Le 31 août 2026, Xerfi a publié un avis d’expert intitulé « L’IA fait entrer la maintenance prédictive industrielle dans une nouvelle ère ». Son auteur, Pierre Bonnet, y décrit une maintenance prédictive longtemps réservée aux équipements les plus critiques, qui se diffuse désormais dans toute l’industrie grâce à des capteurs moins chers et à l’IA. Le même texte pose ses limites : des équipements anciens peu instrumentés, des historiques de panne incomplets, des données éparpillées entre plusieurs logiciels, et un algorithme entraîné sur des informations insuffisantes qui « peut multiplier les fausses alertes ».

Ces trois limites décrivent assez bien l’atelier d’une PME industrielle. Une vingtaine de machines d’âges différents, un responsable maintenance qui connaît chaque bruit suspect, des interventions notées dans un carnet posé sur la machine, quand elles le sont. Les éditeurs de maintenance prédictive vendent la dernière marche de l’escalier. Voici les trois qui viennent avant, et comment savoir quand monter la suivante.

Préventive, conditionnelle, prédictive : de quoi parle-t-on ?

Trois mots circulent, souvent mélangés dans les plaquettes commerciales.

  • La maintenance corrective répare après la panne. C’est le mode par défaut d’un atelier sans historique.
  • La maintenance préventive intervient à intervalle fixe : toutes les 500 heures de fonctionnement, tous les trimestres, à chaque changement de série. Elle suppose seulement un calendrier tenu et quelqu’un qui le suit.
  • La maintenance conditionnelle et prédictive intervient quand une mesure dérive : une vibration qui augmente, une température qui monte, un courant moteur qui change. La prédictive va plus loin en estimant le moment probable de la panne. Elle demande des capteurs, un historique de pannes et un modèle qui relie les deux.

La plupart des PME qu’on rencontre sont entre la première et la deuxième ligne. Le préventif existe dans la tête du responsable et sur un planning mural, sans trace de ce qui a été fait. Viser directement la troisième ligne revient à acheter des capteurs pour alimenter un modèle qui n’aura rien à comparer.

Le schéma ci-dessous résume les quatre marches de la maintenance prédictive en PME, ce que chacune demande et ce qu’elle permet.

Schéma : les quatre marches de la maintenance prédictive en PME, du carnet papier à l’historique numérique, au préventif planifié puis aux capteurs sur les machines critiques

Pourquoi l’IA se trompe-t-elle sur un parc de PME ?

Un modèle de maintenance prédictive apprend ce qui précède une panne. Pour cela, il lui faut des pannes, beaucoup, du même type, sur des machines comparables, avec la date exacte, la cause et ce qui a été changé. Un grand groupe qui exploite cinquante compresseurs identiques lui en fournit. Un atelier de vingt machines de marques et d’âges différents, beaucoup moins.

Trois situations reviennent dans les ateliers de PME :

  1. Les pannes ne sont pas notées. Le technicien répare, la production repart, personne n’écrit rien. Six mois plus tard, la même broche lâche et personne ne sait si c’est la deuxième ou la quatrième fois.
  2. Elles sont notées, mais pas de la même façon. « Moteur HS », « pb moteur », « changé le moteur (encore) » : trois descriptions pour la même cause, illisibles pour une machine comme pour un nouvel arrivant.
  3. L’historique existe, mais ailleurs. Les pièces sont dans l’ERP, les heures de fonctionnement sur l’automate, les interventions dans un tableur. Rien ne relie la pièce commandée à la panne qui l’a rendue nécessaire.

Dans ces trois cas, un algorithme produit des alertes que personne ne croit au bout de deux semaines, et l’équipe revient au carnet. C’est le risque que pointe Xerfi, et le plus coûteux : l’argent est dépensé, et la confiance de l’atelier envers le prochain outil aussi.

Que faut-il noter à chaque intervention ?

Peu de choses, mais toujours les mêmes. Une fiche d’intervention utile tient en six champs, dont plusieurs se remplissent seuls ou d’un choix dans une liste :

  • la machine (choisie dans une liste, jamais tapée à la main) ;
  • le symptôme constaté, dans une liste courte complétée d’un champ libre ;
  • la cause trouvée, quand on la connaît ;
  • la pièce changée, avec sa référence ;
  • la durée d’arrêt de la machine ;
  • une photo, quand elle dit quelque chose qu’un texte ne dirait pas.

La règle qui compte le plus : la saisie doit prendre moins d’une minute, au pied de la machine, avec des mains qui sortent du cambouis. Si elle demande d’aller au bureau allumer un ordinateur, elle sera faite le vendredi soir, de mémoire, ou pas du tout. Une tablette posée dans l’atelier et un QR code collé sur chaque machine règlent la plupart de ces cas.

Les listes de symptômes et de causes se construisent avec les techniciens, pas à leur place. Une demi-heure avec eux au changement d’équipe suffit à en sortir une première version, qu’on corrige après deux semaines d’usage.

Comment passer du carnet à un historique exploitable ?

C’est la marche la plus rentable, et la moins spectaculaire. Dans l’exemple d’un sous-traitant en mécanique de 80 personnes et 22 machines-outils, les carnets papier sont remplacés par une application sur tablette : le technicien scanne la machine, décrit l’intervention en trois champs et ajoute une photo. Les douze derniers mois de carnets sont repris pendant le projet, et les opérations préventives sont planifiées selon les heures de fonctionnement. Dans ce scénario, retrouver une intervention passée prend 10 secondes au lieu de 20 minutes, et les arrêts non planifiés passent de 9 à 3 par mois. Sans aucun capteur.

Ce résultat ne vient d’aucune prédiction. Il vient de ce qu’un historique consultable rend visible : la même panne qui revient sur la même machine, une pièce d’usure changée trop tard, un réglage oublié après chaque changement de série. Le responsable maintenance savait déjà une partie de tout cela. L’historique le rend vérifiable, partageable avec les trois équipes, et utilisable par le prochain technicien embauché.

Deux précautions évitent l’échec le plus fréquent. D’abord, commencer par deux machines pilotes pendant deux semaines, en gardant le carnet à côté, pour corriger la saisie avant de l’étendre. Ensuite, arrêter le carnet papier à une date annoncée : tant que les deux coexistent, l’un des deux est mal tenu.

GMAO du marché ou outil construit pour l’atelier ?

Une GMAO (gestion de maintenance assistée par ordinateur) du marché fait tout ce qui précède, et davantage : ordres de travail, plans préventifs, stock de pièces, indicateurs. Pour une équipe maintenance de plusieurs personnes, habituée à un écran de bureau, sur un parc assez classique, c’est souvent le bon choix. On ne vous conseillera pas de faire construire ce qu’un éditeur vend déjà correctement.

Trois situations font pencher vers un outil plus simple, construit pour l’atelier :

  • les saisies sont faites par des opérateurs ou des régleurs plutôt que par des techniciens de maintenance, et chaque écran en trop fait chuter le taux de saisie ;
  • la maintenance doit parler à l’ERP (pièces, commandes, heures machines) et la GMAO envisagée ne le permet pas, ou seulement par un module payant ;
  • vos donneurs d’ordre demandent une traçabilité des interventions dans un format précis (par machine, par lot) que la GMAO n’exporte pas.

On a détaillé ailleurs comment trancher entre un logiciel du marché et un logiciel sur mesure en général. Pour la maintenance, la question décisive est simple : qui va saisir, et combien de secondes il est prêt à y passer. Quand un outil est construit, nos applications sur mesure partent de 5 000 € HT, avec un prix fixe annoncé après le diagnostic et le code livré dans un dépôt au nom de l’entreprise.

Où l’IA aide-t-elle déjà, sans capteur ?

Une fois l’historique en place, l’IA générative trouve sa place bien avant la prédiction. Elle travaille sur du texte, et un atelier en produit beaucoup.

  • Regrouper les pannes décrites en texte libre. Elle range « moteur HS », « pb moteur » et « changé le moteur » sous la même cause, et propose au responsable une liste des pannes qui reviennent, machine par machine. Il valide ou corrige.
  • Retrouver une consigne dans les notices. Un assistant qui a lu les notices constructeurs, les procédures internes et l’historique répond à « quel couple de serrage sur la broche de la machine 14 ? » en citant la page d’où vient la réponse.
  • Dicter l’intervention. Le technicien parle, l’outil remplit les champs, le technicien relit avant d’enregistrer.
  • Préparer le point du lundi. Les interventions de la semaine, les opérations préventives à venir et les pièces à commander, résumées sur une page.

Dans chacun de ces usages, un humain valide ce qui sort. C’est la règle qu’on applique à tous nos assistants IA encadrés, qui partent de 3 500 € HT : l’IA propose, le responsable maintenance décide.

Quelles machines méritent des capteurs ?

Pas toutes. Après quelques mois d’historique propre, trois questions trient le parc :

  1. Que coûte une heure d’arrêt de cette machine ? Une machine goulot, sans équivalent dans l’atelier, ne se traite pas comme une perceuse à colonne qu’on peut remplacer par sa voisine.
  2. Sa panne a-t-elle un signe avant-coureur mesurable ? Un roulement qui s’use vibre plus fort avant de casser. Une carte électronique qui grille ne prévient pas. Un capteur n’aide que dans le premier cas.
  3. La panne revient-elle ? L’historique le dit. Une panne arrivée une fois en cinq ans ne justifie pas un capteur. Une panne qui revient tous les deux mois, si.

Sur un parc de vingt machines, ce tri retient souvent deux ou trois candidates. C’est sur elles qu’on pose des capteurs de vibration ou de température, qu’on relie leurs mesures à l’historique, et qu’on regarde au bout de quelques mois si les alertes précèdent effectivement les pannes. Pour les autres, le préventif planifié selon les heures de fonctionnement suffit.

Xerfi le note aussi : l’IA « ne supprimera donc pas le besoin de techniciens qualifiés », dont le travail se déplace vers la validation des diagnostics. Dans une PME, ce technicien est souvent le même responsable qui tenait le carnet. Il est le premier à qui l’outil doit faire gagner du temps.

Par quoi commencer la semaine prochaine ?

Sans rien acheter :

  • listez vos machines et classez-les en trois groupes : critique, importante, remplaçable ;
  • comptez les arrêts non planifiés du mois dernier, même approximativement ;
  • demandez à vos techniciens les trois pannes qui reviennent le plus, et sur quelles machines.

Ces trois listes suffisent à savoir sur quelle marche se trouve votre atelier. Si vous voulez un regard extérieur, notre diagnostic d’une demi-journée sur place est offert : on passe à l’atelier au changement d’équipe, on regarde comment les interventions sont notées aujourd’hui, et on vous dit quelle marche monter d’abord, y compris quand la réponse est une GMAO du marché. Les autres chantiers de l’atelier sont sur la page industrie.