Cet article présente une méthode pour le diagnostic des procédés industriels. Nous sommes intéressés par le diagnostic de fautes perçue comme une classification supervisée. L'intérêt de la méthode proposée est de prendre en compte de nouvelles composantes (et donc de nouvelles informations) dans le classifieur. Ces nouvelles composantes sont des probabilités extraites d'un réseau Bayésien comparant les données de fautes aux données normales de fonctionnement. Les performances de cette méthode sont évaluées sur les données d'un problème benchmark : le Tennessee Eastman Process. Trois types de fautes sont prises en comptes sur ce procédé complexe. Nous montrons sur cet exemple que l'addition de ces nouvelles composantes permet de faire décroître le taux de mauvaises classifications.