En Vedette
L’IA et l’avenir de la planification de la maintenance

La planification de la maintenance a toujours été l’un des aspects les plus importants – et les plus négligés – de la gestion du travail. Un plan bien conçu répond aux questions essentielles : Que faut-il faire et comment? Par qui? Avec quels outils? Et pendant combien de temps? Une planification efficace permet une programmation efficiente, réduit les pertes de temps et assure une exécution sûre et prévisible.

Pourtant, dans de nombreuses usines, les planificateurs passent une grande partie de leur temps à colliger des données, à gérer des urgences ou à remplir des formulaires. Ils disposent rarement de suffisamment de temps pour se concentrer et créer des plans de maintenance détaillés et réutilisables. Conséquemment, la productivité des équipes s’en voit limitée. La bonne nouvelle? L’intelligence artificielle (IA) commence à changer la donne.

De l’analyse des données à la création de contenu

L’IA traditionnelle est utilisée depuis des années dans l’analyse de la maintenance : détection des schémas de défaillance, prédiction des pannes ou optimisation du remplacement des pièces. Bien qu’ils s’avèrent performants, ces systèmes demeurent néanmoins limités. Ils se contentent d’analyser les données existantes selon des règles prédéfinies, et proposent des recommandations. Ils ne génèrent pas de nouvelles informations.

L’IA générative (IAG) va plus loin. Entraînée sur de vastes ensembles de données, elle peut créer du contenu inédit : textes, schémas, voire du code. Appliquée à la maintenance, elle peut ainsi rédiger des plans d’intervention, des procédures ou des listes de tâches à partir d’instructions en langage clair. La planification se révèle un exercice créatif, et c’est précisément cette créativité qui rend l’IAG si utile.

L’IA en action : une innovation canadienne

AIJobPlanner^MC s’avère un bon exemple de cet usage. Développé au Canada, cet outil a été spécifiquement conçu pour la planification de la maintenance. Il permet aux utilisateurs de décrire une tâche – comme « remplacer un joint de pompe sur une pompe centrifuge verticale » – et génère instantanément un plan détaillé, incluant la séquence des tâches, les  outils et matériaux nécessaires, les consignes de sécurité et le calendrier.

Lors de démonstrations en direct, cet outil a réalisé des plans complets et structurés – souvent de huit étapes ou plus – en moins de deux minutes. Lors du récent congrès MainTrain de la PEMAC à Calgary, j’ai animé un atelier sur l’élaboration d’un plan d’intervention pour le dépannage des bandes magnétiques sur un groupe électrogène de turbines à gaz solaire. L’élaboration d’une première version acceptable a pris environ 30 minutes, grâce à la contribution d’une demi-douzaine de participants. En situation réelle, il faudrait probablement 20 à 30 minutes supplémentaires pour la peaufiner et la rendre utilisable. J’ai ensuite démontré comment l’outil AIJobPlanner pouvait réaliser cette tâche de façon très efficace et rapide. Il a généré un plan plus détaillé – jugé excellent par l’assistance – en moins de deux minutes. Facilement modifiable, il nécessite néanmoins une relecture par un expert. Une fois exporté, il est immédiatement opérationnel. Ce plan, ainsi que ceux d’autres utilisateurs pionniers, se compare avantageusement aux plans rédigés manuellement. Les versions IA se sont avérées non seulement plus rapides, mais aussi étonnamment précises. En pratique, elles regroupent davantage de détails que les planificateurs humains. Bien que ces derniers doivent encore vérifier et affiner les détails – souvent accompagnés d’une visite sur site – la qualité de la première version du plan demeure néanmoins impressionnante.

Les premiers utilisateurs font état de gains de productivité spectaculaires : ils sont passés de cinq ou huit plans par semaine à quarante, voire plus. Le rôle du planificateur évolue de la rédaction à la révision, garantissant l’exactitude des informations, l’ajout de détails spécifiques au site et la validation des exigences de sécurité et de qualité.

Avantages et limites pratiques

L’IA générative offre plusieurs avantages indéniables :

• Rapidité: Les plans de travail sont créés en quelques secondes, permettant aux planificateurs de se concentrer sur la validation et l’amélioration.
• Cohérence: Chaque plan suit un format structuré.
• Accessibilité: Les techniciens qualifiés et les ingénieurs juniors peuvent produire des plans de qualité pour différents corps de métier.
• Capitalisation des connaissances: Les modèles d’IA peuvent intégrer les meilleures pratiques, les manuels techniques, etc., préservant ainsi le savoir-faire de l’entreprise.

Bien sûr, l’IA n’est pas une solution miracle. Elle repose sur des données de qualité : une description précise des équipements, une description détaillée des travaux à planifier, ainsi que toutes les données disponibles sur les équipements, les manuels techniques, les exigences de sécurité spécifiques à l’usine et, enfin, une bonne vérification humaine. Comme pour toute nouvelle technologie, certaines organisations rencontrent des obstacles, tels qu’un accès informatique limité aux outils infonuagiques, des processus de gestion du travail mal définis ou une simple crainte du changement.

Mais ceux qui ont testé ces outils en perçoivent tout le potentiel : ils ne suppriment pas les rôles de planification, ils les valorisent. Un planificateur doté d’IA devient un véritable levier de performance, capable de planifier davantage de travail, de réduire les retards et de contribuer directement à une meilleure disponibilité des équipements.

Si vous êtes planificateur, rassurez-vous : l’IA ne vous remplacera pas, elle vous permettra seulement d’être plus performant. Si vous êtes un dirigeant et que vous lisez ceci, sachez que vous pourrez tirer parti d’une réduction considérable des perturbations et des coûts liés à la maintenance de vos activités.

Un pas vers la disponibilité 4.0

L’IA générative appliquée à la planification est encore récente – seuls quelques systèmes de gestion d’actifs d’entreprise (EAM) et de gestion de la maintenance assistée par ordinateur (GMAO) intègrent cette fonctionnalité – mais sa progression est indéniable. Elle complète admirablement bien l’expertise humaine, rationalise les tâches fastidieuses et favorise la transition d’une maintenance réactive à une maintenance proactive.

De toute évidence, l’IA ne remplace pas les compétences humaines ni le jugement, mais elle accélère la transition vers ce que j’appelle la disponibilité 4.0 : une ère de fiabilité intelligente, basée sur l’information, qui permet aux professionnels de la maintenance de se concentrer sur la valeur plutôt que sur la paperasse.

James Reyes-Picknell, BASc, PEng, CMC, est consultant principal chez Conscious Asset et auteur de plusieurs ouvrages sur la fiabilité et la gestion de la maintenance, notamment les titres suivants (en anglais) : Uptime – Strategies for Excellence in Maintenance Management (2015), Reliability Centered Maintenance – Reengineered (2017) et Uptime for Executives (2024). Il est largement reconnu comme un expert en gestion d’actifs et en fiabilité.