Un exploitant de stockage de gaz : piloter la maintenance prédictive sur deux compresseurs, pas sur toute la flotte

Les sites de stockage et de compression de gaz exploitent un petit nombre de machines tournantes de grande valeur. Quand un train de compression s'arrête sans prévenir pendant une fenêtre d'injection ou de soutirage, le coût est de la capacité perdue, pas seulement une réparation. Ce scénario décrit un exploitant illustratif à six trains de compression ; ce n'est pas une entreprise réelle.

Deloitte indique que de mauvaises stratégies de maintenance peuvent réduire de 5 % à 20 % la capacité productive d'un actif et que les arrêts non planifiés coûtent environ 50 Md$ par an à l'industrie. C'est l'ordre de grandeur de l'enjeu pour un actif capitalistique.

Les benchmarks compilés par ReliaMag indiquent que les programmes prédictifs matures réduisent typiquement les arrêts machine de 30 % à 50 % (McKinsey, 2017), et citent 5 % à 10 % de coûts de maintenance en moins et 10 % à 20 % de disponibilité en plus (Deloitte). La même revue note que les premiers pilotes, avec des modèles bruités, restent en général en dessous, et que certains chiffres très répétés remontent à des documents de fournisseurs.

Le mécanisme économique est le coût de l'erreur dans les deux sens. Une panne manquée coûte de la capacité et parfois de la sécurité ; une fausse alerte coûte une intervention planifiée et du temps d'ingénieur. Un modèle ne crée de la valeur que si la qualité de ses alertes dépasse le calendrier préventif actuel, ce qui ne se mesure que face à une référence enregistrée.

L'adoption n'est pas le goulot. L'enquête MaintainX 2026 auprès de 2 234 responsables maintenance et exploitation indique que 58 % utilisent l'IA en maintenance, et que 75 % des adopteurs déclarent un retour en moins de six mois. La même source cite le manque de personnel, l'intégration aux systèmes existants et la résistance culturelle comme principaux obstacles.

Pour l'exploitant, la séquence compte plus que l'outil. Deloitte recommande de commencer par la maintenance préventive et centrée sur la fiabilité, puis de piloter sur un ou deux actifs essentiels à l'exploitation, avec assez d'historique pour bâtir une référence. Les actifs pilotes doivent être ceux où un seul arrêt évité finance le programme.

Les implications varient selon les acteurs. Les directeurs de site ont besoin d'une règle de décision hebdomadaire, pas d'un tableau de bord. Les ingénieurs fiabilité doivent piloter le tri des alertes et garder le droit de passer outre. La finance doit valider la référence avant le pilote, pour éviter de débattre des gains après coup. La DSI sécurise les flux de données d'exploitation ; le fournisseur se choisit en dernier.

Limites : la fourchette 30 % à 50 % vient de programmes matures et d'une source de 2017, et une revue juge de faible confiance certaines allégations de réduction des pannes. Un premier pilote peut n'en livrer qu'une fraction, voire rien, si la qualité des données est mauvaise. Ces benchmarks sont un plafond à tester, pas une prévision à engager.