Gestion de réseau pilotée par lapos;IA avec de grands modèles LLMs

Description de l'offre : La complexité croissante des réseaux hétérogènes (satellitaire, 5G, IoT, TSN) nécessite de faire évoluer la gestion de réseau. Le Réseau Basé sur lapos;Intention (IBN), bien quapos;avancé, se heurte encore à la difficulté de traduire des intentions de haut niveau en configurations techniques sans ambiguïté. Ce travail propose de lever ce verrou en exploitant les Grands Modèles de Langage (LLM) comme interface cognitive pour une automatisation complète et fiable. Cette thèse vise à concevoir et développer un framework IBN-LLM pour créer le cerveau cognitif dapos;une boucle de contrôle fermée au-dessus du SDN. Le travail se concentrera sur trois défis majeurs : 1) développer un traducteur sémantique fiable du langage naturel vers les configurations réseau ; 2) concevoir un Moteur de Vérification déterministe (via simulations ou jumeaux numériques) pour prévenir les « hallucinations » des LLM ; et 3) intégrer une capacité dapos;analyse en temps réel (RAG) pour lapos;Analyse de Cause Racine (RCA) et la génération proactive dapos;intentions dapos;optimisation. Nous attendons la conception d’une architecture IBN-LLM intégrée aux contrôleurs SDN, ainsi que des méthodologies pour la vérification formelle des configurations. La contribution principale sera la création dapos;un modèle basé sur LLM capable dapos;effectuer la RCA et de générer des intentions dapos;optimisation en temps réel. La validation de lapos;approche sera assurée par un prototype fonctionnel (PoC), dont lapos;évaluation expérimentale permettra de mesurer précisément les performances en termes de précision, de latence et de résilience.

Profil du candidat : Ingénieur / Master 2, BAC+5