AT&T a déployé un système de gestion des incidents alimenté par l'intelligence artificielle capable de prévenir les pannes de réseau et de réduire drastiquement les temps d'indisponibilité de ses clients. Lancé initialement en 2017, ce programme nommé EEIM a été conçu pour centraliser la détection des interruptions de service et y répondre avant même que les usagers ne s'en aperçoivent. Cette initiative répond à un enjeu critique pour le géant des télécommunications, qui gère plus de 145 millions d'abonnés sans fil et 16 millions de foyers raccordés à internet, et dont les coûts augmentent considérablement lors de coupures prolongées, comme l'ont montré les graves dysfonctionnements survenus en février 2024. Pour traiter des volumes de données massifs, AT&T s'appuie sur une architecture cloud moderne intégrant MongoDB, Snowflake, Microsoft Azure et Databricks. Le système consolide plus de dix pétaoctets d'informations provenant des journaux de réseau, des alarmes et des tickets d'intervention. Andy Markus, directeur des données et de l'IA chez AT&T, a joué un rôle central dans l'évolution du projet depuis son arrivée en 2020. Sous sa direction, la plateforme a progressivement intégré des modèles d'apprentissage automatique classique, puis des capacités d'IA générative et d'agents autonomes. Aujourd'hui, plus de cent mille employés utilisent les outils d'IA générative de l'entreprise, qui traite quotidiennement des dizaines de milliards de tokens. L'EEIM identifie désormais la cause racine des dysfonctionnements, propose des solutions à distance ou déclenche l'envoi de techniciens sur le terrain. Il a également permis de déployer un système de notification proactive des clients, réduisant ainsi la frustration et le volume d'appels aux centres de support. Depuis le premier trimestre 2022, l'IA générative analyse les données historiques pour anticiper les pannes, tandis que les agents IA ajoutés début 2025 interagissent directement avec les usagers pour collecter des informations et orchestrer les interventions. Au total, trente modèles prédictifs permettent à la plateforme d'anticiper les effets des intempéries, des pannes matérielles ou des erreurs de configuration. Les résultats obtenus ces douze derniers mois sont significatifs. Grâce à cette infrastructure numérique, AT&T a évité plus de 3,1 millions de déplacements inutiles de techniciens et a réduit le temps d'indisponibilité total de ses clients de plus de douze millions d'heures. Cette réussite démontre comment l'intégration stratégique de l'intelligence artificielle et du machine learning peut transformer la gestion des infrastructures critiques, tout en garantissant une expérience client plus fluide et des opérations réseau plus résilientes.