Le système SEWAbility : un cadre d’analyse d’emploi basé sur la vidéo pour comprendre les exigences spécifiques des tâches

Pourquoi cela compte pour les travailleurs et les employeurs

Beaucoup de personnes ayant des problèmes de santé veulent travailler mais peinent à trouver des emplois réellement adaptés à ce que leur corps peut supporter. Parallèlement, les usines ont besoin de méthodes fiables pour comprendre ce que chaque poste exige physiquement des travailleurs. Cette étude présente SEWAbility, un nouveau système vidéo qui utilise l’intelligence artificielle pour analyser des images courantes de caméras d’usine et traduire le travail de couture en descriptions claires et mesurables des mouvements du corps. L’objectif à long terme est d’aider à associer les personnes — en particulier celles en situation de handicap — à des emplois qui correspondent mieux à leurs capacités, de manière plus sûre et plus équitable.

Des caméras d’usine à des informations utiles sur le poste

L’analyse de poste traditionnelle repose souvent sur des experts qui observent les travailleurs, prennent des notes, organisent des groupes de discussion et interrogent les responsables. Ce processus est lent, subjectif et pas assez précis pour saisir les mouvements exacts et les efforts requis par un travail. Dans une usine de couture chinoise, l’équipe de recherche a constaté ces limites de première main : les travailleurs pouvaient dire qu’ils cousaient des draps ou des uniformes scolaires mais ne pouvaient pas décrire chaque étape de façon claire et mesurable. Les professionnels de la réadaptation professionnelle pouvaient signaler des mouvements répétitifs du bras ou des flexions, mais ils ne disposaient d’aucun chiffre précis sur la vitesse ou l’amplitude des articulations. SEWAbility a été conçu pour combler cette lacune en transformant des vidéos surplombantes du lieu de travail en données de mouvement objectives analysables de manière cohérente.

Décomposer le travail de couture en éléments constitutifs

SEWAbility se concentre sur l’utilisation des bras et du haut du corps par les travailleurs de la couture. Il commence par des vues aériennes qui protègent la vie privée en ne montrant pas les visages. Le système suit les épaules, les coudes et les poignets image par image, puis résume la façon dont ces articulations se déplacent dans le temps à l’aide de 88 caractéristiques de mouvement, telles que la vitesse, la direction et l’amplitude. D’abord, le système regroupe les vidéos en types de tâches généraux — comme coudre des hauts, du linge de lit ou des bas — uniquement à partir des motifs de mouvement. Lors d’essais sur 21 vidéos réelles d’usine, ce regroupement automatique a correctement identifié le type de tâche dans environ 86 % des cas, montrant que différents travaux de couture laissent réellement des « empreintes » de mouvement distinctes à la caméra.

Identifier les cycles répétés et les micro-mouvements répétés

Une fois le type de tâche identifié, SEWAbility effectue un zoom avant. Il détecte des cycles de travail, comme la couture d’un drap entier du début à la fin. En couture, un indice clair est le moment où l’opérateur se penche pour retirer le tissu fini et prendre une nouvelle pièce. En suivant l’apparition de la main près du bord de la table, le système marque le début et la fin de chaque cycle. À l’intérieur de chaque cycle, il découpe ensuite la vidéo en nombreux segments courts et qui se chevauchent d’une seconde, puis les regroupe en clusters pour trouver le motif de mouvement le plus fréquent. Une seconde étape, plus précise, utilise les pics de mouvement vertical du poignet pour découper ce motif dominant en très petits éléments de travail — les micro-mouvements répétés de base, comme pousser le tissu vers l’avant à travers l’aiguille.

Convertir le mouvement en chiffres qui décrivent les exigences du poste

Pour ces éléments de travail répétitifs, SEWAbility calcule des caractéristiques détaillées de « motif de mouvement répétitif ». Celles-ci incluent la distance parcourue par chaque articulation, la vitesse de déplacement et l’amplitude de variation des angles du coude et de l’épaule. Dans une vidéo de couture de haut, le système a identifié sept cycles de travail distincts et, rien que dans le premier cycle, 18 éléments de travail répétitifs stables durant un peu plus d’une seconde chacun. Pour des exemples sélectionnés, il a montré que les bras du travailleur se déplaçaient beaucoup plus horizontalement que verticalement, ce qui correspond à ce que l’on attend lorsqu’on fait glisser le tissu à travers une machine à coudre. En rapportant les mouvements à la largeur des épaules, ces caractéristiques peuvent être interprétées en centimètres et en degrés dans le monde réel, ce qui les rend plus faciles à utiliser comme références pour les cliniciens et les ergonomes.

Ce que cela pourrait signifier pour un travail plus équitable et plus sûr

Bien que cette étude initiale se soit concentrée sur un seul travailleur de couture présentant un handicap physique, le cadre SEWAbility montre qu’il est techniquement possible de construire des profils riches et spécifiques aux tâches sur la charge qu’impose un poste, en n’utilisant que des vidéos du lieu de travail. À mesure que seront ajoutés davantage de travailleurs et de tâches, ces profils de mouvement pourraient étayer des recommandations d’embauche fondées sur les données, aidant à faire correspondre les capacités physiques des personnes aux demandes réelles des postes en usine. Comparé à l’analyse de poste traditionnelle, plus subjective, SEWAbility offre une méthode scalable pour surveiller le travail répétitif sur de longues périodes, ouvrant la voie à des pratiques d’embauche plus justes, à une meilleure planification de la réadaptation professionnelle et à une conception du lieu de travail mieux informée.

Citation: Hu, H., Ding, Z., Fu, E.Y. et al. The SEWAbility system: a video-based job analysis framework for understanding task-specific job demands. Sci Rep 16, 10370 (2026). https://doi.org/10.1038/s41598-026-41536-w

Mots-clés: réadaptation professionnelle, travail en usine de confection, analyse du mouvement basée sur la vidéo, exigences professionnelles, ergonomie du lieu de travail