L’Institut de développement logiciel de l’Indian Air Force (IAF) a mis au point un outil d’intelligence artificielle (IA) capable de prédire les défaillances imminentes du moteur AL-31FP équipant sa flotte de Su-30MKI. En exploitant les données enregistrées par les enregistreurs de données de vol (Flight Data Recorders – FDR), cette innovation améliore significativement la maintenance prédictive, réduisant le nombre d’incidents moteurs en vol et renforçant la sécurité ainsi que la disponibilité opérationnelle des appareils.
Créé en 1992 à Bengaluru, l’Institut de développement logiciel (SDI) est le centre névralgique numérique de l’IAF, responsable de logiciels variés allant de la planification des missions à la cybersécurité. Cette avancée marque son entrée dans le domaine de la prévision aéronautique, s’attaquant notamment aux problèmes récurrents de fiabilité des moteurs AL-31FP. Ces derniers, soumis à un rythme de sorties élevé et à des contraintes liées aux sanctions contre la Russie, avaient souvent été source d’urgences en vol.
Le système analyse en temps réel des paramètres tels que les vibrations, les pics de température et les anomalies dans la consommation de carburant. Il est capable de détecter des signes précurseurs de défaillance plusieurs jours, voire semaines à l’avance, permettant ainsi des interventions de maintenance anticipées.
L’outil d’IA du SDI traite d’énormes volumes de données issues des FDR, qui enregistrent des milliers de paramètres à chaque mission. Grâce à des algorithmes d’apprentissage supervisé, des réseaux neuronaux sont entraînés à repérer les schémas annonciateurs de défaillances, comme les décrochages de compresseur ou les fissures sur les pales de turbine. En opération, le modèle analyse les flux en temps réel provenant des unités de surveillance moteur (EHMU), et envoie des alertes intégrées dans le cockpit ou aux bases au sol.
Une architecture associant edge computing et analyses cloud
La puissance du système réside aussi dans l’utilisation de l’edge computing : le traitement local à bord réduit la latence, tandis que les analyses cloud au SDI permettent d’affiner continuellement les modèles prédictifs. Basé sur des standards internationaux d’IA appliquée à la maintenance, l’outil affiche un taux de précision de 95 %, surpassant largement les diagnostics traditionnels basés sur des seuils fixes. Cette technologie, issue de l’aviation commerciale, est désormais adaptée aux exigences particulières des avions de combat.
| Fonctionnalité | Description | Impact opérationnel sur l’IAF |
|---|---|---|
| Source des données | Télémetrie FDR (vibrations, températures, pressions) | Vision globale sur plus de 10 000 heures de vol |
| Horizon de prédiction | Alerte anticipée de 50 à 200 heures de vol | Maintenance planifiée, réduction des immobilisations |
| Taux de précision | 95 % pour les anomalies AL-31FP | Limite les fausses alertes et instaure la confiance |
| Intégration | Compatible avec les EHMU du Su-30MKI et système IACCS | Alertes en temps réel aux pilotes et centres de commandement |
| Scalabilité | Adaptable à d’autres moteurs (ex : GE-F404 pour le Tejas) | Prépare la gestion de flottes multi-types |
Cette innovation transforme le SDI, autrefois simple développeur logiciel, en un centre d’excellence prédictive, en ligne avec la stratégie numérique « Digital India » de l’IAF.
Le moteur AL-31FP, pilier russe des capacités supermanœuvrables du Su-30MKI, a cumulé plus d’un million d’heures de vol en service depuis 2002. Toutefois, ses points faibles—tels que les surpressions du compresseur et la fatigue des pales—ont occasionné plusieurs urgences, notamment un incident majeur en 2023 au-dessus du Rajasthan. Depuis la mise en service de l’outil d’IA début 2025, les incidents dus à des défaillances moteur ont chuté de 40 % par trimestre. Cette baisse a permis d’épargner les cellules d’appareils et de réduire considérablement les coûts de réparation.
Des retours d’unités au front confirment l’efficacité du système : dans une base occidentale, l’outil a prévenu une défaillance turbine lors d’un exercice à forte mise en charge, évitant un accident potentiel lié à une perte de contrôle. Globalement, les détournements se sont réduits de 25 % tandis que la disponibilité opérationnelle a progressé de 15 %. Ces avancées sont cruciales alors que l’IAF prévoit de réceptionner 240 moteurs AL-31FP révisés par Hindustan Aeronautics Limited (HAL) d’ici 2027. Cela renforce la dissuasion sur deux fronts et allège la pression sur le programme national Kaveri de GTRE.
Un nouveau paradigme pour la maintenance aéronautique de combat
Le succès du SDI illustre un changement radical : le passage d’une approche réactive à une gestion proactive anticipant les défaillances. Comme l’a souligné le maréchal de l’air AP Singh, « l’IA ne remplace pas les pilotes, elle les habilite ». Les évolutions futures pourraient intégrer des données satellitaires pour corréler les conditions environnementales, ou encore recourir à l’intelligence collective des flottes pour une surveillance globale renforcée.