Belfort est une ville de machines lourdes : turbines de production électrique, matériel ferroviaire, mécanique de grande dimension. Ce sont des produits à cycle de vie très long — une turbine ou une locomotive est exploitée pendant trente ou quarante ans — et cette longévité crée un problème documentaire spécifique.
Le service qui doit intervenir sur une machine livrée en 1995 a besoin d'une documentation produite en 1995, par des personnes parties depuis vingt ans, dans des formats qui n'existent plus. C'est le cas d'usage documentaire le plus difficile qui soit, et il concerne une part importante du chiffre d'affaires du bassin.
Une entreprise belfortaine de maintenance de machines tournantes, cent trente salariés, est appelée sur une turbine installée au début des années quatre-vingt-dix dans une centrale. Un défaut de vibration apparaît, et le client veut savoir s'il peut continuer à exploiter.
Pour répondre, l'ingénieur a besoin du dossier d'origine : caractéristiques de conception, tolérances admissibles, historique des interventions, modifications apportées au fil des décennies, incidents antérieurs. Une partie de ce dossier est chez le client, une partie chez le constructeur d'origine, une partie dans les archives de l'entreprise de maintenance elle-même.
Concrètement, cela signifie des semaines pour rassembler des documents qui existent, parfois numérisés en lot sans indexation, parfois sous forme de plans scannés illisibles par une recherche texte. Pendant ce temps, la machine tourne avec une incertitude, ou elle est arrêtée — ce qui coûte beaucoup plus cher.
Un assistant IA capable de traiter les documents scannés et connecté aux archives techniques rend ce fonds exploitable : « Quelles modifications ont été apportées à cette machine depuis sa mise en service ? », « Quels niveaux de vibration avaient été relevés lors des interventions précédentes ? », « Quelle tolérance le dossier de conception prévoit-il sur ce palier ? ».
L'ingénieur reconstitue en deux jours un historique qui en prenait trois semaines. Sur une activité où le client facture l'arrêt de production, le délai de diagnostic est la variable qui compte.
L'UTBM et le pôle Véhicule du Futur structurent un environnement technique solide, avec des compétences en ingénierie des données accessibles localement.
Sur les machines à long cycle de vie, la capacité de l'assistant à lire les documents scannés est décisive : l'essentiel de la documentation ancienne n'existe que sous forme d'images. Un outil limité au texte natif ne verra qu'une fraction du corpus, c'est-à-dire précisément la fraction la moins utile.