Dans ce papier, nous abordons le problème d'explicabilité dans la compréhension du vieillissement des batteries Lithium-ions pour la mobilité électrique. Pour cela, nous développons un modèle prédicatif reposant sur un réseau de neurones convolutionnels sur des données de l'état de charge de batteries générées dans notre laboratoire. Cette prédiction est expliquée par les valeurs de Shapley. Une fouille de motifs dans des séries temporelles issues de l'explicabilité, par l'approche matrix profile, permet d'identifier les motifs responsables du de la dégradation accélèrée.