Internet, réseaux mobiles : nos télécommunications sont-elles à bout ?
Au fil des décennies, nos réseaux de communications se sont toujours plus complexifiés afin de monter en puissance. Mais ce chemin ne sera pas viable éternellement.
Depuis les années 1950, les réseaux de télécommunications ont évolué pour transmettre plus d’informations, plus rapidement et avec moins d’erreurs. Cette progression s’est traduite par l’apparition successive des générations de réseaux mobiles : la 2G pour les appels vocaux et les SMS, la 3G pour l’Internet mobile, la 4G pour la vidéo en ligne, et la 5G qui améliore les débits et réduit la latence. Ces avancées reposent sur la transmission de données sous forme de bits (suites de 0 et de 1) convertis en signaux électromagnétiques via des ondes radio. Cependant, cette logique atteint aujourd’hui ses limites, car elle nécessite toujours plus de bande passante, d’antennes, de calcul et d’énergie, dans un monde où les ressources sont limitées.
Le théorème de Shannon-Hartley, formulé dans les années 1940 par le mathématicien Claude Shannon, définit la quantité maximale d’informations qu’un canal de communication peut transmettre de manière fiable par seconde. Ce théorème repose sur deux facteurs principaux : la bande passante (la largeur de la plage de fréquences utilisables) et le rapport signal/bruit (la clarté du signal par rapport aux perturbations). Par exemple, une bande passante large équivaut à une route large permettant le passage de nombreux véhicules, tandis qu’un bon rapport signal/bruit correspond à une bonne visibilité sur cette route. Cependant, ce gain a des limites : au-delà d’un certain point, améliorer la qualité du signal devient de plus en plus coûteux en énergie et en complexité, avec des bénéfices décroissants.
Pour augmenter les performances des réseaux, les opérateurs et les industriels utilisent plusieurs technologies. Ils exploitent des fréquences plus élevées pour élargir la bande passante, mais cela réduit la portée des signaux et augmente leur sensibilité aux obstacles. Ils recourent aussi à des techniques comme le MIMO massif (utilisation de multiples antennes pour exploiter plusieurs trajets de signal) et le beamforming (concentration de l’énergie radio dans une direction précise). Ces méthodes améliorent la réception et le débit, mais elles augmentent la complexité matérielle et logicielle, ainsi que la consommation d’énergie. Par exemple, la 5G repose sur ces technologies pour offrir des débits plus élevés et une latence réduite.
Malgré les progrès technologiques, les réseaux actuels butent sur des limites physiques inévitables. Le bruit (perturbations aléatoires), l’atténuation (affaiblissement du signal sur la distance) et les interférences (perturbations causées par d’autres signaux) ne peuvent être éliminés. Chaque amélioration des performances nécessite donc des infrastructures plus denses, une consommation énergétique accrue et des algorithmes plus sophistiqués, avec des rendements décroissants. Par exemple, augmenter la fréquence des signaux pour obtenir plus de bande passante réduit leur capacité à traverser les murs et augmente leur sensibilité aux obstacles, nécessitant l’installation d’antennes plus proches des utilisateurs.
Face à ces défis, la recherche sur la 6G explore une approche différente, centrée non plus sur la transmission brute de bits, mais sur l’efficacité de l’information échangée. Cette nouvelle stratégie, appelée *communications sémantiques*, vise à transmettre uniquement le sens utile d’un message plutôt que l’intégralité des données brutes. Par exemple, au lieu d’envoyer toutes les données d’un capteur, le réseau pourrait envoyer une interprétation simplifiée de ces données, comme une alerte en cas de dépassement d’un seuil. Cette approche, encore expérimentale, pourrait réduire la consommation d’énergie et de bande passante tout en améliorant l’efficacité pour des usages comme les véhicules connectés ou les robots collaboratifs. Cependant, elle pose des défis majeurs, notamment la définition du « sens » à transmettre et l’adaptation des modèles d’intelligence artificielle nécessaires.
