Solution 100% logicielle · Marchés UEMOA

Réduisez de 25%
l'énergie de vos
tours télécoms.

TrueLoad AI analyse en temps réel la charge de chaque tour et décide — en millisecondes — d'économiser de l'énergie sans jamais dégrader la qualité réseau. Conçu pour les contraintes réelles des réseaux africains.

0
Tours télécoms UEMOA
marché adressable
0 Mds
FCFA de dépenses
énergétiques annuelles
0 Mds
FCFA d'économies
potentielles / an

Les réseaux africains
gaspillent de l'énergie.

Des réseaux 4G/5G déployés sur une base d'alimentation diesel, sans optimisation IA adaptée aux contraintes locales.

40%
de l'OPEX des opérateurs télécoms est consommé par l'énergie. Premier poste de coût, devant la maintenance et les loyers.
55%
des sites télécoms d'Afrique subsaharienne dépendent encore du diesel comme source d'énergie principale.
0
solution logicielle indépendante des vendors, conçue spécifiquement pour les contraintes des réseaux UEMOA (données partielles, énergie instable, multi-vendor).

7 couches d'intelligence.
1 décision en millisecondes.

Chaque action d'optimisation passe par un pipeline complet — de la donnée brute RAN à la commande équipement — avec garantie formelle de qualité de service.

01
Ingestion & feature engineering
Les métriques RAN (PRB, SINR, trafic DL/UL), énergétiques (BBU, RRU, refroidissement) et environnementales sont reçues toutes les 5 minutes. Nettoyage des anomalies, imputation des données manquantes, calcul de 14 features dimensionnelles.
5 min / collecte 14 features Nokia · Ericsson · Huawei · ZTE
02
Prédiction LSTM/GRU — 15 à 60 min
Un réseau LSTM bidirectionnel + GRU prédit la charge réseau sur les 60 prochaines minutes à partir des 24 dernières heures. Précision RMSE < 10%, conforme aux benchmarks GSMA.
Horizon 15–60 min RMSE < 10% 288 pas d'historique
03
Correction PINN — physique du site
Les équations physiques de consommation (courbe BBU, modèle thermique, rendement PSU) sont encodées dans la fonction de perte. Le modèle apprend ce que la physique n'explique pas. Converge 3 à 5× plus vite avec peu de données.
Innovation algorithmique Données partielles OK
04
GNN — coordination inter-tours
Les tours sont modélisées comme nœuds d'un graphe spatial (Graph Attention Network). Le système coordonne les décisions : deux tours voisines ne peuvent jamais entrer en sleep mode simultanément, évitant les trous de couverture.
Innovation algorithmique Cluster 36 088 tours
05
Conformal Prediction — garantie QoS 95%
Des intervalles de confiance garantis à 95% sont calculés sur chaque prédiction. Le système n'agit que si la borne supérieure reste sous le seuil de sécurité. Quand le modèle ne sait pas, il se bloque de lui-même.
Garantie formelle safe_to_optimize
06
RL Policy + QoS Guard — décision finale
Le moteur de Reinforcement Learning choisit l'action optimale parmi : sleep mode sectoriel, réduction de puissance DPC, arrêt de bande haute fréquence, optimisation du refroidissement. Le QoS Guard valide chaque critère (SINR, PRB, RRC success rate) avant exécution.
PPO + heuristiques Réveil < 800 ms
07
Actuateur + Federated Learning
La commande est envoyée à l'équipement via l'API vendor. En parallèle, le cycle nocturne de Federated Learning améliore le modèle global : chaque opérateur entraîne localement, seuls les gradients sont partagés — vos données RAN ne quittent jamais votre réseau.
Données privées garanties FedAvg nightly Adapters Nokia · Ericsson · Huawei · ZTE

Calculez vos économies
en temps réel.

Ajustez les paramètres pour voir le retour sur investissement sur votre portefeuille de tours.

Nombre de tours 120
Consommation nominale / tour 6 kW
Réduction énergétique IA 25%
Coût énergie 100 FCFA/kWh
Coût abonnement annuel
30 M
FCFA / an
Économies annuelles
131 M
FCFA / an
Gain net annuel
101 M
FCFA après abonnement
Retour sur investissement
2.8
mois pour rentabiliser
CO₂ évité par an
118 t
basé sur facteur diesel 0.75 kg CO₂/kWh

Cinq innovations
que personne d'autre
ne fait pour l'Afrique.

Federated Learning — données jamais partagées
Chaque opérateur entraîne le modèle IA localement sur ses données RAN privées. Seuls les gradients (pas les données brutes) remontent vers le serveur d'agrégation. Le modèle global s'améliore collectivement sans que Togocom voie les données de Moov. C'est un argument légal, commercial et technologique simultanément.
Moat stratégique FedAvg · Flower
Graph Neural Network inter-tours
Les 36 088 tours de l'UEMOA sont modélisées comme un graphe spatial. Le GNN coordonne les décisions : il sait qu'une tour ne peut pas dormir si ses voisines sont déjà saturées.
Inédit en Afrique
Physics-Informed Neural Networks
Les équations physiques de consommation du site (BBU, RRU, refroidissement) sont intégrées dans le modèle. Converge 3 à 5× plus vite avec peu de données historiques — la réalité des nouvelles tours en Afrique.
Données partielles OK
Conformal Prediction — garantie QoS formelle
Le système ne garantit pas seulement une prédiction — il garantit statistiquement à 95% que le trafic restera dans l'intervalle prédit. Le sleep mode ne s'enclenche que si la garantie est confirmée.
Garantie 95% Zéro incident QoS
Signaux exogènes africains natifs
TrueLoad intègre des signaux absents de tout modèle européen : jours de marché hebdomadaire, volume de transactions Mobile Money (Flooz, T-Money), stress du réseau électrique CEET/CEB, température ambiante. Ces données sont un actif propriétaire non reproductible.
Africa-native Mobile Money · CEET

Simple. Prévisible.
Rentable dès le 3e mois.

Abonnement SaaS — pay-per-tower
250 000
FCFA HT · par tour · par an
Pipeline IA complet (LSTM + PINN + GNN)
Conformal Prediction (garantie QoS)
Federated Learning nocturne
Signaux exogènes africains
Adapters Nokia · Ericsson · Huawei · ZTE
Tableau de bord & rapports économies
API REST documentée (FastAPI)
Support déploiement inclus
Démarrer un pilote gratuit →
Économie moyenne générée : 1 310 000 FCFA / tour / an · Ratio valeur/coût : 5,2×

Prêt à réduire
votre facture
énergétique ?

Démarrez un pilote sur 10 tours. Résultats mesurables en 30 jours. Aucun CAPEX requis.

Questions ? contact@ddma.tg · +228 XX XX XX XX