L’IA générative bouleverse la façon dont les réseaux de communication sont construits, testés, gérés et monétisés. Elle utilise le machine learning et de grands modèles de langage (LLM) appelés réseaux antagonistes génératifs (GAN) qui comporte deux types de réseaux de neurones artificiels, Discriminator et Generator. Dicriminator évalue, filtre et améliore les données, Generator améliore constamment ses résultats sur la base des données qu’il reçoit en retour. Toute industrie qui traite des données de manière extensive peut bénéficier des avantages de l’IA générative. Gartner prévoit une augmentation de 30 % de l’utilisation de l’IA générative dans de nombreuses industries dans les deux ans à venir. Le secteur des télécommunications qui utilise quotidiennement des pétaoctets de données sera particulièrement impacté par l’IA générative.
Nouvelles fonctionnalités, expérience client et chiffre d’affaires
L’hyperpersonnalisation dans le secteur des médias permet d’offrir des services haut-de-gamme. À l’avenir, les services médias seront axés sur les préférences. La méthode actuelle de consommation de contenu évoluera vers un modèle personnalisé pour chaque client grâce aux progrès de la capacité de raisonnement de l’IA générative. L’écosystème marketing autour des médias, comme la publicité, le placement de produits, l’image de marque, peut être hyperpersonnalisé grâce à l’IA générative. De nouveaux services de qualité supérieure pourront ainsi être proposés.
Améliorer l’expérience en centre d’appel et générer des opportunités de vente additionnelle
L’expérience en centre d’appel peut être améliorée grâce à des informations contextuelles pertinentes. Par exemples le traitement en temps réel de la parole et des données connexes pour l’analyse des sentiments, ou encore le résumé de l’intention de la conversation. Les chatbots actuels seront remplacés par des chatbots comme chatGPT qui s’appuient sur une intelligence artificielle générative, capables de fournir des réponses précises aux questions et d’offrir des capacités conversationnelles dans les interactions. L’analyse pertinente des
conversations et des données peut conduire à des ventes additionnelles personnalisées.
Marketplaces pilotées par l’IA :
Les catalogues des marketplaces généralistes céderont la place à des contenus axés sur l’intention. L’IA générative et l’IA peuvent aider à identifier les préférences des utilisateurs en se basant sur les données disponibles, les choix personnels et les habitudes de recherche. Les marketplaces pilotées par l’IA peuvent ainsi créer un catalogue de services dynamiques, du contenu généré voire des interfaces utilisateur personnalisées. Les utilisateurs peuvent choisir des produits, des services tels que des plans de connectivité mobile et résidentielle personnalisés, des mises à niveau personnalisées, des modifications de service basées sur les habitudes d’utilisation et à l’avenir même concevoir des produits et des services eux-mêmes.
Monétisation des réseaux 5G et Edge grâce à l’IA :
Les cas d’usage de la 5G et de l’Edge IoT dans des environnement intelligents come l’agriculture nécessitent une analyse de données multiples d’images et de vidéos qui peut être réalisée efficacement grâce à l’IA et à la capacité de création de données synthétiques de l’IA générative pour en améliorer la précision. Les contenus de jeux vidéo seront créés par l’IA et le métaverse sera alimenté par l’IA générative. Les cas d’utilisation qui nécessitent une rétroaction en boucle fermée comme les véhicules autonomes, la robotique et la télérobotique, peuvent être accélérés grâce à la modélisation et à l’entraînement basés sur l’IA générative.
Améliorer la communication, l’ingénierie des produits et le cycle de vie des réseaux
Si l’IA et l’IA générative peuvent améliorer l’expérience et dynamiser les revenus, elles peuvent également servir de catalyseur pour améliorer l’ingénierie des produits et le cycle de vie des réseaux.
Accélération de la conception des composants de puces et de radiofréquences : l’IA générative peut produire une visualisation optimale pour le placement des composants dans les puces en générant de multiples combinaisons et en recommandant la meilleure option plus rapidement que n’importe quel processus connu. Elle peut également générer des ensembles de données synthétiques qui permettent de mieux tester les composants, par exemple en générant des données de signal pour les composants de radiofréquence (RF) en
vue de la validation des composants 6G.
Améliorer la qualité grâce à une meilleure génération de données de test : il est difficile de tester le réseau dans toutes les conditions. En effet, il est impossible de prévoir manuellement tous les scénarios possibles qui dépendent du nombre d’utilisateurs, d’appareils et des données qu’ils consomment. L’IA générative peut produire une multitude de données et de scénarios synthétiques et choisir facilement les bons pour les tests.
Prédiction des défaillances et efficacité des opérations : L’IA peut utiliser des données historiques pour créer des modèles de prévision des défaillances qui peuvent être appliqués à des données en temps réel. La prédiction des défaillances permet de mettre en place un dépannage automatisé via une action proactive et l’autoréparation, ce qui améliorera la stabilité du réseau et réduira les coûts d’exploitation. Les modèles peuvent faire l’objet d’un apprentissage automatique (machine learning) et être archivés en vue de la création future de modèles de connaissance.
Génération de code : l’IA et l’IA générative peuvent transformer la méthode actuelle de génération de code automatisée basée sur des règles en une méthode plus intelligente basée sur des modèles appris via le machine learning. Cela permettra d’améliorer la qualité du code à chaque itération et donc de générer un code plus optimal.
Optimisation de l’IA et du réseau : Le deep learning contribue à optimiser la planification en analysant les données de l’infrastructure et en prédisant les améliorations optimales. Pour ce faire, l’IA analyse les données provenant de sources multiples telles que les cartes, les dimensions des constructions, les données urbaines, les coûts des matériaux des installations extérieures et crée la conception la plus rentable.
Sécurité et IA : avec la méthode de construction de réseau définie par logiciel et dans le cloud, la sécurité est un facteur à prendre en compte. Le 3GPP V.18 se concentre sur les produits de réseaux virtualisés et la fonction de gestion (MnF), les améliorations critiques comme la phase 3 des aspects de sécurité et de confidentialité des fonctions RAN et SA. L’IA peut permettre une meilleure gestion de la sécurité en utilisant un contrôle dynamique des contrôles d’accès basées sur les rôles et les attributs. L’IA générative peut aider à simuler les vulnérabilités statiques et dynamiques de la sécurité pendant la phase de développement elle-même et sécuriser le réseau.
Les données sont analysées et utilisées dans tous les domaines. Le secteur des communications, des médias et des technologies n’y échappe pas. Une bonne utilisation de l’IA et de l’IA générative dans l’ingénierie des produits de réseau, les services 5G et Edge, les services de réseau d’entreprise, permettra de gagner en efficacité et de favoriser la croissance des revenus. Les fournisseurs de services d’ingénierie en mesure d’apporter des solutions basées sur l’IA, associées à une expertise dans le domaine de la communication et à des compétences logicielles, joueront un rôle clef dans ce nouveau paradigme.
