Le secteur des telecom se base sur des systèmes complexes à savoir: les réseaux distribués à grande échelle, traitement temps réel, fortes exigences de disponibilité , etc. Avec l’essor de l’IA, deux paradigmes émergent fortement : Generative AI et Agentic AI. Bien qu’ils soient souvent cités ensemble, leurs rôles, leurs responsabilités et leur valeur métier sont différents.
Cet article vise à clarifier ces deux concepts,et comment ils sont appliqués dans le secteur Telecom.
1. Gen-AI : une couche cognitive au service du métier
La Generative AI s’inscrit comme une couche d’intelligence augmentée, orientée compréhension, interaction et synthèse de la connaissance. Dans les télécoms, ses usages sont bien identifiés :
- Analyse et synthèse de logs réseau complexes (Core, OSS/BSS).
- Assistance aux équipes techniques pour le diagnostic d’incidents.
- Génération automatique de rapports opérationnels et exécutifs.
- Support client avancé : compréhension du contexte, historique, SLA, offres.
- Accès conversationnel aux référentiels techniques.
La valeur principale de la GenAI réside dans sa capacité à réduire la charge cognitive humaine, à accélérer l’analyse et à améliorer la qualité des décisions humaines.
Cependant, il est important de noter que La GenAI est fondamentalement réactive. Elle répond à une requête, contextualise une situation, propose des options… mais n’agit pas directement sur le système.
2. Agentic AI : de l’automatisation à l’autonomie décisionnelle
L’Agentic AI introduit un changement de paradigme beaucoup plus profond. Il ne s’agit plus seulement d’intelligence, mais de comportement autonome orienté objectif. Un système Agentic-AI est capable de : Percevoir l’état du système => Raisonner sur cet état => Planifier une ou plusieurs actions => Exécuter ces actions => Apprendre du résultat.
Dans le contexte Telecom, les cas d’usage sont particulièrement structurants :
- Détection d’anomalies réseau → diagnostic automatique → action corrective (reconfiguration, reroutage, reset, scaling).
- Optimisation dynamique des ressources: Allocation intelligente de bande passante, priorisation des flux, optimisation QoS/QoE en fonction du contexte et des SLA.
- Maintenance prédictive autonome: Priorisation des sites, déclenchement d’interventions terrain, arbitrage entre coûts, risques et disponibilité.
- Analyse automatisée des messages clients sur les réseaux sociaux et génération de réponses personnalisées via GenAI, répondre et prendre des actions avec Agentic AI.
👉l’IA à ce stade, ne se contente plus d’assister => elle opère.
3. GenAI vs Agentic AI
Opposer Generative AI et Agentic AI est une erreur conceptuelle. Dans les architectures modernes, la valeur maximale apparaît lorsqu’elles sont combinées.
- La GenAI apporte la compréhension, l’explicabilité, la communication avec l’humain.
- L’Agentic AI apporte l’exécution, l’orchestration et la continuité opérationnelle.
Exemple concret
Un agent détecte une dégradation de performance sur les antennes :
- L’Agentic AI identifie l’anomalie et évalue son impact.
- La GenAI explique la cause probable et les options possibles.
- L’Agentic AI sélectionne la stratégie optimale selon les règles et contraintes.
- L’action est exécutée.
- Le feedback est réinjecté dans le système pour apprentissage continu.
4. Prérequis indispensables
L’introduction de l’Agentic AI et la GenAI, impose des fondations solides :
- Observabilité avancée: metrics, logs, traces, data drift.
- Qualité et traçabilité des données: data lineage, data contracts.
- Architectures event-driven et streaming: 5G Core, Edge, temps réel.
- Gouvernance stricte : audit, contrôle, sécurité.
- Human-in-the-loop pour les scénarios critiques ou réglementés.
Sans ces fondations, l’autonomie devient un risque, en particulier dans des infrastructures critiques.
Avec la 5G, l’edge computing et les services ultra-low latency, les réseaux deviennent trop complexes pour être gérés uniquement par des approches manuelles ou semi-automatisées. L’Agentic AI apparaît alors non pas comme une option, mais comme une évolution naturelle.
5. Complexité, Trust et gouvernance : enjeux derrière GenAI et Agentic AI
Au-delà des cas d’usage, l’introduction de la GenAI et l’Agentic AI dans les télécoms pose des questions structurelles et critiques.
5.1. Complexité systémique: Les réseaux télécoms modernes sont des systèmes complexes adaptatifs. L’Agentic AI amplifie cette complexité en introduisant des décisions distribuées, des boucles de rétroaction automatiques et des interactions non triviales entre agents.
La GenAI aide à rendre cette complexité intelligible (explications, synthèses, visualisation des causes), tandis que l’Agentic AI doit être strictement bornée par des règles, des objectifs et des contraintes explicites. Sans architecture claire et observabilité renforcée, l’autonomie devient rapidement opaque.
5.2. Trust: Dans les télécoms, la confiance ne se mesure pas uniquement par la performance des modèles, mais par leur comportement dans le temps : stabilité des décisions, cohérence entre situations similaires, capacité à gérer des cas dégradés ou imprévus.
La GenAI contribue à la confiance en expliquant le raisonnement, mais seule l’Agentic AI, correctement gouvernée, permet de démontrer une fiabilité opérationnelle continue.
5.3. Explainability: Dans des infrastructures critiques, l’IA doit être auditable et explicable (Pourquoi cette action a été prise ?; Sur quelles données ?; Avec quelles hypothèses ?; Quelles alternatives ont été écartées ?…)
La GenAI joue ici un rôle clé comme interface explicative entre le système autonome et les équipes humaines. Elle transforme des décisions complexes en raisonnements compréhensibles, exploitables par les équipes.
5.4. Sécurité et contrôle: L’Agentic AI introduit une surface de risque nouvelle (actions non désirées, escalades imprévues, erreurs amplifiées à grande échelle…). Cela impose :
- des mécanismes de contrôle forts (policy-based actions),
- des niveaux d’autonomie gradués,
- et des stratégies human-in/on-the-loop.
La sécurité ne concerne pas uniquement les données ou les modèles, mais le pouvoir d’action accordé à l’IA.
5.5. Gouvernance: La GenAI et Agentic AI ne peuvent être gouvernées comme des modèles isolés. Elles doivent être intégrées dans une gouvernance data et IA globale (traçabilité des données (lineage), contrats de données, monitoring des décisions, conformité réglementaire…)
Conclusion
La Generative AI transforme la manière dont les équipes comprennent et pilotent les réseaux. L’Agentic AI transforme la manière dont les réseaux se gèrent eux-mêmes, sous contrôle et gouvernance.
Dans un secteur où la disponibilité, la latence et la fiabilité sont critiques, l’avenir des télécoms repose sur des systèmes intelligents, autonomes et gouvernés.
