Avant : un compresseur d’air lâche un mardi de pleine charge, l’atelier tourne au ralenti pendant deux jours, le dépanneur facture l’urgence et la pièce arrive par transport express. Après : une alerte signale trois semaines plus tôt une signature vibratoire anormale sur le même compresseur, le roulement est commandé au tarif normal et remplacé un vendredi à 13 h, pendant le créneau de nettoyage. Entre les deux, il n’y a ni magie ni usine 4.0, seulement le couple maintenance prédictive et intelligence artificielle appliqué à une machine qui comptait vraiment. Voici comment ce basculement se passe dans une PME, ce qu’il coûte, et les cas où il ne vaut pas la peine.
Trois façons d’entretenir une machine, et ce qu’elles coûtent
La maintenance corrective attend la panne. C’est la plus chère de toutes dès qu’une machine est critique : arrêt subi, dépannage en urgence, dégâts collatéraux quand une pièce en entraîne une autre. La maintenance préventive remplace les pièces à intervalles fixes, toutes les 2 000 heures par exemple. Elle évite une partie des pannes, mais jette des composants encore sains et n’attrape pas les défaillances précoces. La maintenance prédictive, elle, écoute la machine et n’intervient que lorsque des signes mesurables de dégradation apparaissent.
Sur le papier, la troisième gagne toujours. Dans la réalité, elle ne se justifie que pour les équipements dont l’arrêt coûte cher, la presse unique, le four de traitement, le groupe froid d’un site agroalimentaire, le compresseur qui alimente toute l’usine. Pour la perceuse à colonne du fond de l’atelier, la panne franche reste la stratégie la plus économique. Ce tri entre machines candidates est la première décision du projet, et c’est une décision d’économie industrielle, pas de technologie.
Ce que les capteurs entendent que l’oreille humaine rate
Un mécanicien expérimenté détecte un roulement fatigué au bruit. Le capteur fait la même chose, plus tôt, en continu, et sans partir à la retraite. Les grandeurs surveillées sont peu nombreuses : vibrations pour les organes tournants, température pour les échauffements anormaux, intensité électrique pour les moteurs qui forcent, parfois ultrasons pour les fuites d’air comprimé. Des boîtiers autonomes comme ceux d’Asystom, entreprise française, ou les capteurs d’ifm se fixent sur la machine en quelques heures, sans modification de l’équipement, et transmettent leurs mesures par radio.
L’algorithme entre en scène ensuite. Pendant quelques semaines, il apprend la signature normale de la machine, ses vibrations de croisière selon les régimes et les productions. Puis il signale les dérives, une harmonique qui monte, un échauffement qui s’installe. Le diagnostic reste souvent humain, l’outil dit « quelque chose change sur ce palier », le technicien ou le prestataire confirme la cause. Les horizons d’alerte constatés vont de quelques jours à plusieurs semaines selon le mode de défaillance, largement de quoi planifier une intervention.
La GMAO, brique moins spectaculaire mais indispensable
Un capteur qui alerte dans le vide ne sert à rien. L’alerte doit devenir un ordre de travail, avec une pièce réservée au magasin et un créneau posé dans le planning. C’est le rôle de la GMAO, et des solutions comme DIMO Maint, CARL Source ou Mobility Work sont dimensionnées pour des PME. Marier maintenance prédictive et intelligence artificielle sans GMAO, c’est acheter un détecteur de fumée sans extincteur.
La GMAO apporte un second bénéfice qu’on oublie : l’historique. Chaque intervention consignée, avec sa cause et sa durée, nourrit les analyses futures. Au bout d’un an ou deux, vous savez quelles machines consomment votre budget, quelles pannes se répètent, et où le prochain capteur sera rentable. Beaucoup de nos interlocuteurs découvrent à cette occasion que 20 % de leur parc absorbe plus des deux tiers des heures de maintenance. Cette simple photographie, sans aucun capteur, oriente déjà les priorités mieux que des années d’impressions accumulées.
Et les machines récentes ? Beaucoup sortent d’usine déjà bardées de capteurs, avec un portail constructeur qui affiche températures, cycles et codes d’erreur. C’est un point de départ utile, mais gardez deux réserves en tête. Ces données restent souvent enfermées chez le constructeur, difficile de les croiser avec le reste du parc ou de les brancher sur votre GMAO. Et le contrat de télésurveillance associé sert d’abord les intérêts du service après-vente du fabricant, qui vend ses propres pièces et ses propres interventions. Négocier l’accès aux données brutes de la machine au moment de l’achat, dans le cahier des charges, coûte zéro euro et vous évitera d’être captif plus tard. Peu de PME y pensent, tous les grands donneurs d’ordres le font.
Combien ça coûte, combien ça rapporte
Restons prudents sur les chiffres, ils dépendent entièrement de ce que coûte une heure d’arrêt chez vous. Les ordres de grandeur que nous observons : un boîtier de surveillance vibratoire s’achète ou se loue pour quelques centaines à un ou deux milliers d’euros par point de mesure, abonnement d’analyse compris. Une GMAO en mode SaaS se facture par technicien et par mois, quelques dizaines d’euros. Face à cela, une seule panne évitée sur une machine goulot, avec son arrêt de production, son dépannage d’urgence et ses pénalités de retard éventuelles, rembourse fréquemment une année complète d’équipement.
Le calcul se retourne si vous instrumentez des machines secondaires, ou si personne n’a le temps de traiter les alertes. Nous avons vu un site accumuler des alertes pertinentes pendant des mois sans intervenir, faute d’avoir prévu qui les prenait en charge. La technologie fonctionnait parfaitement. L’organisation, non.
Un déploiement type en quatre mois
Mois 1 : classer le parc selon le coût d’un arrêt et retenir trois à cinq machines critiques. Mois 2 : poser les capteurs, brancher la GMAO si elle manque, laisser les algorithmes apprendre la normale. Mois 3 et 4 : traiter les premières alertes, ajuster les seuils pour éliminer les fausses alarmes, qui existent toujours au début, et roder le circuit alerte, diagnostic, intervention. Ensuite seulement, élargir. Cette progressivité coûte moins cher qu’un grand projet et, surtout, elle embarque les équipes de maintenance au lieu de leur imposer une boîte noire.
Pour situer la maintenance parmi les autres chantiers d’IA accessibles à une PME industrielle, notre panorama de l’IA appliquée aux métiers donne le paysage complet, et notre article sur la maturité IA des entreprises aide à évaluer si votre organisation est prête. Et si vous hésitez sur les machines à instrumenter en premier, MINOBIA peut mener ce classement avec vos équipes lors d’un diagnostic court, sans engagement.
Questions fréquentes
Mes machines ont vingt ans, peut-on les équiper ?
Oui, c’est même le cas le plus courant. Les boîtiers se fixent en surface, aimant ou goujon, sans toucher à l’automatisme de la machine.
Combien de machines faut-il équiper pour commencer ?
Trois à cinq suffisent, choisies parmi celles dont l’arrêt bloque la production. Un pilote trop large dilue l’attention et multiplie les fausses alarmes à trier.
Qui analyse les alertes si je n’ai pas de spécialiste vibratoire ?
La plupart des offres incluent une analyse à distance par les experts de l’éditeur ou d’un prestataire. Votre équipe reçoit un diagnostic exploitable, pas des courbes brutes.
Les fausses alertes sont-elles fréquentes ?
Au début, oui, le temps de calibrer les seuils sur vos régimes de production réels. Comptez quelques semaines de réglage. Un système encore bavard après trois mois est mal paramétré.
Est-ce utile si je sous-traite déjà ma maintenance ?
Oui, à condition d’en garder le pilotage. Les données de surveillance vous redonnent la main sur ce que fait votre prestataire, et transforment ses interventions d’urgence en interventions planifiées, moins chères.
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
