Les structures en génie civil sont de plus en plus complexes, rendant indispensable leur suivicontinu. Ce suivi est assuré par l'ajout de nombreux capteurs intégrés directement dans les structures,générant une grande quantité de données. Dans ce contexte, nous proposons une méthode d'analyseautomatique de ces données afin d'y détecter de potentielles anomalies et identifer des comportementsanormaux dans les structures de génie civil. Cette approche se fonde sur une méthode de Machine Lear-ning non supervisée : l'Analyse en Composantes Principales (ACP).Dans un premier temps, nous mettons en place une maquette numérique instrumentée par des cap-teurs virtuels pour fournir des données maîtrisées sur un système simple afin de mettre au point notreapproche. Puis, des tests sont réalisés pour valider cette méthodologie, démontrant sa capacité à détecterdes anomalies et à fournir des informations pertinentes pour la maintenance prédictive des structures.