RATP : 10+ solutions de maintenance prédictive pilotées par l'IA

Le Challenge

Sur les rames RER A (MI09) et métro (MP05) de la RATP, des dysfonctionnements réguliers entraînaient des retards fréquents et une fréquentation en hausse continue. L'objectif : anticiper les pannes plutôt que les subir, sur des composants critiques (capteurs, portes, compresseurs, pantographes, systèmes de sécurité et d'information voyageur), tout en optimisant les coûts et l'expérience voyageur.

La Solution

Talan a développé plus de 10 solutions de maintenance prédictive pilotées par l'IA pour la RATP, couvrant l'ensemble du cycle de vie du matériel roulant : détection de défaillance des capteurs de température batterie, analyse d'impédance des capteurs de vitesse, prédiction des pannes de compresseurs d'air, surveillance des pantographes, détection d'anomalies acoustiques, pronostic sur l'information voyageur, sur le freinage/traction, sur le système informatique embarqué (SIE) et sur le système de sécurité SACEM, ainsi qu'un outil d'analyse de la charge voyageurs pour optimiser la planification des rames longues et courtes. Chaque solution s'appuie sur des modèles adaptés (filtres statistiques, Isolation Forest, Random Forest, One-Class SVM, Compact Prediction Trees) et alimente des systèmes de reporting et d'alerte pour les équipes de maintenance.

L'Impact

Les solutions validées atteignent des niveaux de fiabilité élevés : 92% sur la détection de pannes de capteurs de batterie, 83% de recall sur les compresseurs d'air, 93% de F1-score sur le modèle prédictif SACEM, et plus de 95% sur le système informatique embarqué (SIE). Plusieurs solutions sont déjà en production, utilisées quotidiennement par les équipes de maintenance via des systèmes de reporting et d'alerting mis à jour toutes les 50 minutes, tandis que d'autres sont en cours d'industrialisation.