L'IA dans les télécoms : hier, aujourd'hui et demain

Comment l'aventure de l'IA a commencé

L'aventure de l'intelligence artificielle (IA) chez Ericsson a débuté il y a plus de 15 ans, lorsqu'un groupe de passionnés d'Ericsson Research a commencé à explorer les méthodes d'analyse des données massives (big data). Leur objectif était de simplifier la vie de leurs collègues travaillant dans les opérations, qui devaient gérer d'innombrables tickets d'incident et données d'alarme provenant du monde entier. À l'époque, nos équipes d'assistance de première et de deuxième ligne étaient composées de milliers de personnes, car nos Managed Services, qui couvrent encore aujourd'hui plus d'un milliard d'abonnés, étaient une activité à forte intensité de main-d'œuvre.

La plupart des connaissances et des informations sur le domaine des télécommunications existaient sous la forme de textes lisibles manuellement, tels que la documentation sur les produits. Au fil du temps, ce texte a été transformé en formats plus structurés et lisibles par les machines, ce qui facilite le traitement et l'analyse. Chez Ericsson, nous avons donc exploité cette documentation riche en informations pour créer la première version de notre base de connaissances sur les télécoms, qui a été appliquée avec succès à la résolution des incidents. Depuis, des changements importants sont intervenus. L'automatisation a permis d'éliminer de nombreuses tâches manuelles, et les préoccupations en matière de protection de la vie privée ont été prises en compte en réduisant les opérations manuelles pour différents clients.

Utilisateurs numériques d'Internet. Source de l'image : DALL-E 3

Après avoir traité les domaines les plus urgents nécessitant une automatisation, notamment des tâches telles que la résolution de tickets et l'utilisation de chatbots au lieu de personnes pour fournir une assistance initiale aux ingénieurs, aux opérateurs sur le terrain et aux clients, nous avons porté notre attention sur les optimisations qui étaient plus étroitement liées au cœur du système de télécommunications. Il s'agit notamment du réseau d'accès radio, qui comprend les tours cellulaires, les stations de base et les antennes, ainsi que le cœur, responsable de l'acheminement des données et de la gestion des connexions. Les applications spécifiques de l'IA dans ces parties du système de télécommunications impliquent des analyses et des actions en temps réel, qui se produisent souvent en quelques millisecondes.

Pour traiter de manière proactive toute situation indésirable dans le réseau, telle que la dégradation du service, qui nécessite une attention rapide lorsqu'elle est utilisée par des entreprises sensibles ou critiques en matière de sécurité, il est crucial de recevoir rapidement les données d'entrée. Cela nécessite un échantillonnage de données à haute fréquence et un traitement des données d'entrée en temps réel. Dans ce contexte, lorsque nous parlons de "temps réel", nous voulons dire "aussi rapidement que possible", ce qui diffère de la définition formelle utilisée dans la recherche sur les systèmes en temps réel, où l'on s'attend à ce que le résultat soit fourni "juste à temps".

Partage des connaissances - Bibliothèque de Stockholm. Source de l'image : Paul Petersson Fersman

Parmi les applications de l'IA qui nécessitent l'acquisition de données en temps réel pour des tâches de prédiction et d'optimisation dans les réseaux mobiles, nous trouvons :

• La détection des anomalies : les algorithmes d'IA identifient des modèles qui peuvent indiquer des menaces pour la sécurité ou des problèmes de réseau.
• L'allocation dynamique des ressources et l'optimisation de la qualité de service : les systèmes pilotés par l'IA allouent les ressources, telles que la bande passante et la puissance de calcul, en fonction des besoins et des priorités.
• La prévision du trafic sur le réseau.

Les systèmes d'IA responsables de ces fonctionnalités sont soit déjà opérationnels au sein d'Ericsson, soit en cours de développement.

Changements de paradigme

The world of telecommunications has undergone significant transformation due to the recent adoption of AI algorithms and AI-driven systems. Beyond

Le monde des télécommunications a subi d'importantes transformations en raison de l'adoption récente d'algorithmes d'IA et de systèmes pilotés par l'IA. Au-delà des avantages immédiatement perceptibles de l'adoption de l'IA dans les télécommunications, tels que la réduction simultanée de la consommation d'énergie et l'amélioration des performances et de la fiabilité du réseau, les changements de paradigme les plus critiques associés à l'intégration de l'IA comprennent les aspects suivants :

1. Premièrement, grâce aux techniques de partage des connaissances, nous pouvons observer une réutilisation accrue au sein de l'industrie des télécommunications et dans les secteurs adjacents. Ce changement est devenu possible grâce aux techniques de partage des connaissances à l'échelle mondiale. Ces techniques comprennent : les ontologies, qui sont des représentations formelles des connaissances décrivant les concepts, les entités et les relations entre eux (pensez à la topologie physique et logique du réseau) ; l'interopérabilité sémantique, qui est la capacité de différents systèmes et dispositifs de télécommunications à échanger et interpréter des données, facilitée par des ontologies bien définies ; et les grands modèles de langage, qui sont des systèmes logiciels avancés capables de comprendre et de générer du texte sur la base de modèles et de connaissances acquis à partir de vastes quantités de données textuelles.
2. Deuxièmement, l'IA remplace des tâches dangereuses que nos opérateurs d'assistance sur le terrain avaient l'habitude d'effectuer, et qu'ils effectuent encore dans certains cas, comme escalader des tours pour effectuer une inspection. Les systèmes d'IA déployés sur les sites de télécommunications sont aujourd'hui capables d'avertir préventivement les ingénieurs de toute défaillance ou de toute dégradation prévisible du service. Cela peut se faire en analysant les données des stations de base ou en effectuant des évaluations externes à l'aide de drones combinés à des modèles de vision par ordinateur. Dans de nombreux cas, cette dégradation prévisible du service peut même être résolue à distance, sans exposer les humains à un danger potentiel en escaladant les tours.
3. Troisièmement, l'IA s'est avérée efficace dans les boucles de contrôle, y compris les boucles de contrôle les plus rapides, proches du temps réel. Ces boucles de contrôle supposent l'exécution d'un algorithme d'IA sur un matériel dédié, aussi près que possible de l'endroit où la décision est prise. Les boucles de contrôle rapides - dont les algorithmes d'IA capables d'ajuster dynamiquement l'allocation de la bande passante en temps réel sur la base des schémas de trafic du réseau, assurant ainsi une transmission efficace des données tout en minimisant l'encombrement et la latence - se trouvent au cœur des réseaux d'accès radio.
4. Enfin, les dernières avancées en matière d'IA pour les télécommunications englobent diverses applications de grands modèles de langage. Si les avantages de l'utilisation de ces modèles pour l'assistance à la clientèle sont évidents, leur application devrait également améliorer de manière significative la qualité et l'efficacité de la recherche et du développement. Cela comprend des tâches telles que la génération d'idées, la validation de concepts, l'extraction de connaissances à partir de la recherche primaire et de la documentation sur les produits, et la modélisation prédictive.

Aux origines de l'internet mobile. Source de l'image : Photo de Mudit Agarwal sur Unsplash

Que manque-t-il ? 

Voyons ce qu'il faut faire pour exploiter pleinement le potentiel de l'IA au sens large.

1. Premièrement, le marché de l'IA est fragmenté. Même au sein d'une entreprise (et même s'il s'agit d'une grande entreprise comme la nôtre), une fois qu'une nouvelle technologie est identifiée et ciblée, on peut trouver des dizaines de groupes, d'initiatives stratégiques et de systèmes dans lesquels la nouvelle technologie a été développée et appliquée. C'est tout simplement la nature humaine, et les raisons qui expliquent la prolifération des développements et des applications de nouvelles technologies au sein d'une entreprise sont plus susceptibles d'être trouvées dans les sciences du comportement que dans l'informatique. Bien que cette prolifération d'initiatives puisse réduire l'efficacité de l'adoption des solutions d'IA, toutes ces différentes recherches, développements et déploiements de l'IA faciliteront néanmoins le progrès global de la technologie et nous finirons par converger vers une - ou deux - solutions gagnantes, comme c'est le cas pour les hyperscalers du monde d'aujourd'hui.
2. Deuxièmement, cette technologie n'est pas développée selon des normes. Dans le domaine des télécommunications, les normes sont synonymes d'échelle et d'interopérabilité, c'est pourquoi elles sont très appréciées par les entreprises de télécommunications. Dans le domaine de l'IA, cependant, le rythme de développement est beaucoup plus rapide que ce que l'on observe généralement dans l'industrie des télécommunications (par exemple, on attend dix ans entre deux générations de normes de télécommunications, comme le passage de la 4G à la 5G, alors qu'il a fallu moins d'un an à OpenAI pour passer du modèle GPT-1 en grand langage à GPT-2), et les développeurs d'IA devraient par conséquent disposer d'une plus grande souplesse pour accélérer l'innovation, en particulier dans les premiers stades de développement.
3. Une autre lacune - et après cela, vous êtes libre de m'appeler Captain Obvious - est l'observabilité, c'est-à-dire la capacité de surveiller, de suivre et de comprendre ce qui se passe au sein d'un système. Nous avons vécu avec cette lacune bien trop longtemps et, pour être honnête, elle m'a causé quelques cheveux blancs. Ici, nous sommes confrontés à une fracture numérique, mais elle ne concerne pas les consommateurs, mais plutôt les industries. En effet, une "jeune entreprise", un nouvel entrant sur le marché, serait un "digital native", ayant la possibilité de concevoir ses processus et ses produits entièrement à partir de la base. Cela signifie que les plateformes de collecte et de développement de données de l'entreprise seront probablement en mesure de lire toutes les données des produits et services déployés sur le terrain et d'utiliser ces données pour améliorer ses offres. En revanche, dans le cas d'une entreprise centenaire comme la nôtre, les processus, l'état d'esprit et la culture devront être progressivement repensés en fonction des principes numériques, en plaçant l'IA au centre et non "au-dessus" des solutions. La 5G a partiellement intégré l'IA, tandis que la 6G est en train de naître comme un système natif de l'IA.
4. En outre, la fiabilité de l'IA doit être prise au sérieux et des algorithmes garantissant le respect des principes d'impartialité, de non-discrimination et d'explicabilité doivent être mis en place.
5. Enfin, n'oublions pas que l'IA est un logiciel et que, sans une mise en œuvre appropriée, ses résultats sont inutiles. Une mise en œuvre bien exécutée est aussi cruciale pour l'ensemble du système qu'une observabilité approfondie.

Points à retenir

1. L'IA n'est pas seulement la cerise sur le gâteau ; elle doit être intégrée dans un produit ou un service pour que ses capacités soient pleinement exploitées, qu'il s'agisse de prendre des mesures proactives ou de réagir aux anomalies du réseau et aux performances médiocres et de les compenser presque instantanément.
2. Dans les télécommunications, l'IA doit se concentrer sur ce qui compte vraiment. Nous disposons d'une abondance de données, dont une grande partie n'est pas forcément intéressante ou exploitable. Cependant, lorsque quelque chose de critique se produit dans le système, nous devons être en mesure de le surveiller fréquemment, souvent en temps réel.
3. Nous devons donner à l'IA le temps de prouver sa valeur. Dans les industries qui ont plus d'un siècle d'histoire, comme les télécommunications, il existe des algorithmes finement réglés qu'il est difficile de remettre en question, même si cette remise en question est nécessaire pour adopter des technologies nouvelles et supérieures qui promettent d'améliorer les performances du réseau. Le passage d'un système conventionnel basé sur des règles à des algorithmes basés sur l'IA peut, dans un premier temps, entraîner une dégradation des performances, tout comme l'introduction d'un stagiaire talentueux sur un lieu de travail composé de professionnels expérimentés. Il est essentiel de donner à l'IA la possibilité de faire ses preuves et, comme les nouveaux apprentis, les algorithmes d'IA sont intrinsèquement adaptatifs.
4. Il est essentiel de faciliter la communication entre IA. Chaque domaine industriel possède ses propres données d'entreprise, qui seront bientôt analysées par ses systèmes d'IA. Souvent, les données et les résultats de différents domaines doivent être connectés ou combinés. Par exemple, dans le domaine des télécommunications, les systèmes de transport intelligents reposent sur la connectivité qui, à son tour, repose sur l'infrastructure informatique. Une communication et une collaboration efficaces entre différents domaines, chacun ayant des stratégies et des objectifs uniques, sont essentielles.
5. Il est primordial de garantir la fiabilité de l'IA. Dès le départ, il est essentiel de garantir que les logiciels et les algorithmes, même s'ils sont bien intentionnés, ne perturberont pas par inadvertance les réseaux de télécommunications. Dans la gestion des réseaux de télécommunications, la fiabilité garantit que les processus d'optimisation pilotés par l'IA améliorent constamment les performances du réseau tout en évitant les interruptions ou la dégradation du service causées par les erreurs logicielles et algorithmiques.

Malgré les progrès évidents de l'IA pour les télécommunications, nous n'en sommes qu'au début de l'aventure de l'IA dans ce domaine. Notre entreprise, avec ses scientifiques et experts de l'IA, ouvre la voie à l'innovation dans les télécommunications d'aujourd'hui et de demain basées sur l'IA.