Les réseaux autonomes, autrefois considérés comme un objectif lointain pour les télécommunications, sont désormais une priorité absolue. Selon le dernier rapport de NVIDIA sur l'état de l'IA dans les télécommunications , l'automatisation des réseaux est le principal cas d'usage de l'IA en termes d'investissement et de retour sur investissement, ce qui démontre où les opérateurs tirent un bénéfice immédiat de l'IA.
Bien que de nombreux opérateurs télécoms automatisent déjà des processus prédéfinis, parvenir à une véritable autonomie exige davantage. Les réseaux autonomes doivent comprendre les intentions de l'opérateur, évaluer les options et déterminer les actions optimales au sein d'infrastructures complexes. Ce changement repose sur des modèles de raisonnement et des agents d'IA spécifiquement entraînés sur les données et les schémas opérationnels des télécommunications.
Systèmes d'agents pour les télécommunications
Le passage à des opérations autonomes nécessite bien plus que de simples modèles d'IA isolés. Les opérateurs télécoms ont besoin de systèmes d'agents complets comprenant :
- Modèles de réseau spécifiques aux télécommunications qui appréhendent le langage et la structure du domaine
- Des agents d'IA capables de communiquer et de se coordonner entre eux
- Outils de simulation de réseau permettant de confirmer les modifications proposées avant leur impact sur les environnements réels
En amont du Mobile World Congress de Barcelone, NVIDIA a dévoilé plusieurs éléments destinés à ce cadre : un modèle ouvert pour les grandes entreprises de télécommunications (LTM) basé sur Nemotron, un guide pour la création d’agents de raisonnement pour les opérations réseau et de nouveaux NVIDIA Blueprints pour les économies d’énergie et la configuration réseau grâce à l’orchestration multi-agents. Ces composants aident les opérateurs à passer progressivement à des réseaux autonomes tout en conservant la maîtrise de leur infrastructure.
Dans le cadre de la nouvelle initiative Open Telco AI de la GSMA, NVIDIA met à disposition, via la GSMA, le LTM, le guide et les modèles d'IA associés en tant que ressources ouvertes. Cette approche offre à l'écosystème mobile au sens large des composants communs plutôt que des solutions propriétaires.
Modèle de raisonnement ouvert et adapté aux télécommunications
Pour déployer une IA générative et agentielle dans les environnements de production des opérateurs télécoms, les modèles doivent comprendre le langage des télécommunications et raisonner à partir des processus réseau réels. NVIDIA, en collaboration avec le cabinet de conseil AdaptKey AI, a mis au point Nemotron LTM, un modèle open source de 30 milliards de paramètres que les opérateurs du monde entier peuvent utiliser comme base pour les réseaux autonomes.
Le modèle LTM s'appuie sur la famille de modèles de base NVIDIA Nemotron 3 et est optimisé par AdaptKey AI à l'aide d'ensembles de données de télécommunications ouverts, incluant des standards industriels et des journaux de réseau synthétiques. Cet optimisation porte sur des tâches clés des télécommunications telles que :
- Identification des défauts dans des environnements multicouches et multi-fournisseurs
- Planification des mesures correctives, y compris les processus de décision et les procédures de restauration
- Valider les modifications et évaluer les impacts avant et après les mises à jour
Grâce à son architecture ouverte, Nemotron LTM offre aux opérateurs une visibilité complète sur son processus d'apprentissage et ses sources de données. Cette transparence favorise un déploiement sécurisé au sein des environnements télécoms, permettant aux opérateurs de concevoir et d'exécuter des agents dans le respect de leurs propres limites de sécurité. Elle leur permet également d'adapter le raisonnement optimisé pour les télécommunications à l'aide de données réseau et opérationnelles internes, personnalisant ainsi le modèle selon leurs architectures et politiques spécifiques sans compromettre les informations sensibles.
Guide ouvert pour la création d'agents de raisonnement pour les télécommunications
NVIDIA et Tech Mahindra ont publié un guide open source destiné aux opérateurs, qui explique comment transformer des modèles de raisonnement spécifiques au domaine en agents capables d'exécuter en toute sécurité les flux de travail des centres d'opérations réseau (NOC).
Le guide décrit un cadre permettant aux modèles de raisonner comme les ingénieurs du NOC. Il leur indique de :
- Identifiez précisément les types d'incidents à fort impact et à haute fréquence où l'automatisation profite rapidement aux opérations.
- Transformer les solutions d'ingénieurs experts en procédures claires et détaillées.
- Transformez ces procédures en traces de raisonnement structurées qui documentent chaque action, l'utilisation des outils, le résultat observé et le point de décision.
Ces traces servent d’« exemples de raisonnement » pour le modèle, détaillant les actions à entreprendre et les raisons qui sous-tendent les vérifications spécifiques, les procédures d’escalade et les solutions jugées sûres et efficaces. Grâce au pipeline NVIDIA NeMo-Skills, les opérateurs peuvent affiner un modèle de raisonnement à l’aide de ces traces et créer des agents spécialisés dans les télécommunications, capables de gérer le dépannage et les opérations, à l’instar d’ingénieurs réseau expérimentés.
Autonomie en boucle fermée et optimisation énergétique du RAN
Les réseaux autonomes reposent sur un fonctionnement en boucle fermée. Les modèles doivent comprendre l'état du réseau, les agents doivent agir en fonction des intentions de l'opérateur et des résultats de la simulation, et le retour d'information doit permettre d'affiner en permanence les décisions futures.
Le nouveau plan directeur de NVIDIA pour l'efficacité énergétique des réseaux d'accès radio (RAN) pilotée par l'intention illustre ce principe dans les réseaux d'accès radio 5G. Ce plan directeur vise à aider les opérateurs à réduire systématiquement la consommation d'énergie des RAN tout en maintenant la qualité de service.
L'architecture de référence intègre le générateur de scénarios RAN IA TeraVM (AI RSG) de VIAVI, qui génère des données RAN synthétiques telles que l'utilisation des cellules, le débit utilisateur et les modèles de trafic. AI RSG transforme ces données dans un format interrogeable par les agents d'IA.
Un agent de planification énergétique analyse les données synthétiques afin de créer des politiques d'économie d'énergie, lesquelles sont ensuite testées dans un système de gestion de réseau par IA (IA RSG). Ce système en boucle fermée permet aux opérateurs d'évaluer l'efficacité potentielle des stratégies d'économie d'énergie dans des scénarios réalistes avant leur mise en production, offrant ainsi une approche plus sûre pour atteindre les objectifs d'efficacité énergétique sans impacter l'expérience des abonnés.
Plan directeur pour la configuration d'un réseau de télécommunications en production
Le plan directeur de NVIDIA pour la configuration des réseaux de télécommunications est passé du stade de concept à celui d'application concrète, les opérateurs l'utilisant pour introduire une IA agentive dans les environnements de production.
Cassava Technologies utilise ce modèle de configuration comme base pour Cassava AI RAN, une plateforme multi-agents destinée au paysage diversifié des réseaux mobiles multi-fournisseurs en Afrique. La plateforme comprend trois agents spécialisés :
- Un agent de surveillance et de recommandation qui suit l'état du réseau et suggère des modifications de configuration.
- Un agent d'exécution qui met en œuvre les modifications approuvées tout en assurant une documentation et une gouvernance rigoureuses.
- Un agent de validation et de restauration qui évalue l'impact des modifications et les annule si elles entraînent des conséquences imprévues.
Cette approche multi-agents favorise des cycles de configuration plus sûrs et plus rapides pour différentes configurations radio et fournisseurs.
NTT DATA utilise le même modèle pour optimiser la régulation du trafic, notamment lors de la reconnexion des utilisateurs après des coupures et face aux pics de demande soudains sur les réseaux. Déployé chez un opérateur de premier plan au Japon, un agent d'IA surveille la demande en temps réel sur l'ensemble des cellules et prend des décisions de contrôle d'admission, déterminant quand et comment autoriser l'accès de nouveaux utilisateurs à des cellules spécifiques. Lorsque la demande revient à la normale, l'agent ajuste ses actions, transformant la gestion manuelle du trafic en une boucle d'optimisation basée sur les données, visant à améliorer la résilience lors des pics de trafic.
Orchestration multi-agents
Pour aider les opérateurs à concevoir, suivre et optimiser les flux de travail multi-agents au sein du RAN, NVIDIA et BubbleRAN mettent à jour le NVIDIA Blueprint pour les réseaux de télécommunications avec deux frameworks intégrés :
- NVIDIA NeMo Agent Toolkit (NAT) pour la création et la coordination d'agents d'IA.
- BubbleRAN Agentic Toolkit (BAT) pour orchestrer ces agents dans des environnements de qualité télécom.
BubbleRAN intègre NAT et BAT à sa plateforme Opti-Sphere, qui gère les agents de surveillance, de configuration et de validation pour l'ensemble des conteneurs et des charges de travail. Opti-Sphere connecte les agents à des outils qui révèlent les métriques réseau et l'état du trafic, leur permettant ainsi de suggérer en continu des modifications de configuration, de les simuler ou de les valider, et de s'adapter en conséquence.
Le groupe Telenor sera le premier opérateur télécom à mettre en œuvre cette architecture actualisée avec BubbleRAN, améliorant ainsi son réseau 5G pour Telenor Maritime, son fournisseur mondial de connectivité pour les clients du secteur maritime. Ce déploiement permettra de tester l'orchestration automatisée et les opérations en boucle fermée dans un environnement de connectivité complexe, où l'évolution constante des conditions et les exigences de haute disponibilité soulignent la nécessité d'un comportement réseau robuste et autonome.
Amazon