Le pronostic industriel est aujourd'hui reconnu comme un processus clef pour renforcer la sûreté de fonctionnement des matériels tout en réduisant les coûts de maintenance. Cependant, il est dicile de construire un outil de pronostic ecace, prenant en compte l'incertitude inhérente aux processus de défaillance mal appréhendés. L'objet de cette thèse est de proposer un système de pronostic qui, partant des données capteurs, permette de générer les indicateurs utiles à l'optimisation des stratégies de maintenance. Le travail vise en outre à pallier certains problèmes inhérents au manque de connaissance sur les phénomènes de dégradation (quantité de données, expertise dans la construction d'un modèle). Les développements sont fondés sur l'utilisation du système neuro-ou évolutif exTS comme outil permettant de prédire la dégradation d'un bien. Une procédure de sélection automatique des entrées du système prédictif est proposée. L'approche est basée sur le principe de parcimonie. Elle permet de déterminer la structure du réseau neuro-ou en regard d'exigences de performance de prédiction. Une méthode d'estimation a priori de la distribution des erreurs de prédiction du système neuro-ou, ainsi que de propagation de cette erreur pour tout horizon est ensuite proposée et illustrée. Cette contribution permet d'intégrer la conance au processus de pronostic. Enn, les mécanismes d'évaluation de la abilité d'un bien sont adaptés au cas prédictif an de générer les métriques de pronostic permettant d'optimiser les stratégies de maintenance, notamment le temps résiduel avant défaillance (Remaining Useful Life - RUL).

L'activité de "pronostic de défaillances" est aujourd'hui considérée comme un processus clef dans les stratégies de maintenance industrielle. Cependant, dans la pratique, les outils de pronostic sont encore rares. Les approches aujourd'hui stabilisées reposent sur un historique des incidents assez conséquent pour être représentatif des événements potentiellement prévisibles. L'objet de cette thèse est de proposer un "outil" permettant de prédire la dégradation d'un équipement sans connaissance a priori sur son comportement, et de générer les indicateurs de pronostic permettant d'optimiser les stratégies de maintenance. Dans cet objectif, notre contribution se décline en trois aspects complémentaires.<br>- Un premier volet de travail traite de la formalisation du processus de pronostic. Le concept de pronostic est défini et positionné par rapport aux stratégies de maintenance. Différents mesures typées pronostic sont proposées et les outils utilisables dans ce contexte sont étudiés (nature, applicabilité, guide de choix).<br>- Le coeur du travail porte ensuite sur la spécification d'un système neuro-flou permettant de reproduire l'évolution des propriétés d'un équipement, et de prédire un état de dégradation au cours du temps. Plus précisément les développements visent la proposition d'une architecture neuro-floue permettant de satisfaire un objectif de contrôle de l'erreur de prédiction, quel que soit l'horizon de prédiction.<br>- Nous développons finalement une approche floue/possibiliste d'adaptation des processus classiques d'évaluation prévisionnelle des grandeurs de sûreté de fonctionnement au cas prédictif (fiabilité, MTTF). Ces indicateurs doivent permettre in fine d'optimiser les stratégies de maintenance en tenant compte de l'incertitude inhérente à l'étape de prédiction des dégradations.