Source: The Conversation – in French – By Pierre Dal Zotto, Professeur Assistant en Systèmes d’Information, GEM
Au fil des décennies, nos réseaux de communications se sont toujours plus complexifiés afin de monter en puissance. Mais ce chemin ne sera pas viable éternellement. Allons-nous bientôt devoir changer d’approche ?
Pendant des décennies, ingénieurs et chercheurs en télécommunications ont poursuivi un seul objectif : transmettre plus d’information, plus vite et avec le moins d’erreurs possible. Qu’il s’agisse d’un appel vocal, d’une vidéo, d’un message ou même de la mesure d’un capteur, toutes ces données sont encodées numériquement en suites de 0 et de 1, qu’on appelle des bits. Cette suite est elle-même convertie en signaux électromagnétiques transmis par des ondes radio. Dit simplement, les réseaux actuels ne transportent pas le sens d’un message, mais une représentation binaire.
Cette logique a été extraordinairement efficace. Elle a permis l’avènement de la 2G et des SMS, de la 3G avec l’Internet mobile, de la 4G et la vidéo en ligne, puis de la 5G, qui améliore les débits, diminue la latence et permet de connecter de nombreux objets. Mais elle rencontre aujourd’hui une limite : continuer à gagner en performance exige toujours plus de bande passante, d’antennes, de calcul, d’énergie et d’infrastructures, dans un monde pourtant limité. Voyons-nous le bout de notre modèle ?
Optimiser, mais jusqu’à un certain point
À partir des années 1950, une grande partie de l’ingénierie des télécommunications s’est construite autour d’une question fondamentale : quelle quantité d’information peut-on transmettre par seconde et de manière fiable ? La principale difficulté est qu’une transmission subit toujours des perturbations extérieures, ce qu’on appelle le bruit. Ce bruit peut avoir de nombreuses causes : la chaleur des composants électroniques, les interférences avec d’autres communications, les réflexions sur les bâtiments, l’absorption par les murs, les obstacles…
Mis en équation, ce problème donne le théorème de Shannon–Hartley. Il a été formulé après à la fin des années 40 dans le prolongement des travaux de Claude Shannon, et donne une réponse fondamentale à cette question pour un cas idéal. Le débit maximal fiable dépend alors principalement de deux facteurs : la largeur de bande passante disponible, c’est-à-dire l’ensemble des fréquences que l’on peut exploiter pour communiquer, et le rapport entre le signal reçu et le bruit ambiant. Notons que, pour établir cette limite théorique, Shannon suppose un bruit « idéal » : il est aléatoire, indépendant du signal transmis et ses variations suivent une courbe statistique appelée loi normale (ou loi gaussienne). Cette hypothèse représente assez bien de nombreuses sources de bruit physique, sans rendre compte de toutes les perturbations observées dans les réseaux réels…
Pour bien comprendre ce théorème, on peut comparer la télétransmission des 0 et des 1 (les bits) au passage de véhicules. La bande passante peut se comprendre comme la largeur d’une route : plus elle est large, plus on peut faire circuler de véhicules en parallèle. Le rapport signal/bruit indique, lui, à quel point le récepteur distingue clairement le signal utile des perturbations. Il peut être comparé à la visibilité sur la route : avec une bonne visibilité, on peut mettre les véhicules plus proches et les faire circuler plus vite. Lorsque le signal est plus propre, on peut utiliser des codages plus efficaces et transmettre davantage de bits.
Mais ce gain n’est pas illimité ! Au-delà d’un certain point, améliorer encore la qualité du signal rapporte de moins en moins, tout en coûtant de plus en plus. On pourrait dire qu’une fois que la visibilité est bonne, il faudrait rajouter des radars et des instruments de télémétrie, ce qui est plus complexe et coûteux.
Plus de fréquences, plus d’antennes, plus de complexité
C’est cette stratégie qui a porté les générations successives de réseaux mobiles. Pour augmenter le débit, les chercheurs, les opérateurs et les industriels ont mobilisé davantage de fréquences, densifié les réseaux et utilisé des antennes et des algorithmes toujours plus sophistiqués. La 5G s’inscrit pleinement dans cette trajectoire.
Plusieurs technologies illustrent cela. Une onde radio ne suit pas toujours un trajet direct : elle peut rebondir sur une façade, contourner un obstacle, arriver avec un léger retard ou depuis plusieurs directions. Pour résoudre ce problème, une solution est d’utiliser plusieurs antennes à l’émission et à la réception, afin que le réseau puisse exploiter des trajets multiples. Il peut renforcer le signal vers un utilisateur, réduire certaines interférences ou transmettre plusieurs flux de données en parallèle lorsque l’environnement le permet.
Une autre technologie, qu’on appelle le beamforming, repose sur la même logique : coordonner plusieurs antennes pour concentrer l’énergie radio dans une direction donnée, plutôt que de l’émettre dans toutes les directions. Cela améliore la réception, mais suppose de mesurer l’état de la communication, de suivre les déplacements des utilisateurs, de choisir les bons faisceaux et d’adapter en permanence les paramètres de transmission. La performance augmente, mais la complexité matérielle et logicielle aussi.
Cette complexité devient encore plus visible lorsque l’on utilise des fréquences plus élevées, ce qui est pourtant intéressant. Monter en fréquence permet d’accéder à des bandes plus larges, donc potentiellement plus de débit. Cependant, plus la fréquence augmente, plus les pertes augmentent, la pénétration dans les bâtiments diminue et la sensibilité aux obstacles s’accroît. Pour regagner en qualité de signal et en robustesse, il devient alors nécessaire d’installer les antennes plus près des usagers et de diriger l’énergie radio avec des faisceaux plus intelligents.
Cela signifie, très concrètement, plus d’équipements réseau, plus de capacité de calcul, et donc des coûts plus importants et plus de consommation de ressources. On améliore certes les performances, mais au prix d’une complexité matérielle et logicielle croissante et d’un gain d’efficacité énergétique moindre.
Pour la 6G, une approche nouvelle et moins lourde ?
Est-ce pour autant la fin du théorème de Shannon-Hartley ? Non : les limites physiques de la transmission demeurent. Aucun réseau, même « intelligent », ne supprimera le bruit, l’atténuation ou les interférences. En revanche, la stratégie dominante consistant à chercher toujours plus de débit brut fait face à des rendements décroissants. On peut continuer à améliorer les réseaux, mais chaque amélioration devient plus coûteuse en énergie, en infrastructures et en coordination que les précédentes.
C’est dans ce contexte que les recherches sur la 6G posent une question différente. La 6G ne supprimera pas les 0 et les 1. Elle ne s’affranchira pas non plus des lois physiques de la transmission. Mais si l’on continue à raisonner uniquement en termes de bits transmis, ne risque-t-on pas de construire des réseaux toujours plus puissants, mais aussi toujours plus lourds ? L’enjeu n’est plus de se demander « combien peut-on transmettre ? », mais plutôt « qu’est-il réellement utile de transmettre pour atteindre l’objectif ? »
C’est justement le changement de paradigme proposé par ce que l’on nomme les communications sémantiques. Au lieu de chercher à transmettre fidèlement tous les bits d’un message, ces approches visent à transmettre uniquement le sens utile pour accomplir une tâche. Concrètement, l’émetteur et le récepteur partageraient des modèles leur permettant, grâce à de l’IA, de reconstruire l’information pertinente sans échanger toutes les données brutes.
L’objectif est de réduire les besoins en bande passante, en énergie et en calcul, tout en améliorant l’efficacité pour une grande diversité d’usages, comme les robots collaboratifs ou les véhicules connectés. Cette approche est aujourd’hui explorée dans plusieurs projets 6G, mais elle soulève encore des défis majeurs concernant la définition du « sens », la façon d’évaluer la qualité de la transmission, ainsi que le fait d’adapter les modèles d’IA nécessaires à cette technologie à l’ensemble des systèmes qui en auraient l’usage.
Cet article a été rédigé avec l’aide du Dr Quentin Lampin, chercheur senior et co-directeur du laboratoire commun Orange-CEA « AI-Native Communications ».
Ce travail (ou une partie de ce travail) a été réalisé avec le soutien du projet 6GARROW, financé par la Smart Networks and Services Joint Undertaking (SNS JU) dans le cadre du programme-cadre de recherche et d’innovation Horizon Europe de l’Union européenne (convention de subvention n° 101192194), ainsi que par une subvention de l’Institute for Information & Communications Technology Promotion (IITP) financée par le ministère coréen des Sciences et des Technologies de l’Information et de la Communication (MSIT) (référence n° RS-2024-00435652)
– ref. Internet, réseaux mobiles : nos télécommunications sont-elles à bout ? – https://theconversation.com/internet-reseaux-mobiles-nos-telecommunications-sont-elles-a-bout-289586