100 Requêtes Intelligentes par Secteur SCIAN
Exploitant 793,737 Lésions CNESST (2017-2023) via Intelligence Artificielle Agentique
Le croisement systématique des codes SCIAN (Classification industrielle), des métadonnées CNESST (types d'incidents, causalités, conséquences) et du système SafeGraph RAG permet une analyse prédictive sans précédent. Cette approche transforme 793,737 lésions professionnelles en intelligence actionnable pour la prévention proactive, l'optimisation des plans d'action SST et la visualisation des patterns d'accidents par secteur industriel.
Dashboards interactifs basés sur les 793,737 lésions professionnelles intégrées dans SafeGraph RAG
Fonction: Identification visuelle des secteurs/sous-secteurs à plus haut risque
Métadonnées utilisées: code_scian, total_lesions, taux_frequence, cout_moyen
Interactivité: Hover pour détails, click pour drill-down
Fonction: Classement agents causaux dominants par secteur
Métadonnées utilisées: agent_causal, nombre_incidents, part_pourcentage
Exemple Construction: Chutes (23%), Manutention (18%), Outillage (15%)
Fonction: Tendances temporelles incidents par secteur + impact COVID-19
Métadonnées utilisées: annee, mois, nombre_incidents, gravite_moyenne
Insight clé: Pic 2022 post-COVID (+54% vs 2020)
Fonction: Graphe de relations entre facteurs de risque
Métadonnées utilisées: agent_causal, partie_corps, type_lesion, gravite
Exemple: Échafaudage → Chute → Fracture crâne → Gravité 4/5
Fonction: Score de risque personnalisé basé sur profil travailleur
Features ML: âge, expérience, secteur, profession, historique
Output: Probabilité incident prochains 12 mois (0-100%)
Fonction: Calcul retour sur investissement mesures préventives
Métrique: $ économisés / $ investis (ratio optimal: 2.5-4.0)
Données: Coûts prévention vs réduction incidents × coûts moyens
Intégrez ces 100 requêtes avancées dans votre workflow analytique
et transformez 793,737 lésions CNESST en intelligence prédictive actionnable