Etude et proposition d’une solution de détection et de classification des incidents dans le réseau d’accès optique FTTH basée sur le Machine Learning

Informations

Établissement

Université Gaston Berger

Date de soutenance

14/02/2026

Résumé

Le développement des réseaux FTTH (Fiber To The Home), propulsé par la technologie GPON,
a transformé le domaine des télécommunications en répondant aux besoins croissants en bande
passante. Ces infrastructures permettent une connectivité simultanée pour des services tels que
l’Internet haut débit, la téléphonie IP, la vidéo à la demande et la télévision IP. Cependant, leur
performance est souvent mise à l’épreuve par des incidents réseau, nécessitant des outils
avancés pour la détection et le diagnostic. Nous avons supposé que l’utilisation d’un modèle
d’apprentissage supervisé permettrait de surmonter les limites des techniques traditionnelles en
diagnostic réseau. Ce mémoire explore ainsi les méthodes traditionnelles et modernes utilisées
pour identifier, localiser et classifier les incidents dans les réseaux FTTH. Les techniques
conventionnelles, comme les tests de continuité et les mesures de puissance, restent essentielles
mais insuffisantes face à la complexité croissante des réseaux actuels. En parallèle, des
technologies avancées, telles que les OTDR et les systèmes de surveillance à distance (NMS),
apportent des capacités accrues de diagnostic mais présentent également certaines limites. Pour
répondre à ces défis, nous avons proposé une approche novatrice basée sur l’apprentissage
automatique. À l’aide d’un modèle de Random Forest et de la méthode SMOTE pour gérer le
déséquilibre des classes présent dans les données OTDR de notre dataset OTDR Trace Training
data, nous avons développé un système capable d’attribuer automatiquement des catégories aux
événements détectés. Les performances obtenues sont encourageantes, avec une précision
globale élevée, un F1-score de 94 % et un rappel de 89 %, démontrant ainsi la robustesse de
notre solution dans la classification des événements.