Votre rôle
Votre rôle est d’effectuer un travail de thèse sur : «La conception de modèles à base IA pour la gestion des pannes dans les réseaux optiques». L'augmentation de la capacité de calcul et l'énorme quantité de données disponibles ont considérablement accéléré l'utilisation de l’intelligence artificielle (IA) dans des domaines différents. Dans le contexte des systèmes de communication optique, l’IA peut apporter des solutions innovantes liées à l’amélioration des performances réseaux, la fiabilité des réseaux et la gestion des défaillances.
La gestion des pannes est une fonctionnalité essentielle du gestionnaire du réseau (NMS-Network Management System) pour éviter une dégradation de la qualité du signal ou même une interruption de service. On distingue deux grandes familles d’approches de gestion des pannes.
La première famille permet un diagnostic réactif. Dès qu'une panne survient dans le réseau, l'opérateur doit identifier et localiser au plus vite sa « cause racine » pour permettre les interventions nécessaires et ainsi réduire l'impact de cette panne sur les services déployés. L’objectif de ce premier volet de la thèse est d'exploiter les données liées à la topologie, les performances et les alarmes par des algorithmes à base d’IA pour effectuer un diagnostic rapide du réseau et localiser la panne. Dans un premier temps les techniques de classification seront utilisées pour créer des clusters contenant les alarmes corrélées (liées à la même source de défaillance). Ensuite, des algorithmes à base d'apprentissage automatique seront développés pour localiser et identifier la cause racine de la panne. Enfin, des techniques de traitement de langage naturel, d’IA générative et de LLM (Large Langage Models) seront étudiées pour fournir les résultats des étapes précédentes, en mode interactif avec l’opérateur de supervision sur le terrain, et proposer une assistance au diagnostic des pannes.
La deuxième famille d’approches cherche à prévoir l’occurrence des pannes qui se produisent suite à une dégradation progressive dans le temps (e.g., vieillissement d’un module). Ces approches préventives consistent à détecter les comportements anormaux en surveillant des métriques de performances spécifiques. A travers l’analyse des changements physiques que les pannes provoquent, l’IA peut apprendre le comportement du système optique et prédire des pannes afin de permettre au NMS de planifier des procédures de re-routage et ré-optimisation des services susceptibles d’être affectés. L’objectif de ce deuxième volet de la thèse est d’identifier les métriques à prendre en compte pour prévoir la défaillance d’un équipement et ensuite de définir des modèles à base d’IA pour prévoir les pannes.
Les données sont fournies et proviennent de sources différentes : données de simulation, banc expérimental, et données de terrain.
Votre profil
Nous cherchons un jeune candidat titulaire ou en voie d’obtention d’un diplôme d’ingénieur, d’un Master ou d’un diplôme universitaire équivalent à un bac + 5 avec une spécialité en intelligence artificielle, science des données ou en réseaux de télécommunication. Le candidat doit démontrer les compétences et les qualités personnelles suivantes:
- Connaissance solide en IA et en machine learning
- Bonne compréhension des LLM (Large Langage Models)
- Familiarité avec les plateformes open source de machine learning comme Tensorflow, Py Torch, Hugging Face
- Compétences avancées en développement logiciel en particulier Python
- Intérêt pour les réseaux de Télécom et la communication optique
- Ouverture d’esprit avec des capacités de synthèse et d’innovation
- Autonomie, curiosité et proactivité
- Capacité à solliciter les acteurs, communiquer et présenter les résultats.
- Maîtrise de l’anglais est obligatoire.
Le plus de l'offre
Au sein du département « Architecture and programmable Optical Transmission » (AOT), nous étudions dans le cadre du projet AION (Artificial Intelligence for Optical Networks), le potentiel de l’utilisation de l’IA pour améliorer les fonctions du réseau de transport optique et notamment la gestion des pannes et des anomalies. Dans ce contexte, nous menons des expérimentations avec plusieurs filiales d’Orange dans le but de simplifier leurs opérations de maintenance préventive et curative. Afin d’entraîner nos algorithmes, nous utilisons des données de simulation et des données réelles collectées à partir du réseau réel. Vous aurez l'opportunité de travailler au sein d’une équipe dynamique composée d’experts en réseaux optiques et en IA sur un sujet en pleine effervescence. Des publications scientifiques et des échanges avec des opérationnels d’Orange et des experts internationaux sont prévus pendant la thèse.
Entité
L’ambition de la Division Innovation est de porter plus loin l’innovation d’Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l’humain, éclairer les choix stratégiques du Groupe à long terme et influencer l’écosystème digital mondial.
Nous formons les expertes et les experts des technologies d’aujourd’hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l’innovation dont 740 chercheurs. Porteurs d’une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité…), les femmes et les hommes de Innovation sont à l’écoute et au service des pays, des régions et des business units pour faire d’Orange un opérateur multiservices de confiance.
Au sein de Innovation, vous serez intégré(e) dans une équipe de recherche à la pointe de l’innovation et de l’expertise sur les domaines de la transmission optique, l’automatisation et le contrôle des réseaux de transport. L’équipe dispose de plusieurs plateformes expérimentales et des outils de test et de simulation permettant de recréer les conditions de propagation des signaux optique, générer les données et évaluer la performance des solutions proposées.