Thèse : Outils d'analyse et de comparaison de modèles pour la prédiction de défaillances industrielles

Soutenance de thèse : Nassime Mountasir

Titre : Outils d'analyse et de comparaison de modèles pour la prédiction de défaillances industrielles.

Date et heure : mardi 21 avril 2026 à 9h
Lieu : amphithéâtre A301, Pôle API, 300 Boulevard Sébastien Brant, 67400 Illkirch-Graffenstaden

La soutenance se déroulera en français.

Membres du jury

• Directeur de thèse :
• M. Nicolas LACHICHE, Professeur, Université de Strasbourg
• Encadrants: 
• M. Bruno ALBERT, Project Manager, Technology & Strategy Engineering / ENGLAB
• M. Baptiste LAFABREGUE, Maître de conférences, Université de Strasbourg
• Rapporteurs :
• Mme Josiane MOTHE (Présidente du jury), Professeure, Université de Toulouse
• M. Mustapha LEBBAH, Professeur, Université Paris-Saclay
• Examinateurs
• M.Thomas GUYET, Chargé de recherche, INRIA Lyon

Résumé:

Cette thèse s’inscrit dans le cadre de l’Industrie 4.0 et de la maintenance prévisionnelle, où la capacité à anticiper les pannes est cruciale pour la sécurité et la rentabilité. Bien que de nombreux modèles d'intelligence artificielle permettent aujourd'hui de prédire l'usure des machines, leur évaluation repose souvent sur des indicateurs globaux simplistes qui masquent des différences de comportement critiques. Ce travail démontre que deux modèles ayant des performances moyennes similaires peuvent en réalité réagir très différemment selon le contexte opérationnel, comme les variations de température ou de charge. L'objectif est donc de proposer des méthodes d'analyse plus fines pour aider les ingénieurs à choisir le modèle le plus fiable en fonction des contraintes réelles du terrain.

Pour répondre à ce besoin, la thèse introduit deux nouveaux outils de visualisation et de comparaison de modèles nommés le 2D Error Space et le Domain Evolution Plot. Le premier permet de comparer les erreurs de deux algorithmes point par point pour identifier lequel surpasse l'autre sur des cas spécifiques, tandis que le second analyse l'évolution de la précision en fonction des conditions de fonctionnement. Validés sur des jeux de données industriels et académiques, ces outils offrent une vision détaillée de la robustesse des modèles. Ils permettent de passer outre les scores numériques bruts pour fournir une véritable aide à la décision afin de garantir une maintenance plus précise et une meilleure continuité de la production.