Thèse Modèles d'Intelligence Artificielle pour la Supervision Temps Réel de Réseaux Télécoms Multi-Opérateurs et Multi-Pays H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Laboratoire des Signaux et Systèmes Direction de la thèse : Michel KIEFFER ORCID 0000000210493123 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-14T23:59:59 L'objectif de cette thèse est de concevoir, et d'évaluer modèles d'intelligence artificielle capables de détecter en temps réel des irrégularités ou des changements d'usage dans les réseaux à l'aide des données CDR provenant potentiellement de plusieurs opérateurs issus de divers pays. La supervision des réseaux est cruciale pour évaluer en continu leur état, leur performance et leur disponibilité afin d'assurer la meilleure expérience utilisateur possible.
Pour cela, les opérateurs télécoms disposent d'une source de données massive résultant de la collecte des statistiques d'appel (Call Detail Record - CDR). Ces derniers permettent de décrire de manière fine l'activité du réseau (horodatage, données entrantes ou sortantes, durée, type d'appel, localisation, identifiants d'abonnés, etc.). Ces données sont utilisées pour la facturation, le dimensionnement et l'optimisation du réseau, la détection d'incidents...
Avec la généralisation des services mobiles, allant de la voix jusqu'aux objets connectés, le volume des données collectées via les CDR a explosé. Les services sont très variés et incluent les communications over-the-top (OTT), la gestion de flottes de véhicules, les villes intelligentes, le suivi logistique... Cette diversification des usages introduit une forte hétérogénéité des profils de trafic et des comportements réseau. De plus, la taille et la typologie des zones couvertes (petites et moyennes villes, grandes métropoles et mégapoles) ont un impact direct sur la supervision. En outre, un même opérateur télécom pouvant opérer dans plusieurs pays, avec plusieurs opérateurs mobiles (MNOs) aux systèmes d'information hétérogènes, la consolidation des CDR se heurte à des différences de formats, de granularité et de qualité des données. Ainsi, les approches classiques de supervision présentent des limites en termes de passage à l'échelle face à la massification des usages et sont mal adaptées à des traitements pouvant évoluer au cours du temps. L'objectif de cette thèse est de concevoir, et d'évaluer modèles d'intelligence artificielle capables de détecter en temps réel des irrégularités ou des changements d'usage dans les réseaux à l'aide des données CDR provenant potentiellement de plusieurs opérateurs issus de divers pays.
Un élément essentiel et encore sous exploité réside dans le caractère géolocalisé des données réseaux collectés. La géolocalisation des événements CDR peut permettre de détecter des anomalies locales ou régionales, d'identifier des zones critiques, de comprendre plus finement les ruptures spatio temporelles de comportement, et même de proposer des recommandations automatisées pour optimiser le réseau ou cibler les actions correctives.
Dans un second temps, la thèse évaluera les bénéfices pouvant être obtenus grâce à des modèles d'IA générative pour concevoir une solution de supervision de bout-en-bout. Idéalement, ce type de solution pourrait couvrir l'ensemble du cycle d'observation : détection automatique des anomalies, génération d'alertes, résumé ou explication des événements détectés, recommandations, et même assistance aux premières étapes du résolution grâce à des agents intelligents capables d'exploiter de manière naturelle les données réseau et d'interagir avec des opérateurs humains.
Les travaux attendus de cette thèse sont les suivants :
1. Concevoir, valider et industrialiser des modèles d'intelligence artificielle capables de détecter des irrégularités et des changements de pattern d'usage en temps réel, dans ce contexte multi-opérateurs et multi-pays
2. Générer des alertes automatiques en cas d'anomalies
3. Proposer des explications des événements détectés, et des recommandations de solutions

Master 2 Recherche ou Diplôme d'ingénieur avec spécialisation en intelligence artificielle ; une connaissance du monde des télécoms et des réseaux est un plus mais n'est pas indispensable.
Compétences : Intelligence artificielle, statistiques, Programmation Orientée Objet (Python)
Bon niveau rédactionnel, bon niveau d'anglais, expérience et goût pour la recherche appliquée