De plus en plus d'entreprises tentent d'améliorer l'aide à la décision de leur maintenance préventive en modélisant leur processus industriel. Les critères de choix de cette modélisation dans une fonderie d'aluminium, dans la production de pâtisseries ou d'une usine de production de verrerie peuvent être proches. Dans ce papier, nous utilisons des Modèles de Markov Cachés comme outils de diagnostic dans l'aide à la décision en maintenance industrielle. Cette étude doit nous permettre d'en améliorer la modélisation. Nous évaluons ici la quantité minimale d'informations nécessaire au modèle pour réaliser une estimation du niveau de dégradation la plus pertinente possible. Ceci nous permettra de réajuster dynamiquement un modèle en fonction de ce nombre optimal de données.