Une des approches utilisées pour la maîtrise de la sûreté de fonctionnement des systèmes industriels complexes est basée sur le pronostic industriel. Le processus de pronostic industriel, qui s'appuie sur les données issues d'un processus de surveillance en amont, a pour but de prédire l'état futur du système surveillé, et de donner une estimation de la durée de vie résiduelle. On distingue essentiellement trois approches de pronostic : l'approche basée sur la fiabilité ou l'expérience, l'approche basée sur les modèles physiques, et l'approche guidée par les données. Le pronostic guidé par les données est basé sur l'exploitation d'indicateurs physique ou synthétique de la dégradation dont l'évolution future est déterminée soit par une méthode d'analyse de tendance soit par une méthode d'apprentissage. Dans ce travail on s'intéresse au pronostic guidé par les données. Il s'agit de présenter le cadre générique d'élaboration du pronostic guidée par les données dont l'évolution future de la dégradation est déterminée grâce à une méthode statistique associée aux méthodes de l'intelligence. Ce cadre générique repose sur plusieurs étapes, et plus précisément on va présenter la technique SBL/RVM (Sparse bayesian Learning / Relevance Vector Machine) d'une part, et d'autre part on illustrera par un exemple les premières étapes de l'élaboration de ce cadre qui consistent à transformer linéairement les données issues de signaux physiques pour construire un indicateur synthétique de suivi.