Praxedo est un éditeur de logiciels spécialisé dans la gestion des interventions des techniciens de maintenance. En liaison avec la collecte des données des véhicules, ils ont développé une base de données et des algorithmes prédictifs des temps de déplacement. Modéliser, et donc prévoir, les durées des interventions est la prochaine étape.

Équipé d’un carnet de bons autocopiants, le technicien achève son intervention avant de remonter dans son Kangoo… Non ! Aujourd’hui beaucoup de techniciens sont équipés d’un téléphone mobile ou d’une tablette et saisissent dans une application dédiée leurs bons d’interventions. C’est le métier de Praxedo de développer ces applications de gestion des interventions de maintenance en mode SaaS. Jusqu’à récemment, Praxedo ne disposait pas d’offre de Business Intelligence, et laissait les clients exporter leurs données vers Excel ou un système de BI s’ils en disposaient d’un.
Depuis deux ans, changement de stratégie, et orientation « données » ; Praxedo a développé un module analytique ajouté à son offre. Un outil orienté reporting, qui propose aux clients des indicateurs standards, tels que les calculs de temps passé par type d’intervention, le respect des SLA (engagements de service contactualisés avec le client), etc.

Pour Jean de Broissia, co-fondateur de Praxedo, l’ensemble du secteur de la maintenance est en train d’évoluer. « Nos clients réduisent la part du curatif pour augmenter la part du prédictif », explique-t-il. Pour l’instant Praxedo ne dispose pas encore de module de calcul de la maintenance prédictive, en revanche les fondations se mettent en place, avec la connexion de Praxedo aux plates-formes IoT, permettant de récupérer des données directement des machines maintenues. Ainsi, si la maintenance préventive d’un ascenseur doit être réalisée tous les trois mois, la collecte du nombre d’heures de fonctionnement permettra d’adapter le cycle de maintenance réel aux usages constatés.
Pour l’instant le calcul est fait par gamme d’appareil. Il sera intéressant dans le futur de modéliser le comportement de chaque appareil afin d’individualiser la prévision des phases de maintenance. D’autres données pourront être intégrées dans le modèle, comme la localisation, le profil du technicien en charge, ses compétences, etc.
Plus largement, les données pourraient être anonymisées, et servir au calcul d’un comparatif sectoriel, permettant à chaque client de réaliser comment il est positionné par rapport à ses concurrents, sur les principaux indicateurs de gestion, dans ses temps d’intervention, dans le nombre d’opérations de maintenance.

Un tel partage de données multi-clients, Praxedo le réalise déjà, avec une base de données des temps de déplacement. Praxedo propose à ses clients une prévision de temps de déplacement. Lors de la construction du planning quotidien des techniciens, Praxedo calcule un temps de déplacement moyen, qui dépend du lieu, de l’heure, etc. Ce temps de déplacement n’est pas théorique, mais basé sur les millions de déplacements réels mesurés et conservés dans la base de données. Pour bénéficier de l’usage de ces prédictions modélisées, le client doit à son tour accepter de partager, de manière anonyme bien sûr, les données de ses propres interventions. Ainsi, la base des déplacements s’enrichit chaque jour des données de nouveaux déplacements réels, et améliore ses prévisions. Un système qui fonctionne car le profil des clients de Praxedo est homogène, il s’agit de techniciens qui réalisent plusieurs interventions par jour, et se déplacent en camionnettes.

On est encore loin de l’intelligence artificielle, mais elle serait sans doute inutile dans ce domaine. L’utilisation de la modélisation prédictive est déjà un atout majeur, qui permet de mieux planifier les interventions, donc d’optimiser la journée de travail des techniciens, et d’augmenter la satisfaction clients.