Nguyen Van Yen, membre du conseil d'administration de VNPT
Résumé:
- Données et IA dans les télécommunications : les opérateurs de réseaux détiennent d’importantes quantités de données sous-exploitées. L’IA peut contribuer à transformer ces données en outils permettant d’améliorer les services et d’optimiser les opérations commerciales.
- Tendances des applications d'IA : Le développement de la 5G et de l'IoT a incité les opérateurs à se concentrer sur l'IA depuis 2016. Récemment, l'IA générique est apparue comme un outil stratégique, notamment après le lancement de ChatGPT d'OpenAI.
- Bénéfices économiques de l'IA : L'IA devrait générer une valeur considérable pour les opérateurs, notamment en réduisant les coûts et en créant de nouvelles sources de revenus. McKinsey estime que l'IA de nouvelle génération pourrait rapporter 100 milliards de dollars au secteur des télécommunications.
- Intégration de l'IA dans l'organisation : L'IA doit être mise en œuvre à tous les niveaux de l'organisation, de l'analyse des données aux fonctions administratives. De nombreuses entreprises ont créé des unités dédiées à l'IA et des centres d'excellence en la matière.
- Risques liés à l'application de l'IA : Le recrutement de ressources humaines spécialisées en IA, la gestion des données et la sécurisation du déploiement de l'IA sont autant de défis auxquels sont confrontés les opérateurs de réseau. La gouvernance de l'IA est un facteur essentiel pour garantir un déploiement réussi et durable.
Préparation des données pour l'IA : Pour une application efficace de l'IA, les opérateurs doivent préparer des données propres et cohérentes et garantir un modèle de données commun. La collecte et le traitement des données représentent un défi majeur, nécessitant des investissements importants dans l'analyse et la gestion des données.
État des lieux des applications de l'IA dans le secteur des télécommunications
L'essor de la 5G, de l'Internet des objets (IoT) et le volume croissant de données massives (Big Data) incitent les opérateurs télécoms à se tourner vers l'intelligence artificielle (IA). Certains opérateurs majeurs et ambitieux ont commencé à adopter l'IA dès 2016-2017, et entre 2019 et 2020, le secteur des télécommunications a connu une forte adoption de l'IA par les opérateurs du monde entier . Au cours des 12 à 15 derniers mois (depuis le lancement d'OpenAI avec Chat GPT), la perception de l'IA de génération (GenAI) a évolué : d'un simple outil de création de contenu basé sur l'IA, elle est devenue une plateforme stratégique et s'impose rapidement comme un centre de réflexion pour la quasi-totalité des opérateurs télécoms à travers le monde.
Le rapport d'étude de marché d'Allied [6] sur l'IA dans le secteur des télécommunications en 2022 indique : « La taille du marché mondial de l'IA dans les télécommunications était évaluée à 1,2 milliard de dollars en 2021 et devrait atteindre 38,8 milliards de dollars d'ici 2031, soit une croissance annuelle composée de 41,4 % entre 2022 et 2031. » Les entreprises de télécommunications se tournent vers l'IA comme un levier essentiel d'innovation, d'efficacité opérationnelle et d'amélioration de l'expérience client.
Ericsson estime [1] que l'IA apportera une valeur ajoutée sans précédent à des secteurs comme les télécommunications. Pour les opérateurs de réseau, l'IA offrira des opportunités d'optimisation des opérations, d'amélioration de l'expérience client, de réduction des coûts, de contribution au développement durable, de création de nouvelles sources de revenus, etc.
Gartner [2] a mené une enquête et classé 29 technologies liées à l'IA en 5 groupes : technologies d'IA de base, technologies d'IA généralisée, technologies d'IA centrées sur les données et technologies de confiance en IA. Le déploiement des technologies d'IA généralisée devrait connaître une forte croissance au cours des 1 à 3 prochaines années.
Les opérateurs télécoms perçoivent l'IA générale comme un tournant décisif, un puissant moteur de croissance des revenus, de réduction des coûts et de transformation profonde de l'expérience utilisateur. Nombre d'entre eux considèrent l'IA générale comme un axe majeur de leur stratégie en matière d'IA.
Mesurer l'impact économique de l'IA/IA de génération
Mesurer l'impact économique de l'IA sur le secteur des télécommunications n'est pas chose aisée, car les cas d'utilisation potentiels sont nombreux et variés, et les estimations de la valeur marchande diffèrent considérablement selon les sources. Toutefois, de nombreux opérateurs s'accordent à dire que les avantages de l'IA pour le secteur des télécommunications sont significatifs. Par exemple [4] :
- Réduction des effectifs et suppressions de postes dues à l'IA et à l'automatisation. BT (Royaume-Uni) estime qu'elle pourrait supprimer 10 000 emplois d'ici 2030 en tirant parti de la numérisation et de l'automatisation.
- Générer de nouveaux revenus grâce au lancement de produits intégrant l'IA. SK Telecom (Corée du Sud) estime pouvoir générer jusqu'à 25 000 milliards de wons (environ 18,5 milliards de dollars) de revenus liés à l'IA d'ici 2028.
- Contribuer à réduire les coûts ou à augmenter les revenus. McKinsey estime que l'IA de nouvelle génération pourrait générer jusqu'à 100 milliards de dollars de valeur ajoutée pour le secteur des télécommunications.
Les opérateurs mesurent les avantages de chaque cas d'utilisation de l'IA en fonction de deux aspects : financiers (gains de temps (quantifiables), économies de coûts, augmentation des revenus) et non financiers (satisfaction des employés, satisfaction des clients, gains de temps faibles et difficiles à quantifier, durabilité).
Où l'IA est-elle appliquée dans le secteur des télécommunications et comment la mettre en œuvre ?
Les opérateurs considèrent l'IA comme une priorité stratégique à appliquer aux tâches et services liés à l'analyse des données. Cependant, l'essor récent de l'IA généralisée a soulevé de nouvelles perspectives quant à son application dans le secteur des télécommunications, notamment :
- Domaines d'application de l'IA dans les télécommunications :
- L'IA est un outil innovant, elle doit donc être accessible à toutes les équipes de l'entreprise.
+ Il faut tout mettre en œuvre pour rendre l'IA facile à utiliser, même pour les groupes ayant de faibles capacités technologiques.
+ Les unités dédiées à l'IA doivent être capables de comprendre les pratiques de mise en œuvre réussies des cas d'utilisation de l'IA et de construire des modèles et des méthodes appropriés pour réappliquer ces cas d'utilisation dans toute l'organisation.
La démocratisation de l'accès à l'IA doit s'accompagner de la mise en œuvre de nouvelles approches FinOps pour l'IA afin de gérer les risques financiers liés à son adoption.
+ Un programme de gouvernance de l'IA doit être élaboré et mis en œuvre afin de réduire le risque de coûts incontrôlés et d'encourager l'utilisation et l'expérimentation de l'IA.
- Déploiement de l'IA dans les télécommunications
Créer un poste de CXO AI doté de l'expertise et de l'autorité nécessaires pour piloter le développement d'applications et de produits d'IA (par exemple, Steve Jarrett nommé Chief AI Officers (CAIO) chez Orange Innovation en décembre 2023 ; Deepika Adusumilli chez BT en octobre 2023 ; Chung Suk-guen chez SK Telecom).
Créer une filiale pour développer l'IA , par exemple Proximus Ada est une filiale de l'opérateur de réseau Proximus (Belgique) qui se concentre spécifiquement sur le développement de capacités en matière de cybersécurité et d'IA pour répondre aux besoins internes de Proximus et fournir des services aux clients B2B.
Séparer les fonctions d'IA interne et d'IA destinée aux clients. Au lieu de créer une organisation d'IA centralisée, Telefónica a décidé de la scinder en deux divisions : Customer Insights and Innovation ; Networks, IT Systems and Internal Digital Transformation (CDS) to AI.
Cette répartition des responsabilités est particulièrement intéressante car GenAI est davantage axée sur le client que sur les fonctions réseau, tandis que l'IA prédictive devient de plus en plus la technologie utilisée à des fins d'automatisation du réseau.
L'IA comme nouvelle fonction commerciale. Par exemple, China Mobile et SK Telecom investissent massivement dans l'IA pour proposer de nouveaux produits et services. Ces deux opérateurs cherchent à développer leur propre modèle de langage étendu (LLM) doté des meilleures solutions et fonctionnalités, et à en commercialiser l'accès auprès des entreprises (DN) et d'autres opérateurs.
Création d'un centre d'excellence en IA (CoE).
D’après une enquête TMFrum (2023) [4], 53 % des opérateurs ont déclaré avoir mis en place un centre d’excellence en IA. Cependant, la taille, le périmètre et le rôle exacts de ces centres varient considérablement. Par exemple, Vodafone Ziggo (Pays-Bas) dispose d’un centre d’excellence en IA qui réunit les experts en science des données de l’entreprise.
Telefónica possède un centre d'excellence mondial en IA, géré par la division Réseaux et Informatique, spécialisé dans l'architecture des données et de l'IA afin de servir l'objectif de transition vers un modèle de données commun et de recherche sur les technologies et solutions d'IA.
e& (Moyen-Orient) dispose d'un centre d'excellence où chaque département/fonction clé a un représentant ; la gouvernance de l'IA est au premier plan avec pour mission de garantir que les cas d'utilisation réussis de l'IA soient étudiés et appliqués dans différents départements.
L’IA comme fonction de plateforme. Certains opérateurs ont mis en place – ou sont en train de mettre en place – des plateformes d’IA conçues pour la rendre accessible aux différentes parties de l’organisation.
Par exemple, Vodafone dispose d'une plateforme d'IA qui propose également des outils en libre-service et des supports de formation permettant aux différentes équipes de développer leurs propres cas d'usage. SK Telecom, quant à elle, possède une plateforme d'intelligence artificielle qui donne accès à l'ensemble de l'organisation au modèle de vie technologique (LLM) développé par SKT.
- Gestion de l'IA
Exigences de gouvernance de l'IA. De nombreuses exigences de gouvernance relatives à l'IA sont intégrées aux programmes de gouvernance des données existants. Toutefois, des mesures de protection supplémentaires, spécifiques à l'IA, sont nécessaires pour garantir la sécurité et l'éthique des outils et systèmes d'IA. Il existe deux types de programmes de gouvernance de l'IA :
- Le programme de gouvernance externe est conçu pour protéger les personnes et les organisations extérieures à l'entreprise.
- Les programmes de gouvernance interne sont conçus pour protéger les employés et garantir un déploiement réussi et durable de l'IA dans toute l'entreprise.
Les programmes de gouvernance visant à protéger les personnes et les organisations extérieures à l'entreprise ont tendance à être codifiés et normatifs. Par exemple, l'Union européenne (UE) a adopté la loi sur l'intelligence artificielle (IA) en décembre 2023, qui entrera en vigueur en 2025, et les États-Unis ont publié un décret présidentiel sur l'IA en octobre 2023.
Un renforcement de la réglementation gouvernementale peut aider les entreprises de télécommunications à développer des technologies et des capacités monétisables à l'étranger, notamment dans les pays dotés de réglementations strictes en matière de souveraineté des données.
Par exemple, China Mobile estime que les méthodes qu'elle utilise pour se conformer à la réglementation sur l'IA peuvent contribuer au développement de technologies de sécurité qu'elle pourra proposer à ses clients. Swisscom expérimente la création de sa propre infrastructure d'IA et le développement d'une expertise interne lui permettant de créer de la valeur et de nouvelles solutions pour ses services informatiques.
L'émergence de l'IA générale (GenAI) accentue également la nécessité d'améliorer la gouvernance interne de l'IA : accélérer le déploiement ; maîtriser les coûts ; protéger l'organisation des conséquences de l'utilisation de résultats inexacts ; réduire le risque de dette technique ; se prémunir contre le risque de « corruption » des données du modèle d'entraînement LLM ; protéger l'organisation contre les atteintes à la propriété intellectuelle (PI) et aux droits d'auteur.
Risques liés à l'application de l'IA en entreprise
L’enquête TMforum 2023 sur les risques liés à l’application de l’IA de génération dans le secteur des télécommunications comprend :
3.1. Ressources humaines pour l'IA
En matière de recrutement de talents en IA, la plupart des opérateurs télécoms sont désavantagés par rapport aux entreprises technologiques, notamment pour les jeunes profils. Ces dernières offrent généralement de meilleurs salaires, une progression de carrière plus rapide et une culture d'entreprise bien plus flexible.
L'enquête du TM Forum sur les besoins en ressources humaines des télécommunications par spécialité [4] montre que les compétences en IA/apprentissage automatique, en analyse de données et en automatisation sont très demandées (64 %, moins que la sécurité à 69 %).
En ce qui concerne la difficulté des compétences que les opérateurs télécoms peuvent recruter, 59 % des répondants ont déclaré que les professionnels de la science des données/de l'analyse des données et les professionnels de l'IA/ML sont les plus difficiles à recruter (juste après la sécurité à 63 %).
Lors du MWC 2024, Korea Telecom (Corée) a annoncé son intention de recruter jusqu'à 1 000 experts en IA et en numérique cette année, dans le but de devenir une entreprise AICT (IA et TIC). Parallèlement, KT a renforcé ses formations internes en IA afin d'intégrer pleinement cette technologie à son ADN.
En 2019, China Mobile a créé Jiutian, une plateforme destinée à soutenir son ambition de devenir un opérateur hautement automatisé d'ici 2025. Cette plateforme d'intelligence artificielle est accessible aux développeurs externes via des API ouvertes. En octobre 2023, China Mobile avait intégré son propre LLM à Jiutian. Comptant initialement seulement 20 ingénieurs en IA, l'entreprise en emploie aujourd'hui 600 et prévoit d'atteindre les 1 000 d'ici fin 2024.
Vodafone collabore avec des géants du cloud pour sa plateforme d'IA, mais a toujours besoin de compétences en AIOps, ainsi qu'en analyse de données, automatisation, cloud et plateformes. Vodafone recrute des talents à temps plein.
Ashish Yadav, directeur senior chez Capgemini, a déclaré que les opérateurs télécoms recherchent de plus en plus des architectes de haut niveau spécialisés dans le cloud et l'IA par le biais de sociétés d'intégration de systèmes, dans le cadre d'une forme d'internalisation. La définition de l'internalisation peut être interprétée de différentes manières, mais dans ce contexte, les opérateurs télécoms considèrent les experts de l'entreprise partenaire comme des membres à part entière de leurs équipes.
La plupart des entreprises de télécommunications intensifient également leurs efforts de requalification et de perfectionnement afin de recruter proactivement des talents en IA à la demande. En réalité, cette approche peut s'avérer plus rentable que le recrutement de nouveaux talents et est de plus en plus appliquée à toutes les autres compétences difficiles à trouver.
Dans le sondage de TMForum sur ce que les opérateurs doivent faire pour exploiter efficacement l'IA et l'apprentissage automatique, 60 % des répondants ont déclaré que la formation des employés existants à diverses compétences en IA avait un impact important, tandis que 39 % ont déclaré qu'elle avait un impact significatif.
Selon McKinsey & Company, l'IA de nouvelle génération (GenAI) oblige les opérateurs à développer en interne une expertise en IA, tout en exigeant de nouvelles compétences de la part des utilisateurs, comme la capacité à poser des questions pertinentes pour obtenir la meilleure réponse possible des experts en IA. Les opérateurs doivent également recruter des ingénieurs de données et des experts du domaine « qui comprennent quelles données collecter et comment les collecter, ainsi que comment surveiller et évaluer la qualité des nouvelles formes de données créées et utilisées par les systèmes d'IA de nouvelle génération » .
3.2. Préparation des données pour les applications d'IA
Une architecture axée sur les données est essentielle pour garantir l'exactitude et la cohérence des données sur l'ensemble du réseau. L'utilisation d'un modèle de données commun assure une circulation fluide des données entre tous les systèmes et leur traitement précis dans tous les flux de travail automatisés.
L'IA a besoin de données, et l'analyse des données a besoin d'IA. De nombreux acteurs du secteur sont aujourd'hui confrontés à des difficultés importantes pour élaborer des stratégies de données cohérentes afin d'exploiter pleinement la technologie de l'IA. Ceux qui en sont aux premières étapes de l'expérimentation de l'IA peuvent sous-estimer les besoins, notamment en matière de données, pour déployer l'IA à grande échelle avec succès.
De nombreux opérateurs n'ont pas de stratégie cohérente permettant la circulation horizontale des données au sein de l'organisation selon un modèle de données unique.
Voici quelques défis spécifiques liés à la préparation des données pour l'IA :
Il existe un manque de données propres, claires, cohérentes et exploitables pouvant être appliquées aux différents aspects de l'entreprise, du réseau à la prestation de services en passant par l'expérience client. Or, ces données sont essentielles à tous les processus d'exécution pilotés par les données et l'IA.
L'absence d'un modèle de données commun (les données sont actuellement collectées auprès de plusieurs fournisseurs) entraîne une agrégation extrêmement chronophage des données structurées et non structurées.
Le manque de contexte des données, c'est-à-dire l'ignorance de la manière, du moment, du lieu et des finalités de la collecte des données, constitue un obstacle particulièrement important que les opérateurs télécoms doivent surmonter s'ils veulent déployer GenAI ou tout autre type de modèle d'apprentissage automatique.
Les opérateurs prennent conscience de la valeur des données et augmentent considérablement leurs investissements dans l'analyse de données. Omdia estime que d'ici 2025, les opérateurs mondiaux auront investi environ 2,5 milliards de dollars dans l'analyse de données.
En réalité, le temps et les investissements nécessaires pour collecter, nettoyer, transformer et stocker les données dans un format approprié sont souvent disproportionnés par rapport au temps nécessaire à leur utilisation. La création de lacs et d'entrepôts de données est un processus en cours depuis des années, mais il n'a pas encore permis aux opérateurs de déployer l'IA à grande échelle au sein de leurs organisations.
L’avènement des innovations et des analyses basées sur l’IA a engendré le besoin et l’exigence d’une utilisation des données plus diversifiée et plus flexible, par exemple :
L'IA et l'apprentissage automatique nécessitent d'énormes quantités de données pour entraîner les modèles.
Des ensembles de données diversifiés et de multiples types de données sont nécessaires pour garantir des résultats d'IA impartiaux.
- Ajouter des couches de données pour améliorer la précision du modèle et son impact sur l'application
- Les modèles doivent être continuellement entraînés avec les informations les plus récentes afin de maintenir leurs performances prédictives, notamment dans des environnements dynamiques.
Les données doivent être disponibles en temps réel pour les fonctions critiques de l'entreprise, principalement dans les environnements hautement interactifs.
- L'avènement de l'IA générale a donné aux opérateurs la possibilité d'exploiter la grande quantité de données non structurées disponibles, mais ces données doivent être étiquetées et nettoyées avant d'être intégrées au LLM.
Pour réaliser des progrès significatifs en IA du point de vue des données, les opérateurs doivent opérer une transformation profonde de leur approche des données qui circulent dans le système, ce qui implique parfois un changement de culture d'entreprise. L'élément clé est la mise en place d'un modèle de données commun et la création d'une source unique de vérité.
L'établissement d'une source unique de données fiables est une tâche extrêmement complexe qui, jusqu'à présent, a été hors de portée de la plupart des opérateurs en raison de la fragmentation des données. BT, Deutsche Telekom et Telefónica ont pris des mesures pour remédier à ce problème en transférant l'intégralité de leurs données vers le cloud public. Par exemple, au cours des deux dernières années, BT a transféré plus de 90 % de ses données vers la plateforme Google Cloud.
Architecture de l'IA : concevoir, acquérir et déployer à grande échelle
L'IA/IA générale et le cloud computing présentent de nombreuses similitudes, notamment la transformation technologique et la prédominance des hyper-opérateurs. Les opérateurs de réseau sont confrontés au même problème, à la même question que l'IA et le cloud : que faut-il acheter et que faut-il développer ?
L’approche des opérateurs en matière d’IA est largement guidée par les principes fondamentaux d’architecture ouverte et de composabilité. Omair Ahmed Khan, de Deutsche Telekom, explique que la plupart des projets d’IA de l’entreprise combinent développement interne et acquisition de composants : « Deutsche Telekom a une stratégie hybride, et l’acquisition de composants n’a jamais consisté à acheter une solution clé en main complète. »
Les opérateurs estiment qu'il est prématuré d'intégrer l'IA à leur architecture d'entreprise ou à leur architecture de référence. Certains opérateurs, dotés d'une vision et d'une stratégie claires pour l'intégration de l'IA dans leur future architecture d'entreprise, reconnaissent également les difficultés de mise en œuvre liées aux ressources humaines, aux outils et aux compétences nécessaires pour obtenir des résultats concrets et un retour sur investissement tangible.
L'industrialisation des logiciels peut être considérée comme une bonne pratique pour l'industrialisation de l'IA, notamment en transférant les données vers des clouds publics et en les rendant accessibles en temps réel. Le DSI d'un opérateur de télécommunications d'Asie du Sud-Est a décrit le processus d'industrialisation de l'IA mis en œuvre par son entreprise comme une « usine à données ». « Cela a considérablement réduit les délais et les coûts de production de l'IA », a-t-il déclaré.
« Il y a deux ans, le coût de production de l'IA était très élevé. Il fallait six à huit mois pour créer un modèle d'IA. Aujourd'hui, cela ne prend que quelques jours. On peut réaliser l'ensemble du cycle beaucoup plus rapidement et avec moins de personnel. »
Pratique dans certains transporteurs :
China Mobile : a acheté du matériel et construit son propre centre de données comprenant des unités de traitement graphique (GPU) et des accélérateurs dans le cadre du projet Jiutian LLM.
Jio : Reliance Industries, maison mère de l’opérateur télécom indien Jio, s’est associée à Nvidia pour construire une infrastructure de supercalculateurs dédiée à l’intelligence artificielle. Reliance ambitionne de fournir cette infrastructure aux scientifiques, développeurs et startups de toute l’Inde et de créer des applications et services d’IA pour les 450 millions de clients de Jio.
Le choix entre un cloud public et un cloud privé pour le déploiement de l'IA est également crucial pour les opérateurs télécoms et dépend largement de l'échelle du déploiement. Le cloud public offre l'avantage de ressources de calcul abondantes, d'une puissance de calcul importante et de matériel spécialisé nécessaire au traitement d'algorithmes complexes et de grands volumes de données. Cependant, le coût peut devenir un frein si l'opérateur utilise le cloud public uniquement pour traiter de gros volumes de données.
De nombreux opérateurs jugent irréalisable le recours à un cloud privé pour l'IA de génération, à moins de développer leur propre infrastructure de gestion de l'énergie (LLM), comme c'est le cas pour China Mobile, Softbank et SK Telecom en Asie, et Deutsche Telekom en Europe. Ils privilégient généralement le cloud public pour les tests et le développement de prototypes (MVP) pour les cas d'usage de l'IA.
À mesure que les opérateurs augmentent leur utilisation de l'IA, cela conduira inévitablement à des relations plus étroites.
SoftBank s'est associé à Nvidia pour construire des centres de données (TTDL) destinés à héberger des applications d'IA générale et sans fil. Le nouveau TTDL prendra en charge les charges de travail liées à l'IA et à la 5G.
SK Telecom mise sur la demande croissante de centres de données basés sur l'IA, conformément à ses ambitions plus larges dans ce domaine. Son directeur financier, Yang-Seob Kim, a déclaré que SKT prévoit de « dynamiser davantage son activité de centres de données, en se concentrant sur les centres de données IA de nouvelle génération et sur son expansion mondiale ».
- NTT investit 1,5 billion de yens (environ 12 milliards de dollars) au cours des cinq prochaines années pour étendre et moderniser son activité de centres de données à l'échelle mondiale afin de répondre à la demande croissante de données liées à l'utilisation de l'IA de génération, ainsi que d'autres technologies.
Le choix entre un cloud public et un cloud privé pour le déploiement de l'IA est également crucial pour les opérateurs télécoms et dépend largement de l'échelle du déploiement. Le cloud public offre l'avantage de ressources de calcul abondantes, d'une puissance de calcul importante et de matériel spécialisé nécessaire au traitement d'algorithmes complexes et de grands volumes de données. Cependant, le coût peut devenir un frein si l'opérateur utilise le cloud public uniquement pour traiter de gros volumes de données.
De nombreux opérateurs jugent irréalisable le recours à un cloud privé pour l'IA de génération, à moins de développer leur propre infrastructure de gestion de l'énergie (LLM), comme c'est le cas pour China Mobile, Softbank et SK Telecom en Asie, et Deutsche Telekom en Europe. Ils privilégient généralement le cloud public pour les tests et le développement de prototypes (MVP) pour les cas d'usage de l'IA.
À mesure que les opérateurs intensifient leur utilisation de l'IA, cela conduira inévitablement à des relations plus étroites avec les superpuissances — Amazon Web Services, Microsoft Azure et Google Cloud.
Références :
1. Potentiel commercial de l'IA : Comprendre la valeur de l'IA pour
Opérations de télécommunications. https://www.ericsson.com/4ac6ca/
actifs/local/rapports-articles/informations-approfondies/doc/ai-
potentiel-commercial.pdf
[2]. Emerging Tech Impact Radar : Intelligence artificielle, Gartner, 19 janvier 2024, ID G00796195
[3]. IA générative : les opérateurs font leurs premiers pas, TMforum 2023
[4]. Élaboration d'une stratégie d'IA : les opérateurs télécoms mettent en place les fondements,
TMforum, 3 mars 2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
marché-des-télécommunications-A09352
[7]. L'IA de génération dans les télécommunications : principaux résultats de l'étude GenAI d'Omdia sur les télécommunications
Enquête auprès des prestataires de services Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
télécom/
[9]. Où va l'IA ? Nokia https://www.nokia.com/thought-
leadership/articles/ai/où-est-la-direction-de-l'ai/
[10]. Ericsson Telco AI, Document interne
(Publié dans l'édition imprimée du magazine Information and Communications n° 8, août 2024)
Source : https://ictvietnam.vn/chien-luoc-ai-nao-cho-cac-nha-khai-tac-mang-vien-thong-66422.html
Comment (0)