La maintenance prédictive consiste à surveiller l'état d'un équipement par des mesures (vibrations, température, huile, courant électrique) pour prévoir le moment où il tombera en panne, et intervenir juste avant. La norme NF EN 13306 l'appelle maintenance prévisionnelle. Elle sert à éviter les arrêts de production imprévus sans remplacer des pièces encore bonnes.
Qu'est-ce que la maintenance prédictive ?
La norme NF EN 13306 (2018) définit la maintenance prévisionnelle, dite aussi prédictive, comme une « maintenance conditionnelle exécutée suite à une prévision obtenue grâce à une analyse répétée ou à des caractéristiques connues et à une évaluation des paramètres significatifs de la dégradation du bien ». Autrement dit : on mesure régulièrement un signe d'usure, on suit son évolution dans le temps, et on en déduit la date probable de la défaillance.
Son principe repose sur un constat simple : un équipement montre presque toujours des signes de dégradation avant de tomber en panne (une vibration qui augmente, un roulement qui chauffe, une huile qui se charge en particules). La maintenance prédictive cherche à repérer ces signes assez tôt pour planifier l'intervention.
Maintenance prédictive, préventive ou conditionnelle : quelle différence ?
- La maintenance corrective : on répare après la panne.
- La maintenance préventive systématique : on intervient selon un échéancier fixe (heures de marche, cycles, calendrier), sans contrôler l'état de l'équipement. Exemple : une vidange toutes les 500 heures.
- La maintenance conditionnelle : on intervient quand une mesure franchit un seuil. Le déclencheur est une mesure d'état, pas une date.
- La maintenance prévisionnelle, ou prédictive : on suit l'évolution de la mesure et on projette le moment de la défaillance. Le résultat n'est pas une alerte mais un horizon : il reste tant de jours ou de cycles avant la panne probable, ce qu'on appelle la durée de vie résiduelle.
La norme range la prévisionnelle parmi les maintenances conditionnelles, elles-mêmes préventives. En pratique, beaucoup de sites combinent les quatre selon la criticité de chaque équipement.
Les techniques de surveillance
- L'analyse vibratoire : elle détecte les défauts mécaniques des machines tournantes (balourd, désalignement, usure de roulement).
- La thermographie infrarouge : elle repère les points chauds (roulement en surchauffe, connexion électrique défaillante), sans contact et en fonctionnement.
- L'analyse d'huile : elle mesure l'usure interne par les particules métalliques, la viscosité et la contamination par l'eau.
- Les ultrasons : ils trouvent les fuites d'air comprimé ou de gaz, les décharges électriques et les défauts de graissage.
- L'analyse du courant électrique : les variations du courant absorbé signalent des problèmes sur le moteur ou sur la machine qu'il entraîne.
Le choix dépend du mode de défaillance à surveiller : on ne pose pas un capteur de vibration sur une armoire électrique.
Comment ça marche, des capteurs à l'ordre de travail
1. Choisir les équipements dont la panne coûte le plus cher en arrêt de production ou en sécurité.
2. Choisir la mesure qui révèle leur mode de défaillance, et poser les capteurs ou organiser les relevés.
3. Établir la mesure de référence en fonctionnement normal, puis les seuils d'alerte.
4. Collecter et historiser les données, en les rattachant à chaque équipement.
5. Analyser : par des seuils et des tendances, ou par des modèles d'apprentissage automatique qui comparent un équipement à son propre historique et à ses semblables.
6. Déclencher l'intervention dans la GMAO, avec les pièces et le technicien, au moment le moins coûteux pour la production.
La GMAO est le maillon qui transforme une alerte en intervention planifiée. Voir notre guide GMAO.
Maintenance prédictive et IA
L'apprentissage automatique sert depuis longtemps à la maintenance prédictive : il repère des dérives qu'aucun seuil fixe ne capte, en combinant plusieurs mesures. L'IA générative apporte un usage plus récent : retrouver dans un manuel technique qui peut compter 2 000 pages la procédure qui répond au problème détecté. Des éditeurs présentent aussi des agents qui, à partir d'une alerte de capteur, vérifient l'historique, créent l'ordre de travail et l'affectent à un technicien disponible.
Des exemples dans l'industrie
- SNCF : de 2013 à 2020, la SNCF a équipé ses trains de capteurs, d'abord sur la climatisation, puis sur les portes, les compresseurs, les batteries et les moteurs. En 2021, elle déclarait suivre les données de 900 trains et avoir réduit leurs pannes de 20 % (Journal du Net, 02/06/2021). Elle soulignait aussi que les données des capteurs seules ne suffisent pas : il faut les croiser avec d'autres sources.
- Air France Industries KLM Engineering & Maintenance : son outil Prognos détecte une défaillance 10 à 20 vols avant qu'elle survienne, soit environ une semaine pour remplacer la pièce. Il fallait 2 à 3 mois de données pour construire un modèle fiable sur un nouveau système (Journal de l'Aviation, 13/07/2017).
- TGV M : pour sa nouvelle rame, la SNCF passe d'inspections programmées à une maintenance déclenchée par l'état réel, à partir de capteurs qui remontent en continu (Le Monde Informatique, 27/05/2024).
Ce qu'en disent les industriels à Tech for Industry Show
À Tech for Industry Show 2026, à Paris Expo Porte de Versailles :
- Alstom a présenté Hub, sa plateforme de maintenance prédictive qui exploite les données des capteurs pour anticiper les défaillances et planifier les remplacements la nuit ou le week-end. Pour le métro de Riyad, le client exigeait que ses données restent en Arabie saoudite. Lire l'article
- AVEVA a cité le cas d'Air Liquide, qui surveille plus de 300 sites dans le monde et plus de 40 000 équipements, et détecte des dérives des mois à l'avance pour préparer la maintenance et les pièces de rechange. Lire l'article
- Renault a raconté un projet de maintenance prédictive sur les réducteurs de ses robots, arrêté faute de résultats, puis relancé avec un doctorant : un exemple de la patience que demandent ces projets. Lire l'article
- Astriis, jeune entreprise française d'analyse vibratoire des machines tournantes, a reçu le Startup Award du salon. Lire l'article
Les conférences sont à revoir en replay : Alstom et Exide Technologies : IA, simulation et données, Passer l'IA souveraine à l'échelle.
Prérequis et limites
- Des données historisées et fiables : sans historique de fonctionnement, et si possible de pannes, un modèle ne peut rien prévoir. Un site neuf commence par la surveillance d'état.
- Commencer petit : un ou deux équipements critiques, ou un site pilote, avant de généraliser. Beaucoup de projets restent au stade du pilote faute de cas d'affaires et de suivi de la valeur (Deloitte).
- Relier les outils : capteurs, plateforme d'analyse, GMAO et ERP doivent échanger leurs données.
- Toutes les pannes ne se prévoient pas : une rupture brutale ou une erreur humaine ne laissent pas de signe précurseur mesurable.
- Garder l'expertise : interpréter un spectre vibratoire ou valider une alerte reste un métier.
Les exposants 2027 qui outillent la maintenance prédictive
À rencontrer à Tech for Industry Show 2027 (liste par ordre alphabétique) :
- CARL Software : logiciel de gestion de la maintenance et plateforme IoT dédiée à la maintenance prévisionnelle ;
- Probayes : intelligence artificielle et analyse prédictive ;
- SpinalCom : jumeau numérique d'exploitation qui réunit données OT, IT et GMAO.
Questions fréquentes
Qu'est-ce que la maintenance prédictive, en une phrase ?
C'est la maintenance qui prévoit la panne d'un équipement à partir de l'évolution de mesures d'usure, pour intervenir juste avant.
Quelle différence entre maintenance prédictive et préventive ?
La préventive systématique intervient à date fixe, quel que soit l'état de l'équipement ; la prédictive intervient au moment où l'usure mesurée annonce la panne.
Quelle différence entre maintenance conditionnelle et prédictive ?
La conditionnelle réagit quand une mesure dépasse un seuil ; la prédictive projette l'évolution de la mesure pour estimer quand la panne surviendra.
Faut-il de l'IA pour faire de la maintenance prédictive ?
Non. Des seuils et des courbes de tendance suffisent pour beaucoup d'équipements. L'apprentissage automatique aide quand plusieurs mesures doivent être combinées.
Par où commencer ?
Par les équipements dont la panne coûte le plus cher, une mesure adaptée à leur mode de défaillance, et une GMAO qui transforme les alertes en interventions.
