Phd -orchestration d'ia distribuée pour réseaux 6g économes en énergie h/f

L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial.
Nous formons les expertes et les experts des technologies d'aujourd'hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l'innovation dont 740 chercheurs. Porteurs d'une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité), les femmes et les hommes de Innovation sont à l'écoute et au service des pays, des régions et des business units pour faire d'Orange un opérateur multiservices de confiance.

La Direction « Networks » imagine, intègre et exploite des réseaux efficaces et durables pour tous les opérateurs et unités d'affaires du Groupe Orange.
Dans un écosystème Telco/IT en profonde transformation, elle définit la stratégie du Groupe en matière de réseaux et d'infrastructures IT. Elle contribue au développement de la 5G stand alone et des nouvelles technologies sur lesquelles cette dernière s'appuie, ainsi qu'à la définition des réseaux du futur comme la 6G. Votre rôle est d'effectuer un travail de thèse sur : "Orchestration dynamique d'IA distribuée pour des réseaux 6G économes en énergie".
L'équipe à laquelle vous serez intégré(e) mène et contribue à des activités de recherche portant sur de nouveaux paradigmes de management de réseau et sur des mécanismes d'orchestration et d'automatisation faisant appel à des technologies avancées, en particulier celles de l'Intelligence Artificielle et des fonctions cloud native.
La thèse s'effectuera au sein du projet collaboratif TREES qui vise à réduire l'empreinte carbone des réseaux 6G en intégrant l'apprentissage fédéré distribué (DFL) comme outil de prédiction des actions d'orchestration et d'amélioration de l'efficacité énergétique. DFL est un paradigme d'Intelligence Artificielle (AI) dont un des attraits est d'être moins énergivore. Pour atteindre cet objectif, TREES (i) concevra une nouvelle architecture et des algorithmes de DFL pour limiter la consommation d'énergie ; (ii) proposera des méthodes pour mutualiser les données et les apprentissages entre applications avec un objectif de cloisonnement des données par apprentissage fédéré; (iii) développera des algorithmes d'orchestration réseaux et des fonctions d'IA pour minimiser l'empreinte carbone; (iv) mettra en place grâce à une boucle autonome d'administration des réseaux les outils développés dans le projet et des données réelles
L'objectif de la thèse est la conception et le placement dynamique de topologies de fonctions d'IA distribuées sur des topologies réseau et leur intégration sur un testbed.
Les réalisations attendues sont : Intégration sur un testbed Orange- Evaluation sur les use-cases-Mise en place ou extension de projets open-source
Les verrous scientifiques sont : Le placement dynamique de fonctions d'IA sur des topologies réseau, en équilibrant la charge sur les fonctions d'IA, en tenant compte de la nature non-idd ou idd de ces données -Gestion du cycle de vie des fonctions IA- La conception d'une solution frugale pour maîtriser la consommation énergétique et l'empreinte carbone tout en préservant QoS et sécurité
Les approches pour lever ces verrous sont : L'extension d'un Data Pipeline System à des architectures dynamiques -Approches algorithmiques : Monte Carlo search algorithms, Reinforcement Learning, Federated Learning- Prise en compte des dépendances croisées entre les réseaux telecom et énergétiques- Prise en compte des contraintes spécifiques du Federated Learning distribué