Quelle stratégie d’IA pour les opérateurs de réseaux télécoms ?

Nguyen Van Yen, membre du conseil d'administration du VNPT

Résumé:
- Données et IA dans les télécommunications : les opérateurs disposent d'une grande quantité de données qui ne sont pas correctement exploitées. L'IA peut contribuer à transformer ces données en outils pour améliorer les services et optimiser les opérations commerciales.
- Tendances des applications de l'IA : Le développement de la 5G et de l'IoT a poussé les opérateurs à se concentrer sur l'IA depuis 2016. Récemment, GenAI est apparu comme un outil stratégique, notamment après le lancement de ChatGPT d'OpenAI.
- Avantages économiques de l'IA : L'IA devrait créer une valeur considérable pour les opérateurs, notamment en réduisant les coûts et en créant de nouvelles sources de revenus. McKinsey estime que GenAI pourrait rapporter 100 milliards de dollars au secteur des télécommunications.
- Applications de l'IA dans l'organisation : l'IA doit être appliquée à tous les niveaux de l'organisation, de l'analyse de données aux fonctions administratives. De nombreux transporteurs ont créé des unités dédiées à l'IA et des centres d'excellence en IA.
- Risques liés à l'application de l'IA : les opérateurs de réseaux sont confrontés à des défis liés au recrutement de ressources humaines en IA, à la gestion des données et à la sécurité du déploiement de l'IA. La gouvernance de l'IA est un facteur important pour garantir un déploiement réussi et durable.
- Préparation des données pour l'IA : Pour appliquer efficacement 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 constituent un défi majeur, nécessitant des investissements importants dans l'analyse et la gestion des données.

L'état des applications de l'IA pour les télécommunications

L'essor de la 5G, de l'IoT et le volume croissant du Big Data incitent les opérateurs de télécommunications à s'intéresser à l'IA. Certains grands opérateurs ambitieux ont commencé à adopter l'IA en 2016 et 2017, et en 2019-2020, le secteur des télécommunications a enregistré 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), GenAI est passée du statut d'outil de création de contenu basé sur l'IA à celui de plateforme stratégique, devenant rapidement le centre de réflexion de la quasi-totalité des opérateurs de télécommunications du monde entier.

Un rapport d'étude de marché allié [6] sur l'IA sur le marché des télécommunications en 2022 montre : « La taille du marché mondial de l'IA sur les télécommunications est évaluée à 1,2 milliard USD en 2021 et devrait atteindre 38,8 milliards USD d'ici 2031, avec un TCAC de 41,4 % de 2022 à 2031 ». Les entreprises de télécommunications (telcos) se tournent vers l'IA comme un facteur clé d'innovation, d'efficacité opérationnelle et d'amélioration de l'expérience client.

Ericsson estime [1] que l'IA apportera une valeur sans précédent à des secteurs tels que les télécommunications. Pour les opérateurs de réseaux, l'IA offrira des opportunités d'optimisation de leurs 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 cinq groupes : technologies de base de l'IA, technologies basées sur la GenAI ; technologies d'IA centrées sur les données ; technologies de confiance en IA. La tendance au déploiement de technologies basées sur la GenAI devrait s'accélérer considérablement au cours des 1 à 3 prochaines années.

Les opérateurs de télécommunications considèrent GenAI comme un tournant, un puissant moteur de croissance des revenus, de réduction des coûts et de transformation fondamentale de l'expérience utilisateur. De nombreux opérateurs considèrent GenAI comme un axe clé de leur stratégie d'IA.

Mesurer l'impact économique de l'IA/GenAI

Mesurer l'impact économique de l'IA sur le secteur des télécommunications n'est pas chose aisée, car les cas d'utilisation potentiels sont vastes et diversifiés, et les estimations de valeur marchande varient considérablement selon les sources. Cependant, de nombreux opérateurs s'accordent à dire que les avantages de l'IA pour le secteur des télécommunications sont considérables. Par exemple [4] :

- Suppressions d'emplois et de main-d'œuvre 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 en lançant des produits basés sur l'IA. SK Telecom (Corée du Sud) estime pouvoir générer jusqu'à 25 000 milliards de wons coréens (environ 18,5 milliards de dollars américains) de revenus liés à l'IA d'ici 2028.

- Contribuer à réduire les coûts ou à augmenter les revenus. McKinsey estime que GenAI pourrait créer 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 les télécommunications et comment la mettre en œuvre ?

Les opérateurs considèrent l'IA comme une priorité stratégique à appliquer aux tâches et aux services liés à l'analyse de données. Cependant, l'essor récent de la GenAI a ouvert des perspectives quant à son application dans les télécommunications, notamment :

- Domaines d'application de l'IA dans les télécommunications :

- L’IA est un outil innovant, elle doit donc être disponible pour chaque groupe de travail de l’entreprise.

+ Tous les efforts doivent être faits pour rendre l’IA facile à utiliser, même pour les groupes ayant de faibles capacités technologiques.

+ Les unités dédiées à l’IA doivent être en mesure de connaître les pratiques de mise en œuvre des cas d’utilisation réussis de l’IA et de créer 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 de coût liés à l'adoption de l'IA

+ Un programme de gouvernance de l’IA doit être élaboré et mis en œuvre pour réduire le risque de coûts incontrôlés et encourager l’utilisation et l’expérimentation de l’IA.

- Déploiement de l'IA dans les télécommunications

Créer un poste de CXO IA doté d'une expertise et d'une autorité pour piloter le développement et l'application de produits et services d'IA (par exemple, Steve Jarrett a été nommé Chief AI Officers (CAIO) chez Orange Innovation, 12/2023 ; Deepika Adusumilli, 10/2023 chez BT ; Chung Suk-guen chez SK Telecom).

Création d'une filiale pour développer l'IA , par exemple Proximus Ada est une filiale de l'opérateur réseau Proximus (Belgique) qui se concentre spécifiquement sur le développement de capacités 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 orientée client. Au lieu de créer une organisation IA centralisée, Telefónica a décidé de la scinder en deux divisions : Connaissances clients et innovation ; Réseaux, systèmes informatiques et Transformation numérique interne (CDS) vers l'IA.

Cette répartition des responsabilités est particulièrement intéressante dans la mesure où GenAI se concentre davantage sur les fonctions client que sur les fonctions réseau, tandis que l’IA prédictive est 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. L'objectif des deux opérateurs est de développer leur propre modèle de langage étendu (LLM) avec les meilleures solutions et fonctionnalités, et de vendre l'accès aux entreprises (DN) et aux autres opérateurs.

Création d’un Centre d’excellence en IA (CoE).

Dans une enquête TMFrum (2023) [4], 53 % des opérateurs ont déclaré avoir mis en place un centre d'excellence en IA. Cependant, la taille, la portée et le rôle exacts d'un centre d'excellence en IA varient considérablement. Par exemple, Vodafone Ziggo (Pays-Bas) dispose d'un centre d'excellence en IA qui rassemble les experts en science des données de l'entreprise.

Telefónica dispose d'un centre d'excellence mondial en IA, dirigé par la division Réseaux et informatique, spécialisé dans l'architecture des données et de l'IA pour servir l'objectif de transition vers un modèle de données commun et de recherche de technologies et de solutions d'IA.

e& (Moyen-Orient) dispose d'un CoE 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 sont étudiés et appliqués dans différents départements.

L'IA comme fonction de plateforme. Certains opérateurs ont développé, ou développent actuellement, des plateformes d'IA conçues pour la rendre accessible à différents services de l'organisation.

Par exemple, Vodafone dispose d'une plateforme d'IA qui fournit également des outils en libre-service et des supports de formation permettant aux différentes équipes de développer leurs propres cas d'utilisation. SK Telecom dispose d'une plateforme d'intelligence qui permet à l'ensemble de l'organisation d'accéder au LLM développé par SKT.

- Gestion de l'IA

Exigences de gouvernance de l'IA. De nombreuses exigences de gouvernance de l'IA sont intégrées aux programmes de gouvernance des données existants. Cependant, des garanties 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 individus et les organisations extérieurs à l’entreprise.

- Les programmes de gouvernance interne sont conçus pour protéger les employés et garantir que l’IA est déployée avec succès et de manière durable dans toute l’entreprise.

Les programmes de gouvernance visant à protéger les personnes et les organisations extérieures à l'entreprise sont généralement codifiés et normatifs. Par exemple, l'Union européenne (UE) a adopté la loi sur l'IA en décembre 2023, qui entrera en vigueur en 2025, et les États-Unis ont publié un décret sur l'IA en octobre 2023.

Des réglementations gouvernementales strictes peuvent aider les opérateurs de télécommunications à développer des technologies et des capacités qui peuvent être monétisées à l’étranger, en particulier dans les pays dotés de réglementations strictes en matière de souveraineté des données.

Par exemple, China Mobile estime que les méthodes utilisées pour se conformer aux lois sur l'IA peuvent contribuer au développement de technologies de sécurité qu'elle peut proposer à ses clients. Swisscom expérimente la construction de sa propre infrastructure d'IA et développe une expertise interne qu'elle peut exploiter pour créer de la valeur et de nouvelles solutions dans ses services informatiques.

L'émergence de GenAI entraîne également la nécessité d'améliorer la gouvernance interne de l'IA : stimuler l'échelle ; gérer les coûts ; protéger l'organisation des conséquences de l'utilisation de résultats inexacts ; réduire le risque de dette technique ; se protéger contre le risque de données de modèle de formation LLM « corrompues » ; protéger l'organisation contre la violation de la propriété intellectuelle (PI)/du droit d'auteur.

Risques liés à l'application de l'IA en entreprise

L'enquête TMforum 2023 sur les risques liés à l'application de GenAI dans les télécommunications comprend :

3.1. Ressources humaines pour l'IA

En matière de recrutement de talents en IA, la plupart des opérateurs de télécommunications sont désavantagés par rapport aux entreprises technologiques, notamment lorsqu'il s'agit de recruter des jeunes talents. Or, ces dernières offrent généralement de meilleurs salaires, une progression de carrière plus rapide et une culture d'entreprise nettement 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 termes de 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 le recrutement cette année de 1 000 experts en IA et en numérique afin de devenir une entreprise spécialisée dans l'IA et les TIC. Parallèlement, KT a également renforcé ses formations internes en IA afin de transformer radicalement son ADN en IA.

China Mobile a créé Jiutian en 2019 pour soutenir son ambition de devenir un opérateur hautement automatisé d'ici 2025. Cette plateforme d'IA est accessible aux développeurs externes via des API ouvertes. En octobre 2023, China Mobile a développé son propre LLM au sein de Jiutian. Initialement composée de seulement 20 ingénieurs en IA, China Mobile en compte désormais 600 et prévoit d'en atteindre 1 000 d'ici fin 2024.

Vodafone s'associe à des hyperscalers pour sa plateforme d'IA, mais a toujours besoin de compétences en AIOps, en analyse, en automatisation, en cloud et en plateformes. Vodafone attire les talents en embauchant à temps plein.

Ashish Yadav, directeur principal chez Capgemini, a déclaré que les opérateurs télécoms recherchent de plus en plus de talents seniors en architecture cloud et IA auprès de sociétés d'intégration de systèmes, dans le cadre de l'internalisation. La définition de l'internalisation peut être interprétée de différentes manières, mais dans ce contexte, les opérateurs télécoms « traitent » les talents seniors de l'entreprise partenaire comme des membres de leur équipe.

La plupart des entreprises de télécommunications intensifient également leurs programmes de reconversion et de perfectionnement afin de recruter proactivement des talents en IA à la demande. Cette approche peut même s'avérer plus rentable que le recrutement de nouveaux talents et est de plus en plus appliquée à toutes les autres compétences difficiles à recruter.

Dans une enquête de TMForum sur ce que les opérateurs doivent faire pour exploiter efficacement l'IA et l'apprentissage automatique, 60 % des personnes interrogées ont déclaré que la formation des employés existants à de multiples compétences en IA aurait un impact important, tandis que 39 % ont déclaré que cela aurait un impact significatif.

Selon McKinsey & Company, GenAI oblige les opérateurs à développer une expertise en IA en interne, tout en exigeant de nouvelles compétences de la part des utilisateurs, comme l'ingénierie réactive, c'est-à-dire la capacité à poser des questions pour obtenir la meilleure réponse du LLM. Les opérateurs doivent également recruter des ingénieurs de données et des experts métier « qui comprennent quelles données collecter et comment les collecter, ainsi que qui surveillent et évaluent la qualité des nouveaux types de données générées et utilisées par les systèmes GenAI » .

3.2. Préparation des données pour les applications d'IA

Une architecture pilotée par les données est essentielle pour garantir la précision et la cohérence sur l'ensemble du réseau. L'utilisation d'un modèle de données commun garantit une circulation fluide des données entre tous les systèmes et une diffusion précise dans tous les workflows automatisés.

L'IA a besoin de données, et l'analyse de données a besoin d'IA. De nombreux opérateurs sont aujourd'hui confrontés à des défis majeurs pour développer des stratégies de données cohérentes afin d'exploiter pleinement l'IA. Les opérateurs qui en sont aux premiers stades de l'expérimentation de l'IA peuvent sous-estimer les besoins, notamment en données, pour réussir un déploiement de l'IA à grande échelle.

De nombreux opérateurs manquent d’une stratégie cohérente permettant aux données de circuler horizontalement dans l’ensemble de l’organisation sous un modèle de données unique.

Quelques défis spécifiques à relever pour préparer les données à l’IA :

Il existe un manque de données claires, cohérentes et exploitables , applicables à différents secteurs 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 axés sur l'exécution basée sur 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 longue de données structurées et non structurées.

Le manque de contexte des données, le fait de ne pas savoir pleinement comment, quand, où et à quelles fins les données sont collectées, constitue un obstacle particulièrement important que les opérateurs de télécommunications doivent surmonter s’ils souhaitent déployer GenAI ou tout autre type de modèle d’apprentissage automatique.

Les opérateurs prennent conscience de la valeur des données et intensifient leurs investissements dans l'analyse de données. Omdia estime que les opérateurs mondiaux investiront 2,5 milliards de dollars dans l'analyse de données d'ici 2025.

En réalité, le temps et l'investissement nécessaires à la collecte, au nettoyage, à la transformation et au stockage des données au bon format 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 dans l'ensemble de leur organisation.

L'avènement des innovations et des analyses basées sur l'IA a suscité le besoin et la demande d'une utilisation des données plus diversifiée et plus flexible, par exemple :

- L'IA/l'apprentissage automatique nécessitent d'énormes quantités de données pour former 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 l'impact de l'application

- Les modèles doivent être continuellement formés avec les informations les plus récentes pour maintenir des performances prédictives, en particulier dans des environnements dynamiques

- Les données doivent être disponibles en temps réel pour les fonctions commerciales critiques, principalement dans des environnements hautement interactifs

- L'avènement de GenAI 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 introduites dans LLM.

Pour réaliser des progrès significatifs en matière d'IA du point de vue des données, les opérateurs doivent modifier en profondeur leur approche des données circulant dans leurs systèmes, et parfois même leur culture d'entreprise. La clé est de construire un modèle de données commun et de créer une source unique de données fiables.

Construire une source unique de données est une tâche extrêmement complexe, qui dépassait jusqu'à présent les capacités de la plupart des opérateurs en raison de la fragmentation de leurs données. BT, Deutsche Telekom et Telefónica ont pris des mesures pour y remédier en migrant l'ensemble 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 Google Cloud Platform.

Architecture de l'IA, création, achat et mise à l'échelle

Il existe de nombreuses similitudes entre l'IA/GenAi et le cloud computing, notamment la transition technologique et la domination des hyper-appels. Les opérateurs sont confrontés au même problème, à la même question que l'IA et le cloud : que faut-il acheter et que faut-il construire ?

L'approche des opérateurs en matière d'IA est largement influencée 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 impliquent une combinaison de développement et d'achat de différents composants : « Deutsche Telekom a une stratégie hybride de développement et d'achat, et l'achat n'a jamais impliqué l'acquisition d'une solution clé en main complète. »

Les opérateurs estiment qu'il est trop tôt pour 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 intégrer l'IA à leur future architecture d'entreprise, reconnaissent également des défis de mise en œuvre, notamment liés aux ressources humaines, aux outils et aux capacités nécessaires pour obtenir des résultats efficaces et un retour sur investissement clair.

L'industrialisation des logiciels peut être considérée comme une bonne pratique pour l'industrialisation de l'IA, car elle permet de transférer les données vers des clouds publics et de les rendre accessibles en temps réel. Le DSI d'un opérateur d'Asie du Sud-Est a décrit le processus mis en œuvre par son entreprise pour industrialiser l'IA comme une « usine à données ». « Cela a considérablement réduit le temps et le coût 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 exécuter 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, la société mère de l'entreprise de télécommunications indienne Jio, s'est associée à Nvidia pour construire une infrastructure de supercalcul pour l'IA. Reliance vise à fournir une infrastructure d'IA aux scientifiques, aux développeurs et aux startups en Inde, et à créer des applications et des services d'IA pour les 450 millions de clients de Jio.

Le choix du lieu de déploiement de l'IA, qu'il s'agisse d'un cloud public ou privé, relève également de la compétence des opérateurs télécoms et dépend largement de l'ampleur du déploiement. Le déploiement de l'IA dans un cloud public offre l'avantage de ressources de calcul abondantes, de puissance et du matériel spécialisé nécessaire au traitement d'algorithmes complexes et de volumes de données importants. Cependant, le coût peut devenir un problème si l'opérateur n'utilise le cloud public que pour traiter de gros volumes de données.

De nombreux opérateurs considèrent que l'utilisation du cloud privé pour l'IA de génération est irréaliste, à moins de développer leur propre LLM, comme c'est le cas de China Mobile, Softbank et SK Telecom en Asie, et de Deutsche Telekom en Europe. Ils privilégient généralement le cloud public pour les tests et la création de MVP pour les cas d'utilisation de l'IA.

À mesure que les opérateurs augmentent leur utilisation de l’IA, cela conduira inévitablement à des relations plus profondes.

- Softbank s'est associé à Nvidia pour construire des centres de données (TTDL) destinés à héberger des applications GenAI et sans fil. Ces nouveaux TTDL prendront en charge les charges de travail liées à l'IA et à la 5G.

- SK Telecom : dans le cadre de ses ambitions plus larges en matière d'IA, SKT poursuit sa demande de centres de données basés sur l'IA. Le directeur financier Yang-Seob Kim a déclaré que SKT prévoyait de « développer 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 développer 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 GenAI, ainsi qu'à d'autres technologies.

De nombreux opérateurs considèrent que l'utilisation d'un cloud privé pour GenAI est irréalisable, à moins de développer leur propre LLM, comme c'est le cas de China Mobile, Softbank et SK Telecom en Asie, et de Deutsche Telekom en Europe. Les opérateurs privilégient généralement le cloud public pour les tests et la création de MVP pour les cas d'utilisation de l'IA.

À mesure que les opérateurs intensifient leur utilisation de l’IA, cela conduira inévitablement à des relations plus étroites avec les superentreprises : 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-complémentaires/doc/ai-
potentiel-commercial.pdf
[2]. Radar d'impact des technologies émergentes : intelligence artificielle, Gartner, 19 janvier 2024, ID G00796195
[3]. IA générative : les opérateurs font leurs premiers pas, TMforum 2023
[4]. Construire une stratégie d'IA Les opérateurs de télécommunications mettent en place les fondations,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
marché des télécommunications-A09352
[7]. Gen AI dans les télécommunications : principales conclusions de l'étude GenAI d'Omdia
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/ia/où-va-l'ia/
[10]. Ericsson Telco AI, document interne