Aller au contenu
Cardan-AI
Retour aux analyses
Retour terrainAéro & Défense1 novembre 20266 min

MRO : pourquoi les projets IA se gagnent dans le processus d'atelier, pas dans le logiciel

L'adoption de l'IA en MRO monte (67 % en 2026 contre 58 % en 2024), mais la valeur dépend de la réorganisation du travail autour de l'outil. Le dirigeant doit financer le processus avant la licence.

À retenir

  • L'adoption progresse vite : 67 % en 2026 contre 58 % en 2024 (Oliver Wyman, via Aviation Week).
  • Le goulot s'est déplacé : le logiciel échoue quand le processus métier ne change pas.
  • Données et IT sous-investis : le décalage entre ambition et infrastructure est le risque principal.
  • Un pilote réussi nomme le processus modifié, le propriétaire de la donnée et le signataire de la routine.

Ce que l'on observe dans les ateliers de maintenance, c'est rarement un échec technique spectaculaire. C'est une démonstration convaincante, puis une équipe qui retourne à ses habitudes. Les chiffres du secteur confirment que le sujet n'est plus l'adoption.

Selon l'enquête MRO 2026 d'Oliver Wyman, citée par Aviation Week le 6 octobre 2026, l'adoption de l'IA atteint 67 %, contre 58 % en 2024. Deux tiers des répondants disent que l'IA délivre autant ou plus de valeur qu'attendu, et environ 75 % anticipent un usage dans la plupart ou la totalité des activités MRO d'ici cinq ans.

Le marché s'organise en conséquence : l'auteur dénombre au moins deux douzaines d'éditeurs d'applications dédiées au MRO, réparties surtout en six familles (maintenance prédictive, inspections, traçabilité des pièces, aide aux techniciens, planification, recherche documentaire). Les premiers rachats apparaissent : Pratt & Whitney a acquis Aiir Innovations en juillet, AAR a acquis Aerostrat l'an dernier.

Le mécanisme économique est ancien. Paul David (1990) a montré que la dynamo n'a pas augmenté la productivité industrielle dès son installation : les gains sont venus quand l'atelier a été réorganisé pour tirer parti d'une énergie distribuée. L'outil n'est qu'un facteur ; la valeur apparaît quand la routine change.

Livia Hayes, directrice du digital chez Oliver Wyman Vector, le formule ainsi : le logiciel échoue quand le processus métier ne change pas ou ne suit pas. Elle relève aussi que certains clients se méfient après des promesses non tenues, ce qui renforce le contrôle budgétaire sur les nouveaux outils.

Deuxième frein : l'infrastructure. Oliver Wyman décrit un décalage fondamental entre un investissement informatique jugé faible et le désir d'innovation IA. Côté industrie au sens large, Roland Berger (9 juillet 2026, plus de 100 dirigeants interrogés) classe la qualité des données comme obstacle le plus cité ; près des deux tiers des répondants disent qu'un nettoyage significatif est nécessaire avant de lancer l'IA.

Implications par acteur : pour un MRO indépendant, la question est de savoir quelle étape de la fiche de travail disparaît. Pour un compagnon de flotte, c'est de savoir si l'outil tient à l'échelle du groupe, comme le rappelle Ben Dias (IAG) : certains outils conviennent à une compagnie mais pas à un groupe. Pour un équipementier, c'est de garantir que la donnée est propriétaire et nommée.

Limites : ces enquêtes mesurent l'adoption déclarée, pas le retour sur investissement vérifié. L'article d'Aviation Week ne fournit pas de taux d'échec ni de résultats mesurés en hangar, et Roland Berger ne chiffre pas la part de pilotes passés à l'échelle. Notre lecture du terrain est une hypothèse de travail, pas une statistique.

Nos recommandations

  1. 1

    Décrire le processus cible avant l'achat

    Dirigeant d'exploitation, avant la signature : rédigez en une page la fiche de travail après l'outil, avec l'étape supprimée et celle ajoutée.

  2. 2

    Nommer le propriétaire de la donnée

    Directeur qualité ou production, sous 30 jours : une personne nommée côté Opérations signe les extractions et la qualité des données.

  3. 3

    Faire signer la nouvelle routine

    Responsable d'atelier, avant le go-live : la routine modifiée est validée par ceux qui l'exécutent et par le système qualité.

  4. 4

    Figer la base de référence

    DAF et production, avant le pilote : mesurez la situation actuelle pour que le gain éventuel se lise en euros.

Citation de Livia Hayes, Oliver Wyman Vector : le logiciel échoue quand le processus ne change pas
Source : Aviation Week, 6 octobre 2026.
Cinq questions à poser avant un pilote IA en hangar
Cinq questions de cadrage avant un pilote IA.

Analyse publiée par

Cardan-AI Intelligence

Notre cellule de recherche et d'analyse, dédiée à l'IA appliquée à l'entreprise, à l'industrie et à la conformité réglementaire.

Parlons de votre prochaine longueur d'avance

Trente minutes pour identifier, dans vos opérations, les deux ou trois cas d'usage qui se financent d'eux-mêmes la première année.