’ambition de surmonter ces écueils, nous avons co-construit dans le cadre d’un projet ANR Labcom (Laboratoire Commun public privé) une démarche QVCT intégrative et innovante (QVCTi). La singularité de celle-ci se situe à plusieurs niveaux : (1) il s’agit d’une recherche interdisciplinaire (i.e., psychologues du travail, informaticiens, experts IA, consultants en organisations du travail) ; (2) elle inclut le développement d’une solution logicielle d’aide à la décision fondée sur l’IA pour permettre aux dirigeants d’identifier les leviers d’actions de prévention à prioriser et (3) cet outil permet le recueil, le stockage et le traitement de données à la fois quantitatives (i.e., issues d’un baromètre incluant des construits récents tels que les Pratiques Organisationnelles Vertueuses, Aubouin-Bonnaventure et al., 2021), qualitatives (i.e., issues de focus group), subjectives (e.g., questionnaires auto-rapportés) et objectives (e.g., taux d’absentéisme) ainsi que des données multi-niveaux (i.e., individuelles, collectives, organisationnelles).
Au final, la vaste base de données ainsi créée et mise au service de la communauté scientifique (i.e., open source) permettra de développer une vision plus holistique de la santé des salariés (Schutle et al., 2019) intégrant les interactions complexes entre les différentes dimensions de celle-ci. Par ailleurs l’usage de l’intelligence artificielle pour le traitement de ces données combiné à des méthodes statistiques hypothético-déductives traditionnelles autorisera la prise en considération à la fois de données de natures variées, permettant une compréhension enrichie de la santé des travailleurs. De plus, cette démarche QVCTi, co-construite entre chercheurs et praticiens du conseil, s’inscrit dans un processus itératif permettant, à moyen terme, de faire évoluer la solution logicielle en fonction des résultats obtenus par la communauté scientifique et de proposer pour les professionnels des étalonnages des scores obtenus au baromètre selon les typologies d’entreprises (e.g., secteurs d’activité, tailles d’organisation).