C’est le sujet de l’épisode 84 « La 5G, angle mort de l’IA » d’AI Experience avec Arnaud Burel, Partner Sales Executive chez Ericsson.

Quand l’intelligence artificielle quitte l’écran

Le lien entre 5G et intelligence artificielle se clarifie lorsque l’IA acquiert des capteurs et une capacité d’action.

De l’IA générative à l’IA physique

L’IA générative travaille surtout dans un univers numérique. L’IA physique ajoute une boucle avec le réel : un robot reçoit des signaux, interprète la situation, décide puis agit réellement. Le Forum économique mondial décrit, dans son rapport Physical AI: Powering the New Age of Industrial Operations, publié en septembre 2025, la physical AI comme des systèmes robotiques capables de perception, de raisonnement et d’action autonome. Le rapport place aussi le calcul embarqué parmi les couches structurantes de cette architecture.

Cette différence change la question d’infrastructure. Pour un assistant rédactionnel, quelques secondes de délai peuvent être acceptables. Pour des robots connectés qui coordonnent une tâche, un équipement de maintenance ou une machine mobile, le réseau participe au fonctionnement du système. Le couple edge computing et IA devient alors complémentaire de la connectivité : certaines décisions sont prises localement, d’autres nécessitent des ressources distantes ou une supervision centralisée.

C’est là que le sujet IA et 5G devient concret. Le débat « industrie 4.0 et 5G » ne concerne plus seulement la connexion de capteurs. Il concerne la capacité d’une IA physique à percevoir et agir sans transformer chaque mouvement en aller-retour fragile vers le cloud. La même logique vaut pour les véhicules autonomes et 5G : l’intelligence doit fonctionner localement, mais aussi échanger avec son environnement lorsque cela apporte une information utile.

‍

Le monde réel ne peut pas attendre

Une IA qui agit dans le monde physique rencontre trois contraintes absentes d’un simple chatbot : les objets bougent, l’environnement change et une interruption peut avoir une conséquence opérationnelle immédiate. McKinsey relevait en juin 2025 que les robots dotés d’IA incarnée étaient déjà testés dans les entrepôts, les usines, les hôpitaux et les champs. Le passage du logiciel à l’action explique pourquoi les robots connectés deviennent autant un sujet de connectivité que d’algorithmes. Arnaud Burel le formule ainsi :

« Donc l’IA, elle demande beaucoup plus de réseaux. Elle demande du réseau étendu, elle demande un réseau agile. On parlait de souveraineté, mais aussi, elle demande l’autonomie, de la sécurité. »

Plus l’IA physique se déplace, plus elle rencontre des changements de couverture, de charge ou de qualité de service. Le rapprochement entre 5G et intelligence artificielle ne signifie pas que toute IA aura besoin de 5G. Certains usages mobiles ou distribués ont surtout besoin d’une connectivité prévisible. Le couple edge computing et IA est donc stratégique : il conserve une capacité locale lorsque le réseau ralentit. Pour les véhicules autonomes et 5G comme pour l’industrie 4.0 et 5G, l’architecture efficace répartit intelligemment le calcul entre l’appareil, la périphérie du réseau et des ressources distantes.

Pourquoi l’IA physique met les réseaux sous pression

Le volume n’est qu’une partie du problème : les nouveaux usages modifient aussi le trafic et la qualité de service attendue.

Débit, latence et fiabilité deviennent critiques

Les réseaux mobiles ont longtemps accompagné des usages dominés par la réception : pages web, musique, vidéo. L’IA physique peut modifier cet équilibre. Caméras, lunettes, drones ou véhicules peuvent envoyer en continu images, audio et télémétrie afin qu’ils soient analysés ailleurs. Dans son Mobility Report de juin 2026, Ericsson indique que 43 des 55 opérateurs mesurés connaissaient une croissance du trafic montant supérieure à celle du trafic descendant. Son scénario estime aussi que le trafic montant additionnel lié à l’IA pourrait être au moins trois fois plus élevé en 2031 qu’en 2025.

Cela ne signifie pas que chaque requête à un LLM va saturer une antenne. Le point critique concerne surtout les flux continus. Un parc de robots connectés transmettant de la vidéo ou des données industrielles ne sollicite pas le réseau comme un salarié ouvrant ponctuellement un chatbot. La discussion IA et 5G doit donc distinguer trois paramètres : le débit disponible, la régularité de la connexion et le délai de transmission. La latence 5G devient importante lorsque l’application dépend d’un échange rapide ; elle l’est beaucoup moins pour une tâche différée. Cette distinction évite de transformer la 5G en solution universelle. Elle oblige à partir du besoin réel avant de choisir l’infrastructure.

Quelques millisecondes peuvent changer l’usage

La latence mesure le temps nécessaire pour qu’une information circule et qu’une réponse revienne. Dans la conversation, Arnaud Burel insiste sur ce point à travers des exemples de santé, de production industrielle et d’intervention à distance. La latence 5G n’est pas un argument abstrait : sa valeur dépend du temps maximal que le processus peut tolérer. Pour une caméra qui archive des images, quelques dizaines de millisecondes supplémentaires importent peu. Pour une boucle de contrôle, une assistance à distance ou la coordination de plusieurs machines, l’écart peut modifier l’expérience et parfois la faisabilité. C’est la différence entre une application qui « fonctionne » et un système suffisamment réactif pour entrer dans un processus réel.

Les véhicules autonomes et 5G illustrent bien cette nuance. Les fonctions de sécurité essentielles ne peuvent pas dépendre exclusivement du réseau : le véhicule doit conserver une capacité de décision locale. La connectivité peut enrichir la perception, partager des informations ou faciliter la supervision. Même logique pour les robots connectés : le calcul local protège la continuité, tandis que le réseau apporte coordination et accès à d’autres ressources.

Le couple edge computing et IA devient donc aussi important que la latence 5G. Une architecture robuste réserve le réseau aux échanges qui créent réellement de la valeur et évite de transformer la connectivité en point de fragilité.

Ce que la 5G change réellement pour l’IA

Le lien 5G et intelligence artificielle apparaît surtout dans les environnements professionnels où le réseau peut servir directement un usage métier.

Le réseau privé 5G crée une infrastructure dédiée

Un réseau privé 5G permet à une organisation de disposer d’une infrastructure cellulaire pensée pour son périmètre, ses équipements et ses règles d’exploitation. Dans un livre blanc publié en mars 2025, la GSMA souligne notamment l’intérêt des réseaux cellulaires privés pour la mobilité, l’assurance de service et certaines fonctions de connectivité sécurisée, avec différents degrés d’intégration aux réseaux publics. Pour l’IA physique, l’intérêt tient surtout à la capacité de concevoir le réseau autour du processus. Dans une usine, le besoin peut concerner des machines mobiles, des caméras, des tablettes, des capteurs et des robots connectés. Dans un hôpital, il peut s’agir d’équipements médicaux et de véhicules. Le réseau privé 5G devient pertinent lorsque la somme de ces usages justifie davantage de maîtrise sur la couverture et les performances.

Cette logique explique pourquoi « industrie 4.0 et 5G » doit désormais intégrer l’IA. L’enjeu n’est plus simplement de connecter une machine ; il est de permettre à plusieurs systèmes de partager données et décisions. Le réseau privé 5G ne remplace pas automatiquement le Wi-Fi ou la fibre. Il ajoute une option pour des usages mobiles, étendus ou critiques. Pour une stratégie IA et 5G, le point de départ reste le besoin métier : mobilité, disponibilité, sécurité et niveau de contrôle recherché.

Le network slicing permet de choisir ce qui est prioritaire

Le network slicing 5G consiste à créer des « tranches » logiques avec des caractéristiques distinctes sur une même infrastructure. Tous les flux n’ont pas la même importance. En mars 2025, la GSMA documentait une expérimentation de Turkcell combinant network slicing et IA afin d’allouer automatiquement des ressources réseau à des usages de réalité étendue. Arnaud Burel utilise un exemple très parlant :

« Si un mail arrive en même temps qu’une donnée de santé, on va donner une priorité à la donnée de santé. »

Cette phrase montre l’intérêt du network slicing 5G : traduire une priorité métier en priorité réseau. Pour l’IA physique, cette capacité peut devenir décisive. Un flux vidéo servant à piloter une opération, une donnée de sécurité et une synchronisation administrative n’ont pas le même niveau d’urgence. Le network slicing 5G permet d’envisager une connectivité différenciée plutôt qu’un réseau où chaque application se dispute les mêmes ressources.

Cela ne dispense pas d’une architecture robuste ni de calcul local. Mais dans un réseau privé 5G ou une offre opérateur compatible, le découpage peut rendre la qualité de service plus prévisible. Le rapprochement entre 5G et intelligence artificielle prend alors une dimension opérationnelle : le réseau reflète les priorités de l’application, dans des conditions définies à l’avance.

Robots, véhicules, usines : les usages sont déjà là

L’IA physique se matérialise déjà dans des environnements où capteurs, logiciels et machines collaborent. Arnaud Burel résume cette accélération :

« Il y a beaucoup de questions dans ton préparation qu’on a faite qui parlaient de futur. Moi, c’est déjà là. »

Cela ne signifie pas que les voitures totalement autonomes ou les robots généralistes sont partout. Des briques existent déjà : maintenance assistée, tracteurs, drones, vidéosurveillance. Les robots connectés progressent par cas d’usage. Même logique pour les véhicules autonomes et 5G et pour l’industrie 4.0 et 5G : la bonne question consiste à identifier le processus qui peut déjà bénéficier d’une meilleure combinaison de calcul, de données et de connectivité.

La 5G ne résout pas tout

La 5G peut être un chaînon important sans constituer une réponse automatique. Les contraintes économiques et de sécurité restent déterminantes.

Un meilleur réseau implique aussi des investissements

Déployer davantage de capacité, installer des équipements, exploiter un réseau privé 5G ou préparer du network slicing 5G a un coût. L’erreur serait de partir de la technologie avant d’avoir défini le problème. Pour une entreprise, la bonne question porte sur le coût total du processus actuel : indisponibilité, déplacements, câblage, maintenance, pertes de production ou impossibilité de déployer un nouvel usage. Cette logique est essentielle pour l’IA physique. Un projet peut être techniquement impressionnant sans créer assez de valeur pour justifier son infrastructure. À l’inverse, un usage simple peut financer le réseau s’il réduit un coût récurrent ou évite une interruption critique.

La stratégie IA et 5G doit donc être construite en couches : d’abord l’usage et son niveau de criticité ; ensuite la localisation du calcul ; enfin la connectivité nécessaire. Un réseau privé 5G peut être pertinent pour une usine et inutile pour un bureau classique. De même, le network slicing 5G n’a de sens que si des flux exigent réellement des niveaux de service différenciés. C’est une manière plus rigoureuse d’aborder la 5G et intelligence artificielle : deux briques d’une architecture dont la valeur doit rester mesurable. Cette discipline évite de payer pour une performance dont aucun usage ne tire réellement parti.

Connecter davantage signifie aussi sécuriser davantage

Plus une IA physique repose sur des capteurs et des systèmes distribués, plus la surface à protéger s’élargit. La sécurité concerne le modèle, mais aussi les terminaux, les identités, les communications et les règles permettant à une machine de recevoir une instruction. Le couple edge computing et IA peut réduire certains transferts en traitant localement des données sensibles, mais il déplace aussi une partie du calcul vers davantage d’équipements. Cette distribution impose de penser sécurité et gouvernance dès la conception. La qualité du réseau n’est donc qu’une dimension de la confiance.

Dans l’épisode, la souveraineté revient à plusieurs reprises parce que le transport des données fait partie de cette chaîne. La question devient plus sensible lorsque des robots connectés, des systèmes médicaux ou des machines industrielles échangent en continu. L’enjeu de la 5G et intelligence artificielle dépasse ainsi la performance. Il concerne aussi la capacité à savoir où passent les données, qui administre l’infrastructure et quelles dépendances sont acceptables. Pour l’IA physique, la résilience se construit autant par l’architecture que par l’algorithme. Cela suppose également d’authentifier les équipements, de limiter leurs droits et de prévoir leur comportement lorsqu’une connexion ou un terminal devient indisponible dans la durée.

‍

L’IA physique remet le réseau au centre. À mesure que machines, véhicules et objets gagnent en autonomie, la valeur dépend davantage de la combinaison entre calcul local, connectivité et sécurité. La 5G n’est pas indispensable à toute IA, mais elle devient un levier lorsque l’intelligence doit se déplacer et agir. C’est cette tension qu’explore l’épisode « La 5G, angle mort de l’IA » d’AI Experience avec Arnaud Burel : comprendre l’infrastructure nécessaire pour que les nouveaux usages de l’intelligence artificielle fonctionnent réellement.

‍