Abstract:
Ce travail s'inscrit dans un enjeu qui vise à améliorer la protection des réseaux cellulaires
contre les différentes pannes qui peuvent survenir. Ces réseaux sont devenus indispensables
à notre quotidien, et assurer leur bon fonctionnement représente un véritable défi. L'objectif
de ce projet est d'utiliser l'IA pour anticiper les pannes et permettre aux opérateurs d'agir
avant qu'elles n'impactent le service. Pour cela, nous avons utilisé des jeux de données
représentant le comportement d'un réseau cellulaire dans différentes situations. Ces données
ont été nettoyées et préparées afin de pouvoir être traitées efficacement par des algorithmes
d'apprentissage automatique et d'apprentissage profond. Cette étape était essentielle pour
garantir la fiabilité des prédictions. Plusieurs modèles ont ensuite été entraînés et testés sur
ces données. Leur performance a été évaluée à l'aide d'indicateurs clés tels que la précision,
le rappel, l'exactitude et le F1-score, afin de mesurer leur capacité à détecter correctement
les anomalies. Les résultats ont montré que les modèles d'ensembles offraient les meilleures
performances et étaient les plus adaptés à ce type de problème. Au final, ce projet montre
que l'IA peut jouer un rôle clé dans le renforcement de la fiabilité des réseaux cellulaires, en
permettant d'anticiper les pannes et de mieux y faire face.