Le RAN natif IA (réseau d'accès radio) est une architecture réseau où des réseaux de neurones assurent les fonctions radio fondamentales — estimation de canal, beamforming, ordonnancement — en remplaçant entièrement les algorithmes classiques. Selon l'AI-RAN Alliance (2026), plus de 130 entreprises construisent une infrastructure nativement IA pour les réseaux 6G et 7G.

Données clés

  • Membres de l'AI-RAN Alliance : plus de 130 entreprises — AI-RAN Alliance, 2026
  • Gain de l'ordonnancement neuronal d'Ericsson : temps de réponse 7 fois plus rapides que l'approche à base de règles — démonstration Ericsson, MWC 2026
  • Objectif d'utilisation des GPU en station de base : 80 à 90 % (contre environ 30 % aujourd'hui) — NVIDIA, 2026
  • Partenaires de la coalition : BT Group, Deutsche Telekom, Nokia, SK Telecom, T-Mobile, Cisco — NVIDIA, MWC 2026
  • Premier standard 6G nativement IA : 3GPP Release 22 et suivantes, attendu 2033–2035 — feuille de route 3GPP
  • Durée minimale de slot en 5G NR : 0,5 ms — 3GPP Release 17

Pendant des décennies, les réseaux d'accès radio ont reposé sur le traitement du signal classique — des algorithmes mathématiquement précis, conçus par des ingénieurs et gravés directement dans le silicium. L'IA arrivait en surcouche : tableaux de bord d'analyse, suggestions d'optimisation, détection d'anomalies exécutée sur un serveur cloud loin de l'antenne. Cette analyse est préparée par l'équipe éditoriale de 7G Network à partir de sources primaires : démonstrations du MWC 2026, éléments d'étude du 3GPP et publications des équipementiers.

Ce modèle touche à sa fin. Au MWC 2026, l'industrie des télécommunications a démontré — pas promis, démontré — que l'IA entre dans la radio elle-même. Des réseaux de neurones remplacent des chaînes de réception classiques. Des modèles d'apprentissage automatique tournent en temps réel sur le matériel des stations de base. Le passage de l'assisté par IA au nativement IA n'est plus théorique.

Ce que « natif IA » signifie vraiment

La distinction entre assisté par IA et nativement IA est architecturale, pas cosmétique :

Assisté par IA (la 5G actuelle) : les algorithmes classiques assurent les fonctions radio — estimation de canal, beamforming, ordonnancement, gestion des interférences. L'IA travaille en parallèle, analyse les données de performance et suggère des optimisations. On peut retirer la couche IA, le réseau fonctionne toujours. L'IA améliore le réseau ; le réseau ne dépend pas d'elle.

Nativement IA (l'objectif 6G) : les réseaux de neurones sont les fonctions radio. L'estimation de canal est réalisée par un modèle entraîné, pas par un algorithme des moindres carrés. Les poids de beamforming sont prédits par inférence, pas calculés par opérations matricielles. L'IA ne peut pas être retirée, car il n'existe aucun repli classique pour les fonctions qu'elle assure. L'IA n'améliore pas le réseau ; l'IA est le réseau.

La différence pratique : une interface radio nativement IA peut gérer des conditions pour lesquelles aucun algorithme classique n'a été conçu. Des motifs d'interférence trop complexes à modéliser. Des dynamiques de canal trop rapides à suivre par estimation traditionnelle. Des comportements d'usage trop imprévisibles pour être ordonnancés de façon optimale par des systèmes à base de règles.

Le RAN natif IA remplace les algorithmes radio classiques (estimation de canal, beamforming, ordonnancement) par des réseaux de neurones qui ne peuvent pas être retirés. Contrairement à la 5G assistée par IA, où l'IA est optionnelle, les réseaux 6G et 7G nativement IA reposent sur l'apprentissage automatique comme protocole central.

MWC 2026 : les preuves arrivent

Le MWC 2026 de Barcelone a marqué le point de bascule. Pour la première fois, le RAN natif IA est passé des articles de recherche aux annonces de produits commerciaux et aux démonstrations en direct.

La coalition mondiale de NVIDIA

NVIDIA a obtenu l'engagement de plus d'une douzaine d'opérateurs mondiaux et d'entreprises technologiques pour construire la 6G sur des plateformes ouvertes, sécurisées et nativement IA. La coalition réunit BT Group, Deutsche Telekom, Ericsson, Nokia, SK Telecom, SoftBank, T-Mobile, Cisco et Booz Allen Hamilton.

L'AI-RAN Alliance — l'organisme industriel qui pousse les standards AI-RAN — compte désormais plus de 130 entreprises participantes. Le rôle de NVIDIA est de fournir la plateforme de calcul GPU (NVIDIA Aerial) qui exécute l'inférence des réseaux de neurones aux vitesses qu'exige le traitement radio — des microsecondes, pas des millisecondes.

NVIDIA a également présenté l'All-American AI-RAN Stack avec des acteurs américains des télécommunications — une initiative de chaîne d'approvisionnement domestique pour l'infrastructure 6G nativement IA, qui traduit l'attention croissante portée à la sécurité de la chaîne d'approvisionnement dans les infrastructures de communication critiques.

Les radios neuronales d'Ericsson

Là où Nokia a misé sur l'accélération GPU de NVIDIA, Ericsson a pris une autre voie : du silicium conçu sur mesure avec des accélérateurs de réseaux de neurones intégrés. Au MWC 2026, Ericsson a présenté dix nouvelles radios prêtes pour l'IA, bâties sur ses propres puces, avec des capacités IA intégrées directement dans le matériel Massive MIMO.

Le portefeuille comprend :

  • Beamforming piloté par IA : les réseaux de neurones prédisent les motifs de faisceau optimaux plus vite que la recherche de faisceau classique
  • Positionnement extérieur par IA : précision inférieure au mètre à partir des seuls signaux de station de base, sans GPS
  • Prédiction instantanée de couverture : modélisation de la propagation radio en temps réel par réseaux de neurones entraînés, au lieu de simulations par lancer de rayons
  • Ordonnanceur priorisé par la latence : jusqu'à 7 fois de meilleurs temps de réponse par rapport à un ordonnancement à base de règles

L'approche d'Ericsson échange la souplesse de l'inférence sur GPU contre une consommation réduite et une intégration plus étroite — l'IA est dans la radio, elle ne tourne pas sur un serveur colocalisé.

DeepSig : l'interface radio nativement IA

DeepSig a montré ce qui est peut-être la technologie la plus visionnaire du MWC 2026 : OmniPHY-5G — une forme d'onde pré-6G entièrement apprise, exécutée sur une pile 3GPP Release 17 accélérée par GPU. Il ne s'agit pas d'une IA qui optimise une forme d'onde classique : c'est un réseau de neurones qui génère la forme d'onde elle-même.

Exécutée sur le compact NVIDIA DGX Spark, la démonstration de DeepSig a montré une station de base de qualité opérateur prenant en charge à la fois des terminaux 5G commerciaux et des terminaux 6G émergents — preuve que signaux nativement IA et signaux classiques peuvent coexister sur la même radio, ce qui autorise une transition progressive plutôt qu'un remplacement complet.

Récepteurs neuronaux

Un domaine progresse vite : le récepteur neuronal — remplacer des parties de la chaîne de réception classique (démodulation, égalisation, décodage) par de l'inférence neuronale. Rohde & Schwarz et NVIDIA ont mené des travaux fondamentaux sur les jumeaux numériques pour entraîner et tester ces récepteurs, résolvant le problème de la poule et de l'œuf : entraîner un récepteur neuronal pour un signal qui n'existe pas encore dans le monde réel.

Nokia a démontré la post-distorsion numérique par IA (DPoD) — un réseau de neurones embarqué dans la station de base qui corrige après réception la distorsion de l'amplificateur de puissance, améliorant la qualité du signal sans toucher à la chaîne d'émission.

Au MWC 2026, NVIDIA a formé une coalition de plus de 130 entreprises pour la 6G nativement IA, Ericsson a présenté 10 radios neuronales avec un ordonnancement 7 fois plus rapide, et DeepSig a démontré OmniPHY-5G — une forme d'onde entièrement générée par IA tournant sur du matériel NVIDIA DGX Spark.

Les stations de base comme centres de données IA

L'un des changements architecturaux les plus importants est la redéfinition de la station de base elle-même. Dans le modèle nativement IA, une station de base n'est pas seulement une radio : c'est un nœud de calcul IA distribué.

Les stations de base accélérées par GPU peuvent traiter des charges de travail IA pendant les périodes de faible trafic radio. Plutôt que de rester inactif à 3 heures du matin, quand peu d'utilisateurs sont connectés, le GPU exécute des tâches d'inférence pour des clients entreprises — reconnaissance d'images, traitement du langage naturel, détection d'anomalies — avec des résultats servis en bordure de réseau, à quelques millisecondes de l'utilisateur final.

Cela crée de nouveaux modèles de revenus pour les opérateurs :

  • Token-as-a-Service : vente de jetons d'inférence IA depuis les GPU des stations de base
  • GPU-as-a-Service : location de la capacité de calcul des stations de base aux entreprises pendant les heures creuses
  • Hébergement d'IA en périphérie : exécution des modèles IA des clients en bordure de réseau pour les applications à faible latence

L'impact économique est significatif : l'utilisation des GPU de stations de base pourrait passer d'environ 30 % aujourd'hui (radio seule) à 80 à 90 % (radio et charges IA), ce qui change fondamentalement l'équation de rentabilité des réseaux denses. Ce modèle à double usage rejoint les concepts d'architecture réseau 7G, où l'intelligence est distribuée dans chaque nœud.

Les stations de base accélérées par GPU peuvent exécuter des charges d'inférence IA pendant les heures creuses, portant l'utilisation d'environ 30 % à 80-90 %. Les nouveaux modèles de revenus incluent le Token-as-a-Service, le GPU-as-a-Service et l'hébergement d'IA en périphérie.

Les défis techniques

Budget de latence

Le traitement radio opère à l'échelle de la microseconde. Un slot 5G NR dure 0,5 ms dans sa configuration la plus courte. Estimation de canal, beamforming et ordonnancement doivent tenir dans cette fenêtre. Exécuter une inférence neuronale dans ce budget exige du matériel spécialisé — les processeurs généralistes sont trop lents, et même beaucoup d'architectures GPU ne sont pas conçues pour l'exécution déterministe et à latence bornée qu'impose la radio.

Données d'entraînement

Les algorithmes classiques partent des premiers principes : ils n'ont pas besoin de données d'entraînement. Leurs remplaçants neuronaux exigent des jeux de données massifs — conditions radio, mesures de canal, résultats de performance. Produire ces données coûte cher, et transférer un modèle entraîné dans un environnement vers un autre site cellulaire (le problème dit d'écart de domaine) reste non résolu à grande échelle.

Les jumeaux numériques — simulations haute fidélité d'environnements radio — sont la meilleure réponse actuelle, mais posent leurs propres questions de précision. Un récepteur neuronal entraîné sur un canal simulé peut sous-performer sur le canal réel si la simulation n'est pas assez fidèle.

Explicabilité et certification

Quand un algorithme classique échoue, les ingénieurs remontent la panne jusqu'à une étape mathématique précise. Quand un réseau de neurones échoue, le mode de défaillance est opaque. Pour les applications critiques pour la sécurité (V2X, services d'urgence), les régulateurs peuvent exiger un comportement explicable que les réseaux de neurones ne savent aujourd'hui pas fournir.

Le compromis probable : nativement IA pour les fonctions critiques en performance mais non critiques en sécurité (optimisation du débit, gestion des faisceaux), avec repli classique pour la signalisation critique (appels d'urgence, évitement de collision V2X).

L'écart de normalisation

Les éléments d'étude du 3GPP Release 20 explorent l'IA pour l'interface radio, mais le consensus converge vers l'assisté par IA avec repli classique pour le premier standard 6G. Le nativement IA complet — où aucun algorithme classique n'existe pour une fonction donnée — reste une ambition pour Release 22 et au-delà, probablement dans la fenêtre 6G Advanced (2033–2035). Le calendrier de normalisation 6G détaille ces jalons.

Les principaux obstacles techniques au RAN natif IA sont la latence d'inférence à l'échelle de la microseconde, la rareté des données d'entraînement (le problème d'écart de domaine), l'explicabilité des réseaux de neurones pour les fonctions critiques de sécurité, et un écart de normalisation — l'objectif nativement IA complet vise 3GPP Release 22 et au-delà (2033–2035).

De la 6G à la 7G : l'IA comme protocole

Si la 6G rend l'IA native pour certaines fonctions radio, la 7G devrait la rendre native pour l'ensemble de la pile protocolaire. Au lieu d'entraîner des modèles séparés pour l'estimation de canal, le beamforming et l'ordonnancement, un modèle de fondation unifié piloterait toute la chaîne radio — percevoir l'environnement, décider quoi transmettre, choisir la modulation et s'adapter en temps réel.

On parle parfois de « réseaux nativement cognitifs » — le réseau ne se contente pas de traiter des données selon des règles : il comprend le contexte, anticipe les résultats et décide. Un réseau 7G sait qu'un utilisateur qui marche vers l'entrée d'un bâtiment aura besoin d'un transfert vers une petite cellule intérieure dans trois secondes, et lance le transfert avant qu'il n'atteigne la porte.

L'écart entre les démonstrations AI-RAN d'aujourd'hui et cette vision est énorme. Mais le MWC 2026 a prouvé que la première étape — remplacer des fonctions classiques isolées par des réseaux de neurones — fonctionne à l'échelle commerciale. Le reste relève de l'ingénierie, du financement et du temps. Pour une vue plus large de la façon dont 6G et 7G se comparent, consultez notre analyse détaillée.

La 7G vise des « réseaux nativement cognitifs » — un modèle de fondation unifié pilotant toute la pile protocolaire, de l'estimation de canal à l'ordonnancement. Contrairement à l'IA par fonction de la 6G, la 7G vise l'IA comme protocole lui-même, anticipant le comportement de l'utilisateur et s'adaptant en temps réel.

Le RAN natif IA remplace les algorithmes radio classiques par des réseaux de neurones, faisant de l'IA le protocole central plutôt qu'une couche d'optimisation. Le MWC 2026 a démontré sa viabilité commerciale : coalition de plus de 130 entreprises menée par NVIDIA, radios neuronales d'Ericsson avec un gain d'ordonnancement de 7 fois, formes d'onde générées par IA chez DeepSig. Si le RAN assisté par IA arrive avec les premiers standards 6G, le déploiement nativement IA complet vise 2033–2035. La vision 7G prolonge cette trajectoire vers des réseaux nativement cognitifs, où un modèle d'IA unifié pilote toute la pile radio.

Sources

  1. NVIDIA Telecommunications — annonces de la coalition AI-RAN et détails de la plateforme NVIDIA Aerial, MWC 2026
  2. Ericsson AI-RAN — portefeuille de radios neuronales et spécifications des accélérateurs IA sur silicium propriétaire
  3. DeepSig — démonstration et spécifications techniques de l'interface radio nativement IA OmniPHY-5G
  4. AI-RAN Alliance — organisme industriel pour les standards de RAN natif IA, composition et feuille de route technique
  5. 3GPP — éléments d'étude IA/ML du Release 20 pour l'interface radio, calendrier de normalisation des fonctions nativement IA
  6. Rohde & Schwarz / NVIDIA — méthodologie d'entraînement et de test par jumeaux numériques pour récepteurs neuronaux

Frequently Asked Questions

Qu'est-ce que le RAN natif IA ?

Le RAN natif IA est une architecture de réseau d'accès radio où des réseaux de neurones assurent les fonctions radio fondamentales — estimation de canal, beamforming, ordonnancement — à la place des algorithmes classiques. Contrairement aux réseaux assistés par IA, où l'IA est optionnelle, elle ne peut pas être retirée d'un RAN natif IA : elle EST le protocole.

Que s'est-il passé pour l'AI-RAN au MWC 2026 ?

Le MWC 2026 a marqué le passage de la recherche aux produits commerciaux. NVIDIA a formé une coalition AI-RAN de plus de 130 entreprises, Ericsson a présenté 10 radios neuronales à accélérateurs IA intégrés atteignant un ordonnancement 7 fois plus rapide, et DeepSig a démontré une forme d'onde entièrement générée par IA sur du matériel de qualité opérateur.

Qu'est-ce que l'AI-RAN Alliance ?

L'AI-RAN Alliance est un organisme industriel réunissant plus de 130 entreprises qui portent les standards et l'innovation du RAN natif IA. Parmi ses membres figurent NVIDIA, BT Group, Deutsche Telekom, Ericsson, Nokia, SK Telecom, SoftBank, T-Mobile et Cisco.

Comment les stations de base nativement IA génèrent-elles des revenus ?

Les stations de base accélérées par GPU peuvent exécuter des charges d'inférence IA pendant les heures creuses, ce qui permet de proposer du Token-as-a-Service et du GPU-as-a-Service aux entreprises. L'utilisation des stations de base pourrait passer d'environ 30 % à 80-90 %, créant de nouvelles sources de revenus pour les opérateurs.

Quand le RAN natif IA sera-t-il déployé ?

Le RAN assisté par IA (avec repli classique) est attendu dans le premier standard 6G (3GPP Release 21, vers 2028). Le RAN nativement IA complet — où aucun algorithme classique n'existe pour certaines fonctions — vise Release 22 et au-delà, probablement dans l'ère 6G Advanced, autour de 2033-2035.

Qu'est-ce qu'un récepteur neuronal ?

Un récepteur neuronal remplace des parties de la chaîne de réception classique — démodulation, égalisation, décodage — par de l'inférence neuronale. Des entreprises comme Rohde & Schwarz et NVIDIA utilisent des jumeaux numériques pour entraîner ces récepteurs sur des signaux qui n'existent pas encore en déploiement réel.

Que sont les réseaux nativement cognitifs en 7G ?

Les réseaux nativement cognitifs sont un concept 7G où un modèle de fondation IA unifié pilote toute la pile protocolaire — percevoir l'environnement, décider quoi transmettre, choisir la modulation et s'adapter en temps réel. Contrairement à l'IA par fonction de la 6G, la 7G vise l'IA comme protocole complet.