Ingénierie radio
ISCO-08 2153, 3522Ingénieur radio, Ingénieur optimisation RAN, Ingénieur planification radio, Ingénieur performance réseau radio, Expert radio 5G, Technicien radio
De quoi le métier est fait
Les grandes activités de la famille, la part du temps de travail que chacune représente, et la part de ce temps que l'IA générative peut automatiser.
- Planification radio et prédictions de couverture20% du temps de travail50% d'exposition
Les prédictions et le classement des sites candidats sont automatisés, le choix du site dépend du terrain.
- Optimisation des paramètres et des voisinages25% du temps de travail55% d'exposition
Les fonctions d'auto-optimisation ajustent tilts, puissance et voisinages, l'ingénieur valide les propositions.
- Analyse des KPI et détection des dégradations20% du temps de travail50% d'exposition
Les modèles détectent les cellules dégradées depuis les compteurs avant les plaintes, la cause reste souvent manuelle.
- Drive tests et mesures terrain10% du temps de travail35% d'exposition
Les traces et données crowdsourcées remplacent une partie des drive tests, certaines mesures exigent un véhicule.
- Reporting et revues de performance10% du temps de travail70% d'exposition
Les rapports KPI standards et les tableaux de bord hebdomadaires sont produits automatiquement.
- Projets d'évolution (5G, nouvelles bandes) et coordination15% du temps de travail20% d'exposition
Choisir les stratégies de déploiement et travailler avec les équipementiers et le déploiement restent aux ingénieurs.
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Définition des politiques des réseaux auto-optimisés
- Validation des paramètres proposés par les algorithmes
- Physique de la propagation et stratégie spectrale
- Python et analyse de données sur compteurs réseau
Se déprécient
- Réglage manuel des tilts et des voisinages
- Analyse manuelle des drive tests
- Reporting standard des indicateurs de performance
- Calculs de couverture répétitifs
Les transformations attendues
L'optimisation radio est déjà très automatisée : des fonctions d'auto-optimisation ajustent tilts, puissances et relations de voisinage, et des modèles d'apprentissage automatique repèrent les cellules dégradées à partir des compteurs avant que les clients ne se plaignent. Les drive tests cèdent une partie de la place aux traces et aux données de terrain analysées automatiquement. Des jours de travail de paramétrage deviennent une série de propositions à relire et valider.
L'ingénieur radio passe du réglage des cellules à la définition des règles que suivent les algorithmes, et à leur contrôle. La maîtrise de la propagation et du spectre reste indispensable pour repérer une recommandation erronée, en zone dense ou lors d'un grand événement. Le bon ingénieur radio de demain allie cette compréhension physique à une vraie aisance avec la donnée, et sait expliquer ce qu'un algorithme d'économie d'énergie fait réellement à la couverture.
- 2026-2027
- Des modèles repèrent les cellules dégradées, les ingénieurs valident les paramètres proposés.
- 2028-2030
- Optimisation en boucle fermée et économies d'énergie par IA généralisées sur la plupart des sites.
- 2031+
- Moins d'optimiseurs, plus d'experts qui définissent les règles et auditent les algorithmes.
L'expertise radio demande des années et beaucoup d'ingénieurs expérimentés approchent de la retraite. Si les juniors se contentent de superviser des outils automatisés, plus personne ne maîtrisera assez la physique pour détecter les erreurs des algorithmes. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI