L'IA remplace-t-elle les ingénieurs RF ? Le débat post-MWC 2026, sans fantasmes

Mardi, 7h30. Vous êtes dans un parking souterrain, RSRP à -118 dBm sur le SSB du beam 4. Le NOC vous a dit la veille que le secteur était « vert » sur le dashboard. L’algorithme de couverture Nokia AVA indique que la zone est correctement couverte. Sauf que vous êtes là, physiquement, et que le signal ne passe pas.

Ce scénario, tous les ingénieurs RF le connaissent. Et c’est exactement celui que le MWC 2026 de Barcelone n’a pas montré sur scène.

Ce que le MWC 2026 a vraiment montré

Le MWC 2026 (2-5 mars) a consacré un thème central : l’IA ne se contente plus d’analyser les KPI. Elle prend des décisions en temps réel dans le RAN.

Nokia et NVIDIA : le mariage à 1 milliard USD. NVIDIA a pris 3 % du capital de Nokia et investi 1 milliard USD dans le développement conjoint de la plateforme ARC-Pro. L’idée : embarquer des GPU directement dans l’infrastructure RAN pour exécuter des modèles d’optimisation en temps réel au niveau du scheduler, du beamforming et du power control. Nokia positionne cela comme la prochaine génération de réseaux « auto-optimisants ».

Ericsson : la voie opposée. Plutôt que d’ajouter du silicium GPU sur les sites cellulaires, Ericsson a démontré un gain de 10 % en efficacité spectrale grâce à un micro-LLM tournant directement sur le baseband existant, sans matériel supplémentaire. Leur argument : les opérateurs n’ont ni le budget, ni l’infrastructure électrique, ni l’envie de déployer des GPU sur chaque site.

L’AI-RAN Alliance s’élargit. Far EasTone rapporte que 60 % de ses opérations NOC sont désormais assistées par des agents IA. Et 89 % des opérateurs télécoms augmentent leur budget IA en 2026 selon NVIDIA.

Le message du MWC était clair : l’IA entre dans le RAN. La question n’est plus « si », mais « comment ».

Là où l’IA échoue sur le terrain

Le discours MWC est séduisant. Mais il repose sur une prémisse implicite : l’IA optimise ce qu’elle voit. Or, il existe toute une catégorie de problèmes que l’IA ne verra jamais, parce que le réseau lui-même ne les remonte pas.

Couverture indoor réelle. Un nouveau bâtiment commercial vient d’être construit à 200 mètres d’un site. Il bloque 18 dB de signal dans un couloir de bureau au 3e étage. L’OSS ne génère aucune alarme : aucun UE ne s’est encore plaint, les compteurs de handover restent dans les seuils. L’IA ne voit rien. Seul un walk test indoor avec mesure RSRP/RSRQ/SINR en temps réel peut documenter cette dégradation.

Interférences externes. Une caméra de sécurité défectueuse émet un bruit parasite à 3,5 GHz. Le SINR chute de 8 dB sur le beam 2 d’un secteur 5G NR. Comme l’interférence est externe au réseau, elle ne figure dans aucun compteur OSS. L’IA corrèle les KPI entre eux, mais sans donnée d’entrée sur cette interférence, elle ne peut pas l’identifier. Un ingénieur RF avec un analyseur de spectre terrain la détecte en 10 minutes.

Anomalies physiques. Antenne inclinée par le vent, câble coaxial endommagé, connecteur corrodé après un hiver rigoureux. Ces problèmes mécaniques dégradent le VSWR et la couverture, mais l’IA ne possède pas de capteur physique sur le pylône. Elle peut constater que les KPI se dégradent, mais elle ne peut pas en identifier la cause racine sans intervention humaine.

Multi-vendeur Open RAN. L’Open RAN multi-vendeur introduit des interactions que les modèles IA n’ont pas rencontrées lors de l’entraînement. Quand une RU d’un vendeur A, un DU d’un vendeur B et un CU d’un vendeur C produisent un comportement non documenté, aucun modèle IA formé sur du mono-vendeur ne peut diagnostiquer le problème. Il faut un ingénieur capable de décoder le Layer 3 en temps réel pour isoler la cause.

Cas limites protocolaires. Un paramètre SIB mal configuré provoque l’échec de 2 % des handovers inter-fréquence dans un scénario de mobilité spécifique (train, autoroute). L’IA voit le taux de handover baisser mais classe cela comme « variation normale ». Seule une analyse RRC/NAS ciblée permet de remonter au paramètre fautif.

Le vrai partage : la règle des 80/20

Les ingénieurs RF qui ont peur d’être remplacés se trompent de combat. Les ingénieurs RF qui ignorent l’IA se trompent aussi. La réalité est un partage de compétences bien défini.

L’IA excelle dans la reconnaissance de patterns à grande échelle. Identifier des anomalies parmi des millions de points KPI, prédire les pannes, optimiser le trafic, corréler les alarmes. Ce sont des tâches data-intensives, répétitives et parfaitement adaptées au machine learning.

Le terrain gère ce que l’IA ne peut pas percevoir : la réalité physique de l’environnement radio, les mesures que seul un UE sur place peut réaliser, les diagnostics protocolaires que seul un outil de décodage live peut fournir.

Ce n’est pas une compétition. C’est une boucle : l’IA signale, le terrain vérifie. Le terrain documente, l’IA intègre.

Les opérateurs sont sceptiques

Le MWC 2026 a produit des annonces spectaculaires. Mais dans les couloirs, la tonalité des opérateurs était plus nuancée.

Vodafone a exprimé un scepticisme marqué sur les GPU en site cellulaire. Le responsable Open RAN de Vodafone a rappelé que l’ajout de GPU sur chaque site pose des questions de consommation électrique, de refroidissement et de coût. Dans un réseau de 30 000 sites, cela représente un investissement que le business case ne justifie pas encore.

BT et Verizon convergent sur une approche centralisée : l’inférence IA se fait depuis des installations core, pas depuis les sites cellulaires. L’argument : les modèles de scheduling et de power control n’ont pas besoin d’une latence sub-milliseconde pour être efficaces. Un round-trip de 5 à 10 ms vers un data center est largement suffisant pour 95 % des cas d’usage d’optimisation RAN.

Cette prudence s’explique aussi par le contexte réseau. Seulement 10 % des opérateurs mondiaux ont pleinement déployé le 5G SA. Le reste fonctionne en NSA, avec une couche 4G LTE sous-jacente qui reste le socle de capacité. Déployer de l’IA avancée sur un réseau qui n’a pas encore migré vers le 5G SA, c’est optimiser une architecture qui n’est pas encore celle de demain.

Pour un ingénieur RF terrain, cela signifie que le drive test 5G NR et la validation 5G SA restent des compétences critiques pour les 3 à 5 prochaines années au minimum.

Le vrai futur : IA ET terrain, pas IA OU terrain

Le débat « l’IA remplace les ingénieurs RF » est mal posé. Il oppose deux composantes qui, dans la réalité opérationnelle, sont complémentaires.

L’IA ne remplace pas l’ingénieur RF. Elle remplace les tâches les plus répétitives de l’ingénieur RF. La surveillance de KPI 24/7, le paramétrage de routine, le capacity planning basé sur les historiques. Ces tâches, un algorithme les fait mieux, plus vite et sans fatigue.

Mais l’IA crée aussi de nouvelles tâches pour l’ingénieur RF. Valider les recommandations IA sur le terrain. Fournir le ground truth que l’IA ne peut pas générer elle-même. Diagnostiquer les cas que l’IA signale comme anormaux mais qu’elle ne peut pas expliquer. Auditer les configurations IA avant déploiement sur un cluster de sites.

L’ingénieur RF du futur n’est pas celui qui ignore l’IA. C’est celui qui comprend les limites de l’IA et sait exactement quand et où le terrain reprend la main.

Les équipementiers vendent de l’IA. Les opérateurs achètent de la performance réseau. Et la performance réseau se vérifie, se mesure et se valide sur le terrain. Avec des outils capables de fournir des mesures RSRP, RSRQ, SINR en temps réel, du décodage protocolaire Layer 3, et des exports exploitables pour alimenter les systèmes d’optimisation.

Le réseau du futur sera piloté par l’IA. Mais il sera vérifié par des humains, sur le terrain, avec les bons outils.

L’IA optimise le réseau. Le terrain prouve que le réseau fonctionne. L’un sans l’autre, c’est un avion avec un pilote automatique mais sans pilote dans le cockpit.