Au MWC 2026, Hari Nair, vice-président principal et chef – Engagements stratégiques, HCLTech, et Manish Gulyani, vice-président et chef du marketing de l'infrastructure réseau chez Nokia, ont exploré une question qui reçoit souvent moins d'attention que les modèles et les GPU : le réseau est-il prêt pour l’IA ?

Accent sur l’IA, écart au niveau du réseau

Nair a ouvert la discussion par une comparaison avec les premières voies ferrées. Le simple fait d’avoir de plus grosses locomotives n’a pas transformé l’économie; c’est la normalisation et l’interconnexion de l’infrastructure ferroviaire qui l’ont fait.

Il a suggéré que l’industrie de l’IA pourrait être dans une phase similaire; elle porte une grande attention aux modèles et à la puissance de calcul, alors que l’infrastructure réseau sous-jacente demeure peu examinée.

« Toutes les discussions dans tous les forums portent surtout sur les modèles de calcul et les GPU », a-t-il déclaré. « Il n’y a presque pas de discussions à propos du réseau », a abondé Gulyani.

Pourtant, les charges de travail d’IA, en particulier lorsqu’elles s’étendent au-delà du texte vers l’image, la vidéo et l’audio, dépendent d’une connectivité à grande échelle. Les charges d’inférence nécessitent souvent un trafic ascendant important, ce qui exerce de nouvelles pressions sur la performance et la capacité.

En citant une récente étude de Nokia auprès de deux mille experts des télécoms, du nuage et des entreprises en Europe et aux États-Unis, Gulyani a souligné que « plus de 80 % des clients ont répondu qu’ils ne pensaient pas que le réseau était prêt à gérer les charges de travail de l’IA. »

Le rapport mondial sur le trafic réseau de Nokia confirme cette préoccupation, en estimant qu’environ 70 % du trafic WAN mondial proviendra toujours de sources non liées à l’IA d’ici 2034. Le trafic IA représentera toutefois le principal secteur de croissance (23 % contre 15 % TCAC) durant cette période.

L’implication : la mise à l’échelle de l’IA exige une évolution du réseau, et pas seulement une expansion de la puissance de calcul.

Préparation des entreprises : données, programmabilité et automatisation

Du point de vue des entreprises, Nair a identifié trois lacunes structurelles.

1. Liquidité des données

Les données des entreprises demeurent cloisonnées, ce qui limite leur utilisabilité. Les organisations doivent moderniser la gouvernance et établir une base de données fiable avant que l’IA puisse fonctionner efficacement.

2. Les réseaux restent largement statiques

La programmabilité est nécessaire pour aligner le comportement du réseau sur les dynamiques des charges de travail de l’IA.

3. L’automatisation opérationnelle demeure incomplète

Le passage à des flux de travail automatisés, sans billets, est crucial.

« À l’heure actuelle, il reste beaucoup de chemin à parcourir pour qu’une infrastructure soit prête pour l’IA. Je dirais que la plupart des infrastructures que nous avons sont compatibles IA, » a-t-il affirmé.

Réseaux autonomes : progrès et réalité

À propos des réseaux autonomes et sans intervention, Gulyani a déclaré : « Les présentations marketing prétendent que nous sommes déjà autonomes, » a-t-il dit, « mais la réalité chez nos clients, c’est que la plupart en sont probablement, dans le meilleur des cas, au niveau deux, voire partiellement au niveau trois. »

Habituellement, cela signifie une automatisation basée sur des règles et une intégration en boucle fermée limitée entre l’approvisionnement et l’assurance.

La véritable autonomie requiert un réseautage basé sur l’intention, ce qui inclut la définition des résultats plutôt que des configurations, avec des jumeaux numériques, des API programmables et des architectures hautement automatisées capables de suivre les charges de travail, où qu’elles résident.

« Nous avons les outils, » a-t-il déclaré, « il nous suffit simplement d’aller de l’avant. »

De l’intégration de systèmes à l’orchestration de l’écosystème

Alors que les écosystèmes IA deviennent plus distribués – s’étendant aux hyperscalers, aux fournisseurs de connectivité, aux développeurs de modèles et aux cadres souverains –, Nair a suggéré que le rôle traditionnel de l’intégrateur de systèmes évolue.

Plutôt que de relier des systèmes distincts, les organisations doivent maintenant coordonner des écosystèmes entiers.

Aucun acteur unique ne contrôle toute la pile. Les fournisseurs de réseaux offrent la connectivité. Les hyperscalers fournissent la puissance de calcul. Les développeurs de modèles construisent les capacités d’IA. Les gouvernements imposent des exigences de souveraineté et de gouvernance. Coordonner ces couches pour en faire des environnements opérationnels cohérents devient essentiel.

Gulyani a mis l’accent sur le fait que les différents cas d’utilisation de l’IA, comme la formation de modèles de pointe, l’inférence souveraine et les déploiements en entreprise, nécessitent des plans architecturaux distincts. La viabilité économique dépend de l’optimisation de chaque couche pour les coûts, l’efficacité énergétique et la performance.

« Tout se ramène au coût par jeton, » a-t-il affirmé. « Comment réduire la consommation d’énergie ? Comment réduire les dépenses d’investissement requises ? »

Ce à quoi le succès ressemblera dans cinq ans

En se projetant dans l’avenir, Nair a présenté quatre signaux que la transformation de l’IA est significative plutôt que superficielle.

1. L’IA doit être intégrée aux processus générateurs de revenus et ne pas rester limitée aux fonctions de soutien.
2. La rapidité de prise de décision doit s’accélérer. « Si votre rapidité de prise de décision reste la même qu’avant, alors je pense que l’IA n’a pas vraiment d’impact », a-t-il déclaré.
3. La transformation des coûts doit être structurelle, et non incrémentale.
4. L’adoption culturelle est essentielle. « Tout repose sur les gens, ainsi qu’un changement de culture et d’état d’esprit. »

Il a décrit l’IA comme « la mécanisation de la pensée ». Si les organisations continuent de prendre des décisions manuellement sans faire confiance à l’intelligence automatisée, la transformation demeure incomplète.

Réseau comme fondation

La session s’est terminée par une conclusion partagée : l’IA ne peut pas passer à l’échelle sans l’évolution du réseau.

L’innovation en matière de calcul seule ne suffit pas. La capacité, la programmabilité, l’automatisation et la sécurité doivent progresser en parallèle pour que les charges de travail d’IA deviennent économiquement viables.

À mesure que les entreprises poursuivent une croissance axée sur l’IA, le réseau devient moins un utilitaire de fond et plus un élément central de l’économie des réseaux intelligents.