En environnement naval militaire, une dérive invisible peut suffire à compromettre une mission entière.
Sur une frégate multimissions (frégate FREMM), certaines défaillances ne laissent aucune seconde chance. Un sonar défaillant, même partiellement, entraîne une perte de capacité de détection sous-marine, une indisponibilité opérationnelle non planifiée, voire un retour au port anticipé.
Dans un contexte militaire, la maintenance ne peut pas reposer uniquement sur des seuils fixes ou des calendriers théoriques. Les systèmes embarqués doivent rester disponibles, fiables et performants sur des cycles de vie longs, dans des environnements extrêmes et évolutifs.
Ce cas d’usage montre comment détecter très tôt les dérives d’un sonar embarqué critique, sans historique de pannes exploitable, sans perturber les opérations, et en fournissant une information réellement exploitable par la chaîne MCO.
Contexte opérationnel : Un sonar au coeur des missions de guerre anti sous marine
La Frégate Européenne Multi-Missions, plus connue sous l’acronyme FREMM, est équipée d’un sonar de haute performance dédié à :
- détecter et suivre des menaces sous marines, notamment des sous-marins hostiles
- analyser finement l’environnement acoustique
- cartographier les fonds marins et identifier obstacles, reliefs ou mines
Contrairement aux radars, le sonar repose sur l’émission et la réception d’ondes acoustiques, particulièrement sensibles aux conditions environnementales. Il s’agit d’un système électronique et logiciel complexe, composé de capteurs acoustiques, d’électronique embarquée, d’actionneurs mécaniques et de traitements du signal avancés.
La continuité de fonctionnement de ce sonar est stratégique. Une dégradation progressive non détectée peut affecter la qualité de détection bien avant qu’une panne franche ne survienne.
Défis spécifiques de la maintenance des systèmes navals critiques
Le sonar FREMM opère dans des conditions particulièrement contraignantes :
- immersion prolongée
- chocs mécaniques
- salinité élevée
- variations thermiques importantes
- interférences acoustiques et électromagnétiques
Dans ce contexte, les pannes sont rarement brutales. Elles se manifestent le plus souvent par des dérives progressives, difficilement détectables par des approches classiques.
Les équipes MCO font de plus face à plusieurs limites majeures :
- absence ou rareté de données de pannes
- comportements normaux variables selon les conditions opérationnelles
- seuils fixes inadaptés à des environnements dynamiques
- difficulté à localiser précisément l’origine d’une dégradation
Résultat : une maintenance souvent réactive, ou à l’inverse une surmaintenance coûteuse, sans garantie de prévenir les défaillances critiques.
Les limites des approches traditionnelles
Les stratégies classiques reposent sur des seuils prédéfinis, des règles figées et des intervalles planifiés.
Sur un système multivarié comme un sonar embarqué, ces méthodes montrent rapidement leurs limites :
- incapacité à détecter des signaux faibles
- multiplication des faux positifs
- difficulté à distinguer variation normale et dérive réelle
- forte dépendance à l’expertise humaine
Dans la Défense, l’indisponibilité n’est pas une option. Il est nécessaire de passer d’une logique d’alerte à une logique d’aide à la décision.
La solution DiagFit : une IA conçue pour la chaîne MCO
Apprentissage non supervisé adapté aux environnements Défense
DiagFit repose sur une approche d’IA industrielle conçue pour les contextes où les pannes sont rares et peu documentées.
Le principe est simple :
- le modèle apprend uniquement à partir des données de fonctionnement sain
- il construit un référentiel du comportement nominal du système
- toute déviation significative par rapport à ce comportement est automatiquement détectée
Aucune donnée de panne n’est nécessaire pour l’apprentissage, ce qui constitue un avantage déterminant dans des environnements militaires.
D’une alerte à une information exploitable
L’objectif n’est pas de générer une alerte supplémentaire.
L’objectif est de produire une information contextualisée, exploitable par la chaîne MCO. Pour chaque dérive détectée, les équipes disposent :
- d’une indication précise du système ou sous-système concerné
- d’un niveau de sévérité
- d’une évolution temporelle permettant d’évaluer la dynamique de la dégradation
Cette structuration transforme la détection en outil décisionnel. Elle permet de décider de manière argumentée :
- maintien en condition
- reconfiguration du système
- intervention planifiée
- surveillance renforcée
La donnée devient un support objectif à la décision, et non une simple alarme supplémentaire.
Analyse multi niveaux de l’état de santé du sonar
DiagFit a servi à analyser le système à deux échelles complémentaires :
- niveau global : évaluation de l’état de santé général du sonar
- niveau local : analyse capteur par capteur pour identifier précisément les sources de dérive
Cette approche a permis aux équipes maintenance de :
- détecter des anomalies précoces
- comprendre quels sous systèmes sont impliqués
- prioriser les actions correctives
- appuyer le diagnostic avec des éléments objectifs issus des données
Résultats obtenus
Une détection précoce fiable, même sans historique de pannes
Sur le sonar FREMM, DiagFit a démontré sa capacité à :
- détecter 100 % des fautes labellisées disponibles
- identifier également des anomalies non labellisées, révélant des dégradations non anticipées
- fonctionner sans données de panne pour l’apprentissage
Ces résultats confirment la robustesse de l’approche dans des environnements complexes, multivariés et critiques.
L’augmentation du volume et de la diversité des données disponibles a en outre permis d’affiner progressivement le modèle, de réduire les faux positifs et d’améliorer encore la précision de la détection.
Un déploiement compatible avec les contraintes Défense
Dans le secteur militaire, la dimension souveraineté et sécurité des données est centrale.
La solution est compatible avec les exigences suivantes :
- déploiement on-premise
- intégration non intrusive dans les architectures existantes
- compatibilité avec des architectures fermées
- traitement de données potentiellement classifiées
- traçabilité complète des analyses
Aucune dépendance à un cloud public n’est requise. Le système peut être intégré dans des environnements contraints, conformément aux exigences de sécurité Défense.
Bénéfices opérationnels pour les systèmes de défense
L’utilisation de DiagFit sur un sonar embarqué permet notamment de :
- anticiper les dérives avant qu’elles n’impactent la mission
- améliorer la disponibilité opérationnelle des systèmes critiques
- réduire les indisponibilités imprévues
- fiabiliser les décisions de maintenance
- limiter la dépendance aux seuils statiques et aux règles figées
DiagFit apporte ainsi une brique de maintenance prédictive réellement exploitable dans des contextes Défense exigeants.
Aller plus loin
Vous exploitez des systèmes critiques soumis à des contraintes similaires (systèmes embarqués, équipements navals, capteurs complexes, environnements sévères) ?
👉 Échangeons sur vos enjeux de maintenance prédictive et de détection d’anomalies en environnement Défense
