La maintenance prédictive surveille en continu l’état réel d’une machine pour intervenir avant la panne, au lieu de suivre un calendrier fixe. Capteurs de vibration, thermographie et analyse d’huile alimentent un modèle qui estime la dégradation. Le gain tient moins à la technologie qu’à la discipline d’exploitation qui l’entoure.
Prévisionnel, conditionnel, systématique : le vocabulaire décide du projet
Le français normatif distingue plusieurs familles d’entretien, et le flou entretenu entre elles explique une bonne part des projets qui déçoivent. La norme NF EN 13306, dont la version en vigueur date de janvier 2018 et remplace celle de juin 2001, définit la maintenance prévisionnelle comme une maintenance conditionnelle exécutée en suivant les prévisions extrapolées de l’analyse et de l’évaluation de paramètres significatifs de la dégradation du bien.
Traduction de terrain : vous ne changez pas un roulement parce que le planning l’ordonne, ni parce qu’il vibre fort aujourd’hui, mais parce que la pente de sa courbe de vibration annonce le franchissement du seuil dans une dizaine de jours.
L’anglais « predictive maintenance » recouvre indistinctement la surveillance à seuil et l’extrapolation. Cette ambiguïté a un coût commercial concret. Un fournisseur qui vend une alarme sur dépassement sous l’étiquette prédictive ne ment pas techniquement, il livre simplement moins que ce que le mot promet. La question à poser en démonstration tient en une phrase : le système annonce-t-il une date, ou un état ?
| Régime | Déclencheur de l’intervention | Ce que vous payez |
|---|---|---|
| Corrective | La défaillance est survenue | L’arrêt subi, les dégâts secondaires, la pièce en urgence |
| Préventive systématique | Une échéance calendaire ou un compteur d’heures | Des pièces déposées trop tôt, des ouvertures inutiles |
| Conditionnelle | Un seuil mesuré est franchi | L’instrumentation, une réaction souvent tardive |
| Prévisionnelle | L’extrapolation de la dégradation annonce le seuil | L’instrumentation, la donnée, la compétence d’analyse |
Cette hiérarchie n’est pas une échelle de valeur. Un filtre encrassé, une courroie qui se détend, une garniture qui s’use suivent des lois de dégradation régulières : les traiter en systématique reste le choix rationnel. Le prédictif se justifie là où la défaillance coûte cher et se prépare longtemps à l’avance.
Le plan calendaire repose sur une hypothèse fausse
En 1978, deux ingénieurs de United Airlines, F. Stanley Nowlan et Howard Heap, publient pour le département de la Défense des États-Unis un rapport devenu fondateur, intitulé Reliability-Centered Maintenance. Leur dépouillement des données de fiabilité de la flotte aboutit à six courbes de défaillance caractéristiques. Le résultat marquant : environ 89 % des modes de défaillance analysés ne présentent aucune corrélation avec l’âge de la pièce.
Trois courbes seulement décrivent une usure croissante avec le temps. Les trois autres décrivent une probabilité de défaillance constante, souvent précédée d’une mortalité infantile marquée juste après l’installation ou la révision.
La conséquence est rude pour les plans d’entretien hérités. Déposer à date fixe un organe qui ne vieillit pas ne réduit pas le risque, cela le déplace : chaque ouverture réintroduit une probabilité de défaut de remontage, de pollution du circuit ou de mauvais réglage. Un plan purement calendaire produit alors deux gaspillages en même temps, des pièces mises au rebut avec de la vie utile devant elles, et des pannes qui surviennent quand même entre deux visites.
Le raisonnement change la question posée. Au lieu de demander « à quelle fréquence intervenir ? », la maintenance basée sur la fiabilité demande « ce mode de défaillance donne-t-il un signal avant-coureur détectable, et combien de temps à l’avance ? ». Toute la suite en découle.
Les grandeurs physiques à instrumenter
La vibration, canal de référence
La majorité des machines tournantes se surveille par analyse vibratoire. Le principe : chaque défaut mécanique imprime une signature à une fréquence calculable. Un balourd s’exprime à la fréquence de rotation, un désalignement à son double, un engrènement à la fréquence de passage des dents. Les défauts de roulement produisent des fréquences non entières, calculées à partir de la géométrie de la cage et du nombre de billes.
L’intérêt pratique dépasse la détection. Un spectre bien exploité nomme le défaut avant l’ouverture de la machine, ce qui change la préparation de l’intervention : la bonne pièce est commandée, le bon temps d’arrêt est négocié avec la production.
Température, huile, ultrasons, courant absorbé
Les connexions électriques desserrées, les paliers qui chauffent et les isolants dégradés se repèrent en thermographie infrarouge. Sa limite tient à sa nature : elle voit une surface, et la lecture dépend de l’émissivité des matériaux comme de la charge au moment du cliché.
Le lubrifiant, lui, joue un rôle de mémoire. L’huile d’un réducteur transporte l’historique de son usure interne sous forme de particules métalliques, dont la taille et la morphologie désignent le mécanisme en cause : l’analyse d’huile lit ce dépôt, la viscosité et la teneur en eau complétant le diagnostic.
Les ultrasons captent des phénomènes que la vibration ignore : fuites d’air comprimé, décharges partielles dans les armoires, sous-lubrification d’un roulement bien avant l’apparition d’un écaillage. Un moteur trahit enfin ses barres rotoriques cassées et son excentricité dans sa signature de courant, mesurée à l’armoire sans poser le moindre capteur sur la machine.
| Canal | Ce qu’il révèle en premier | Limite pratique |
|---|---|---|
| Vibration | Roulements, balourd, désalignement, engrenages | Exige un point de mesure stable et un régime comparable |
| Thermographie | Connexions électriques, paliers, isolants | Vue de surface, sensible à l’émissivité et à la charge |
| Analyse d’huile | Usure interne, pollution, présence d’eau | Fréquence d’échantillonnage et délai de laboratoire |
| Ultrasons | Fuites, décharges partielles, sous-lubrification | Très sensible à l’environnement sonore de l’atelier |
| Courant moteur | Défauts rotoriques, excentricité, charge anormale | Peu discriminant sur les défauts mécaniques fins |
L’intervalle P-F fixe la fréquence de mesure
La littérature de la maintenance centrée sur la fiabilité formalise une fenêtre décisive, l’intervalle P-F. P désigne le moment où la défaillance devient détectable par un moyen de surveillance, F le moment où la fonction est perdue. Entre les deux, vous disposez d’un délai pour planifier.
Cet intervalle varie énormément selon le couple défaut-capteur. Un écaillage de roulement se voit en enveloppe haute fréquence des semaines avant de s’entendre à l’oreille. Une fissure de fixation peut, elle, passer de détectable à critique en quelques jours. La règle d’ingénierie qui en découle est simple : mesurer au moins deux fois par intervalle P-F. Un capteur qui remonte une valeur par mois sur un défaut dont la fenêtre se compte en jours ne sert strictement à rien, quelle que soit la qualité du modèle branché derrière.
Ce que fait réellement l’algorithme
Trois niveaux de traitement coexistent dans les installations françaises, et beaucoup de sites s’arrêtent au premier sans le savoir.
Le premier niveau compare une valeur à un seuil. Simple, robuste, il ignore le contexte : une machine chargée à 40 % et la même machine à pleine charge n’ont pas la même signature normale, et le seuil unique génère alors soit des fausses alertes, soit des silences coupables.
Le deuxième niveau relève de la détection d’anomalie. Le modèle apprend le comportement sain de l’équipement sur plusieurs semaines, toutes conditions confondues, puis mesure l’écart entre le comportement observé et le comportement attendu. Cette famille domine les déploiements réels, pour une raison contre-intuitive : un atelier correctement entretenu ne produit presque jamais de pannes, donc jamais assez d’exemples étiquetés pour entraîner un classifieur supervisé fiable.
Le troisième niveau, le pronostic, estime la vie résiduelle avant défaillance. Il exige beaucoup plus : des trajectoires de dégradation complètes, un mode de défaillance stable, des conditions d’exploitation documentées. Les industriels qui l’atteignent le font machine par machine, jamais sur un parc entier d’un coup.
La normalisation encadre cette chaîne. L’ISO 17359, révisée en 2018, pose les lignes directrices générales d’un programme de surveillance d’état et sert de document chapeau. L’ISO 13374 traite l’acquisition, le traitement et la présentation des données de surveillance, tandis que l’ISO 13379 porte sur leur interprétation et les techniques de diagnostic. Exiger ces références au cahier des charges vous évite le format propriétaire qui rend vos historiques illisibles le jour où vous changez de prestataire. Cette continuité entre capteur, donnée et décision constitue l’un des piliers les plus tangibles de l’industrie 4.0.
Les gains publiés de la maintenance prédictive, et ce qu’ils supposent
Le guide des bonnes pratiques d’exploitation et de maintenance du département de l’Énergie des États-Unis, référence ancienne du domaine, chiffre l’apport d’un programme prédictif abouti : 25 à 30 % de coûts de maintenance en moins, 70 à 75 % de pannes éliminées, 35 à 45 % de temps d’arrêt évité, pour un retour d’environ dix fois l’investissement.
Le cabinet McKinsey avance de son côté une réduction de 30 à 50 % des temps d’arrêt machine et un allongement de 20 à 40 % de leur durée de vie.
La contrepartie se lit dans le coût de l’inaction. Le rapport The True Cost of Downtime publié en 2022 par Senseye, société du groupe Siemens, estimait à près de 1 500 milliards de dollars la facture annuelle des arrêts non planifiés pour les industriels du Fortune Global 500, soit environ 11 % de leur chiffre d’affaires. La même étude situait le coût d’une heure perdue entre 39 000 dollars dans les biens de grande consommation et plus de 2 millions de dollars dans l’automobile, en hausse d’au moins 50 % par rapport à la période 2019-2020, et cela malgré une baisse de 23 % du nombre de défaillances de lignes.
Ces publications partagent une hypothèse rarement énoncée : elles comparent un programme prédictif mature à une exploitation majoritairement corrective. Une usine déjà disciplinée en préventif ne captera qu’une fraction du delta annoncé. Le calcul honnête part donc de votre taux réel d’arrêts non planifiés, pas du chiffre d’une plaquette.
L’effet est amplifié par la structure des lignes modernes. Là où la robotisation industrielle a supprimé les stocks tampons entre postes, l’arrêt d’une seule cellule fige toute la chaîne en quelques minutes. Le même phénomène se retrouve dans la robotisation des entrepôts, où une panne de convoyeur bloque simultanément des dizaines de robots mobiles parfaitement fonctionnels.
Démarrer sans y laisser le budget de l’année
L’erreur classique consiste à instrumenter le parc entier pour voir ce qui en sort. Le chemin qui aboutit ressemble plutôt à ceci.
- Classer les équipements par criticité réelle, mesurée en euros d’arrêt par heure et en délai de remise en service, pas en ressenti d’atelier.
- Retenir trois à cinq machines critiques dont les modes de défaillance dominants sont connus des équipes.
- Vérifier, pour chacun de ces modes, qu’un capteur accessible produit un signal exploitable et que l’intervalle P-F laisse le temps d’agir.
- Reprendre l’historique de la GMAO pour dater les défaillances passées : sans cette mémoire, aucun modèle ne se validera.
- Définir l’action attendue derrière chaque alerte, avec un responsable nommé et un délai de traitement.
Le point cinq fait échouer plus de projets que la technologie. Une alerte sans procédure de décision devient un e-mail supplémentaire, ignoré au bout de trois semaines. La question à trancher avant tout achat : qui arrête la machine, et sur quel critère ?
Le profil qui fait la différence n’est ni le data scientist isolé ni le mécanicien seul, mais leur recouvrement. Les métiers à cheval entre IA et robotique se structurent précisément sur cette zone : lire un spectre, comprendre une chaîne d’acquisition et challenger la sortie d’un modèle relèvent d’une même compétence hybride, rare et disputée.
Les cinq échecs qui reviennent le plus souvent
- Un capteur bien choisi, monté sur un point de mesure instable : la comparaison entre deux relevés perd tout sens.
- Des alertes calibrées trop large au démarrage, qui saturent les équipes et détruisent la confiance en un mois.
- Aucune donnée de contexte enregistrée avec la mesure, ni charge, ni régime, ni produit fabriqué : l’écart observé reste inexplicable.
- Un pilote réussi sur trois machines, jamais généralisé faute d’avoir prévu qui exploite les alertes à l’échelle du site.
- Un contrat qui laisse les données brutes chez le prestataire, ce qui interdit tout changement de fournisseur sans repartir de zéro.
Ces cinq points ont un dénominateur commun : aucun ne relève de l’algorithme. La maintenance prédictive est un projet d’organisation instrumenté par de la donnée, jamais l’inverse.
Prochaine étape concrète : sortez de votre GMAO les dix arrêts non planifiés les plus coûteux des vingt-quatre derniers mois, et vérifiez pour chacun si un signal détectable existait avant la casse. Ce tri se fait en une journée et désigne, sans capteur ni budget, les deux ou trois machines par lesquelles commencer.