Au cours des dernières années, nous avons vu et continuons de voir comment la maintenance prédictive évolue en tant que concept, et comment les applications reposant sur l’intelligence artificielle finiront par se démocratiser et devenir accessibles à tous. Réunir ces deux technologies déclenchera un changement de paradigme majeur dans le secteur industriel. En d’autres termes, les progrès de ces technologies représentent un véritable bouleversement pour l’industrie d’aujourd’hui et de demain. La maintenance prédictive dans un monde alimenté par l’IA marque-t-elle le début d’une nouvelle révolution industrielle ? Oui, mais pas seulement…
Essayer de deviner ce que l’avenir nous réserve sans embrasser le présent ne mène nulle part.
Car aujourd’hui, lorsqu’il s’agit de comprendre et de gérer la maintenance, les machines, l’intelligence artificielle… tout reste encore quelque peu flou. Si nous cherchons des schémas parfaitement établis et des techniques de diagnostic très précises capables d’identifier sans erreur la cause d’un problème, nous n’en sommes tout simplement pas encore là. Bien que nous profitions déjà de certaines possibilités offertes par l’IA et que nous expérimentions les capacités étendues de pilotage des entreprises grâce au Big Data et au Data Mining, nous restons encore animés d’un enthousiasme presque enfantin, fascinés par la technologie avec des attentes parfois dignes de la science-fiction. Une révolution, si nous sommes réellement à l’aube d’une révolution, ne se produira certainement pas du jour au lendemain… ni même demain.
Une chose est sûre : jusqu’à présent, nous n’avons exploité qu’une infime partie du potentiel des solutions de maintenance prédictive dans l’industrie. Cela s’explique par le fait que l’IA elle-même en est encore à ses débuts. Toutefois, l’évolution et le développement de ces deux technologies sont étroitement liés.
Ces évolutions progressives entraînent plusieurs conséquences. Tout d’abord, dans un marché encore immature, il est plus facile d’identifier les acteurs les plus pertinents. Les industries et les grandes entreprises apparaissent comme les principaux bénéficiaires de ce type de solution. Cela s’explique non seulement par leurs ressources mais également par leur maturité technologique. Par ailleurs, cela nous donne l’occasion d’examiner les liens potentiels entre la maintenance prédictive et les technologies existantes. La collecte de données est appelée à être davantage intégrée dans les systèmes de production. Les données sont omniprésentes et prêtes à être exploitées plus efficacement. De plus, même si les données dépassent largement le cadre de l’industrie, la maintenance prédictive pourrait également étendre son influence bien au-delà de son périmètre actuel.
Une fois le lien établi entre les données disponibles, la puissance de calcul et les infrastructures industrielles, les opportunités deviennent presque illimitées. Cela pourrait se traduire par des économies considérables, une expansion internationale accompagnée d’un nouveau modèle de mondialisation 4.0… Les futures avancées de la maintenance prédictive pourraient conduire à une croissance industrielle à très grande échelle.
Cette inertie entraîne plusieurs conséquences qui modifieront profondément le rôle de tous les acteurs impliqués dans l’exploitation des machines. Autrefois, tout était très simple : un fournisseur, un opérateur de machine, un autre opérateur chargé de la maintenance régulière et un technicien qui remettait la machine en service après réparation. La maintenance prédictive bouleverse entièrement ce modèle : les machines sont désormais équipées de nombreux capteurs collectant des données que l’IA analyse ensuite pour estimer la durée de vie restante de chaque machine ou équipement (RUL : Remaining Useful Life).
Les machines transmettent ensuite des données pouvant être utilisées pour réaliser un diagnostic technique. Tout comme dans Minority Report, la nouvelle de Philip K. Dick adaptée au cinéma par Steven Spielberg. L’histoire raconte comment des criminels sont arrêtés avant même de commettre leurs crimes grâce à une unité spéciale appelée Precrime. L’analogie ici est que les machines sont entretenues et que les pièces détachées sont remplacées avant que les machines ne tombent en panne et restent immobilisées plusieurs jours. Tout consiste à agir en amont pour éviter l’apparition des incidents. C’est cela que nous entendons par prédictibilité. C’est avec l’IoT (Internet des Objets) que nous apprécierons pleinement le potentiel de l’intelligence artificielle.
De plus, l’analyse des données fournit des analyses statistiques toujours plus approfondies qui facilitent la gestion de la maintenance mais influencent également, de manière rétroactive, la fabrication et la conception des pièces détachées (forme et matériaux) afin d’améliorer leur efficacité et leur résistance à l’usure. Plus le parc de machines est important, plus la quantité de données collectées est élevée, et plus les fabricants doivent intégrer la gestion de la maintenance dans leurs réflexions. Collecter les données de 10 machines ne fournit pas les mêmes enseignements que celles de 10 000 ou 1 million de machines.
Le traitement des données par l’IA doit désormais être partagé ou mutualisé afin que l’ensemble du système de production puisse bénéficier de l’analyse d’un volume conséquent de données.
Si les données deviennent aujourd’hui la principale source d’information permettant d’éviter les pannes, alors leur collecte devient également extrêmement stratégique pour l’industrie moderne. Montée en compétences, programmes de formation, réduction des effectifs : toute la dynamique humaine s’en trouve bouleversée. Le Data Manager devient ainsi un rôle central pour un fournisseur de machines industrielles. Pour un industriel, la mutualisation des analyses de données d’une unité de production peut représenter un avantage considérable dans un marché toujours plus concurrentiel. En revanche, pour un technicien de maintenance, l’avenir peut paraître plus incertain et nécessiter une adaptation au nouvel écosystème de production.
Et la collecte de données est un domaine d’expertise qui dépasse largement le seul secteur industriel. L’IoT est l’une des technologies les plus en vogue et connaît une croissance fulgurante. En réalité, un réfrigérateur intelligent peut s’avérer aussi utile qu’une machine industrielle, à condition d’exploiter correctement les données pour créer de la valeur. Autrement dit, le rôle central que jouent désormais les données fera tomber les silos traditionnels de l’industrie, l’obligeant à redéployer son organisation sans se soucier des barrières physiques.
Au-delà des évolutions organisationnelles qu’ont apportées la maintenance préventive puis la maintenance prédictive, hier, aujourd’hui et demain, leur impact touchera sans aucun doute l’ensemble de la structure sociale. Le secteur industriel sera en mesure d’améliorer ses processus de production (en réduisant les erreurs), de les rendre plus rentables (économies d’échelle sur les coûts de maintenance, réduction des effectifs…) et plus rapides (en limitant autant que possible les arrêts des équipements).
Mieux, moins cher et plus vite : le rêve de toute entreprise. Mais la maintenance n’est qu’une partie de l’équation. C’est l’Intelligence Artificielle avec un grand I et un grand A qui bouleversera totalement la production telle que nous la connaissons aujourd’hui, et par conséquent la société dans son ensemble.
Car derrière l’optimisation de la maintenance prédictive se cachent de nombreux facteurs : des moyens de production interconnectés (avec autant de capteurs d’état que nécessaire), un flux permanent de données de marché, des performances optimisées et une automatisation continue des volumes de production. Une sorte de Lean Management 4.0. En résumé, cela pourrait marquer l’avènement de l’usine du futur. Mais quelle sera alors la place de l’humain et de sa valeur ajoutée ? La question reste ouverte.
Nous entendons aussi parler de personnes qui « parlent aux machines ». Elles les écoutent également. Elles savent détecter un bruit anormal ou un dysfonctionnement apparent dans les mouvements d’une machine. Cette expertise est le fruit de nombreuses années d’expérience. Mais sans remettre en cause leur mérite ni leur savoir-faire, force est de constater que la puissance de calcul de l’Intelligence Artificielle appliquée à la maintenance prédictive pourrait bientôt rivaliser avec ces compétences hautement reconnues.
Le changement culturel induit par l’introduction de solutions pilotées par l’IA amène également à réfléchir à la notion de responsabilité. À mesure que le champ d’action de l’IA s’élargit, les responsabilités qui l’accompagnent augmentent également. Pourtant, la responsabilité est avant tout une caractéristique humaine. Comment l’appliquer à l’IA ?
Prenons l’exemple des voitures connectées : les statistiques montrent qu’elles sont plus sûres que les conducteurs humains, avec moins d’accidents et de drames. Pourtant, il reste difficilement acceptable d’accepter le moindre dommage causé par un véhicule piloté par l’IA. Il s’agit là d’un véritable dilemme éthique.
L’aspect « optimisation » d’une solution technologique, aussi efficace soit-elle, est loin d’être le facteur le plus déterminant dans son acceptation et son déploiement. Le changement culturel n’est pas qu’une question technologique : il implique une dimension profondément humaine que le progrès ne doit jamais négliger. Du moins, espérons-le.
