Afin de réduire les coûts de maintenance et de maintenir l’accès aux structures de mobilité qui voient leur durée de vie prolongée tout en maitrisant les riques, Morphosense propose de combiner les technologies de l’IA à celle du Digital Twin pour détecter de manière automatique et autonome toute anomalie afin de prédire le comportement de la structure face à tout changement structurel ou contextuel. L’objectif est de fusionner des données hétérogènes de type météo, vidéo, drônes, celles natives du système NEURON de Morphosense qui fournissent le comportement statique et dynamique de la structure et les sorties du Digital Twin. La première étape est de constituer une base de données complète permettant de cataloguer toutes les sources de sollicitation puis de les classifier, de détecter de façon automatique et précoce les anomalies afin de prédire leurs effets sur la structure et l’impact sur la durée de vie et l’estimation de la fatigue. Ainsi la seconde étape permettant une mise en place de maintenance prédicitive probatoire, sera renforcée et améliorée par des outils d’I.A. issus de l’exploitation de la base de données ainsi constituée.