Pourquoi le prochain défi de l’IA semble étonnamment familier aux télécoms

Au cours de l’année écoulée, un changement est devenu de plus en plus apparent dans les conversations autour de l’IA d’entreprise. Le débat n’est plus dominé par le modèle qui offre les meilleures performances ou par les domaines où l’IA peut automatiser un autre processus. Ces questions restent importantes, mais elles ne sont plus le facteur décisif pour savoir si l’IA passe au-delà d’un projet pilote. De plus en plus, les organisations se posent une autre question : que doit‑changer l’entreprise avant que l’IA puisse être fiable avec une responsabilité accrue ?

C’est un changement subtil, mais qui en dit long sur la direction que prend le marché.

Pendant la majeure partie des deux dernières années, l’industrie de l’IA s’est concentrée sur l’amélioration des modèles. La précision a augmenté, le raisonnement est devenu plus sophistiqué et chaque nouvelle version a élargi les attentes quant à ce que l’IA peut accomplir. Parallèlement, les entreprises ont expérimenté comment ces capacités pouvaient améliorer l’expérience client, rationaliser les opérations ou découvrir de nouvelles opportunités de revenus. la dernière enquête mondiale de McKinsey montre à quel point l’IA s’est rapidement imposée dans le secteur des entreprises. Près de neuf organisations sur dix utilisent désormais l’IA dans au moins une fonction métier, mais relativement peu ont réussi à déployer l’IA à l’échelle de l’entreprise. La technologie progresse rapidement. Construire des organisations capables de l’utiliser de manière responsable s’avère être un tout autre défi.

Le passage de la capacité de l’IA à l’exécution opérationnelle

Les questions qui émergent désormais ont moins à voir avec l’intelligence et beaucoup plus à voir avec l’exécution.

Que se passe-t-il lorsque l’IA ne se contente pas de recommander la meilleure action suivante, mais la met en œuvre ? Comment les politiques commerciales doivent‑elles être appliquées lorsque les décisions sont prises en temps réel ? Qui reste responsable si un système autonome rend un mauvais jugement commercial ? Comment les organisations démontrent‑elles que les autorisations des clients ont été respectées, que les obligations réglementaires ont été remplies et que chaque décision peut encore être expliquée des mois après sa prise ?

Ces questions n’apparaissent pas parce que l’IA a cessé de progresser. Elles surgissent parce que les entreprises gagnent en confiance pour placer l’IA plus près du cœur de leurs opérations.

Un modèle d’IA peut identifier l’offre appropriée pour un client, recommander un produit financier, optimiser les ressources du réseau ou déterminer l’étape suivante d’un parcours numérique en quelques secondes. Transformer cette recommandation en un résultat commercial est nettement plus complexe. Avant que quoi que ce soit ne se produise, l’organisation doit encore vérifier si le client est éligible, si le consentement a été recueilli, si les politiques commerciales autorisent la transaction, si un autre partenaire de l’écosystème est impliqué et si chaque étape du processus reste suffisamment transparente pour satisfaire les exigences de gouvernance et de réglementation.

Cette couche opérationnelle attire rarement la même attention que le modèle lui‑-même, mais elle détermine de plus en plus si l’IA peut être déployée en toute confiance à grande échelle. l’étude 2026 State of AI de Deloitte a révélé que près des trois quarts des organisations prévoient d’adopter l’IA agentique au cours des deux prochaines années, tandis qu’une petite minorité estime que leurs capacités de gouvernance sont suffisamment matures pour soutenir l’IA autonome à l’échelle de l’entreprise. L’écart n’est pas une question d’innovation ; c’est une question de préparation opérationnelle.

En examinant les déploiements d’entreprise aujourd’hui, un schéma constant apparaît. Les organisations ne rencontrent pas de difficultés parce que les modèles d’IA ne génèrent pas de recommandations. Elles découvrent que chaque recommandation doit traverser la réalité opérationnelle de l’entreprise avant de devenir une action. L’IA ne remplace pas cet environnement. Elle en devient un autre acteur.

Pourquoi l’infrastructure des télécoms détient la clé de la gouvernance de l’IA

Pour les fournisseurs de services de communication, ce défi est remarquablement familier.

Les télécoms ont passé des décennies à exploiter des entreprises numériques où la confiance est établie en permanence plutôt qu’assumée. Les réseaux vérifient les identités, authentifient les appareils et fournissent des signaux de confiance en temps réel. Parallèlement, les plateformes numériques régissent les relations client, appliquent les politiques commerciales, gèrent les droits numériques, orchestrent les services, coordonnent les écosystèmes de partenaires et veillent à ce que les transactions puissent être exécutées, facturées et réglées correctement. Ces capacités n’ont pas été conçues en pensant à l’IA générative. Elles ont été développées parce que les entreprises numériques ont toujours dépendu d’interactions de confiance entre les clients, les réseaux, les entreprises et les partenaires.

À mesure que l’IA s’intègre dans ces mêmes environnements, la valeur de cette base opérationnelle devient beaucoup plus visible.

Une hypothèse qui mérite d’être remise en cause est l’idée que des modèles plus sûrs conduisent automatiquement à une adoption plus large en entreprise. L’expérience suggère plutôt le contraire. Plus l’IA se rapproche des décisions critiques pour l’entreprise, plus les organisations scrutent tout ce qui entoure le modèle. Les questions d’identité, de gouvernance, d’autorisations client, de responsabilité commerciale et d’application des politiques deviennent nettement plus importantes, car les conséquences d’une mauvaise décision sont beaucoup plus graves.

C’est là que les télécoms peuvent apporter une contribution distinctive.

Pendant des années, les fournisseurs de communications ont affiné les capacités opérationnelles nécessaires pour instaurer la confiance au sein d’écosystèmes numériques complexes. Les réseaux apportent une identité fiable et une intelligence en temps réel. Les plateformes BSS et OSS natives de l’IA offrent le contexte client, la gouvernance commerciale, l’orchestration des services, le commerce numérique et la gestion du cycle de vie. Ensemble, elles créent l’environnement opérationnel qui détermine si une recommandation générée par l’IA doit devenir une action commerciale fiable.

Le même changement a été reflété lors de la discussion de Tecnotree au Mobile World Congress plus tôt cette année sur les réseaux autonomes. Fait intéressant, le débat ne portait pas sur la question de savoir si les systèmes autonomes prendraient éventuellement des décisions de façon indépendante. Cela semble de plus en plus inévitable. La discussion s’est concentrée sur la gouvernance, la responsabilité et la supervision commerciale une fois que ces décisions commenceront à se produire plus rapidement que les humains ne peuvent intervenir de manière réaliste. Ce ne sont plus des questions propres aux télécoms. Elles deviennent des questions d’IA d’entreprise.

Réduire l’écart entre l’intelligence artificielle et les résultats commerciaux fiables

Cette perspective plus large explique également pourquoi des initiatives telles que le GSMA Open Gateway ont gagné en dynamique. Des API standardisées exposant des capacités comme la vérification de numéro, le swap de SIM et la localisation d’appareil fournissent une intelligence réseau fiable qui renforce les interactions numériques. Leur plus grande valeur, cependant, ne se réalise pas uniquement grâce aux API réseau. Elle apparaît lorsque les capacités réseau fiables sont combinées à des plateformes commerciales numériques capables de comprendre le contexte client, d’appliquer les politiques commerciales, d’orchestrer les services à travers plusieurs partenaires et de gouverner l’ensemble du cycle de vie du client. L’IA peut déterminer la prochaine meilleure action, mais l’environnement commercial environnant détermine en fin de compte si cette action doit réellement se produire.

Vu sous cet angle, l’économie de la confiance devient bien plus concrète qu’une simple discussion sur l’IA sécurisée. La confiance ne se crée pas parce qu’un modèle génère une recommandation convaincante. Elle est continuellement renforcée à mesure que l’identité est vérifiée, que les autorisations client sont respectées, que les politiques sont appliquées, que les obligations commerciales sont remplies et que chaque participant à une interaction numérique reste responsable du résultat. Le modèle apporte l’intelligence. L’écosystème environnant fournit la confiance nécessaire pour agir en conséquence.

Pour les fournisseurs de services de communication, cela représente une opportunité qui dépasse le simple déploiement de l’IA au sein de leurs propres opérations. L’industrie a passé des années à investir dans une infrastructure numérique fiable, des plateformes commerciales natives de l’IA et des capacités d’écosystème conçues pour soutenir des interactions numériques de plus en plus sophistiquées. À mesure que les entreprises passent de l’expérimentation de l’IA à son opérationnalisation, ces capacités deviennent pertinentes d’une manière que peu avaient anticipée. Gartner prévoit qu’en 2027, de nombreuses organisations réduiront ou désactiveront les initiatives d’IA autonome parce que la gouvernance et les contrôles opérationnels n’évoluent pas au même rythme que la technologie elle‑même. Cela doit être perçu moins comme un avertissement concernant l’IA et davantage comme un rappel que le succès de l’adoption dépend de bien plus que la capacité du modèle.

Le prochain chapitre de l’IA apportera sans aucun doute des modèles plus performants, mais la seule capacité ne déterminera pas quelles organisations réussiront. L’avantage décisif résidera dans la création d’environnements numériques où l’intelligence, la gouvernance, les réseaux fiables et les plateformes commerciales fonctionnent ensemble de manière fluide. Les organisations jugeront de plus en plus l’IA non seulement à la qualité des réponses qu’elle génère, mais aussi à la capacité de ces réponses à devenir des résultats fiables.

Les télécoms comprennent ce défi parce qu’ils résolvent depuis des décennies des problèmes opérationnels comparables. À mesure que l’économie de la confiance continue de prendre forme, la combinaison de réseaux fiables, de plateformes BSS et OSS natives de l’IA et d’écosystèmes numériquement orchestrés place les fournisseurs de communications dans une position unique pour aider les entreprises à faire passer l’IA de l’expérimentation à une exécution responsable.