L'inspection du travail albanaise a remplacé sa 'Matrice des sanctions' par MIRA, un outil ML à neuf algorithmes qui oriente 70% de ses 12 000+ inspections annuelles, avec un gain de 30% dans la prédiction du travail non déclaré, selon l'OIT/UE et la presse albanaise.
12,000+
Inspections du travail annuelles
70%
Inspections planifiées via l'évaluation des risques MIRA
30%
Inspections restées aléatoires (validation)
30%
Amélioration de la prédiction du travail non déclaré/sous-déclaré par rapport à la méthode précédente
~68%
Cas confirmés d'emploi informel issus d'inspections planifiées par MIRA
100+
Variables utilisées par score de risque d'inspection
9
Algorithmes d'apprentissage automatique dans MIRA
Détails
Maturité
Établie
Promoteur
State Inspectorate for Labour and Social Services (ISHPSH), Albania — with ILO technical support and EU funding
Période
2023-present
Mots-clés
labour inspection, compliance, risk assessment, machine learning
Contexte
L'emploi informel touche plus de la moitié de la main-d'œuvre albanaise ces dernières années, concentré dans l'agriculture, le commerce, la construction et l'hôtellerie. L'Inspection d'État du travail et des services sociaux d'Albanie (ISHPSH) s'appuyait auparavant sur une « Matrice des sanctions » statique et fondée sur des règles pour décider quelles entreprises inspecter. Avec le soutien technique de l'Organisation internationale du travail (OIT) et un financement de l'Union européenne, l'ISHPSH a construit MIRA (Matrice d'intelligence et d'évaluation des risques), qui exécute neuf algorithmes d'apprentissage automatique sur des données historiques d'inspection — taille de l'entreprise, secteur, localisation, saisonnalité, horaires de travail et historique de conformité, sur plus de 100 variables par inspection — afin d'évaluer quels employeurs sont les plus susceptibles d'être en infraction. MIRA est entré en service en novembre 2023, remplaçant l'ancien système fondé sur des règles.
Résultats
Avec plus de 12 000 inspections menées chaque année, 70 % sont désormais planifiées à partir de l'évaluation des risques de MIRA (les 30 % restants demeurent aléatoires, afin de vérifier que le modèle ne laisse pas passer d'angles morts). L'ISHPSH et l'OIT font état d'une amélioration de 30 % de la prédiction du travail non déclaré et sous-déclaré par rapport à la méthode manuelle précédente, et environ 68 % des cas confirmés d'emploi informel proviennent désormais d'inspections planifiées par MIRA plutôt que d'inspections aléatoires. Aucun audit indépendant tiers de l'équité ou des taux d'erreur de MIRA n'a été publié.
Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
State Inspectorate for Labour and Social Services (ISHPSH) inspectors, ILO technical support team
Conditions de réussite
keeping a 30% random-inspection share to check the model isn't missing blind spots
integrating case management with the risk-scoring engine
sufficient quality historical inspection data across 100+ variables
Modes d’échec courants
no independent third-party audit of fairness or error rates published
European Labour Authority has flagged bias/explainability as an open issue for AI-driven inspection risk-scoring generally
Vous portez cette pratique ?
Revendiquez-la —
les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
Sources de données
D'où proviennent les informations de cette pratique, et quand.