알림 목록

Zone d'analyse :  ville métropolitaine d'Ulsan

Zones centrales :  Complexe industriel national de Mipo-Onsan, Nam-gu, Dong-gu, Buk-gu, Ulju-gun

Ordre du jour : Niveaux de prévision, de diffusion et de protection des données relatives au travail, à la sécurité et à la santé

Type de période d'or : Risque de verrouillage des données après un accident

Date de référence : 28/08/2026

Version : Regional AX Golden Time Intelligence v3.2
 

En 2025, 605 accidents mortels ont fait l'objet d'une enquête à l'échelle nationale, soit une augmentation de 16 par rapport à l'année précédente, dont 158 ​​décès dans le secteur manufacturier. Bien que le nombre de décès dans ce secteur ait diminué de 17, le nombre d'accidents a augmenté de 4, ce qui indique que l'ampleur des décès et la fréquence des accidents ont évolué de manière opposée. À Ulsan, les données publiques reliant les risques par secteur d'activité, taille d'entreprise, donneurs d'ordre/sous-traitants et processus ne sont pas disponibles en temps réel. Si la sécurité est évaluée uniquement sur la base du nombre total de décès pour la période 2026-2028, les signes avant-coureurs d'une augmentation des risques au sein du processus ne seront identifiés qu'après la survenue d'un accident.  Le projet Industrial Safety AX ne vise pas la numérisation des statistiques d'accidents, mais plutôt la disponibilité des données en amont des accidents.

Ulsan a obtenu 6,6 milliards de wons de financement public pour un projet de réponse aux vagues de chaleur basé sur l'IA et le big data, d'ici 2026, et a mis en place un centre de contrôle intégré pour ses complexes industriels verts et intelligents. Si la gestion de la sécurité est passée de patrouilles et de rapports à un système s'appuyant sur des capteurs, des informations spatiales et des données prédictives, l'étendue de cette intégration – qui inclut l'exposition des travailleurs, les risques liés aux procédés et les données sanitaires sur les sites industriels – n'a pas été précisée. Si l'IA de gestion des catastrophes urbaines et les données relatives à la sécurité au travail restent dissociées au cours des deux à trois prochaines années, elle sera incapable d'anticiper les risques complexes associés aux vagues de chaleur, aux produits chimiques, aux objets lourds et aux espaces confinés. Bien que  l'IA de sécurité d'Ulsan soit entrée dans sa phase d'application en milieu urbain, elle n'est pas encore pleinement intégrée aux lieux de travail.

En 2025, les entreprises de moins de 50 employés ont enregistré 351 accidents mortels, soit environ 58 % du total, tandis que celles de moins de 5 employés en ont comptabilisé 174, une hausse de 14,5 % par rapport à l'année précédente. Bien que les risques liés à la sécurité industrielle soient concentrés dans les petites structures – où les investissements en personnel et en infrastructures sont moindres – que dans les grandes entreprises, le taux d'adoption des équipements de sécurité basés sur l'IA par les sous-traitants à Ulsan, en fonction de la taille de l'entreprise, n'a pas été vérifié. Si la diffusion de la sécurité intelligente, principalement axée sur les grandes entreprises, se poursuit entre 2026 et 2028, les risques se déplaceront vers les maillons inférieurs de la chaîne d'approvisionnement au lieu d'être éliminés.  Le principal obstacle à la sécurité industrielle ne réside pas dans le niveau technologique, mais dans les inégalités d'accès selon la taille de l'entreprise.

L'Agence coréenne pour la sécurité et la santé au travail (KOSHA) fournit des équipements de sécurité intelligents, notamment la reconnaissance vidéo par IA, l'évitement intelligent des collisions de grues, l'alerte de proximité des chariots élévateurs et la détection des effondrements et des déplacements. Bien que la technologie de sécurité ait évolué des équipements de protection et de la signalisation vers la détection en temps réel, les alertes et les arrêts automatiques, le nombre de lieux de travail équipés à Ulsan, les taux de fausses alarmes, les taux de réduction des accidents et les taux de fonctionnement continu des équipements ne sont pas divulgués. Si le nombre d'installations augmente sur une période de deux à trois ans sans réduction des risques vérifiée, ces équipements ne constituent qu'un simple chiffre d'affaires et non un indicateur de performance en matière de sécurité.  La technologie de sécurité intelligente est commercialisée, mais son efficacité sur le terrain à Ulsan reste à confirmer.

La gestion traditionnelle de la sécurité agrège rétrospectivement les accidents, les incidents évités de justesse, les listes de contrôle et les résultats des examens de santé. Si la sécurité basée sur l'IA est conçue pour combiner en temps réel la localisation des travailleurs, les vibrations des équipements, la concentration de gaz, la température, la séquence de travail et les accidents antérieurs, les normes de données et le périmètre de l'analyse conjointe pour le complexe industriel d'Ulsan restent à définir. Si les données de 2026 à 2028 se limitent aux équipements de chaque entreprise, les mêmes types d'accidents se reproduiront sur d'autres lieux de travail.  En matière de sécurité industrielle, l'enjeu n'est plus l'équipement individuel, mais la capacité d'apprentissage des risques de l'ensemble de la chaîne d'approvisionnement.

Contrairement aux accidents, les problèmes de santé au travail se manifestent par des maladies suite à l'accumulation, sur le long terme, des effets du bruit, de la poussière, des produits chimiques dangereux, des mouvements répétitifs et du travail posté. Bien que des données existent sur les examens de santé et les accidents du travail reconnus, les données régionales établissant un lien entre l'exposition quotidienne et les modifications de santé individuelles à long terme ne sont pas divulguées. Si des restructurations d'entreprises et une mobilité accrue de la main-d'œuvre surviennent au cours des deux à trois prochaines années, l'historique d'exposition sera dispersé sur plusieurs lieux de travail, ce qui compliquera l'établissement des liens de causalité.  La lacune en matière de données sur la santé au travail ne réside pas dans les technologies de diagnostic, mais dans l'historique d'exposition qui persiste malgré les changements de lieu de travail.

Les cas d'accidents graves recensés par l'Agence coréenne de sécurité et de santé au travail dans le secteur de la construction navale révèlent une accumulation de risques récurrents, tels que les échafaudages, les charges lourdes, la rupture de cordages, les chutes et les collisions. La production navale comprenant les étapes de blocage, de soudage, de peinture et d'assemblage, ainsi que le travail collaboratif à plusieurs niveaux, les risques surviennent aux frontières du processus. Or, aucun système de divulgation publique intégrant les localisations, les permis de travail et l'état des équipements des maîtres d'œuvre et des sous-traitants n'a été identifié. L'augmentation du volume des commandes et du recours à la main-d'œuvre étrangère sur une période de deux à trois ans a engendré des lacunes d'information entre les équipes, accroissant ainsi la probabilité d'accidents.  Le principal problème de sécurité dans la construction navale ne réside pas dans un manque de connaissances concernant les types de risques, mais dans l'incapacité à contrôler simultanément les opérations en temps réel.

L'Agence coréenne de sécurité et de santé au travail a analysé l'exposition aux facteurs de risque et les risques de cancer professionnel chez les soudeurs, les peintres et les ouvriers de production du secteur de la construction navale. Bien que les évaluations des risques se soient étendues au-delà des accidents pour inclure les maladies chroniques, aucune cohorte publique ne permet d'établir un lien entre l'exposition cumulée, par fonction, des ouvriers des chantiers navals d'Ulsan et leur état de santé après la retraite. Même si l'automatisation du travail se poursuit jusqu'en 2028, les maladies chez les personnes exposées par le passé apparaîtront plus tard.  Le programme Shipbuilding AX ne peut pas éliminer immédiatement les conséquences sanitaires des expositions passées, même s'il réduit les accidents actuels.

Les complexes pétrochimiques exploitent des substances inflammables et toxiques, des installations à haute pression et haute température, ainsi que des procédés continus. Bien que les risques résultent d'une combinaison de facteurs, tels que la dégradation des équipements, les écarts de procédés et les calendriers de maintenance, plutôt que du comportement d'un seul employé, le niveau de partage des données relatives aux risques liés à la tuyauterie et aux utilités entre les entreprises n'est pas divulgué. Si les cycles de maintenance et la composition des effectifs évoluent en raison des réductions de production et de la réorganisation des installations entre 2026 et 2028, le pouvoir prédictif des modèles entraînés sur des données d'exploitation normales pourrait diminuer.  Le risque pour Petrochemical Safety AX réside non seulement dans l'absence de modèle, mais aussi dans le fait que l'environnement d'apprentissage lui-même se modifie du fait de la restructuration.

Bien que l'exposition chimique soit gérée par des mesures environnementales sur le lieu de travail et des examens de santé spécifiques, les fluctuations de concentration entre les cycles de mesure et l'exposition cumulée des travailleurs sous-traitants ne sont que partiellement prises en compte. Lier les données des capteurs de processus aux données de santé améliore la capacité de prédiction, mais soulève des questions relatives aux informations personnelles, à la discrimination à l'embauche et à la propriété des données. Si l'analyse est étendue sans cadre juridique précis pendant deux à trois ans, le risque est élevé que les prédictions de santé soient utilisées pour la sélection des travailleurs plutôt que pour l'amélioration des conditions de travail. La  technologie Occupational Health AX est techniquement réalisable, mais n'est pas considérée comme une technologie protégée en l'absence de droits sur les données relatives au travail.

Dans les usines automobiles, robots, convoyeurs, presses, chariots élévateurs et ouvriers évoluent au sein d'un même espace de production. Si les équipements de sécurité intelligents détectent en temps réel les risques d'approche, de collision et de coincement, on ignore si les équipements des fournisseurs et des entreprises de logistique sont connectés au même niveau. Si, au cours des deux à trois prochaines années, seuls les équipements intérieurs des usines de véhicules finis sont modernisés, les risques se déplacent vers les opérations de chargement/déchargement des pièces, la maintenance externalisée et la logistique.  Le niveau de couverture de la sécurité automobile est moindre aux limites de la chaîne d'approvisionnement qu'à l'intérieur même de l'usine.

L'essor de l'électrification et de la production de batteries engendre des risques accrus liés à la haute tension, à l'emballement thermique, aux substances chimiques et à la maintenance. Si la structure industrielle évolue des risques mécaniques associés aux moteurs à combustion interne vers des risques complexes impliquant l'électricité, les produits chimiques et les logiciels, on ignore dans quelle mesure le système de classification des accidents et des quasi-accidents du site d'Ulsan reflète cette évolution. Se baser uniquement sur les types d'accidents passés jusqu'en 2028 ne permettra pas d'anticiper les accidents rares mais à haut risque liés aux nouveaux procédés. Le  système Future Vehicle Safety AX est robuste face aux risques historiques grâce à l'abondance des données disponibles, mais vulnérable aux nouveaux risques pour lesquels les données sont limitées.

Ulsan a lancé un projet de collecte et de prévision des vagues de chaleur localisées grâce à l'intelligence artificielle et au big data. Si la possibilité de subdiviser les informations relatives aux vagues de chaleur, à partir des températures urbaines moyennes, en microclimats spécifiques aux lieux de travail s'est accrue, le lien avec l'intensité du travail, les équipements de protection, les horaires de travail et les conditions sous-jacentes reste à confirmer. En cas d'augmentation des risques climatiques sur deux à trois ans, les disparités en matière de dommages sanitaires, selon les processus, s'accentuent, même à température égale.  Le projet Heatwave AX d'Ulsan se concentre actuellement sur la prévision environnementale et non sur l'évaluation des risques spécifiques aux travailleurs.

L'industrie navale accroît son recours à la main-d'œuvre étrangère, tandis que le secteur manufacturier dans son ensemble est confronté au vieillissement de sa main-d'œuvre qualifiée. Bien que les compétences linguistiques, les expériences et les conditions de santé nécessaires à la compréhension des informations sur les risques se soient diversifiées, les alertes multilingues en temps réel et les taux d'application des différents niveaux de risque ne sont pas divulgués. Si l'évolution de la structure de la main-d'œuvre entre 2026 et 2028 est plus rapide que la formation à la sécurité et les systèmes d'alerte, les avertissements resteront lettre morte, même avec la mise en place de la technologie adéquate.  À Ulsan, la personnalisation et la multilinguisation des informations de sécurité, contrairement à l'évolution de la composition de la main-d'œuvre, restent à confirmer.

La reconnaissance vidéo et le suivi de localisation par IA détectent l'entrée dans les zones dangereuses et le non-port des équipements de protection. Bien que cela améliore la visibilité de la gestion de la sécurité, il n'existe pas de normes régionales communes concernant la réutilisation des données de mouvement, de vitesse et de comportement des travailleurs pour les évaluations de productivité ou les mesures disciplinaires. Si les données de sécurité sont utilisées à d'autres fins que celles prévues pendant deux à trois ans, les travailleurs évitent les capteurs et ne signalent pas les incidents, ce qui entraîne une baisse de la qualité des données. Dans le domaine  de la sécurité, où la surveillance et la protection ne sont pas dissociées, l'IA compromet les performances prédictives en raison d'un manque de confiance.

Bien que les modèles d'IA apprennent à partir des données d'accidents passés et des données de fonctionnement normal, les accidents industriels sont rares et résultent de combinaisons de situations complexes. En raison de la rareté des données d'accidents, la vérification des fausses alarmes et des détections manquées est difficile, et les indicateurs de performance de chaque modèle sur le site d'Ulsan ne sont pas divulgués. D'ici 2028, si la précision des alarmes est faible, le site ignorera les alarmes répétées et désactivera la fonction d'arrêt automatique.  Les critères d'évaluation de l'IA de sécurité ne sont pas l'état d'installation, mais plutôt le taux de détection manquée et la fiabilité du site.

Ulsan dispose du Centre de contrôle intégré du complexe industriel intelligent et vert, d'un système de prévision des vagues de chaleur par IA, d'une organisation dédiée à la sécurité industrielle et de systèmes de sécurité intelligents fournis par de grandes entreprises. Si le niveau de préparation de la ville, des complexes industriels et des grandes entreprises est confirmé, les niveaux d'équipement, de données et de personnel dédié des entreprises partenaires et des petites entreprises ne sont pas divulgués. Si le niveau de préparation au bas de la chaîne d'approvisionnement n'est pas mesuré pendant deux à trois ans, la moyenne régionale est surestimée par les performances des grandes entreprises.  Le niveau de préparation d'Ulsan en matière de sécurité (Safety AX) est jugé « avancé » pour les grandes entreprises et « inégal » pour l'écosystème industriel.

En 2025, environ 58 % des accidents mortels survenus à l'échelle nationale se sont produits dans des entreprises de moins de 50 employés. Bien que le risque soit principalement concentré dans ces petites structures, l'utilisation d'équipements de sécurité basés sur l'IA nécessite des investissements, des moyens de communication, de maintenance et d'analyse des données. Le taux d'utilisation durable de ces équipements par les petites entreprises d'Ulsan n'a pas encore été vérifié. Si seules des subventions initiales sont accordées entre 2026 et 2028, le déficit de sécurité s'aggravera avec l'apparition des coûts de remplacement et d'abonnement.  Le niveau de préparation des petites entreprises est jugé plus faible en termes d'utilisation durable qu'en termes d'installation.

La reconnaissance vidéo par IA, les grues intelligentes, la détection d'approche des chariots élévateurs et les capteurs d'effondrement/déplacement font partie des solutions commerciales proposées. Bien que diverses technologies se soient répandues, les taux d'installation et les effets sur la réduction des accidents par secteur et par procédé à Ulsan ne sont pas divulgués. Si la distribution de chaque équipement se poursuit pendant seulement deux ou trois ans, il est impossible de prévoir les accidents de procédé impliquant la combinaison de risques multiples.  Les équipements de sécurité intelligents sont disponibles sur le marché, mais leur diffusion reste partielle au sein de l'ensemble des processus d'Ulsan.

Le Centre de contrôle intégré du complexe industriel intelligent et vert a jeté les bases de la connexion des informations spatiales 3D, du contrôle et des services d'ici 2025. Bien que la visibilité à l'échelle du complexe industriel se soit améliorée, la liaison en temps réel avec les permis de travail internes, les capteurs d'équipements et les informations sur les risques pour les travailleurs n'est pas encore confirmée. Si les données de contrôle externe et les données de processus internes sont séparées d'ici 2028, l'identification du lieu d'un accident sera plus rapide, mais l'intervention préventive sera limitée.  Le contrôle du complexe industriel s'est étendu, mais la connexion des données de sécurité prédictives reste incomplète.

Les grandes entreprises disposent de leurs propres services de sécurité, capteurs, salles de contrôle et de la capacité d'investir dans les infrastructures nécessaires. Même lorsque des sous-traitants interviennent sur le site de l'entrepreneur principal, les données peuvent être cloisonnées par affiliation, processus et équipement, et le taux de partage des données n'est pas divulgué. Si les données de sécurité entre l'entrepreneur principal et ses sous-traitants ne sont pas reliées pendant deux à trois ans, la responsabilité et les risques liés aux limites des processus sont simultanément occultés.  Le système d'analyse des risques (AX) de sécurité de l'entrepreneur principal a été mis en œuvre, mais le système AX conjoint entrepreneur principal-sous-traitants reste à confirmer.

La proportion d'accidents mortels sur les lieux de travail de moins de 50 employés a dépassé la moitié. Bien que les groupes à haut risque ne correspondent pas nécessairement à ceux qui sont capables d'investir dans les technologies, les performances d'Ulsan en matière de support, d'installation et de maintenance, selon la taille de l'entreprise, n'ont pas été vérifiées. Si cet écart persiste jusqu'en 2028, le risque d'accidents au niveau régional restera le plus faible de la chaîne d'approvisionnement, malgré les progrès réalisés dans le domaine des technologies de sécurité.  Le niveau de diffusion parmi les entreprises partenaires est jugé nettement inférieur à celui des grandes entreprises.

La santé au travail gère les facteurs de risque et les maladies professionnelles grâce à des mesures de l'environnement de travail, des examens médicaux spécifiques et des enquêtes épidémiologiques. Bien que des données institutionnelles aient été recueillies, aucun système à l'échelle d'Ulsan permettant de relier l'exposition individuelle, la mobilité professionnelle et les conséquences sur la santé à long terme n'a été mis en place. Si le taux de rotation du personnel, les départs à la retraite et le nombre de travailleurs étrangers augmentent sur une période de deux à trois ans, la discontinuité des données relatives à l'exposition au travail s'accentue.  Les bilans de santé se sont généralisés, mais les données sur l'exposition cumulée tout au long de la vie restent fragmentées.

Des recherches sur l'industrie navale ont analysé le risque de maladies professionnelles en reliant des matrices d'exposition professionnelle aux données des registres de cancer, de l'assurance-emploi et des examens médicaux. Bien que la méthodologie de recherche existe, son application concrète aux travailleurs sur site, sous forme d'alertes de risques individuelles et d'aménagements de poste, reste à vérifier. Si la recherche et le lieu de travail sont dissociés d'ici 2028, les risques de maladies demeureront de simples statistiques collectives.  Malgré l'existence de capacités d'analyse de la santé au travail, la mise en œuvre de mesures de prévention en temps réel n'en est qu'à ses balbutiements.

De 2026 à 2028, Ulsan connaîtra simultanément une augmentation des commandes de construction navale, l'électrification du secteur automobile, la restructuration du secteur pétrochimique, les risques climatiques et une expansion de la main-d'œuvre étrangère. Bien que les charges de travail, les processus, les installations et la composition de la main-d'œuvre évoluent de concert, le cycle de mise à jour des modèles basés sur les données historiques, nécessaires pour refléter ces nouvelles conditions, n'est pas communiqué. Si l'évolution est plus rapide que l'apprentissage, la précision de l'IA de sécurité diminuera durant la période de transition la plus critique.  Le risque lié au facteur temps pour Ulsan Safety AX ne réside pas dans le retard d'adoption technologique, mais dans le retard de mise à jour des modèles face aux changements de la structure industrielle.

Les maladies professionnelles se caractérisent par un délai de plusieurs années entre l'exposition et le diagnostic. Si les installations et les structures d'emploi évoluent au cours des deux à trois prochaines années, les informations relatives à l'exposition des travailleurs actuels risquent d'être fragmentées en raison des fermetures de lieux de travail et des changements d'emploi. Par conséquent, il devient difficile d'identifier la cause et d'établir les responsabilités, même si la maladie se déclare ultérieurement.  La période actuelle, marquée par la restructuration des industries pétrochimiques et navales, représente la dernière occasion de préserver les antécédents médicaux des travailleurs.

Les accidents graves fonctionnent selon un système où les données ne s'accumulent qu'après des pertes humaines et des atteintes à la santé. Même si les modèles sont améliorés suite à un accident, les pertes déjà subies sont irréversibles, et la mémoire interne s'amenuise avec le remplacement des opérateurs. Si les incidents évités de justesse et les données d'alerte ne sont pas collectés pendant deux à trois ans, l'IA continue d'utiliser les données relatives aux décès et aux blessures comme matériel d'apprentissage.  L'irréversibilité de la sécurité industrielle réside dans le fait que des coûts irrécupérables sont engagés dès la génération des données de défaillance.

Si les données de santé sont fragmentées par entreprise, il devient difficile de retracer les expositions passées d'un travailleur après un changement d'emploi ou un départ à la retraite. Avec les restructurations et les fermetures d'entreprises partenaires, les archives relatives à l'environnement de travail et aux responsables risquent de disparaître. Si les historiques de santé à long terme ne sont pas reliés d'ici 2028, la probabilité d'établir un lien de causalité pour les maladies professionnelles sera durablement compromise.  Cette discontinuité des données de santé au travail représente un risque irréversible qui compromet à la fois l'évaluation des préjudices de santé et le droit à indemnisation.

Jugement de compression : Pour que le système AX d’Ulsan en matière de travail, de sécurité et de santé soit établi, ce n’est pas la fourniture d’équipements, mais le taux de détection des quasi-accidents, le délai d’alerte, le taux de connexion des partenaires, le taux de suivi de l’exposition cumulative et la réduction des accidents qui doivent être vérifiés simultanément avant 2028.

Il s'agit d'une étape, et le système prédictif reliant l'exposition des travailleurs tout au long de leur vie, les processus des entrepreneurs principaux/sous-traitants et les résultats en matière de santé est jugé incomplet.

Bien que la sécurité intelligente soit mise en œuvre dans les grandes entreprises, rien ne prouve qu'elle se soit généralisée au même niveau chez les sous-traitants, dans les petits lieux de travail et chez les travailleurs étrangers, là où les risques sont concentrés.

Labor AX doit être un système qui détermine les risques avant les accidents et l'exposition aux maladies avant l'apparition de ces dernières, plutôt qu'un système qui surveille les travailleurs de manière plus précise. Actuellement, Ulsan dispose de technologies de détection, mais n'a pas encore atteint le stade de la vérification simultanée de la prédiction, de la diffusion et des droits.

Jugement opportun : Adoption intelligente des mesures de sécurité + Risque prédictif d'intégration de la santé et de la sécurité au travail

Sources de preuves

• Ministère de l'Emploi et du Travail, État des lieux des accidents mortels faisant l'objet d'une enquête en 2025
• Ministère de l'Emploi et du Travail, État des lieux des accidents du travail 2025
• Agence coréenne de sécurité et de santé au travail, Statistiques sur les accidents graves
• Agence coréenne de sécurité et de santé au travail, cas d'accidents graves dans l'industrie de la construction navale
• L'Agence coréenne de sécurité et de santé au travail analyse les facteurs de risque et les maladies professionnelles dans l'industrie de la construction navale.
• L'Agence coréenne pour la sécurité et la santé au travail soutient les équipements de sécurité intelligents
• Agence coréenne de sécurité et de santé au travail, Cas pratiques d'IA et de technologies de sécurité industrielle intelligentes
• La ville métropolitaine d'Ulsan, une réponse aux vagues de chaleur basée sur l'IA et le Big Data
• Centre de contrôle intégré du complexe industriel vert intelligent de la ville métropolitaine d'Ulsan

Analyse structurelle — L'IA en matière de sécurité industrielle arrive déjà trop tard, d'autant plus qu'elle tire des leçons des accidents.

Les performances de l'IA appliquée à la production industrielle s'améliorent avec l'augmentation du volume de données sur la production, les défauts et la maintenance. Si les modèles d'IA pour la sécurité industrielle peuvent gagner en sophistication grâce à l'accroissement du nombre d'accidents analysés, ces données sont générées au prix de blessures et de décès. Il s'agit d'un domaine particulier où l'accumulation de données et les conséquences sociales n'évoluent pas de concert.

Plus les accidents sont rares, plus l'apprentissage statistique est complexe, mais plus la corrélation avec la sécurité est forte. Inversement, les sites accidentogènes sont propices à l'entraînement des modèles, mais représentent des lieux où la prévention a déjà échoué. Par conséquent, si l'IA en matière de sécurité industrielle est conçue à partir de données d'accidents, un paradoxe apparaît : les usines les plus sûres manquent de données d'entraînement suffisantes, tandis que les usines les plus dangereuses ne montrent une amélioration de leur capacité prédictive qu'après l'accumulation des dommages.

Les données qui modifient cette structure ne sont ni les décès ni les blessures, mais plutôt les dysfonctionnements des équipements, les chevauchements de tâches, les avertissements ignorés, le retrait des équipements de protection, les incidents évités de justesse et l'exposition à des facteurs de risque. Or, ces données sont dispersées au sein de l'entreprise et recoupent les informations issues de la surveillance des travailleurs. Si leur valeur préventive augmente avec le temps, avant qu'un accident ne survienne, le risque d'atteinte aux droits s'accroît également.

Par conséquent, le tournant structurel d'Ulsan Labor AX ne réside pas dans la précision de l'IA elle-même.  La mise en place d'Industrial Safety AX dépend de la sécurisation simultanée des données permettant d'identifier les risques sans blessure humaine et de la garantie que ces données seront utilisées exclusivement pour la protection des travailleurs.