Aya Rziga
Si vous participez à n’importe quelle conférence technologique de nos jours, le bourdonnement autour de l’intelligence artificielle (IA) est impossible à ignorer.
Au Mobile World Congress de Barcelone en mars dernier, par exemple, la puissance de l’IA était visible partout où vous alliez.
Prenez le lancement par Deutsche Telekom de son Assistant d’Appels IA, qui permet la traduction en temps réel et la synthèse d’appels, et qui sera à terme capable d’exécuter des requêtes.
Ainsi, s’il est clair lors d’une conversation qu’une réservation est nécessaire, l’assistant IA peut effectuer la réservation.
Ou l’introduction par iFlytek d’une paire de lunettes intelligentes alimentées par l’IA, conçues pour améliorer la communication interlinguistique en fournissant une traduction de sous-titres en temps réel affichée sur la lentille et un haut-parleur intégré qui diffuse l’audio traduit.
Mais lorsque l’on regarde au-delà des applications grand public de haute technologie et tape-à-l’œil, et que l’on se concentre davantage sur la couche opérationnelle et de support, l’innovation en IA est moins apparente. C’est particulièrement vrai dans le domaine des OSS/BSS (Systèmes de Support Opérationnel / Systèmes de Support Commercial).
Le même, mais avec quelques ajustements
Pour être clair, cela ne signifie pas qu’il n’y a eu aucune innovation dans l’espace OSS/BSS ou que l’IA ne réécrit pas les règles.
Mais une grande partie de ce qui est présenté comme de l’innovation n’est, à mon avis, que des améliorations incrémentales commercialisées avec un langage plus sophistiqué.
Prenez les Chatbots comme exemple. Certaines des premières itérations de cette technologie remontent aux années 1960, lorsque les chatbots utilisaient la correspondance de motifs pour lire les mots que les utilisateurs saisissaient dans un ordinateur, puis les associaient à une liste de réponses scriptées possibles.
Évidemment, les grands modèles linguistiques modernes rendent les chatbots plus performants, mais la fonction reste globalement la même.
Il en va de même pour les capacités de prédiction de l’attrition. La capacité d’analyser les données de comportement client et de signaler les abonnés à risque de départ existe depuis des années.
Ce qui a changé, c’est le volume de données disponibles et la sophistication des modèles dont nous disposons pour évaluer qui est le plus susceptible de partir.
Alors, comment les opérateurs télécoms et les autres acteurs de ce secteur peuvent-ils tirer parti de l’IA pour apporter un changement réel et mesurable ?
Un domaine où l’IA a le potentiel de stimuler une véritable innovation est l’automatisation contextuelle, qui permet aux systèmes de comprendre le contexte opérationnel ou client plus large avant de prendre des décisions.
Par exemple, au lieu d’escalader automatiquement chaque panne réseau de la même manière, une plateforme OSS pilotée par l’IA pourrait évaluer la gravité de la panne, identifier les clients entreprises affectés, déterminer les potentielles violations de SLA, évaluer les niveaux de congestion du réseau et prioriser la remédiation en fonction de l’impact commercial en temps réel.
Une application plus évidente de cela peut être utilisée pour améliorer les environnements de service client. Ici, l’IA peut adapter les réponses et les flux de travail en fonction d’un problème spécifique et de l’historique et des habitudes d’utilisation d’un client.
Une autre opportunité significative réside dans l’utilisation de l’IA pour optimiser les processus plus intelligemment grâce à une meilleure utilisation des données opérationnelles et client.
Les opérateurs télécoms disposent d’énormes volumes de données réseau, de facturation, client et de service, mais une grande partie de celles-ci reste silotée et sous-utilisée.
L’IA a le potentiel de rassembler ces données pour améliorer la prise de décision à travers les fonctions OSS et BSS. Par exemple, l’IA pourrait combiner les données de performance réseau avec les tendances d’attrition client pour identifier où des mises à niveau d’infrastructure pourraient être nécessaires.
Ces cas d’usage vont au-delà de la simple automatisation pour tendre vers des opérations véritablement intelligentes, où l’IA augmente l’efficacité et améliore l’expérience client.
Si l’IA est utilisée simplement pour reproduire plus rapidement les processus existants, nous passons à côté de son potentiel.
La véritable opportunité réside dans la refonte des problèmes de fond en comble et l’application de l’IA de manière créative, contextuelle et stratégique pour résoudre des défis du monde réel.
