La précision des pièces mécaniques obtenues par usinage est en grande partie limitée par la précision des machines-outils elles-mêmes. L'identification des causes de perte de précision en se basant sur la mesure des défauts de fabrication sur les pièces finies n'est pas immédiate car les sources d'erreurs dans la machine sont multiples et leurs effets sont interdépendants. La perte de précision est due principalement à des défauts géométriques dans la structure de la machine ou suite à la modification de cette structure sous des sollicitations statiques, thermiques et dynamiques. Même si certaines de ces sources d'erreurs peuvent être réduites par l'amélioration du design de la machine, il est cependant impossible de les éli ner totalement. Au lieu de tenter d'éliminer les sources d'erreurs, cette thèse propose une méthodologie générale pour l'analyse, la prédiction et la compensation de leurs effets.

Après avoir classé les sources d'erreurs et caractérisé leurs effets sur la précision de la machine à travers une série d'étalonnages, deux stratégies de mesure et de traitement ont été retenues. Une approche ponctuelle directe basée sur la mesure des erreurs à la pointe de l'outil et une approche cinématique indirecte basée sur la mesure des erreurs aux centres des liaisons. Dans les deux cas, une procédure de design de modèles est introduite pour générer les modèles nécessaires à l'intégration des différentes erreurs. Sur la base de cette procédure, deux modèles mathématiques ont été développés pour synthétiser l'erreur totale en chaque point du volume de travail. Le premier modèle combine la cinématique des corps rigide et les transformations par coordonnées homogènes pour décrire la position et l'orientation de l’outil par rapport à la pièce alors que le second modèle est basé sur une analyse ponctuelle plus directe.

Dans les deux versions du modèle, l'introduction des causes de variations des erreurs élémentaires dues aux effets statiques, thermiques et dynamiques a été réalisée par une nouvelle approche de fusion neuronique multisensorielle. Dans cette approche, de nouveaux concepts relatifs à l'optimisation de la modélisation ainsi que la sélection des variables dans un milieu incertain ont été introduits. Une modélisation par réseaux neuroniques combinée à une procédure systématique de sélection des sources des informations sur le statut de la machine ont été retenues comme solution pour la prédiction des erreurs élémentaires. Les procédures d'adaptation des modèles de prédiction en temps réel font partie intégrante de la structure de modélisation.

L'application de cette méthodologie sur un centre de tournage a permis d'évaluer les deux versions du modèle de synthèse. À tiavers différents tests de simulation, la fiabilité et la précision des approches de fusion des capteurs et d'intégration des erreurs ont été vérifiées. Finalement, des tests d'usinage ont été effectués pour démontrer la validité des modèles développés. Les deux approches présentent une efficacité d'estimation supérieure à 70% pour les caractéristiques dimensionnelies et à 40 % pour l'ensemble des caractéristiques géométriques évaluées.