Définition & Concepts

MTBF / MTTR (Mean Time Between Failures / Mean Time To Repair)

Version Décideur

L'essentiel

Le MTBF, c'est combien de temps en moyenne ta machine — ou ton service SaaS — tourne sans tomber en panne. Le MTTR, c'est combien de temps il te faut pour la réparer quand elle tombe. Les bonnes pratiques industrie 4.0 tiennent en deux verbes : maximiser le MTBF (maintenance prédictive pilotée par IA sur capteurs IoT, on intervient avant la casse) et minimiser le MTTR (pièces détachées prêtes, procédures écrites, équipe formée). Pour un SaaS, le MTTR mesure combien de temps ton service est inaccessible avant restauration : c'est le chiffre qui te fait tenir ou exploser ton SLA contractuel.

Version Expert

Détails Techniques

MTBF (Mean Time Between Failures) : temps moyen entre défaillances d'un équipement industriel ou d'un service logiciel, indicateur de fiabilité. Formule : somme des heures de fonctionnement nominal / nombre total de défaillances sur la période. Plus la valeur est élevée, meilleure est la fiabilité. MTTR (Mean Time To Repair) : temps moyen de réparation, indicateur de réactivité maintenance. Formule : somme des temps de réparation / nombre d'interventions correctives. Plus la valeur est basse, meilleure est la performance. Disponibilité = MTBF / (MTBF + MTTR). KPIs critiques en maintenance industrielle 4.0 et en disponibilité SaaS. Benchmarks 2026 industrie : MTBF > 2 000 h excellent, MTTR < 4 h excellent. SaaS : SLA 99,9 % = max 8,76 h indisponibilité/an. Normes applicables : ISO 14224 (fiabilité équipements pétrole/gaz/process), IEEE Std 762 (générique fiabilité).

#Définition MTBF / MTTR

MTBF (Mean Time Between Failures) : temps moyen entre défaillances d'un équipement industriel ou d'un service logiciel, indicateur de fiabilité. Formule : somme des heures de fonctionnement nominal / nombre total de défaillances sur la période. Pour approfondir, consultez la page service Agents IA Nehos (maintenance prédictive, agent d'investigation incidents SaaS).

Traduit en termes opérationnels, Plus la valeur est élevée, meilleure est la fiabilité. MTTR (Mean Time To Repair) : temps moyen de réparation, indicateur de réactivité maintenance. Formule : somme des temps de réparation / nombre d'interventions correctives. Plus la valeur est basse, meilleure est la performance. Disponibilité = MTBF / (MTBF + MTTR). KPIs critiques en maintenance industrielle 4.0 et en disponibilité SaaS. Benchmarks 2026 industrie : MTBF > 2 000 h excellent, MTTR < 4 h excellent. SaaS : SLA 99,9 % = max 8,76 h indisponibilité/an. Normes applicables : ISO 14224 (fiabilité équipements pétrole/gaz/process), IEEE Std 762 (générique fiabilité).

On voit trop de projets échouer par méconnaissance de MTBF / MTTR. La théorie compte — mais la mise en pratique encore plus.

#MTBF / MTTR expliqué simplement

Mettez-vous dans la peau d'un décideur qui doit arbitrer vite. C'est la réalité du terrain — loin des définitions académiques.

#Cas d'usage concrets

ETI manufacturing 45 machines critiques — maintenance prédictive Nehos — Site industriel équipé de 45 machines critiques avec capteurs vibration/température, gateways edge et modèle ML détection anomalies. Résultat post-déploiement Nehos sur 14 mois : MTBF +35 % (de 1 200 h à 1 620 h en moyenne), MTTR -42 % (de 6,2 h à 3,6 h) grâce à diagnostic anticipé et stock pièces détachées calibré sur signaux faibles. Retrouvez le détail dans cas ETI manufacturing — MTBF +35 % MTTR -42 % via maintenance prédictive.

Éditeur SaaS B2B — SLA 99,95 % adossé à observabilité Sentry + Grafana — Plateforme SaaS B2B avec engagement contractuel SLA 99,95 % (max 4,38 h indisponibilité/an). MTTR cible < 2 h grâce à observabilité fine (Sentry erreurs runtime, Grafana métriques infra, PagerDuty astreinte), runbooks par incident type, base de connaissance post-mortems. Résultat 2025 : MTTR moyen 1,4 h, SLA tenu à 99,97 %.

Énergéticien régional — réseau électrique sous régulation CRE — Opérateur réseau de distribution électrique dont la rémunération est conditionnée par des objectifs MTBF/MTTR fixés par la Commission de Régulation de l'Énergie (CRE). Tableau de bord temps réel des défaillances sur 12 000 points de mesure, supervision IIoT, équipes d'intervention géolocalisées. Le respect des cibles MTTR conditionne plusieurs millions d'euros de revenus régulés annuels.

#MTBF / MTTR chez Nehos Groupe

Chez Nehos, on a mesuré les résultats sur le terrain. Sur les 3 derniers projets impliquant MTBF / MTTR, on a documenté les résultats avec des KPIs précis. Notre service Agents IA Nehos (maintenance prédictive, agent d'investigation incidents SaaS) couvre ce périmètre de A à Z.

La méthode Nehos est documentée sur méthode Legacy Strangler IA-assisted (modernisation systèmes critiques). Chaque mission démarre par un cadrage structuré : objectifs chiffrés, périmètre technique, jalons à 30/60/90 jours. Les résultats mesurés sur nos clients : 99,97 % est un ordre de grandeur courant. On livre, on mesure, on itère. Pas de slides sans livrable.

#Termes associés

Ce concept ne vit pas isolé.

Tous ces termes sont interconnectés. Maîtriser l'un sans comprendre les autres, c'est voir le puzzle sans toutes les pièces.

Applications Concrètes

Contexte : ETI manufacturing 45 machines critiques — maintenance prédictive Nehos

"Site industriel équipé de 45 machines critiques avec capteurs vibration/température, gateways edge et modèle ML détection anomalies. Résultat post-déploiement Nehos sur 14 mois : MTBF +35 % (de 1 200 h à 1 620 h en moyenne), MTTR -42 % (de 6,2 h à 3,6 h) grâce à diagnostic anticipé et stock pièces détachées calibré sur signaux faibles."

Contexte : Éditeur SaaS B2B — SLA 99,95 % adossé à observabilité Sentry + Grafana

"Plateforme SaaS B2B avec engagement contractuel SLA 99,95 % (max 4,38 h indisponibilité/an). MTTR cible < 2 h grâce à observabilité fine (Sentry erreurs runtime, Grafana métriques infra, PagerDuty astreinte), runbooks par incident type, base de connaissance post-mortems. Résultat 2025 : MTTR moyen 1,4 h, SLA tenu à 99,97 %."

Contexte : Énergéticien régional — réseau électrique sous régulation CRE

"Opérateur réseau de distribution électrique dont la rémunération est conditionnée par des objectifs MTBF/MTTR fixés par la Commission de Régulation de l'Énergie (CRE). Tableau de bord temps réel des défaillances sur 12 000 points de mesure, supervision IIoT, équipes d'intervention géolocalisées. Le respect des cibles MTTR conditionne plusieurs millions d'euros de revenus régulés annuels."

Questions & Réponses

Questions fréquentes sur MTBF et MTTR

Les deux indicateurs mesurent des dimensions opposées et complémentaires de la maintenance. Le MTBF (Mean Time Between Failures) mesure la fiabilité : il répond à la question 'combien de temps mon équipement tient-il entre deux pannes ?'. C'est une moyenne d'heures de fonctionnement sain. Plus il est élevé, mieux c'est. Le MTTR (Mean Time To Repair) mesure la réactivité maintenance : il répond à 'combien de temps me faut-il pour réparer quand ça casse ?'. C'est une moyenne d'heures d'intervention. Plus il est bas, mieux c'est. Les deux se combinent en disponibilité (availability) : MTBF / (MTBF + MTTR). Une machine avec MTBF 2 000 h et MTTR 4 h a une disponibilité théorique de 99,80 %. Optimiser uniquement le MTBF sans toucher au MTTR (ou l'inverse) est une erreur fréquente : ce sont deux leviers complémentaires.

Les ordres de grandeur varient fortement selon la criticité et le secteur. En manufacturing classique sur équipement critique, un MTBF supérieur à 2 000 heures est considéré excellent, entre 1 000 et 2 000 h correct, sous 1 000 h problématique. Le MTTR cible sous 4 heures sur ces mêmes équipements, les sites les mieux gérés descendent sous 2 heures. En énergie réseau, les exigences CRE imposent des MTTR très bas (parfois sous l'heure sur incidents majeurs). Côté SaaS, on raisonne en SLA : 99,9 % = max 8,76 h cumul d'indisponibilité par an, 99,95 % = 4,38 h, 99,99 % = 52,6 min, 99,999 % = 5,26 min. Plus l'engagement SLA est élevé, plus le MTTR doit être court, ce qui impose observabilité temps réel, astreinte 24/7 et runbooks automatisés. Comparer des MTBF sans préciser le périmètre (équipement, criticité, conditions d'exploitation) n'a strictement aucun sens.

Quatre leviers structurels, à activer ensemble. Premier levier, la maintenance préventive systématique (changement pièces d'usure selon plan calendaire ou compteur d'heures) — c'est la base, sans elle aucun gain durable. Deuxième levier, la maintenance prédictive pilotée par IA : capteurs vibration, température, courant, acoustique, modèles ML détectant anomalies avant rupture (gain typique +25 à +40 % de MTBF en 12-18 mois, vérifié sur cas client Nehos ETI manufacturing). Troisième levier, la fiabilisation des achats : qualifier sérieusement les pièces critiques, sourcer multi-fournisseurs, tester sur banc avant intégration. Quatrième levier, l'analyse causale post-panne (méthode 5 pourquoi, arbre de défaillance, Pareto Ishikawa) : sans boucle d'apprentissage formalisée, les pannes se répètent. La GMAO consolide ces quatre leviers et fournit la donnée historique nécessaire au calcul MTBF fiable.

L'IA agit sur trois maillons du temps de réparation. Détection : un modèle de détection d'anomalies sur logs, métriques et traces réduit le temps de détection (MTTD) de plusieurs minutes à quelques secondes — c'est mesuré sur les déploiements Sentry+ML et Datadog Watchdog. Diagnostic : un assistant IA (LLM augmenté de la base de connaissances incidents) propose les causes probables et le runbook applicable en moins d'une minute, là où un opérateur en astreinte pouvait prendre 15 à 30 minutes à se mettre en contexte. Résolution : automatisation des actions correctives standards (redémarrage service, rollback déploiement, bascule failover, isolation pod défaillant) via runbooks exécutables. Sur le périmètre Nehos SaaS B2B, l'introduction d'un agent IA d'investigation incidents a fait passer le MTTR moyen de 2,8 h à 1,4 h en six mois, sans dégrader la qualité des post-mortems.

La nuance est technique mais réelle, et souvent confondue. Le MTBF (Mean Time Between Failures) s'applique aux systèmes réparables : on mesure le temps entre deux pannes successives sur un même équipement qu'on remet en service après réparation. Le MTTF (Mean Time To Failure) s'applique aux systèmes non réparables ou consommables : composants électroniques unitaires, ampoules, batteries, disques durs en mode jetable. Pour un disque dur, le constructeur annonce un MTTF (durée de vie moyenne avant défaillance non réparable), pas un MTBF. Pour une machine-outil ou un serveur applicatif, on parle de MTBF puisque la réparation remet le système en service. La confusion est courante dans les fiches techniques marketing, où MTBF est parfois employé à tort. La règle pratique : si on jette l'équipement après la première panne, c'est MTTF ; si on le répare et le remet en service, c'est MTBF.

Exploration associée

service Agents IA Nehos (maintenance prédictive, agent d'investigation incidents SaaS)secteur énergie-industrie (maintenance industrielle 4.0, IIoT, régulation CRE)définition IoT industriel (capteurs vibration/température, socle MTBF prédictif)définition computer vision (contrôle qualité, détection défauts visuels)définition NIS2 (continuité de service obligatoire, impact MTTR)définition maintenance prédictive (ML sur signaux capteurs, levier MTBF)méthode Legacy Strangler IA-assisted (modernisation systèmes critiques)