Une étude menée par des chercheurs de l'Université de technologie du Queensland (QUT) démontre que l'intelligence artificielle peut prédire avec précision le risque de troubles musculosquelettiques chez les travailleurs de bureau. Les résultats, présentés par le doctorant Mehrdad Hassani, remettent en cause l'approche traditionnelle centrée uniquement sur la posture ou la position assise prolongée. L'analyse, basée sur les données de 810 employés issus de quatre bases publiques et traitée par six modèles d'apprentissage automatique, a identifié des facteurs de risque distincts pour neuf régions corporelles différentes. Contrairement aux modèles linéaires habituels, cette approche multimodale révèle que la douleur au niveau du cou et du bas du dos est étroitement liée à la qualité du sommeil, au stress psychosocial, à la charge de travail élevée et au manque de soutien organisationnel. Les heures de repos nocturnes figurent parmi les indicateurs les plus déterminants pour les troubles du dos, des hanches et du cou, soulignant l'impact réel de la récupération tissulaire sur la santé professionnelle. De même, les caractéristiques morphologiques comme la taille du salarié influencent directement les blessures aux poignets, à la colonne supérieure, aux genoux et au cou, ce qui plaide en faveur d'un aménagement ergonomique personnalisé, incluant par exemple les postes de travail ajustables ou debout. Bien que l'expérience professionnelle, l'indice de masse corporelle et l'âge restent des variables importantes, la dimension psychologique et organisationnelle s'avère déterminante. La faible autonomie, l'absence de définition claire des rôles et un environnement social peu favorable au travail modèrent significativement l'apparition des douleurs dorsales et cervicales. Les chercheurs notent que ces facteurs interagissent de manière complexe, nécessitant des interventions ciblées plutôt que des recommandations générales. Cette recherche marque une évolution dans l'évaluation des risques professionnels en milieu de bureau. En intégrant des données physiques, ergonomiques et psychosociales via des algorithmes prédictifs, elle offre une vision nuancée et adaptée à chaque zone du corps. Les employeurs et les spécialistes de la santé au travail disposent désormais d'outils plus précis pour concevoir des politiques de prévention efficaces, reconnaissant explicitement que la fatigue mentale, la surcharge cognitive et le repos inadéquat sont aussi susceptibles de provoquer des douleurs chroniques que la position physique au poste.