AI-RAN doit démontrer qu’il peut prendre en charge des services d’IA parallèlement à la connectivité mobile dans des conditions de réseau réelles.
Dans une annonce du 20 octobre, Nokia a indiqué que l’entreprise et SoftBank prévoyaient de mener un essai AI-RAN sur le terrain au Japon en 2027. Le projet combinera le logiciel anyRAN de Nokia à la plateforme AITRAS de SoftBank dans un environnement de réseau commercial soumis à un trafic commercial.
AI-RAN associe l’intelligence artificielle à l’infrastructure du réseau d’accès radio. Pour les opérateurs télécoms, l’intérêt est d’utiliser l’infrastructure à la fois pour la connectivité et le traitement de l’IA. Le défi consiste à maintenir des services mobiles fiables tout en partageant les ressources informatiques.
« Notre essai sur le terrain prévu avec Nokia marquera une étape importante dans la transition d’AI-RAN, du concept à la mise en œuvre. Nous intégrerons anyRAN, la solution native pour l’IA de Nokia, à notre plateforme AITRAS en tant que composant RAN, l’AITRAS Orchestrator travaillant en coordination avec le RAN de Nokia et MantaRay », a déclaré Ryuji Wakikawa, senior vice president and CTO at SoftBank Corp.
Les efforts de SoftBank en matière d’AI-RAN
L’ accord avec Nokia s’appuie sur les précédentes collaborations de SoftBank dans le domaine de l’AI-RAN.
En février, Ericsson et SoftBank ont annoncé l’interfonctionnement entre l’AITRAS Orchestrator et Ericsson Intelligent Automation Platform, qui gère et contrôle les réseaux d’accès radio. La configuration présentée coordonnait des applications d’automatisation du RAN et des workloads d’IA sur des clusters de calcul distincts, permettant une allocation dynamique des ressources sans placer les deux types de workloads sur le même serveur.
En mars, Mitsubishi Heavy Industries (MHI) et SoftBank ont annoncé une collaboration comprenant un essai sur le terrain d’AITRAS au MHI’s Yokohama Hardtech Hub. Le test prévu devait analyser des images prises par smartphone de produits défectueux afin d’identifier les zones endommagées et de déterminer les méthodes de réparation. Il devait fonctionner dans un centre de données edge sur site, isolé des réseaux externes.
L’essai prévu avec Nokia étend ces travaux au trafic d’un réseau commercial, où la coordination des workloads d’IA doit également préserver les exigences opérationnelles du réseau mobile.
Ce qu’a constaté eWeek : le modèle économique d’AI-RAN doit encore être éprouvé
L’écosystème de partenaires répond à un défi de mise en œuvre important : AI-RAN nécessite que le matériel informatique, les logiciels réseau et la gestion des workloads fonctionnent de concert. Pour les lecteurs du monde de l’entreprise, la question la plus utile est toutefois de savoir ce que cette intégration pourrait apporter en matière de fiabilité, de temps de réponse et de coûts.
Les collaborations de SoftBank dans le domaine de l’AI-RAN couvrent le matériel informatique, l’infrastructure cloud, les logiciels réseau et les applications industrielles, ce qui reflète la nécessité plus large d’ intégrer le calcul, le réseau et les logiciels pour l’IA d’entreprise.
L’essai prévu avec Nokia utilisera un processeur Nvidia Grace, un GPU Nvidia RTX PRO 4500 et des équipements réseau Nvidia ConnectX-8.
Pour l’infrastructure cloud, SoftBank a travaillé avec Red Hat. En mars 2025, les entreprises ont présenté AITRAS comme une solution intégrée d’IA et de RAN reposant sur Red Hat OpenShift, une plateforme applicative basée sur Kubernetes. Celle-ci fournit un environnement commun de logiciels cloud-native pour les fonctions RAN virtualisées et les applications d’IA. Leur collaboration comprend également la surveillance de la consommation électrique afin de faciliter le placement des workloads et l’optimisation énergétique.
Les partenaires jouent des rôles différents : Nokia fournit les logiciels RAN et l’intégration de la gestion, Ericsson apporte l’intégration de l’automatisation du réseau, et MHI fournit un cas d’usage industriel.
Pour les entreprises qui envisagent des services d’IA fournis par l’intermédiaire d’une infrastructure télécom, l’avantage potentiel est de rapprocher le traitement des utilisateurs et des équipements connectés. L’application d’inspection prévue par MHI illustre un cas d’usage possible : analyser localement des images opérationnelles tout en conservant les données confidentielles sur les produits dans un environnement fermé. Cet exemple ne doit pas être considéré comme la preuve que les mêmes capacités sont déjà disponibles sur un réseau mobile public.
L’infrastructure partagée soulève également une question de gestion des ressources. Les opérateurs doivent répondre à l’évolution de la demande en matière d’IA tout en préservant les performances du réseau mobile. Des résultats d’essai utiles montreraient comment la plateforme gère les workloads concurrents, les pics de trafic et les interruptions de service.
L’économie du dispositif comptera autant que les performances. Les opérateurs devront mettre en balance les coûts des équipements, de l’énergie et de la gestion avec la demande de traitement de l’IA. Les clients entreprises auront besoin d’une tarification claire, de conditions de traitement des données et d’engagements de service avant de comparer l’offre d’un opérateur aux solutions cloud ou sur site.
L’essai de 2027 constitue donc une étape à surveiller, plutôt que le déploiement confirmé d’un service en production. Des preuves de fiabilité durable et de valeur économique détermineront l’intérêt de l’AI-RAN pour les opérateurs et leurs clients.
En savoir plus : l’Inference Exchange prévu par Equinix met en évidence les détails de tarification, de déploiement et de service dont les entreprises ont besoin lorsqu’elles évaluent le traitement de l’IA au plus près des utilisateurs et des données.