L'IA agentique s'impose comme la nouvelle priorité des opérateurs télécoms. Une étude McKinsey prédit jusqu'à 16 milliards de dollars de valeur économique générée par l'automatisation IA dans le secteur télécoms américain d'ici 2030. Mais derrière les trajectoires d'EBITDA et les cas d'usage agentiques se pose une question que les DSI ne peuvent ignorer : sur quelle infrastructure physique ces agents vont-ils réellement s'exécuter ?
Depuis plus de dix ans, les opérateurs télécoms multiplient les programmes de transformation numérique pour compenser la stagnation des revenus, la pression sur les marges et l'homogénéisation de l'offre. La plupart ont produit des gains marginaux, sans modifier la structure fondamentale de leurs opérations. L'IA générative et, plus récemment, les agents IA redéfinissent ce périmètre. Contrairement aux outils d'automatisation précédents, qui amélioraient des tâches isolées, les agents ont la capacité de redessiner des flux de travail entiers, de participer à des décisions opérationnelles et de coordonner des actions entre fonctions. Cette évolution positionne l'IA non plus comme un outil de productivité, mais comme une couche d'exécution à part entière, susceptible de modifier la façon dont les telcos déploient leur capital et créent de la valeur.
L'enquête McKinsey révèle cependant un écart persistant entre l'investissement et le retour mesuré. Si 57 % des opérateurs déclarent scaler des cas d'usage sur plusieurs domaines — principalement la relation client et le réseau — seulement 16 % considèrent l'IA comme « la nouvelle norme » dans leur organisation. Les freins identifiés par plus des trois quarts des répondants sont la maturité insuffisante des modèles opérationnels, les limites des données disponibles et un change management défaillant. Plus d'un tiers pointent spécifiquement l'adoption par les équipes comme premier obstacle à la génération de valeur mesurable.
Deux cas d'usage agentiques à valeur démontrable
L'opérateur néerlandais KPN a développé un agent IA voix-à-voix pour traiter les interactions de service client de bout en bout. La méthode repose sur une décomposition granulaire des flux d'appels entrants : identification des points de terminaison des serveurs vocaux interactifs, analyse des sous-intentions (absence de tonalité ligne fixe, remplacement de modem défectueux, problèmes de roaming voix et SMS) et hiérarchisation des cas d'usage selon leur impact et leur complexité de développement. Sur dix-huit cas d'usage potentiels identifiés, six ont été retenus pour le pilote initial — agent de facturation, réponse générique aux questions fréquentes, authentification — avec pour objectif une réduction significative du temps de traitement moyen des appels nécessitant un expert humain.
NTT DOCOMO, l'opérateur japonais, a suivi une trajectoire différente en développant un indice Customer Network Experience (CNX), construit sur plus de 400 téraoctets de données réseau et des modèles de machine learning. Cet indicateur quotidien corrèle la performance technique du réseau avec la satisfaction client et le risque de churn, en intégrant des caractéristiques spécifiques aux trajets en transports denses — un facteur de perception client que les métriques classiques de débit n'avaient pas su capturer. Yoshio Umezawa, vice-président R&D Innovation chez NTT DOCOMO, précise que l'indice CNX « permet de connecter la performance réseau à l'expérience réellement vécue, en offrant une base objective commune pour la prise de décision à l'échelle de l'organisation ». Résultat opérationnel : entre 10 % et 30 % des interventions CAPEX planifiées sont susceptibles d'être repriorisées vers des sites à impact client plus élevé, sans augmentation du budget d'investissement global.
En Amérique du Sud, l'unité BPO de l'opérateur Entel a déployé un outil IA agentique analysant 100 % des appels entrants quotidiennement. La solution identifie les opportunités commerciales, signale les occasions manquées, suit le sentiment client et génère des recommandations de coaching individualisées pour chaque conseiller. En dix semaines, les ventes générées sur appels entrants ont augmenté de 40 %, portées par un doublement des tentatives de conversion lors d'appels de service, sans dégradation mesurable de la satisfaction client.
Redesign des flux de travail : la condition sine qua non
McKinsey identifie six leviers structurants pour construire ce que le cabinet appelle un « modèle opérationnel agentique cohérent ». Le premier est l'intégration explicite de l'IA dans le processus budgétaire. Selon l'enquête, un des principaux écueils des initiatives IA précoces dans les télécoms — comme dans d'autres secteurs — est l'absence de lien entre ces projets et des objectifs financiers précis et mesurables. Les organisations qui progressent soumettent systématiquement leurs initiatives IA à une revue budgétaire qui quantifie l'impact attendu sur le compte de résultat et responsabilise les directions métiers sur la livraison.
Le deuxième levier porte sur la conception des flux de travail. Près des trois quarts des dirigeants interrogés reconnaissent utiliser l'IA principalement pour accélérer des processus existants plutôt que pour les reconstruire. Cette approche déplace les goulots d'étranglement sans les supprimer. Les opérateurs avancés procèdent à une décomposition systématique des chaînes de valeur prioritaires en activités élémentaires, puis reclassent chaque tâche selon trois catégories : automatisation par agent, collaboration humain-agent ou maintien sous responsabilité humaine. Cette granularité permet de concevoir des flux réellement restructurés plutôt que de superposer une couche d'IA à l'architecture héritée. Un opérateur nord-américain a appliqué cette méthode à ses opérations marketing et commerciales, en cartographiant d'abord les activités quotidiennes des équipes avant de reconstruire intégralement tous les flux majeurs — y compris les campagnes toujours actives — avec l'IA au cœur, et en ne définissant les choix technologiques et organisationnels qu'après cette étape.
Le modèle « AI factory » synthétise ces dimensions.
La recherche McKinsey Global Institute cité dans le rapport établit que si 30 % des heures de travail du secteur télécoms pourraient être automatisées d'ici 2030, 91 % des postes existants nécessiteront une redéfinition en profondeur pour tirer parti de cette automatisation. Des fonctions traditionnelles — DevOps, marketing produit, support client, ingénierie terrain — connaîtront des contractions en volume, tandis que des postes comme architecte de flux IA ou gestionnaire des risques IA émergeront. Cette redistribution exige une clarification explicite des responsabilités : ce que font les agents de bout en bout, comment les exceptions sont remontées, comment les performances sont suivies et améliorées.
Sur le plan du change management, l'enquête montre que la lenteur d'adoption est le premier obstacle à la concrétisation de la valeur IA. Indosat Ooredoo Hutchison (IOH), opérateur indonésien, a formalisé sa doctrine sous la formule avancée par son PDG Vikram Sinha : « 70 % personnes, 20 % processus, 10 % technologie ». Concrètement, le comité exécutif complet se réunit chaque trimestre pour des sessions d'immersion IA, des « traducteurs IA » ont été formés dans toutes les fonctions, et des programmes de reconnaissance gamifiés encouragent l'expérimentation et récompensent l'impact. McKinsey insiste sur le fait que ces dispositifs ne peuvent être traités comme des initiatives ponctuelles : ils doivent s'ancrer dans le rythme opérationnel permanent de l'organisation.
Face à la fragmentation des initiatives — développements redondants, choix incohérents de modèles fondamentaux, réutilisation limitée des architectures d'agents — ce modèle instaure un référentiel commun : processus standardisé de qualification et de priorisation des cas d'usage, composants réutilisables (cadres d'agents, environnements de modèles partagés, contrôles de gouvernance), et couche de visibilité consolidée pour la direction. Un opérateur australien cité dans le rapport a accéléré l'automatisation de ses services de 30 % en encodant la connaissance métier de ses ingénieurs réseau directement dans des agents.
Les marges d'EBITDA en jeu
McKinsey modélise le potentiel financier pour un opérateur de taille intermédiaire (500 millions à 1 milliard de dollars de revenus annuels, plus de 5 millions d'utilisateurs actifs). L'impact agrégé sur l'EBITDA est estimé entre 8 et 10 points de pourcentage du chiffre d'affaires à horizon cinq ans, avec des réductions de coûts attendues allant de 1-2 points sur le réseau à 2-3 points sur le marketing et les ventes, en passant par le service client. Sur le CAPEX, une optimisation de 4 à 8 % des dépenses d'investissement réseau est jugée atteignable via la repriorisation pilotée par les indices d'expérience client.
Ces projections restent conditionnelles à la capacité des organisations à surmonter les obstacles identifiés : modèles opérationnels immatures, limitations des données, et résistance au changement. Le rapport ne traite pas explicitement des contraintes réglementaires européennes — AI Act, RGPD, NIS 2 — qui pèsent sur les déploiements d'agents IA dans les télécoms européens, notamment sur les usages en relation client automatisée et sur les traitements de données réseau à grande échelle. Les DSI d'opérateurs présents sur le marché européen devront intégrer ces contraintes dans la conception même des architectures agentiques, sous peine de voir les délais de conformité décaler les calendriers de déploiement.
