L’accélération industrielle impose de nouvelles exigences en matière de performance, de fiabilité et de durabilité des équipements. Dans ce contexte, la maintenance prédictive s’impose comme une solution permettant d’anticiper les défaillances, d’optimiser les opérations de maintenance et de prolonger la durée de vie des systèmes. Cette approche est particulièrement pertinente pour les batteries, dont le suivi de l’état de santé permet non seulement d’améliorer leur utilisation, mais aussi d’identifier celles pouvant être réutilisées ou réaffectées. La maintenance prédictive constitue ainsi un levier essentiel pour accélérer le développement d’une filière naissante : celle de la seconde vie des batteries.

Le webinaire organisé le 8 juillet 2026, dans le cadre du projet SEQGEN-AI financé par WASABI, avec CARA en tant qu’EDIH, a réuni une trentaine d’acteurs industriels et chercheurs sur le sujet précédemment introduit.

La première intervention, assurée par Samuel Guesne de GEMESIS, portait sur le projet européen SEQGEN-AI, financé par le cascade funding WASABI. GEMESIS est spécialisé dans la conception de moyens d’essais complexes pour les secteurs de l’hydrogène, des batteries et plus largement des systèmes électromécaniques. L’entreprise développe notamment le logiciel GEMS, destiné au pilotage de bancs d’essais et à la gestion de campagnes expérimentales.

Le projet SEQGEN-AI vise à exploiter les capacités des grands modèles de langage (Large Language Model LLM) pour automatiser la génération de protocoles d’essais. Aujourd’hui, la préparation d’une campagne repose souvent sur des documents normatifs, des cahiers des charges ou des fichiers Excel que les ingénieurs doivent interpréter manuellement afin de construire les séquences de test adaptées, cela est chronophage donc couteux. L’objectif du projet est de développer une interface capable d’analyser ces documents puis de générer automatiquement les séquences compatibles avec les équipements disponibles sur un banc donné, avec vérification par un opérateur.

Au-delà du simple gain de temps, cette approche répond à un enjeu de transmission et de capitalisation du savoir-faire. Les séquences développées au fil des projets deviennent réutilisables, documentées et plus facilement partageables. Bien que le projet ne soit pas exclusivement orienté vers la seconde vie des batteries, il pourrait à terme accélérer la caractérisation des batteries usagées et faciliter le déploiement de procédures standardisées de diagnostic.

Vincent Van Steenbergen de l’entreprise ThinkDeep a ensuite présenté les travaux de son entreprise dans le domaine du contrôle qualité assisté par intelligence artificielle. Son intervention a particulièrement insisté sur une notion devenue essentielle dans l’industrie : l’explicabilité de l’IA. Contrairement aux applications grand public, les systèmes industriels ne peuvent pas se contenter d’une réponse produite par une « boîte noire ». Lorsqu’un défaut est détecté sur une batterie ou un composant, il est indispensable de comprendre précisément pourquoi et comment l’algorithme est parvenu à cette conclusion.

ThinkDeep développe ainsi des architectures associant traitement avancé d’image et agent IA capable de détecter des anomalies sur différents types de capteurs : caméras visibles, thermiques, infrarouges ou systèmes radiographiques. Chaque étape du raisonnement de l’algorithme est conservée au sein d’un workflow traçable qui permet à un expert humain de vérifier, rejouer et valider les traitements réalisés.

Cette démarche répond donc parfaitement aux exigences croissantes de l’Union Européenne sur l’intelligence artificielle, qui imposent un niveau élevé de transparence pour les applications considérées comme critiques. Dans le domaine des batteries, ces outils pourraient contribuer à détecter plus rapidement des défauts de fabrication, des anomalies internes ou des signes précoces de vieillissement.

Kurybees de son côté a développé une approche en triptyque combinant laboratoire expérimental, modélisation physique et intelligence artificielle afin d’accompagner les industriels dans le choix, la conception puis le suivi de leurs systèmes batterie.

L’entreprise dispose en arrière-plan d’importantes capacités de caractérisation expérimentale. Les cellules sont soumises à de longues campagnes d’essais permettant d’étudier leur comportement électrique, thermique et leur vieillissement dans différentes conditions d’utilisation. Ces données servent ensuite à construire des jumeaux numériques capables d’imiter le comportement réel des cellules avec un haut niveau de fidélité.

À partir de ces modèles, Kurybees a développé une plateforme SaaS permettant de comparer les performances de différentes technologies de cellules, de dimensionner automatiquement un pack batterie ou encore de simuler jusqu’à dix années d’exploitation en quelques minutes seulement. Cette capacité à prédire rapidement le comportement futur d’une batterie constitue un avantage majeur pour les fabricants de packs comme pour les utilisateurs finaux.

L’un des enjeux majeurs de la seconde vie est d’évaluer rapidement l’état de santé « le plus réel possible » d’une batterie sans avoir à la soumettre à des cycles de test longs et coûteux, et destructifs. Kurybees travaille précisément sur ce sujet grâce à des méthodes hybrides associant mesures simples, modèles physiques et algorithmes d’apprentissage.

L’objectif de la méthode est d’obtenir en quelques secondes des indicateurs tels que :

Une caractéristique est ressortie comme particulièrement importante : une batterie, à la manière d’un système quantique, ne possède pas un état de santé unique. Une même cellule peut à la fois être considérée en fin de vie pour une application exigeante comme un drone, mais en même temps être parfaitement adaptée à un système d’éclairage stationnaire ou à du stockage d’énergie. Cette approche permet donc d’envisager une réaffectation beaucoup plus fine des batteries selon leurs capacités résiduelles réelles.

Gaëtan Depaëpe d’Entroview a clôturé le cycle des présentations avec une vision très opérationnelle des enjeux de la seconde vie dans le secteur automobile. Son constat est clair : une part importante des batteries actuellement orientées vers le recyclage pourrait encore être utilisée. Selon les observations de terrain réalisées par l’entreprise :

« près de 80 % des batteries automobiles arrivant dans les centres de traitement seraient encore en bon état de fonctionnement. »

Le principal défi réside aujourd’hui dans la capacité à réaliser des diagnostics fiables, rapides et économiquement viables. Les batteries automobiles présentent des architectures complexes, composées de modules et des centaines voire milliers de cellules. Les démonter jusqu’au niveau cellulaire ne serait pas rentable. Entroview privilégie donc une approche non destructive/intrusive en étant basée sur l’analyse des modules et des informations disponibles au niveau du pack.

L’IA n’agit ici pas seule. Elle vient renforcer des modèles physiques avancés issus de travaux de recherche en thermodynamique des batteries. Cette combinaison permet de réduire fortement les temps de diagnostic tout en maintenant un niveau de confiance compatible avec les exigences de sécurité du secteur automobile.

Les discussions finales ont montré que les freins au développement de la seconde vie sont autant économiques et organisationnels que technologiques. Plusieurs participants ont souligné les difficultés liées à l’accès aux données des systèmes de gestion de batterie (BMS), souvent verrouillées par les constructeurs. La traçabilité, la responsabilité juridique, l’assurance et la normalisation restent également des sujets ouverts, et pourraient faire l’objet de futurs événements organisés par le pôle CARA.

Les échanges avec les participants ont aussi mis en évidence l’importance croissante de la logistique. Comme pour les filières pneus ou équipements électroniques, le succès de la seconde vie dépendra aussi et surtout de l’organisation des flux de collecte, de diagnostic, de réparation et de redistribution. Les éco-organismes commencent à apparaitre et structurer cette filière, mais les modèles économiques restent encore en construction…

Ce webinaire a démontré que l’intelligence artificielle ne constitue pas une technologie isolée mais un outil transversal capable d’intervenir à chaque étape du cycle de vie des batteries. Qu’il s’agisse d’automatiser la conception des essais, de détecter des défauts industriels, d’estimer l’état de santé d’une batterie ou de faciliter son réemploi, ou même d’aider à rédiger ce résumé, l’IA apparaît désormais comme un élément central de la filière. Les interventions ont également montré que les solutions les plus prometteuses reposent rarement sur l’IA seule : elles combinent généralement expertise métier, modèles physiques, données expérimentales et intelligence artificielle. Cette convergence est aujourd’hui considérée comme l’une des conditions essentielles pour rendre la seconde vie des batteries à la fois sûre, fiable et économiquement viable.