Introduction

Vous lisez deux articles dans la même semaine. L'un vante la maintenance prédictive avec des capteurs IoT. L'autre parle de maintenance intelligente basée sur le savoir. Lequel a raison ?

C'est un faux débat. La maintenance prédictive (capteurs et modèles d'apprentissage) et la maintenance intelligente (savoir structuré et diagnostic) ne s'opposent pas : elles se complètent. Cet article explique pourquoi le savoir structuré est le socle, et pourquoi la prédiction par capteurs vient l'enrichir sur les équipements les plus critiques, et pas l'inverse.

Il s'adresse aux responsables maintenance et directeurs industriels qui arbitrent entre investir dans des capteurs ou structurer d'abord le diagnostic.

Qu'est-ce que la maintenance prédictive, et où s'arrête-t-elle

Un logiciel de maintenance prédictive installe des capteurs sur les machines, et un modèle apprend à reconnaître les signaux qui précèdent les défaillances. Quand un signal dangereux émerge, l'IA lance une alerte.

Selon le rapport PwC/Mainnovation Predictive Maintenance 4.0 (2018), les entreprises matures en maintenance prédictive observent en moyenne 9 % d'amélioration de la disponibilité machine, avec des gains complémentaires sur la durée de vie des équipements et la gestion des stocks.

Ses limites :

1. Elle réclame beaucoup d'historique : il faut un grand nombre de défaillances documentées pour qu'un modèle devienne fiable.

2. Elle alerte, elle ne diagnostique pas : « défaillance prévue dans 15 jours », d'accord, mais qu'est-ce qui va casser, et pourquoi ?

3. Elle ignore le contexte métier : les capteurs mesurent des vibrations, pas les causes humaines ou logistiques.

4. Elle est aveugle sur les équipements sans capteurs : sur un parc de plusieurs centaines de machines, avec des capteurs à quelques milliers d'euros pièce, seuls les plus critiques sont instrumentés.

Qu'est-ce que la maintenance intelligente

Au lieu d'équiper les machines de capteurs, la maintenance intelligente structure le savoir : elle documente les causes, les remèdes, les modes de défaillance. Elle équipe les techniciens d'intelligence, pas seulement les machines.

La maintenance intelligente agit là où la prédiction s'arrête : elle ne se contente pas d'alerter, elle aide à comprendre. C'est souvent là que se gagne le plus de temps de réparation, parce que le diagnostic est le vrai goulot d'étranglement, pas l'alerte.

Le match complet : prédictive et intelligente

L'intelligente l'emporte sur la plupart des dimensions, surtout parce qu'elle couvre tout le parc et répond à la question qui compte sur le terrain : pourquoi ça casse.

Pourquoi combiner les deux approches

Une architecture hybride combine les forces des deux approches :

1. Socle : la maintenance intelligente, avec des diagnostics guidés sur l'ensemble du parc.

2. Capteurs sur les équipements critiques, ceux dont l'arrêt coûte le plus cher.

3. Prédiction enrichie par l'intelligence : l'IA croise l'anomalie capteur avec la base de savoir. « Anomalie de vibration détectée. D'après l'historique, palier ou clapet probable. Diagnostic guidé recommandé. »

4. Boucle de retour : chaque intervention prédictive enrichit la base de savoir.

Résultat : tout le parc bénéficie de l'intelligence du diagnostic, et les équipements les plus critiques gagnent en plus l'alerte anticipée des capteurs.

Mise en pratique : la pompe qu'on remplace trop tard

Prenons un cas illustratif. Sur un groupe hydraulique, la maintenance préventive passe à intervalle fixe, tous les six mois. Le calendrier laisse des trous : entre deux passages, une pompe se dégrade faute d'une maintenance ajustée à son état réel, et elle finit par casser en pleine production. Entre la pièce, l'intervention en urgence et l'arrêt de ligne, la facture grimpe vite, de l'ordre de plusieurs dizaines de milliers d'euros pour un seul épisode.

Le bon réflexe n'est pas de réviser plus souvent par sécurité, ce qui coûte cher aussi. C'est d'anticiper la dégradation et d'agir au bon moment, sur le bon composant.

Le même budget de maintenance protège mieux la production.

Questions fréquentes

Q : Faut-il investir dans des capteurs dès le lancement d'une démarche de maintenance intelligente ? R : Non. Le socle prioritaire est le savoir structuré et le diagnostic guidé, qui couvre tout le parc immédiatement. Les capteurs viennent ensuite, sur les équipements les plus critiques.

Q : La maintenance prédictive devient-elle inutile avec une approche intelligente ? R : Non, elle devient plus utile. Une alerte capteur croisée avec une base de savoir structurée donne une hypothèse de cause immédiate, alors qu'une alerte seule ne donne qu'une échéance.

Conclusion

La maintenance prédictive et la maintenance intelligente répondent à deux questions différentes. Prédictive : « quand la défaillance va-t-elle arriver ? » (planification). Intelligente : « quoi, et pourquoi ? » (diagnostic).

Trois points clés :

1. La maintenance intelligente couvre tout le parc et attaque le vrai goulot d'étranglement, le diagnostic.

2. La maintenance prédictive s'ajoute ensuite, sur les équipements les plus critiques.

3. Les deux combinées valent plus que chacune séparément : l'alerte devient exploitable, le diagnostic devient anticipé.

Pour le cadre complet de ce que recouvre une IA de confiance en maintenance industrielle, consultez le guide complet sur l'IA de confiance pour la maintenance industrielle.

Sources

• PwC/Mainnovation, 2018 : Predictive Maintenance 4.0, Beyond the Hype

• ISO 17359:2018 : Condition Monitoring and Diagnostics of Machines

• McKinsey, 2023 : How manufacturing's lighthouses are capturing the full value of AI