Charges de travail
IA générative
Industries
Télécommunications
Objectifs commerciaux
Réduction des risques
Produits
NVIDIA AI Enterprise
Microservices NVIDIA NIM
NVIDIA NeMo
-
Aperçu
-
Implémentation technique
-
FAQ
L'IA générative accélère la configuration, le déploiement et l'exploitation du réseau
Les entreprises de télécommunications ont dépensé près de 295 milliards de dollars en dépenses en capital (CapEx) et plus de 1 000 milliards de dollars en dépenses d'exploitation (OpEx) en 2024, y compris des dépenses liées aux processus manuels de planification et de maintenance des réseaux. Dans un réseau de télécommunications, la configuration et l'optimisation impliquent la gestion d'un grand nombre de paramètres interdépendants qui affectent directement les performances, l'expérience utilisateur et l'efficacité du spectre pour des millions de clients finaux. Ces paramètres nécessitent un réglage constant par les ingénieurs réseaux en fonction de l'heure de la journée, du comportement de l'utilisateur, de la mobilité, des interférences et des types de service.
L'IA générative, que l'on retrouve derrière les grands modèles télécoms (LTM), et les agents d'IA ont donné naissance à une nouvelle génération d'IA dans le domaine des opérations réseau. Celle-ci aide les entreprises de télécommunications à optimiser leurs dépenses OpEx, à maximiser l'efficacité de leurs dépenses CapEx et à explorer de nouvelles opportunités de monétisation. NVIDIA a développé une solution d'IA agentique qui surveille les KPIs du réseau en temps réel, prend des décisions en fonction des données et ajuste automatiquement les paramètres, afin de rendre cet environnement dynamique plus autonome.
Contrairement aux systèmes traditionnels basés sur des règles, un agent basé sur l'IA peut percevoir, raisonner en tenant compte de compromis complexes, apprendre à partir de retours et s'adapter aux nouvelles conditions avec intervention humaine intégrée au processus si nécessaire. Il peut également orchestrer des changements à différents niveaux et auprès de multiples fournisseurs, ce qui permet de réaliser des actions coordonnées telles que l'équilibrage de charge, la coordination des interférences inter-cellules ou des économies d'énergie dans les zones à faible charge. En plus d'améliorer l'efficacité et la qualité de service, un tel niveau d'autonomie réduit également la complexité opérationnelle et les délais de résolution des problèmes dans des environnements très denses et à forte demande.
Liens rapides
Introduction à l'IA générative dans l'exploitation réseau
Les modèles d'IA de NVIDIA permettent une automatisation évolutive en fournissant un workflow que les développeurs peuvent utiliser pour créer leurs propres agents basés sur l'IA. Ils peuvent ainsi créer et déployer des agents d'IA personnalisés capables de raisonner, de planifier et d'agir pour analyser et résumer rapidement de grandes quantités de données, et distiller des éclairages en temps réel.
Le modèle d'IA de NVIDIA pour la configuration de réseaux de télécommunications fournit des éléments validés pour les opérations réseau dans plusieurs domaines. Il permet aux développeurs, aux ingénieurs réseau, aux entreprises de télécommunications et aux fournisseurs d'automatiser la configuration des paramètres RAN (Radio Access Network) à l'aide d'un framework agentique basé sur un LLM.
Les réseaux autonomes permettent de mieux gérer les dépenses opérationnelles. Le modèle d'IA pour la configuration de réseaux de télécommunications facilite cette tâche en fournissant une architecture d'IA modulaire et les workflows d'automatisation nécessaires à des déploiements uniformes et évolutifs. Ce modèle d'IA repose sur l'IA générative et permet aux ingénieurs réseau d'ajouter une intelligence adaptative pour prédire les problèmes, optimiser les performances et automatiser les décisions.
BubbleRAN et Telenor adoptent le modèle d'IA NVIDIA pour la configuration des réseaux de télécommunications
Le modèle d'IA pour la configuration des réseaux de télécommunications repose sur le logiciel de BubbleRAN exécuté sur une infrastructure conçue pour le Cloud. Il peut être utilisée pour développer des réseaux autonomes à grande échelle grâce à leur plateforme d'intelligence RAN multi-agents.
Telenor Group et ses plus de 200 millions de clients dans le monde prévoit de déployer ce modèle afin de résoudre les problèmes de configuration et d'améliorer la qualité de service (QoS) pendant l'installation du réseau.
Détails de mise en œuvre
Ce framework agentique piloté par LLM utilise Llama 3.1-70B-Instruct comme modèle d'IA fondamental en raison de ses performances robustes dans la compréhension du langage naturel, le raisonnement et l'utilisation d'outils.
Les clients ont la possibilité de déployer ce modèle via :
- Les points de terminaison d'API des microservices NIM™ hébergés par NVIDIA sur build.nvidia.com
- Les microservices NIM sur site, pour répondre aux exigences de confidentialité et de latence
Les utilisateurs envoient leurs demandes ou lancent des opérations réseau via une interface utilisateur basée sur Streamlit. Ces requêtes sont traitées par un cadre agentique LangGraph, qui orchestre les agents LLM spécialisés.
Les agents LLM sont équipés d'outils spécialisés qui leur permettent de générer et d'exécuter des requêtes SQL sur des données de KPI en temps réel et historiques, de calculer les gains moyens pondérés des données collectées, d'appliquer des modifications de configuration et de gérer l'environnement BubbleRAN.
Nous nous appuyons sur le prompt tuning pour injecter des données contextuelles sur l'architecture réseau BubbleRAN, notamment concernant la configuration et les interdépendances entre les différents KPI et la logique d'équilibrage des compromis afin d'optimiser les gains moyens pondérés.
Le framework agentique basé sur LangGraph orchestre trois agents spécialisés, chacun avec ses propres responsabilités. Ils travaillent ensemble pour mener à bien le cycle surveillance, configuration et validation. Une fois que l'utilisateur a initialisé le réseau avec les paramètres sélectionnés, il peut choisir entre une session de surveillance avec un agent ou interroger directement l'agent de configuration pour comprendre l'impact des paramètres et l'état du réseau.
Liens rapides
Vous trouverez ci-dessous un récapitulatif de chaque agent et de leur fonctionnalité :
1. Agent de suivi
Cet agent suit en permanence le gain moyen pondéré des paramètres présélectionnés à des intervalles de temps définis par l'utilisateur (par défaut : 10 secondes) sur une base de données de KPI BubbleRAN en temps réel. Lorsqu'il détecte une dégradation des performances causée par une réduction du gain moyen pondéré d'un paramètre spécifique, il informe l'utilisateur pour qu'il autorise le passage à l'étape suivante.
2. Agent de configuration
L'agent de configuration peut être activé par l'agent de surveillance ou directement à partir des requêtes de l'utilisateur concernant l'optimisation des paramètres ou l'état du réseau. Il analyse les données historiques, puis raisonne en tenant compte des tendances identifiées et des connaissances spécifiques au domaine sur les interdépendances et les compromis des paramètres. En fonction de son analyse, il suggère des améliorations des paramètres et attend la confirmation de l'utilisateur.
3. Agent de validation
Une fois les ajustements des paramètres confirmés, l'agent de validation redémarre le réseau avec les nouveaux paramètres. Il évalue les paramètres mis à jour pendant une période de validation donnée (configurable par l'utilisateur) et calcule le gain moyen pondéré qui en résulte. Si celui-ci se dégrade encore, il revient automatiquement à la configuration stable précédente. Sinon, il confirme la réussite de la nouvelle configuration et met à jour l'interface utilisateur avec les nouveaux paramètres.
En résumé, notre framework permet l'optimisation en continu et intelligente des réseaux grâce à une boucle agentique au cours de laquelle des agents LLM spécialisés travaillent de concert pour surveiller, analyser et valider les modifications de paramètres en temps réel. Ces agents sont équipés d'outils pour analyser les données de KPI en temps réel et historiques, et disposant de connaissances spécifiques à un domaine sur les paramètres réseau et les compromis, qui leur permettent de fournir des recommandations basées sur des données et un raisonnement explicable. Cette conception en boucle fermée garantit que les performances du réseau restent autonomes mais contrôlables par l'utilisateur, qui est donc en mesure de maintenir des performances optimales tout en gardant le contrôle de chaque point de décision.
Pour plus d'informations techniques, consultez la fiche du modèle.
L'IA générative peut analyser de grands volumes de données provenant de capteurs afin de prévoir les pannes ou les problèmes potentiels. Les techniciens peuvent ainsi anticiper les problèmes avant qu'ils se produisent, ce qui permet une maintenance rapide et des temps d'arrêt minimes.
Les analyses qui reposent sur l'IA générative fournissent aux techniciens des informations et des recommandations exploitables basées sur des données en temps réel. Ils peuvent ainsi prendre des décisions éclairées concernant les réparations, les mises à niveau et l'optimisation du réseau.
L'IA générative peut automatiser les tâches répétitives et routinières, telles que créer des bons de commande, planifier des rendez-vous et créer des documents. Les techniciens peuvent ainsi se concentrer sur les problèmes complexes et le service client.
Liens rapides
Optimisez les opérations réseau avec l'IA générative
Grâce à NVIDIA AI, les entreprises de télécommunications peuvent réduire les temps d'arrêt du réseau, augmenter la productivité des techniciens sur le terrain et fournir une meilleure qualité de service aux clients. Pour vous lancer, contactez notre équipe d'experts ou consultez des ressources supplémentaires.
