Le PoC 005, présenté dans le cadre du Build-a-thon 2025, a pour objectif de montrer qu’il est possible de mettre en place un orchestrateur de réseau télécom auto-réparant reposant sur une intelligence artificielle native. Ce système utilise l’IA tout au long du cycle de gestion des pannes, depuis la compréhension des intentions exprimées par l’opérateur télécom jusqu’à la détection des anomalies, leur explication et le déclenchement automatique des actions correctives. L’utilisation continue et coordonnée de plusieurs modules d’IA constitue le principe central de ce Proof of Concept.

Ce PoC répond aux difficultés de connectivité rencontrées dans les zones rurales et en périphérie des zones urbaines. Il propose un système de gestion des pannes conçu dès l’origine pour fonctionner en edge, dans des environnements télécom où les ressources sont limitées. Le système prend en compte les intentions de l’opérateur, détecte les anomalies à partir de modèles LSTM adaptés à l’analyse de données dans le temps, explique les causes des incidents grâce à des mécanismes d’IA explicable, puis active des agents de réparation automatiques. L’ensemble est coordonné par une orchestration légère et modulaire, ce qui permet de réduire fortement les temps de rétablissement des services avec très peu d’intervention humaine.

Le PoC vise également à dépasser les limites des systèmes classiques de gestion de réseau, appelés NMS, qui sont souvent centralisés, réactifs et peu adaptés aux architectures edge. En intégrant directement des capacités d’IA au plus près du réseau, la solution permet une réaction plus rapide, plus proactive et mieux contextualisée, notamment dans des situations où l’intervention humaine est lente ou difficile.

L’évaluation du PoC est réalisée sur un réseau télécom rural simulé de cinquante nœuds. Des données synthétiques sont utilisées afin de reproduire des situations réalistes de trafic et de pannes. Les modèles sont entraînés localement en Python, avec des outils courants de machine learning. La détection des anomalies repose sur des modèles LSTM, l’explicabilité sur des méthodes de type SHAP, et la réparation sur plusieurs agents autonomes coordonnés selon des principes de contrôle multi-agents. Les flux réseau sont simulés dans un environnement de simulation dédié, et des mécanismes de repli permettent au système de continuer à fonctionner même en cas de connectivité dégradée. L’orchestration et l’intégration avec un cœur réseau 5G sont également prises en compte.

Les données utilisées correspondent à des séries temporelles représentant des indicateurs télécom typiques des zones rurales, comme le débit, la latence, l’état des liens ou la qualité de l’alimentation électrique. Elles incluent des scénarios de pannes ciblées, tels que des coupures de fibre ou des instabilités de tension, ainsi que des exemples d’intentions formulées par des opérateurs. Les codes et jeux de données sont rendus accessibles publiquement.

Plusieurs cas d’usage sont simulés, notamment une coupure de fibre entre des nœuds critiques détectée de manière anticipée, expliquée par le système puis corrigée automatiquement. Un autre scénario concerne des fluctuations électriques traitées de façon proactive. Un dernier cas illustre la traduction d’une intention exprimée par l’opérateur et sa propagation automatique à l’ensemble des agents du système. Ces scénarios montrent que la coordination multi-agents améliore nettement la réactivité globale du réseau.

L’architecture du PoC repose sur une chaîne modulaire composée d’une couche d’interprétation des intentions, d’un module de détection d’anomalies, d’un mécanisme de coordination entre agents pour la réparation, et d’un moteur d’inférence léger capable de s’appuyer sur une base de connaissances locale. Cette approche met l’accent sur l’intelligence distribuée, la transparence des décisions et la résilience des réseaux en contexte rural.

Les résultats montrent une architecture prometteuse mais encore ambitieuse, qui nécessite un recentrage pour garantir une mise en œuvre claire et réaliste dans le cadre du Build-a-thon. Il est notamment recommandé de mieux préciser les flux de données, le rôle exact des différents agents, la structuration des bases de connaissances et les configurations techniques. Une documentation plus détaillée et des schémas d’architecture faciliteraient la compréhension et l’industrialisation du concept.

En conclusion, ce PoC démontre que l’orchestration de réseau basée sur une IA native peut transformer la gestion des pannes dans les réseaux télécoms ruraux et en edge. En combinant détection d’anomalies, compréhension des intentions et réparation automatique, il permet des rétablissements plus rapides, réduit la dépendance aux systèmes centraux et renforce la confiance dans les opérations autonomes. Il constitue une base solide pour des infrastructures télécom plus résilientes, alignées avec les objectifs d’inclusion numérique et les futures évolutions vers la 6G.