Détecter le stress sans augmenter la charge des professionnel·les des soins

Le stress lié au travail peut affecter la santé, la capacité à travailler et le maintien dans la profession des professionnel·les des soins infirmiers. Pourtant, les enquêtes classiques ne permettent souvent de détecter les situations de stress qu’à un stade avancé. Un projet de la BFH examine donc si les données issues des montres connectées, des plannings de travail et de l’activité quotidienne peuvent contribuer à détecter précocement le stress, tout en limitant autant que possible la charge supplémentaire pour les professionnel·les. 

Quand mesurer le stress devient une source de stress

Les exigences professionnelles élevées, les difficultés à concilier vie professionnelle et vie privée ainsi que le manque de possibilités de récupération caractérisent le quotidien de nombreuses personnes travaillant dans les soins infirmiers. Le stress lié au travail n’affecte toutefois pas uniquement la santé des collaborateur·rices. À long terme, il peut également être associé à l’épuisement professionnel (burnout), à une diminution de la capacité de travail et à l’intention de quitter la profession. Le stress constitue ainsi aussi un enjeu pour garantir durablement la qualité des soins. 

Aujourd’hui, les organisations de santé évaluent souvent ces facteurs de stress au moyen d’enquêtes. Celles-ci fournissent des informations importantes, mais présentent certaines limites : elles demandent du temps, sollicitent davantage les collaborateur·rices et ne donnent souvent qu’une image ponctuelle de la situation. Parallèlement, la disposition à participer aux enquêtes diminue. Les variations à court terme entre différents jours de travail ou différentes équipes sont donc difficiles à identifier. 

C’est dans ce contexte que s’inscrit le projet interdisciplinaire de la BFH « Détection technologique du stress lié au travail chez les professionnel·les des soins infirmiers ». Des chercheur·euses des départements Santé ainsi que Technique et Informatique ont étudié dans quelle mesure il était possible d’utiliser des données déjà disponibles et collectées automatiquement afin de représenter la charge de travail au plus près de la réalité quotidienne des soins. 

Le stress ne se résume pas à une fréquence cardiaque élevée

Un premier défi majeur consiste à déterminer ce qu’il convient réellement de mesurer. Le stress n’est pas une valeur unique. Un planning exigeant, une charge de travail importante ou le fait de devoir remplacer quelqu’un au pied levé peuvent constituer des facteurs de stress. L’intensité de la réaction varie toutefois d’une personne à l’autre et dépend notamment des ressources individuelles, de la situation et des possibilités de récupération. 

Une fréquence cardiaque élevée ne constitue donc pas, à elle seule, un indicateur univoque de stress. Elle peut également être due à une activité physique, par exemple monter des escaliers ou marcher rapidement. Les signaux physiologiques doivent donc être interprétés en tenant compte du contexte professionnel. C’est précisément là que réside l’intérêt d’une approche combinant différentes sources de données. 

Quatre perspectives sur une même journée de travail

Dans le cadre d’une étude de faisabilité menée sur trois mois, 24 professionnel·les des soins infirmiers issus de deux organisations de santé ont participé à l’étude. Quatre types d’informations ont été recueillis : 

• Données physiologiques, recueillies au moyen d’une montre connectée, notamment la fréquence cardiaque.
• Données issues des plannings de travail, afin de représenter les horaires et les modèles de travail en équipe.
• Textes issus de la documentation courante des soins, rédigés par les professionnel·les participant·es dans le cadre de leur activité.
• Brèves autoévaluations quotidiennes, servant de référence pour le stress ressenti subjectivement.

Les données ont ainsi été recueillies en grande partie là où le stress survient effectivement : dans le quotidien réel des soins et non dans une situation de laboratoire artificielle. 

L’autoévaluation quotidienne était nécessaire pour mettre en regard les données recueillies par voie technologique avec l’expérience personnelle des professionnel·les des soins. Ce n’est qu’en les confrontant qu’il est possible d’examiner quels modèles sont effectivement associés au stress perçu. 

Le planning fournit étonnamment beaucoup de contexte

Les résultats montrent pourquoi ces différentes perspectives sont importantes. Les informations issues des plannings de travail se sont notamment révélées très instructives. Le niveau de stress perçu variait par exemple selon le type d’équipe. Les modifications du service initialement planifié ou le fait de devoir remplacer quelqu’un pendant un jour de congé peuvent également fournir des indications sur les difficultés à concilier vie professionnelle et vie privée. 

Les analyses technologiques ont elles aussi donné des résultats prometteurs. Les données physiologiques et textuelles contenaient des informations relatives au stress, mais aucune de ces sources ne permettait à elle seule de représenter l’ensemble de la situation. Le contexte devenait particulièrement pertinent lorsque des informations supplémentaires sur le service concerné et la situation de travail étaient prises en compte. Ces travaux préliminaires montrent ainsi avant tout une chose : ce n’est pas le volume de données qui est déterminant, mais la combinaison pertinente de différentes sources de données. 

Faisabilité technique ne signifie pas encore applicabilité pratique

La question n’est toutefois pas seulement de savoir si le stress peut être détecté au moyen de technologies. Il est tout aussi important de déterminer comment de telles méthodes peuvent être utilisées dans la pratique. 

Les données relatives à la fréquence cardiaque, aux horaires de travail ou à l’utilisation de systèmes numériques peuvent rapidement donner l’impression d’une surveillance permanente. Dans l’étude de faisabilité, seul·es les chercheur·euses avaient donc accès aux données anonymisées. La forte disposition à participer montre que les professionnel·les des soins ne sont pas fondamentalement opposé·es à de telles approches. La transparence, la protection des données et une utilité clairement identifiable sont toutefois essentielles. 

Un futur système de suivi du stress ne devrait donc pas chercher à répondre à la question : « Quels professionnel·les des soins sont particulièrement stressé·es ? » La question devrait plutôt être : « Quelles conditions de travail entraînent de manière répétée une surcharge et sur quels leviers l’organisation peut-elle agir ? » L’accent se déplace ainsi de la surveillance des individus vers la prévention et l’aménagement de conditions de travail favorables à la santé. 

De la preuve de faisabilité au suivi du stress

L’étude montre qu’une évaluation du stress lié au travail, soutenue par la technologie, est en principe possible dans le quotidien réel des soins infirmiers. Elle met toutefois également en évidence les domaines dans lesquels des recherches supplémentaires sont nécessaires. L’échantillon était restreint, la durée d’observation limitée et certains signaux de stress ne peuvent pas encore être interprétés de manière univoque. Les résultats ne constituent donc pas encore un outil prêt à l’emploi pour les organisations de santé, mais une preuve de faisabilité et un point de départ pour la prochaine phase de recherche. 

Dans le cadre d’un projet de suivi prévu, cette approche doit donc être étudiée auprès d’un plus grand nombre de professionnel·les de santé, sur une période plus longue et à l’aide de sources de données supplémentaires. À long terme, l’objectif est de rendre visibles plus précocement les évolutions des conditions de travail. Les organisations de santé pourraient ainsi identifier les situations de surcharge avant qu’elles n’entraînent des conséquences sur la santé ou des départs de la profession.

Références

• Aebi, C., Grataloup, A., Ben Souissi, S. & Golz, C. (2026). Towards Realistic Privacy-Preserving Stress Detection for Nurses Using Smartwatch Data. In Proceedings of the 15th International Conference on Data Science, Technology and Applications – Volume 1: DATA; ISBN 978-989-758-854-9; ISSN 2184-285X, SciTePress, pages 317-324. DOI: 10.5220/0014980800004091 

• Pareja Bernal, L. F., Ben Souissi, S., & Golz, C. (2026). Machine Learning–Based Detection of Workplace Stress Using Wearable and Multimodal Data: A Systematic Literature Review. Frontiers in Artificial Intelligence, 9, 1837195. https://doi.org/10.3389/frai.2026.1837195  

• Ikae, C., Ben Souissi, S., Bieri, J.S. Müller, T.J., Feuz-Schlunegger, M., Golz, C. (2026). A scoping review of natural language processing for detecting work-related stress among health professionals. Discov Computing 29, 14. https://doi.org/10.1007/s10791-025-09886-7 

• Bieri, J. S., Ikae, C., Ben Souissi, S., Müller, T. J., Schlunegger, M. C., & Golz, C. (2024). Natural Language Processing for Work-Related Stress Detection Among Health Professionals: Protocol for a Scoping Review. In JMIR Research Protocols (Vol. 13). JMIR Publications. https://doi.org/10.2196/56267