Nokia et Databricks ont cherché à prouver qu’une plateforme de données commune pouvait fonctionner à l’identique sur différents environnements cloud ou sur une infrastructure sur site, permettant un déploiement cohérent de l’IA sans réécriture de code .

Le test de gestion de performance en temps réel

Les équipes d’ingénierie des deux entreprises se sont concentrées sur un cas d’usage exigeant : la gestion de performance en temps réel. Elles ont simulé l’ingestion d’analyses à une échelle correspondant aux besoins d’un opérateur de premier plan dans le cloud. Les travaux ont produit plusieurs résultats techniques spécifiques :

• Pipelines de données multi-plateformes sans modification de code : Les pipelines de données ont été écrits une seule fois et déployés à l’identique sur Databricks et sur une pile open source (Apache Flink, Kafka, Iceberg), prenant en charge le streaming en temps réel, le traitement par lots et les produits de données à la demande .
• Logique de données indépendante du fournisseur : Les ingénieurs de Nokia ont construit la logique de transformation en Python à l’aide d’expressions indépendantes de la plateforme, séparant la logique centrale des connecteurs spécifiques à chaque plateforme afin que les mêmes workflows puissent être réutilisés dans tous les environnements .
• Déploiement automatisé via un compilateur sur mesure : Les équipes ont validé un compilateur personnalisé qui adapte automatiquement les workflows au moment du déploiement, traduisant la logique abstraite dans des formats natifs (par exemple, Delta Live Tables pour Databricks, Flink SQL pour l’open source) et ajoutant des connecteurs spécifiques à chaque plateforme sans retouche manuelle .
• Data fabric pour le monde des agents : La plateforme prend en charge les produits de données à la demande qui calculent des métriques dérivées à la lecture au lieu de dupliquer les données ; le partage sans copie pour une consommation légère de données entre domaines ; et un mécanisme pour alimenter sélectivement les couches temporelles supérieures dans le cloud où les agents d’IA exécutent des tâches rétrospectives comme l’analyse des causes profondes .

L’agent de data fabric intelligent

Au-delà de la couche d’infrastructure, la preuve de concept a démontré un agent de data fabric intelligent alimenté par l’IA qui rationalise les opérations. En utilisant de simples instructions en langage naturel, l’agent peut générer de nouveaux produits de données, demander une validation humaine et déployer le pipeline automatiquement – accélérant l’innovation avec moins d’effort manuel .

Dans un monde d’agents, le même mécanisme permet la communication agent-à-agent : d’autres agents d’IA peuvent demander des produits de données dynamiques à la demande en interagissant directement avec l’agent de data fabric .

Pourquoi c’est important : la poussée plus large de Nokia vers les réseaux autonomes

La preuve de concept avec Databricks s’inscrit dans une stratégie plus large. Le même jour, Nokia a annoncé une collaboration élargie avec AWS pour faire fonctionner son Autonomous Networks Fabric sur AWS, avec une disponibilité prévue plus tard en 2026 .

Éléments clés de cette expansion :

• Autonomie réseau de niveau 4 : Les opérateurs ont accès aux services d’IA et de cloud avancés nécessaires pour des opérations réseau hautement autonomes .
• Quatre capacités fondamentales unifiées : Le Fabric intègre la gestion unifiée des données (Unified Data Management) entre les domaines, l’IA agentique (Agentic AI) pour les opérations de service, les simulations de jumeau numérique (Digital Twin) pour l’évaluation proactive de l’impact, et le réseau basé sur l’intention (Intent-Based Networking) pour des actions en boucle fermée automatisées .
• Services d’IA sous-jacents : Les solutions utiliseront les services d’IA/ML d’AWS, notamment Amazon Bedrock et Amazon SageMaker, pour une scalabilité élastique et un large choix de modèles .
• Résultats clients déjà rapportés : Les opérateurs utilisant le portefeuille autonome de Nokia ont signalé des taux d’automatisation dépassant 90 %, des délais de livraison de service de quatre heures ou moins, une réduction allant jusqu’à 85 % du temps de déploiement des slices réseau, et jusqu’à 50 % d’incidents impactant les clients en moins .

Nokia a également amélioré son portefeuille d’IA agentique

Lors du salon DTW Ignite, Nokia a dévoilé sa bibliothèque d’agents pour réseaux autonomes (Autonomous Networks Agent Library) – une suite d’agents d’IA préconstruits pour la sécurité, l’assurance et les opérations de service. La bibliothèque couvre l’identification des attaques zero-day, le raisonnement sur les anomalies, le tri des événements, le dépannage des commandes de service et la coordination multi-agents. Nokia rapporte des gains de productivité allant de 60 % à 80 % par rapport aux opérations de sécurité traditionnelles .

Parmi les autres améliorations agentiques annoncées figurent une mise à jour de la suite Autonomous Networks Suite avec des options de déploiement sur site, l’optimisation de la qualité de service VoLTE et une expérience abonné RAN améliorée ; des mises à jour de la plateforme de gestion et d’orchestration de service MantaRay avec des fonctionnalités de contrôleur RAN intelligent (RIC) non temps réel ; et un cadre d’authentification ajouté à WaveSuite pour les réseaux optiques .

Prochaines étapes

Nokia et Databricks prévoient de poursuivre leur collaboration autour de l’amélioration des capacités des réseaux autonomes, aidant les opérateurs à transitionner vers un avenir où les applications d’IA accèdent, corrèlent et agissent de plus en plus sur des données réseau à grande échelle en temps réel .

Nokia et AWS s’engagent dans un agenda d’innovation collaboratif qui combine les modèles d’IA formés aux télécoms et l’expertise domaine de Nokia avec les services d’IA d’AWS pour fournir des opérations réseau de plus en plus autonomes, et ils prévoient d’aller ensemble sur le marché pour aider les opérateurs à faire évoluer leurs stacks opérationnels et à débloquer de nouvelles sources de revenus .

Nokia et Databricks ont cherché à prouver qu’une plateforme de données commune pouvait fonctionner à l’identique sur différents environnements cloud ou sur une infrastructure sur site, permettant un déploiement cohérent de l’IA sans réécriture de code .

Le test de gestion de performance en temps réel

Les équipes d’ingénierie des deux entreprises se sont concentrées sur un cas d’usage exigeant : la gestion de performance en temps réel. Elles ont simulé l’ingestion d’analyses à une échelle correspondant aux besoins d’un opérateur de premier plan dans le cloud. Les travaux ont produit plusieurs résultats techniques spécifiques :

• Pipelines de données multi-plateformes sans modification de code : Les pipelines de données ont été écrits une seule fois et déployés à l’identique sur Databricks et sur une pile open source (Apache Flink, Kafka, Iceberg), prenant en charge le streaming en temps réel, le traitement par lots et les produits de données à la demande .
• Logique de données indépendante du fournisseur : Les ingénieurs de Nokia ont construit la logique de transformation en Python à l’aide d’expressions indépendantes de la plateforme, séparant la logique centrale des connecteurs spécifiques à chaque plateforme afin que les mêmes workflows puissent être réutilisés dans tous les environnements .
• Déploiement automatisé via un compilateur sur mesure : Les équipes ont validé un compilateur personnalisé qui adapte automatiquement les workflows au moment du déploiement, traduisant la logique abstraite dans des formats natifs (par exemple, Delta Live Tables pour Databricks, Flink SQL pour l’open source) et ajoutant des connecteurs spécifiques à chaque plateforme sans retouche manuelle .
• Data fabric pour le monde des agents : La plateforme prend en charge les produits de données à la demande qui calculent des métriques dérivées à la lecture au lieu de dupliquer les données ; le partage sans copie pour une consommation légère de données entre domaines ; et un mécanisme pour alimenter sélectivement les couches temporelles supérieures dans le cloud où les agents d’IA exécutent des tâches rétrospectives comme l’analyse des causes profondes .

L’agent de data fabric intelligent

Au-delà de la couche d’infrastructure, la preuve de concept a démontré un agent de data fabric intelligent alimenté par l’IA qui rationalise les opérations. En utilisant de simples instructions en langage naturel, l’agent peut générer de nouveaux produits de données, demander une validation humaine et déployer le pipeline automatiquement – accélérant l’innovation avec moins d’effort manuel .

Dans un monde d’agents, le même mécanisme permet la communication agent-à-agent : d’autres agents d’IA peuvent demander des produits de données dynamiques à la demande en interagissant directement avec l’agent de data fabric .

Pourquoi c’est important : la poussée plus large de Nokia vers les réseaux autonomes

La preuve de concept avec Databricks s’inscrit dans une stratégie plus large. Le même jour, Nokia a annoncé une collaboration élargie avec AWS pour faire fonctionner son Autonomous Networks Fabric sur AWS, avec une disponibilité prévue plus tard en 2026 .

Éléments clés de cette expansion :

• Autonomie réseau de niveau 4 : Les opérateurs ont accès aux services d’IA et de cloud avancés nécessaires pour des opérations réseau hautement autonomes .
• Quatre capacités fondamentales unifiées : Le Fabric intègre la gestion unifiée des données (Unified Data Management) entre les domaines, l’IA agentique (Agentic AI) pour les opérations de service, les simulations de jumeau numérique (Digital Twin) pour l’évaluation proactive de l’impact, et le réseau basé sur l’intention (Intent-Based Networking) pour des actions en boucle fermée automatisées .
• Services d’IA sous-jacents : Les solutions utiliseront les services d’IA/ML d’AWS, notamment Amazon Bedrock et Amazon SageMaker, pour une scalabilité élastique et un large choix de modèles .
• Résultats clients déjà rapportés : Les opérateurs utilisant le portefeuille autonome de Nokia ont signalé des taux d’automatisation dépassant 90 %, des délais de livraison de service de quatre heures ou moins, une réduction allant jusqu’à 85 % du temps de déploiement des slices réseau, et jusqu’à 50 % d’incidents impactant les clients en moins .

Nokia a également amélioré son portefeuille d’IA agentique

Lors du salon DTW Ignite, Nokia a dévoilé sa bibliothèque d’agents pour réseaux autonomes (Autonomous Networks Agent Library) – une suite d’agents d’IA préconstruits pour la sécurité, l’assurance et les opérations de service. La bibliothèque couvre l’identification des attaques zero-day, le raisonnement sur les anomalies, le tri des événements, le dépannage des commandes de service et la coordination multi-agents. Nokia rapporte des gains de productivité allant de 60 % à 80 % par rapport aux opérations de sécurité traditionnelles .

Parmi les autres améliorations agentiques annoncées figurent une mise à jour de la suite Autonomous Networks Suite avec des options de déploiement sur site, l’optimisation de la qualité de service VoLTE et une expérience abonné RAN améliorée ; des mises à jour de la plateforme de gestion et d’orchestration de service MantaRay avec des fonctionnalités de contrôleur RAN intelligent (RIC) non temps réel ; et un cadre d’authentification ajouté à WaveSuite pour les réseaux optiques .

Prochaines étapes

Nokia et Databricks prévoient de poursuivre leur collaboration autour de l’amélioration des capacités des réseaux autonomes, aidant les opérateurs à transitionner vers un avenir où les applications d’IA accèdent, corrèlent et agissent de plus en plus sur des données réseau à grande échelle en temps réel .

Nokia et AWS s’engagent dans un agenda d’innovation collaboratif qui combine les modèles d’IA formés aux télécoms et l’expertise domaine de Nokia avec les services d’IA d’AWS pour fournir des opérations réseau de plus en plus autonomes, et ils prévoient d’aller ensemble sur le marché pour aider les opérateurs à faire évoluer leurs stacks opérationnels et à débloquer de nouvelles sources de revenus .