Inscrits dans les défis des transitions écologiques, numériques et sociétales des systèmes de production industrielle étudiés au laboratoire G-SCOP, les travaux présentés dans cette HDR relèvent de la thématique de la sûreté de fonctionnement et du pronostic et management de la santé des systèmes industriels complexes. Mes activités de recherche présentées dans cette HDR se structurent en trois axes. Le premier axe porte sur le développement de méthodes de diagnostic avec des approches basées sur les modèles. Nous nous sommes intéressés à définir des méthodologies de modélisation mathématique/informatique qui représentent le fonctionnement de systèmes de production industrielle et à élaborer des méthodes et algorithmes qui permettent de réaliser leur diagnostic. Nous proposons ainsi l’usage de différents formalismes tels que les automates temporisés communicants, les automates hybrides, les bonds graphs et les graphes d’événements temporisés ou en utilisant une modélisation hiérarchique et multi-vues. Le second axe propose de nouveaux outils d’aide à la décision pour le diagnostic et la maintenance en utilisant les arbres de défaillances dynamiques, les réseaux de files d’attente et les métaheuristiques. Le dernier axe se focalise sur les méthodes de pronostic basées sur les données. Nous proposons des méthodologies de diagnostic et de pronostic de santé des systèmes industriels à base de méthodes d’apprentissage issues de l’intelligence artificielle. Mes projets de recherche proposés dans cette HDR s’inscrivent dans la continuité de ces trois axes de recherche en développant de nouvelles méthodologies de diagnostic et de pronostic de systèmes de production cyber-physiques afin de participer à une transition réussie vers l’industrie du futur (Industrie 4.0). Dans ce sens, mes projets de recherche sont structurés sur trois directions. La première direction est de poursuivre nos travaux sur les méthodes de diagnostic en considérant des systèmes dynamiques complexes dont on possède uniquement une modélisation incomplète. La seconde direction est de compléter nos méthodes d'optimisation de maintenance distribuée par une approche guidée par les données. La dernière direction est d'étendre nos outils d'aide à la décision dans le diagnostic et la maintenance aux systèmes cyber-physiques de production. Mes ambitions de recherche sont de répondre à l’un des défis majeurs de la révolution industrielle 4.0, la prise en compte de l’humain dans le développement des nouvelles méthodes et technologies pour la fiabilité, le diagnostic et la maintenance des usines intelligentes (smart factory). Il est en effet nécessaire de proposer des solutions pour intégrer l’humain dans cette disruption digitale et l’impliquer au cœur des dynamiques de l’Industrie 4.0. Je propose d'étudier ces questions clés au travers de deux projets de recherche. Dans le premier projet de recherche, nous rechercherons à utiliser la réalité virtuelle / réalité augmentée pour le diagnostic et l'aide à la maintenance d'équipement de production. Dans le second projet, nous développerons un système de surveillance et d'aide au diagnostic de robot collaboratif par son opérateur humain afin de capitaliser l'expérience et l'intelligence humaine et de placer l'opérateur humain au c\oe{}ur des dynamiques de l'Industrie 4.0.