Un problème concret, une tentation technologique
En Suisse, les absences liées aux troubles psychiques représentent environ 30 % des nouvelles rentes AI octroyées chaque année — un chiffre stable depuis 2015 selon l'Office fédéral des assurances sociales (OFAS). Pour un dirigeant de PME qui gère seul 20 collaborateurs, anticiper un burn-out avant l'arrêt maladie prolongé n'est pas du luxe : c'est une nécessité économique. Des éditeurs de logiciels RH proposent désormais des modules IA censés détecter les signaux faibles — variations de productivité, fréquence des e-mails tardifs, absentéisme répété, scores d'engagement — et générer une alerte sur un tableau de bord RH. Le bénéfice supposé est réel. Les risques légaux, eux, sont souvent sous-estimés.
Ce que la nLPD interdit déjà aujourd'hui
Depuis le 01.09.2023, la nouvelle loi fédérale sur la protection des données (nLPD) aligne le droit suisse sur des exigences proches du RGPD européen, avec plusieurs points critiques pour la détection automatisée de l'épuisement.
Données sensibles et données de santé
La nLPD classe les données relatives à la santé comme données personnelles sensibles (art. 5 let. c nLPD). Un score de risque de burn-out généré par un algorithme à partir de comportements numériques constitue-t-il une donnée de santé ? Jurisprudentiellement, la question n'est pas encore tranchée en Suisse, mais le Préposé fédéral à la protection des données et à la transparence (PFPDT) a posé le principe que toute inférence sur l'état de santé d'une personne tombe dans cette catégorie, même si les données sources sont comportementales. Conséquence immédiate : le traitement de ces données exige un fondement juridique explicite (consentement, intérêt prépondérant, ou base légale), une information préalable et, en cas de profilage à risque élevé, une analyse d'impact (AIPD).
Décisions automatisées et droit à l'explication
L'art. 21 nLPD interdit les décisions fondées exclusivement sur un traitement automatisé qui produisent des effets juridiques ou affectent significativement la personne concernée. Si un système IA génère une alerte qui déclenche un entretien formel, une réaffectation ou une mise en observation documentée, on se rapproche dangereusement d'une décision automatisée au sens de la loi. L'employé peut alors exiger une décision revue par un humain, présenter son point de vue, et obtenir une explication sur la logique du traitement. Pour une PME sans juriste interne, gérer cette procédure représente un fardeau administratif non négligeable.
Principe de minimisation et finalité
La nLPD impose de ne collecter que les données strictement nécessaires à la finalité déclarée. Un outil IA qui agrège l'heure d'envoi des e-mails, les logs de connexion au VPN, les pauses badgées et les scores de satisfaction pour alimenter un modèle de prédiction collecte structurellement plus que ce qu'une simple surveillance de l'absentéisme justifierait. Chaque source de données doit être justifiée séparément, documentée dans un registre de traitement (obligatoire pour les entreprises qui traitent des données sensibles à grande échelle, mais recommandé pour toutes).
Le cadre du droit du travail : CO et LTr
La protection des données n'est pas le seul filet. Le Code des obligations (CO), art. 328, impose à l'employeur de protéger la personnalité du travailleur et de s'abstenir de toute atteinte injustifiée. Surveiller en continu les comportements numériques d'un employé sans son accord explicite — même avec l'intention bienveillante de détecter un burn-out — peut constituer une violation de l'art. 328 CO.
Surveillance informatique et règlement interne
La Loi sur le travail (LTr), combinée à l'Ordonnance 3 relative à la LTr (OLT 3, art. 26), précise que les systèmes de surveillance ou de contrôle destinés à surveiller le comportement des travailleurs à leur poste de travail sont interdits. Seuls les systèmes justifiés par des motifs d'exploitation sont admissibles — et encore, ils ne doivent pas porter atteinte à la santé ou à la liberté de mouvement des employés. Un module IA qui analyse les métadonnées de communication pour inférer un état émotionnel dépasse très probablement ce cadre, même formulé comme outil de « bien-être ».
En pratique, si une PME souhaite déployer un tel outil, elle doit au minimum : informer les collaborateurs dans le règlement intérieur ou une annexe au contrat de travail, préciser la finalité exacte, la nature des données collectées, les destinataires des alertes, et la durée de conservation. Sans cela, le déploiement est illicite, indépendamment de l'intention.
Consentement : libre et éclairé, ou fictif ?
Dans une relation de travail, le consentement n'est jamais totalement libre au sens du droit de la protection des données. Le rapport de subordination crée une pression structurelle : un employé qui refuse le monitoring IA peut craindre — à tort ou à raison — des conséquences sur son évaluation. Le PFPDT a relevé ce problème dans plusieurs prises de position. Pour qu'un consentement soit valable dans ce contexte, il doit être granulaire (par type de données), révocable sans conséquence professionnelle, et documenté individuellement. Obtenir une signature sur un avenant collectif lors du déploiement d'un nouvel outil ne suffit pas.
Les limites éthiques au-delà du droit
Même dans un périmètre légalement conforme, plusieurs questions éthiques restent ouvertes et méritent une réponse explicite avant tout déploiement.
Le risque de stigmatisation et d'auto-censure
Si les collaborateurs savent qu'un algorithme analyse leurs comportements pour détecter des signes de fragilité, beaucoup vont adapter leur comportement : envoyer leurs e-mails dans des plages horaires « normales », éviter d'exprimer une surcharge dans les outils de ticketing, masquer leurs difficultés. L'outil produit alors l'effet inverse de celui recherché : il pousse les personnes en difficulté à se taire encore davantage. Dans une PME de 8 à 30 personnes où tout le monde se connaît, ce phénomène est amplifié.
Faux positifs et conséquences managériales
Un algorithme entraîné sur des données d'entreprises nord-américaines ou de grandes structures ne reflète pas les patterns d'une PME vaudoise dans le secteur de la construction ou de la logistique. Les variations saisonnières (fin d'exercice fiscal, rush de commandes, périodes de sous-charge), les absences légitimes pour garde d'enfant, ou simplement le style de travail d'un collaborateur senior qui répond à ses e-mails le soir par choix personnel — autant de signaux que l'IA peut mal interpréter. Un faux positif qui déclenche un entretien RH formel avec un employé performant et en bonne santé nuit à la relation de confiance et à la crédibilité de la démarche.
Qui reçoit l'alerte et qui décide ?
Dans une PME, la fonction RH est souvent assurée par le dirigeant lui-même ou partagée avec la fiduciaire. Une alerte de burn-out qui arrive directement dans la boîte mail du patron crée une asymétrie d'information radicale : l'employé ne sait pas que l'employeur a reçu ce signal, ne peut pas le contester, et la discussion qui s'ensuit est faussée dès le départ. Ce scénario contrevient à l'art. 328 CO et fragilise la relation de travail bien au-delà du cas individuel.
Ce que l'IA peut légitimement faire en RH aujourd'hui
La surveillance individuelle algorithmique est risquée. L'analyse agrégée et anonymisée, en revanche, offre des usages conformes et utiles. Un outil qui produit un indicateur global d'absentéisme sur l'ensemble de l'équipe, compare les tendances mensuelles sur 12 mois, ou signale qu'un département affiche un taux de turn-over deux fois supérieur à la moyenne sectorielle — sans jamais cibler un individu nominalement — reste dans les limites légales et apporte une valeur de gestion réelle. De même, des questionnaires de bien-être anonymes et volontaires, traités par IA pour dégager des tendances, sont admissibles à condition que l'anonymat soit garanti techniquement (pas juste déclaré).
L'IA peut aussi accompagner le manager dans la préparation des entretiens individuels annuels : synthèse des objectifs, points d'attention documentés lors de l'année, comparaison des évaluations dans le temps. C'est de l'assistance à la décision humaine, pas de la surveillance automatisée — et c'est là que se trouve la frontière légale.
Cas pratique : Fiduciaire Marchand SA, Morges, 18 employés
Nathalie Roux, associée-gérante de Fiduciaire Marchand SA à Morges, gère 18 collaborateurs dont 14 gestionnaires de paie et comptables. En janvier 2024, elle observe que deux collaboratrices — Sophie et Isabelle — ont pris chacune 4 jours d'absence distincts en l'espace de 3 mois, sans jamais déclencher le seuil de 30 jours qui active le suivi médecin-conseil de l'assurance indemnités journalières (Helvetia, contrat collectif avec franchise de 3 jours, taux 80 %). Le coût pour la fiduciaire : 3 jours × 2 collaboratrices × salaire journalier moyen CHF 320 = CHF 1'920 à charge de l'employeur sur la période, plus la désorganisation interne.
Un éditeur de logiciel lui propose un module IA intégré à son outil de planning qui analysera les patterns d'absence, les e-mails envoyés après 21h00 et les délais de traitement des dossiers pour générer un score de risque individuel hebdomadaire. Tarif : CHF 85/mois. Nathalie est tentée.
Analyse de conformité : Le module collecte des métadonnées de communication (heure d'envoi des e-mails) et des données de performance (délais de traitement), croisées avec des données d'absence. L'inférence produite — un score de risque psychologique — constitue une donnée de santé sensible au sens de l'art. 5 nLPD. Sans AIPD documentée, sans information individualisée des collaboratrices, sans base légale explicite, le déploiement est illicite. Le consentement obtenu lors d'une réunion d'équipe ne serait pas valable (pression du rapport de subordination).
Alternative conforme : Nathalie paramètre dans son logiciel RH une alerte automatique agrégée : dès qu'un collaborateur cumule 3 absences distinctes en 90 jours, elle reçoit une notification pour planifier un entretien de retour. Ce déclencheur est documenté dans le règlement intérieur signé par tous les collaborateurs à l'embauche. L'entretien est mené par Nathalie, sans aucun score algorithmique visible, sur la base d'une conversation ouverte. Elle peut s'appuyer sur les ressources du SECO pour les bonnes pratiques en matière de gestion du stress au travail. Coût : 0 CHF supplémentaire, conformité totale, relation de confiance préservée.
Résultat six mois plus tard : Sophie a bénéficié d'un aménagement temporaire de ses horaires (4/5 pendant 3 mois) et repris un rythme normal. Isabelle a été orientée vers le médecin du travail de la SUVA via l'assurance LAA, qui a identifié une problématique ergonomique. Aucune absence prolongée n'a suivi.
Récapitulatif opérationnel
- Cartographier avant de déployer : Pour tout outil IA RH, lister les données collectées, leur source, leur finalité et leur durée de conservation dans un registre de traitement — obligatoire si vous traitez des données sensibles, recommandé dans tous les cas.
- Qualifier les inférences : Si l'outil produit un score, une probabilité ou une catégorie relative à l'état psychologique ou de santé d'un collaborateur identifiable, traitez-le comme donnée de santé sensible (nLPD art. 5 let. c).
- Bannir la surveillance individuelle nominative automatisée : L'analyse de comportements individuels pour générer une alerte personnalisée est incompatible avec l'art. 328 CO et l'art. 26 OLT 3 sauf exception très encadrée et documentée.
- Préférer les indicateurs agrégés et anonymes : Taux d'absentéisme par équipe, tendances de satisfaction globales, comparaisons mensuelles — ces données sont actionnables sans exposer un individu.
- Formaliser dans le règlement intérieur : Tout système de monitoring, même limité, doit être décrit dans un document signé : nature des données, finalité, qui y a accès, durée de conservation.
- Valider le consentement individuellement : Une clause générale dans le contrat collectif ne suffit pas. Le consentement doit être granulaire, révocable sans conséquence, et documenté par collaborateur.
- Conduire une AIPD avant tout déploiement à risque élevé : Si le système traite des données de santé inférées ou produit des décisions automatisées, une analyse d'impact sur la protection des données est requise avant la mise en production.
- Former le manager avant l'outil : Un entretien de retour structuré, conduit par un manager formé à l'écoute active, détecte mieux le burn-out qu'un algorithme — et préserve la relation de travail.
- Consulter le PFPDT ou un juriste spécialisé : Avant tout achat de module IA RH avec scoring individuel, une heure de conseil juridique coûte moins cher qu'une violation de la nLPD (amendes jusqu'à CHF 250'000 pour les personnes physiques responsables).
Un outil comme SynHR permet de centraliser la gestion RH — absences, documents, entretiens — sans recourir à des modules de scoring comportemental, ce qui simplifie le respect du cadre légal décrit ici.
Sources
- Loi fédérale sur la protection des données (nLPD), fedlex.admin.ch — Texte consolidé de la nLPD en vigueur depuis le 01.09.2023, avec les dispositions sur les données sensibles, le profilage et les décisions automatisées.
- Code des obligations (CO), fedlex.admin.ch — Notamment l'art. 328 sur la protection de la personnalité du travailleur par l'employeur.
- Loi sur le travail (LTr), fedlex.admin.ch — Base légale des restrictions à la surveillance des employés sur le lieu de travail, complétée par l'OLT 3 art. 26.
- Secrétariat d'État à l'économie (SECO) — Ressources sur la protection de la santé au travail, le stress professionnel et les obligations de l'employeur en matière de bien-être.
- Office fédéral des assurances sociales (OFAS/BSV) — Statistiques AI, données sur les rentes pour troubles psychiques, cadre de l'assurance invalidité en lien avec le burn-out.