Optimiser l'arrivée de la 5G avec l'Intelligence Artificielle

Les opérateurs de télécommunication ont déployé de nombreuses initiatives ces dernières années dans le but d’optimiser la gestion de leurs données, via l’usage du Big Data, ou encore du Real Time Analytics. Ces initiatives ont cependant atteint leurs limites et ne permettront pas de satisfaire les nouveaux besoins apportés par la 5G, notamment en termes de gestion du réseau, des pushs d’offres (pousser une offre à un utilisateur en fonction de divers paramètres), d’intégration de nouveaux business models ou encore d’expérience client.

Effectivement, les avancées technologiques (ap)portées par la 5G et les nouveaux cas d’usage qui en découlent vont révolutionner le monde des télécommunications, la 5G apportant la promesse d’un haut niveau de débit (jusqu’à 20 Gbps), d’une latence très faible et d’une réduction de la consommation énergétique des objets connectés. Ces nouveaux cas d’usages et avancées, accompagnées des habitudes changeantes des consommateurs vont fortement naturellement créer une augmentation du trafic de données de diverses natures.

Ainsi, les usages de la 5G vont exploser, et de nombreux commencent déjà à se définir par verticale métiers (santé, ville intelligente, transports, etc…). Par ailleurs, le marché pourra accueillir des réseaux 5G propriétaires déployés par des entités privées afin de satisfaire leurs besoins et problématiques et créer des expériences (B2B ou B2C) sans couture. Il s’agira alors de faire communiquer les différents réseaux 5G (publics et privés) au sein de cet écosystème, avec des business models à définir.

Enfin, il est à noter que jusqu’à 72% de la croissance du revenu apportée par la 5G est dépendante de la transformation des BSS et OSS[i]. En effet, les avantages commerciaux de la 5G reposent notamment sur le développement de meilleures capacités de gestion et d’exploitation. Il est donc impératif de transformer et adopter les évolutions des B/OSS sous peine de perdre une majorité des gains apportés par la 5G. La transformation des B/OSS devient alors un enjeu majeur, qu’il est possible d’aborder par le biais de l’Intelligence Artificielle.

Dans cet article, Sia Partners vous propose de traiter trois différents cas d’usages propres aux B/OSS et qui seront potentiellement transformés par l’arrivée de la 5G couplée à de l’IA.

Afin d’améliorer l’expérience des clients et de cibler ceux-ci au mieux, les opérateurs cherchent continuellement à en apprendre le plus possible sur leurs profils. Ainsi, les données issues du(des) réseau(x) sont collectées, analysées puis croisées avec les données clients (âge, catégorie socio-professionnelle, localisation, etc…). L’apprentissage par Intelligence Artificielle permettrait d’effectuer cette collecte, analyse et croisement de manière dynamique et ainsi segmenter les clients des opérateurs de manière précise.

Par ailleurs, l’Intelligence Artificielle peut permettre aux opérateurs d’en apprendre plus sur les clients individuellement et leurs habitudes de consommation. En conséquence, les opérateurs pourront par-exemple gérer l’activation et l’allocation de ressources du réseau de manière dynamique, notamment dans les zones à faible couverture. De même, il est possible par exemple d’augmenter dynamiquement la capacité du réseau d’une zone lors d’événements entraînant une forte affluence (eg. spectateurs d’un match de football dans un stade), et ce, dans le but d’éviter les dysfonctionnements liés à une surutilisation du réseau de télécommunication.

Par le passé, les opérateurs ont mis en place des outils de Customer Experience Management (CEM) récupérant les données réseau dans le but d’identifier les possibles améliorations, l’analyse des modèles et processus permettant de prévenir certains dysfonctionnements. L’Intelligence Artificielle peut poursuivre la démarche en identifiant les dysfonctionnements actuels et à venir sur la base des données remontées du réseau ou les dérangements déclarés auprès des centres d’appel. Ainsi, les sollicitations de ces derniers seraient minimisées, et les problématiques des clients traitées plus rapidement et/ou efficacement.

Dans une optique d’attraction ou de fidélisation clients, les opérateurs de télécommunications poussent des offres directement auprès de ceux-ci (par exemple par sms (pour un client existant) ou d’un pop-up sur internet). Cette méthode, le « pushing d’offres », présente bien-sûr tout son intérêt dans le cas où l’offre est ciblée par rapport au profil et aux attentes du destinataire.

Jusqu’à peu, ces pushing d’offres étaient statiques : les prospects étaient ciblés en fonction d’un arbre de décision, c’est-à-dire à la suite de plusieurs événements amenant l’algorithme d’un opérateur à penser que la personne présenterait un intérêt pour une ou plusieurs offres proposées. Par-exemple, une offre était envoyée à une personne après qu’elle ait achetée certains produits, ou en fonction de sa souscription mobile.

Les avancées actuelles de l’Intelligence Artificielle – notamment en matière de Machine Learning et réseau de neurones – permettent aujourd’hui la mise en place d’algorithmes qui renseignent le profil des prospects de manière dynamique et en temps réel. Ainsi, l’IA va permettre aux opérateurs d’apprendre les comportements et les contextes de leurs clients et prospects (sur internet, sur son téléphone, etc…) via leurs usages sur le réseau afin de trouver la meilleure offre leur correspondant et la leur proposer.

Les métiers des opérateurs contiennent un certain nombre de règles et processus définis, qui apportent une rigidité au niveau du BSS vis-à-vis de l’intégration des business models des entreprises clientes (qui peuvent être des opérateurs de 5G privés par-exemple).

L’un des enjeux actuels est donc de décortiquer ces processus lourds en procédures plus simples, pour ensuite y intégrer des algorithmes afin de rendre dynamique la création de nouvelles procédures via l’assemblage de différentes procédures simples.

En d’autres termes, il s’agit de faire le découpage de l’ensemble de l’intelligence métier afin d’avoir un ensemble de fragments de procédures, puis de créer par la suite un algorithme d’apprentissage qui par rapport à un business model donné arrivera à composer un processus global à partir des fragments précédemment identifiés.

Cette définition et implémentation dynamique de nouveaux business models est un enjeu majeur de flexibilité, d’agilité et d’ouverture aux usages de demain pour les opérateurs de télécommunication.

Si ces différents cas d’usage sont prometteurs, il est à noter qu’il est particulièrement difficile aujourd’hui de faire le lien entre le client et la ressource utilisée de manière univoque. Ces innovations organisationnelles et fonctionnelles vont donc apporter un réel enjeu de gestion des données des opérateurs (données clients, du réseau, etc…) afin que celles-ci soient structurées.

Par ailleurs, l’arrivée de nouveaux processus soulève des problématiques pour les opérateurs, notamment sur la maîtrise de nouvelles machines et technologies. Ainsi, cette transformation amène une refonte de l’organisation interne des opérateurs de télécommunications, que ce soit au niveau des processus métiers, ou des Systèmes d’Informations déjà complexes des opérateurs de télécommunication. A noter que les éditeurs de logiciels de télécommunications (SAP, IxComm, etc…) ont intégré cette problématique pour en faire un de leurs axes de travail.

Enfin, si nous avons abordé l’Intelligence Artificielle appliquée aux procédures ou intégrée dans les systèmes d’informations et logiciels des opérateurs de télécommunications, il est également possible de l’intégrer directement sur les équipements : cette méthode, l’Edge Computing, propose une utilisation décentralisée de l’Intelligence Artificielle, et ainsi une réduction du trafic en direction des Data Centers tout en permettant le traitement d’un fort volume de données en temps réel.

[i] TM Forum - 5G monetization: Operational imperatives

https://inform.tmforum.org/research-reports/5g-monetization-operational-...