Cet article introduit une approche générique nommée VirMaLab (pour atelier virtuel de maintenance) permettant de développer des modèles de maintenance, basée sur la fiabilité, de systèmes multicomposants et multiétats. S'appuyant sur le formalisme des modèles graphiques probabilistes (MGP) [ou réseaux bayésiens (RB)], cette approche stochastique modélise aussi bien les processus de dégrada-tion caractérisant le système étudié (une approche semimarkovienne originale sera proposée pour cela) que les procédures de diagnostic mises en oeuvre et les actions de maintenance qui en découlent. L'intégration de coûts (d'exploitation, d'indisponibilité, de maintenance…) est également possible. À titre d'illustration, deux applications de cette démarche sont introduites, dédiées à la maintenance du rail. La première s'intéresse à l'optimisation du compromis régénération/réparation pour le tronçon central du RER A, tandis que la seconde vise à permettre l'évaluation et la comparaison de différentes stratégies de maintenance pour la prévention de la rupture du rail dans un contexte de modernisation des automatismes de lignes à roulement fer du métro parisien. Pour citer cette revue : Rech. Transp. Secur. 27 (2011).Mots clés Maintenance · Infrastructure ferroviaire · Fiabilité · Disponibilité · Optimisation · Aide à la décision · Modèles graphiques probabilistes Abstract This article deals with a generic approach called VirMaLab (virtual maintenance laboratory) for reliabilitybased maintenance modeling for complex systems (with multi-components and multi-states). Based on the probabilistic graphical models formalism (also known as Bayesian networks), this stochastic approach takes into account both the degradation process of the considered system (an original semi-Markovian model is proposed) and maintenance strategies (from diagnosis factors to all kinds of maintenance actions). For complete decision support tools, cost parameters should also be considered (maintenance actions, unavailability of the system, running, etc.). In this article, two applications of this approach to rail maintenance are introduced. The first one focuses on the optimization of the compromise refurbishment/repairing of central part of the RER A line. The second one focuses on the comparison and evaluation of various maintenance strategies in the modernization of the command control systems of Paris metro lines.