Wind River a indiqué que son article de blog sur le Fall 2026 O-RAN Global PlugFest montrait une optimisation énergétique en boucle fermée pour un site Open RAN, avec des profils d’énergie logicielle réduisant la consommation jusqu’à 12 %.
L’entreprise a précisé que la démonstration couvrait le site d’un client opérateur mobile, utilisait des schémas de trafic O-RAN en conditions réelles et reposait sur du matériel réel plutôt que sur un laboratoire.
Configuration de test et schémas de trafic
Wind River a indiqué avoir recréé des schémas de trafic issus de systèmes télécoms existants et entraîné un modèle d’IA pour les gérer. La preuve de concept utilisait deux profils d’énergie logicielle au niveau CaaS : un profil basse consommation avec l’état de veille profonde du CPU C6 activé, et un profil haute consommation avec les états C0, C1 et C1E activés.
L’entreprise a indiqué que ce travail avait été mené pour un site Open RAN lors du Fall 2026 O-RAN Global PlugFest et que le site utilisait des schémas de trafic O-RAN en direct. Wind River a également indiqué que les trois premiers mois de tests n’avaient provoqué aucune interruption de service et que le système fondé sur l’IA continuait de fonctionner sans intervention humaine.
Résultats énergétiques mesurés
Wind River a indiqué que le profil basse consommation avait permis d’économiser 12 % avec un trafic faible et 8 % avec un trafic normal. Elle a précisé que le profil haute consommation avait permis d’économiser 4 % avec un trafic élevé.
L’entreprise a également indiqué que l’utilisation du profil basse consommation sous trafic élevé augmentait la consommation d’énergie de 6 %, tandis que le passage au profil haute consommation transformait cela en une économie de 4 %.
Modèle d’automatisation de Wind River
Wind River a indiqué que le système utilisait des analyses pour identifier les tendances de trafic et d’utilisation, puis appliquait un profil énergétique défini par une politique via l’orchestration. L’entreprise a présenté la configuration comme une boucle fermée : l’analyse produisait le signal, les garde-fous fixaient les limites et l’orchestration appliquait l’action.
Le billet de blog précise que le modèle vise à empêcher la couche d’infrastructure de changer au mauvais moment et d’affecter le service.
Droam Perspective
Pour les opérateurs de réseaux mobiles et les équipes RAN, la valeur annoncée n’est pas le nom du salon PlugFest, mais la boucle de contrôle que Wind River dit avoir testée sur du trafic réel. Le point clé est que l’entreprise relie la gestion énergétique pilotée par l’IA à une contrainte opérationnelle précise : aucune interruption de service pendant les trois premiers mois de tests.
Les chiffres sont volontairement contrastés. Les propres données de Wind River montrent que le même profil peut aider ou pénaliser selon la charge, ce qui fait de la prise en compte de la charge de travail la véritable proposition produit ici, et non une promesse générale d’économie d’énergie.