La suite NVIDIA AI Aerial est une collection de plateformes de calcul accéléré, de bibliothèques logicielles et d’outils destinés à bâtir, entraîner, simuler et déployer des réseaux sans fil natifs à l’intelligence artificielle. Elle permet aux développeurs et chercheurs de passer du prototypage rapide au développement commercial de solutions AI-RAN pour la 5G et la 6G, utilisables par les opérateurs télécoms, selon developer.nvidia.com.

Cette offre couvre un spectre très large. Pour la recherche, NVIDIA Sionna est une bibliothèque open source accélérée par GPU, conçue pour les communications 5G et 6G. Elle inclut un traceur de rayons rapide pour la propagation radio, ainsi que des simulateurs au niveau de la liaison et du système. D’ailleurs, l’adoption de ces outils, NVIDIA AI Aerial et Sionna, a connu une croissance de 10 fois au cours de la dernière année, et plus de huit mille institutions de recherche mondiales les utilisent, selon un blog de NVIDIA.

Pour modéliser l’environnement réel, la plateforme NVIDIA Aerial Omniverse Digital Twin (AODT) permet de créer des jumeaux numériques de réseaux. Cela autorise la simulation de réseaux sans fil 5G et 6G avec une précision physique, allant d’une simple antenne jusqu’à une ville entière.

De la simulation aux réseaux réels

L’écosystème ne s’arrête pas à la virtualisation. Il fournit des outils pour l’implémentation concrète. L’Aerial Framework sert de chaîne d’outils pour générer des pipelines 5G/6G haute performance, accélérés par GPU, directement depuis Python. En parallèle, l’SDK Aerial CUDA-Accelerated RAN permet de construire des logiciels gNB conformes aux standards 3GPP et O-RAN sur les plateformes de calcul NVIDIA.

Les plateformes matérielles, la famille Aerial RAN Computer (ARC), sont destinées aux déploiements commerciaux. On trouve par exemple l’ARC MGX 2U Short, une plateforme optimisée pour l’efficacité énergétique sur les sites cellulaires, ou l’ARC MGX 4U pour les déploiements à haute densité.

La communauté a déjà mis en lumière des applications concrètes. SoftBank a démontré qu’en intégrant un récepteur neuronal via CUDA-Accelerated RAN, on obtenait un gain de débit en liaison montante de près de 60 % dans des tests contrôlés avec interférences. Par ailleurs, des chercheurs de l’ETH Zurich, utilisant le Testbed Aerial, ont constaté que le réglage des récepteurs neuronaux avec des mesures locales réduisait les taux d’erreur de bloc de plus d’un tiers par rapport aux versions pré-entraînées.

Les applications de l’IA au cœur des télécoms

L’IA est sollicitée pour des tâches plus complexes que la simple amélioration des signaux. Sur le plan robotique, des travaux menés à King’s College London ont montré que l’envoi de descriptions sémantiques compactes, au lieu d’images complètes, permet de réduire le temps d’exécution des tâches robotiques jusqu’à 52,6 % dans des environnements dynamiques.

En matière de gestion de l’énergie, l’anticipation de la demande est une piste sérieuse. Des recherches ont vu des systèmes capables de prédire les besoins réseau dix minutes à l’avance. L’Université de Leeds a testé une approche qui permet aux stations de base de se mettre en veille intelligemment, atteignant une réduction de la consommation d’énergie RAN de 45,6 % par rapport à une référence à pleine puissance, tout en maintenant la connectivité. Pour ces validations, les chercheurs ont utilisé un DGX Spark couplé à un jumeau numérique.

L’écosystème NVIDIA AI Aerial couvre l’intégralité du cycle : de la modélisation physique ultra-rapide avec Sionna RT, à la validation en conditions réelles avec des systèmes comme l’ARC-OTA, en passant par la création de modèles prédictifs pour l’optimisation des ressources. Il reste à voir comment ces outils ouverts vont accélérer la standardisation des déploiements AI-RAN à l’échelle mondiale.

Sources

• NVIDIA Aerial, developer.nvidia.com
• GitHub – NVlabs/sionna: Sionna: An Open-Source Library for Research on Communication Systems, github.com
• How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks, NVIDIA, 6 novembre 2026

Crédits photo

• Image en une : 10 Technological Advantages of Masts for a Nation, par Director Mtonga Kenya, CC BY-SA 4.0, via Wikimedia Commons (recadrée)
• Image dans l’article : For provision of wireless network for communication, par Goodymeraj, CC0, via Wikimedia Commons (recadrée)