Les deux accidents de train mortels survenus en Andalousie puis en Catalogne et la multiplication des dysfonctionnements ferroviaires ont ravivé en Espagne le débat sur l’usage des technologies IoT pour le monitoring continu des infrastructures. Le déraillement partiel d’un convoi Iryo près d’Adamuz, suivi quelques jours plus tard par une collision mortelle en Catalogne après l’effondrement d’un mur sur la voie, mettent en lumière la difficulté à détecter en amont des défauts localisés de la voie ou de son environnement.
Un problème de capillarité des données
Si les deux événements sont distincts, ils révèlent un même point faible : les infrastructures ferroviaires ne produisent aujourd’hui que très peu de données structurelles en temps réel. Les inspections programmées, audits ou tournées techniques génèrent des pointeurs ponctuels, mais pas de flux continus exploitables. Dès lors, la compréhension des phénomènes dynamiques : mouvements latéraux, dilatations thermiques, fatigue des matériaux, instabilités hydriques, s’opère souvent après incident et non en amont.
Dans d’autres secteurs industriels (énergie, bâtiments, ouvrages d’art), l’IoT structurel a déjà fait basculer la maintenance corrective vers la maintenance prédictive, grâce à l’installation de capteurs sur les points sensibles et à l’analyse en temps réel des données recueillies. Dans le ferroviaire, ce basculement est plus récent, alors même que la voie ferrée cumule des contraintes mécaniques, environnementales et normatives importantes.
Vers un monitoring distribué sur la voie
La tendance observée en Europe est la multiplication de capteurs distribués le long de la voie, capables de mesurer l’écartement, le nivellement, le gauchissement ou encore le dévers. Ces données peuvent ensuite être croisées avec des paramètres environnementaux (température, hydrométrie, pluviométrie, vibrations), permettant un diagnostic dynamique et la génération de seuils d’alerte.
Des solutions comme celles de la société FEELBAT illustrent cette approche. L’entreprise utilise des capteurs IoT connectés : DELTA R pour les inclinaisons bi-axes, DELTA L+ pour l’écartement des rails, ainsi que des lignes inclinométriques modulaires permettant un suivi continu des déformations. Les systèmes Sigfox ou 4G assurent le reporting en temps réel, tandis que les plateformes d’analyse centralisent les mesures pour établir des tendances, activer des seuils d’alerte (SMS, email) ou corréler la température aux microdéformations observées.
La société prépare également le lancement du capteur DELTA V, dédié au suivi des vibrations en conformité avec les normes locales en vigueur afin de détecter les signaux précurseurs liés à des mouvements significatifs ou répétitifs.
« Les réseaux deviennent plus exigeants et les marges d’erreur plus faibles. La surveillance en temps réel permet de détecter des signaux faibles qui seraient invisibles autrement. C’est un outil supplémentaire pour renforcer la sécurité et la prévention, anticiper les risques et localiser rapidement les défaillances », explique Jean-Christophe Habot, CEO de la société FEELBAT
Un enjeu stratégique pour la mobilité espagnole
La question désormais posée aux gestionnaires du réseau espagnol n’est pas de savoir si les infrastructures doivent être améliorées, mais comment elles peuvent être observées, diagnostiquées et suivi de manière plus continue. Dans un contexte où le ferroviaire demeure un pilier de la mobilité espagnole, la question de la prévention structurelle apparaît comme un vecteur essentiel de sécurité.
Les bureaux d’études et de contrôle plaident désormais pour l’intégration systématique de technologies de suivi structurel en continu dans les zones considérées comme sensibles.
Au-delà de la prévention des accidents, les bénéfices recherchés incluent la réduction des temps d’inspection, l’optimisation des travaux, la protection du personnel d’exploitation et la limitation des perturbations de trafic.