Analyse de données assemblées pour l’étude des poly-expositions professionnelles

Les situations où les travailleurs sont exposés simultanément à plusieurs nuisances, qu’elles soient chimiques, physiques, biologiques ou organisationnelles sont fréquentes mais encore peu documentées, en partie parce que les informations disponibles sont dispersées entre de nombreuses bases de données. L’objectif de cette étude était de démontrer la faisabilité scientifique et technique d’une utilisation conjointe de ces bases pour obtenir une vision plus complète des polyexpositions et de leurs effets sur la santé.
Dix bases nationales couvrant vingt années de données ont été mobilisées. Après un travail d’harmonisation portant principalement sur les nomenclatures (métiers, secteurs d’activité, maladies, nuisances), les données ont été réunies grâce à une approche d’intégration par ontologie (Ontology-Based Data Integration). Cette méthode relie les données hétérogènes à des concepts de la santé au travail, permettant de les rendre comparables et interrogeables dans une même structure. L’ontologie développée constitue un socle de connaissances réutilisable et évolutif, facilitant la traçabilité et la cohérence des informations.
Les résultats prennent la forme de plusieurs cas d'usage de cet ensemble de données intégrées : ils portent sur les travailleurs du bâtiment, sur la co-exposition au travail de nuit et aux substances chimiques, et sur un usage plus large basé sur des indicateurs synthétiques. Ces cas d'usage permettent de montrer que cette approche permet de documenter les expositions et co-expositions selon plusieurs angles et d’identifier à la fois des combinaisons de nuisances connues et de nouvelles associations possibles.
Au-delà des résultats scientifiques, le projet a permis d'associer plusieurs institutions nationales autour du sujet des données et de définir des modalités d’échange sécurisées. Les perspectives portent sur l’enrichissement de l’ontologie, l’intégration de nouvelles sources, et l’usage de l’intelligence artificielle pour améliorer les correspondances entre nomenclatures. À long terme, ce travail ouvre la voie à la création d’outils logiciels, au service de la recherche, des préventeurs et des politiques de santé au travail.