Deutsche Telekom compte économiser 2,5 milliards d’euros en accélérant l’IA et l’automatisation

Deutsche Telekom veut transformer l’intelligence artificielle et l’automatisation en leviers mesurables de performance. Le groupe allemand vise environ 2,5 milliards d’euros d’économies sur ses coûts indirects d’ici 2030, par rapport à 2023, en concentrant ses efforts sur les activités où les tâches répétitives sont nombreuses : exploitation du réseau, service client, développement logiciel et fonctions administratives. Une première étape est fixée à 2027, avec quelque 1,1 milliard d’euros d’économies brutes attendues hors des États-Unis.

L’ambition ne se limite pas à réduire les dépenses. Une partie des gains doit financer la transformation numérique de l’opérateur et accélérer le déploiement de la fibre en Allemagne. Le groupe cherche aussi à développer une activité commerciale autour de ses infrastructures et de ses services d’intelligence artificielle, notamment auprès des entreprises et des administrations qui souhaitent garder la maîtrise de leurs données. Dans un secteur des télécommunications soumis à de lourds investissements, l’enjeu consiste à convertir la technologie en gains de productivité, en meilleure qualité de service et en nouvelles sources de revenus.

En bref

• Deutsche Telekom vise 2,5 milliards d’euros d’économies sur ses coûts indirects d’ici 2030, comparativement à 2023.

• Le groupe prévoit environ 1,1 milliard d’euros d’économies brutes hors États-Unis dès 2027.

• L’automatisation concerne notamment le réseau, les relations clients, le développement logiciel et les tâches administratives.

• Les économies dégagées doivent aussi soutenir la fibre et la transformation numérique de l’entreprise.

• Deutsche Telekom veut faire progresser ses revenus liés à l’IA hors États-Unis, de 250 millions d’euros en 2026 à environ 800 millions en 2030.

Deutsche Telekom vise 2,5 milliards d’euros d’économies d’ici 2030

Le montant annoncé donne une échelle au programme : 2,5 milliards d’euros de réduction des coûts indirects en 2030 par rapport à 2023. Il s’agit d’un objectif pluriannuel, et non d’une baisse qui serait obtenue en une seule étape. Pour le suivre, il faut distinguer les économies brutes attendues, les dépenses nécessaires à la modernisation et les sommes réinvesties dans d’autres priorités. Cette lecture évite de confondre une réduction comptable immédiate avec un changement durable dans la façon de produire et de fournir les services.

La première échéance intermédiaire est fixée à 2027. Deutsche Telekom prévoit alors environ 1,1 milliard d’euros d’économies brutes grâce à l’IA et à l’automatisation dans ses activités hors des États-Unis, toujours en prenant 2023 comme référence. Cette précision géographique est importante : les objectifs d’économies mentionnés ne recouvrent pas de la même manière toutes les filiales du groupe, même si certaines expériences réalisées aux États-Unis peuvent illustrer des usages opérationnels.

Les coûts indirects désignent des dépenses nécessaires au fonctionnement de l’entreprise sans être directement associées à la fourniture d’un raccordement ou d’un appel précis. Ils peuvent inclure des opérations administratives, une partie du support, des processus de contrôle et des activités internes. L’automatisation ne consiste donc pas seulement à remplacer une intervention humaine par un logiciel : elle peut réduire les transferts entre services, éviter les ressaisies et limiter le traitement manuel d’informations déjà disponibles dans les systèmes.

Imaginons une demande de changement d’abonnement qui passe aujourd’hui par plusieurs outils. Un processus automatisé peut vérifier les informations, mettre à jour les données et avertir le client sans obliger un salarié à recopier chaque élément. L’intelligence artificielle peut compléter ce circuit lorsqu’il faut interpréter une demande formulée en langage courant ou repérer une situation inhabituelle. Le bénéfice potentiel se mesure alors en temps gagné, mais aussi en diminution des erreurs et des dossiers réouverts.

La cible financière dépendra toutefois de la capacité du groupe à déployer ces solutions à grande échelle. Un prototype efficace dans une équipe ne garantit pas les mêmes résultats dans plusieurs pays, avec des outils et des règles de gestion différents. Pour éviter cet écueil, les entreprises doivent examiner le volume des tâches, leur fréquence, les exceptions possibles et le coût de maintenance du système. Un workflow utile est un processus qu’on peut expliquer, surveiller et corriger, pas seulement une démonstration technologique convaincante.

Le programme s’inscrit dans une course plus large : les groupes investissent dans les infrastructures, les capacités de calcul et les logiciels d’IA, puis cherchent à traduire ces dépenses en productivité réelle. L’enjeu n’est pas de déployer le plus grand nombre d’outils, mais de choisir ceux qui produisent un effet vérifiable sur les opérations. Pour Deutsche Telekom, l’écart entre le jalon de 2027 et l’objectif de 2030 dépendra donc autant de l’adoption interne que de la performance des modèles.

Les annonces financières prennent tout leur sens lorsqu’elles sont reliées aux opérations quotidiennes. Dans les télécommunications, le réseau et le service client offrent justement des terrains où une intervention préventive ou une réponse plus rapide peut éviter une cascade de coûts.

Réseau, service client et logiciels : les usages concrets de l’automatisation

Deutsche Telekom prévoit d’utiliser l’intelligence artificielle dans plusieurs fonctions où les volumes de données et de demandes sont importants. L’exploitation du réseau constitue un premier domaine : les équipements produisent en continu des indicateurs sur leur état, leur charge et les incidents. Des outils capables de repérer des signaux faibles peuvent aider les équipes à identifier un risque avant qu’il ne se transforme en panne visible pour les abonnés. L’objectif est alors de passer d’une réaction après incident à une maintenance davantage préventive.

Un raccordement illustre la logique. Lorsqu’un nouveau client attend l’installation de sa ligne, des informations techniques peuvent signaler qu’un élément du parcours présente un risque de retard ou de dysfonctionnement. L’entreprise indique que l’IA est utilisée pour détecter certains problèmes avant qu’ils ne déclenchent une réclamation et que les premiers cas d’usage ont montré une baisse de 30 % des réclamations. Ce chiffre concerne les situations observées dans ces premiers usages ; il ne signifie pas que toutes les réclamations du groupe diminuent déjà dans la même proportion.

Le service client est un autre chantier visible. Au premier semestre 2026, un chatbot avait traité environ 2,6 millions d’appels selon les données communiquées par l’entreprise. Aux États-Unis, des agents fondés sur l’IA prendraient en charge 40 % des contacts clients, tandis que le nombre d’appels au service client aurait reculé de 55 %. Ces indicateurs décrivent des expériences rapportées par le groupe et ne doivent pas être confondus avec les objectifs d’économies hors États-Unis.

Un assistant automatisé peut répondre à une question fréquente sur une facture ou guider un client dans un diagnostic simple. Quand le problème sort de son périmètre, le transfert vers un conseiller reste essentiel. L’automatisation est plus utile lorsqu’elle résout rapidement les demandes standard tout en transmettant à l’agent le contexte déjà recueilli : identité vérifiée, étapes réalisées et motif de contact. Sans ce passage de relais, le client risque de répéter son histoire, ce qui annule une partie du gain de temps.

L’IA peut également assister les conseillers pendant les appels. Elle peut faire remonter les informations pertinentes, proposer une procédure adaptée et préparer la documentation de l’échange. Le salarié conserve la responsabilité de la réponse et peut consacrer davantage d’attention à la situation particulière de la personne. Cette combinaison est particulièrement pertinente pour les demandes complexes, où la qualité dépend moins de la vitesse de saisie que de la capacité à comprendre le besoin et à choisir la bonne solution.

Le développement logiciel offre un troisième terrain. Des outils d’assistance peuvent aider à produire des tests, documenter du code ou repérer des anomalies, tandis que l’automatisation prend en charge certaines vérifications répétitives. Cela ne dispense pas les équipes de contrôler les résultats : une erreur intégrée tôt peut se propager rapidement dans un système de grande taille. La règle opérationnelle reste donc de mesurer le temps gagné en tenant compte des vérifications, de la sécurité et de la maintenance future.

Ces cas d’usage ont un point commun : ils associent des données, des règles de gestion et une intervention humaine définie. Les retours d’expérience sur les workflows d’IA et d’automatisation montrent l’importance de concevoir ces circuits pour les équipes qui les utiliseront réellement. Dans le réseau comme dans le support, la technologie crée de la valeur lorsqu’elle prévient un incident, réduit une étape inutile ou aide à résoudre une demande sans dégrader la relation avec le client.

La performance opérationnelle ne se limite donc pas au nombre d’appels évités ou de tâches accélérées. Elle dépend aussi de la capacité à orienter les demandes vers le bon interlocuteur et à maintenir une qualité de service stable lorsque les volumes augmentent.

Une vidéo consacrée aux usages de l’IA dans les télécommunications permet de visualiser cette évolution : l’automatisation intervient dans les coulisses du réseau, mais ses effets se ressentent aussi dans la simplicité du parcours client. La prochaine question concerne les salariés qui conçoivent, supervisent ou complètent ces nouveaux processus.

Des salariés assistés par l’IA plutôt que des processus sans contrôle

Une transformation de cette ampleur touche les méthodes de travail autant que les budgets. Quand une partie des demandes est traitée automatiquement, les équipes doivent savoir quelles décisions peuvent être confiées à un système et lesquelles exigent une appréciation humaine. Dans un centre de service, la réponse à une question simple peut être automatisée ; une réclamation complexe, une situation de vulnérabilité ou un litige mérite souvent une écoute et une intervention adaptées. La qualité du dispositif dépend de cette frontière.

Deutsche Telekom indique que l’IA peut assister les salariés pendant les appels en leur fournissant les éléments utiles et en prenant en charge une partie de la documentation. Dans un exemple concret, un conseiller qui accompagne un client sur une panne n’a pas à fouiller plusieurs bases de connaissances si l’outil lui présente les procédures pertinentes au bon moment. Il peut ainsi consacrer davantage de temps à expliquer les étapes et à vérifier que la solution est comprise.

Cette assistance doit être conçue avec des mécanismes de contrôle. Les informations suggérées peuvent être incomplètes ou inadaptées à un cas particulier ; les collaborateurs doivent pouvoir les vérifier et signaler une erreur. Il faut également préciser quelles données sont utilisées, combien de temps elles sont conservées et qui peut consulter les traces d’une interaction. Dans les télécommunications, ces questions sont sensibles, car les opérateurs gèrent des données personnelles et des informations relatives aux usages de leurs clients.

Les gains de productivité ne se mesurent pas uniquement au nombre de postes ou au temps moyen de traitement. Une automatisation réussie peut réduire la charge mentale associée aux tâches répétitives, améliorer la cohérence des réponses et permettre aux salariés de se concentrer sur les dossiers où leur expertise fait une différence. À l’inverse, un outil mal intégré peut multiplier les alertes, imposer des corrections supplémentaires et accroître la frustration des équipes.

La formation est donc une composante concrète du déploiement. Les salariés doivent comprendre comment vérifier une recommandation, reconnaître les limites d’un assistant et escalader un cas qui sort du cadre prévu. Les responsables de processus ont, eux, besoin de compétences pour cartographier les tâches, identifier les exceptions et ajuster les workflows. Une démarche structurée d’accompagnement aide à choisir les bons usages avant de généraliser les outils.

La gouvernance intervient aussi dans la façon de répartir les responsabilités. Si un chatbot fournit une réponse incorrecte, l’entreprise doit pouvoir retrouver les règles utilisées, comprendre l’origine de l’erreur et corriger le parcours. Si un outil assiste un conseiller, les critères qui fondent une recommandation doivent être suffisamment clairs pour que le salarié puisse exercer son jugement. Ce principe évite de transformer l’automatisation en boîte noire au cœur d’un service essentiel.

Le sujet dépasse les seules économies. Les débats publics sur l’IA rappellent que l’innovation technologique doit s’accompagner d’une attention à la dignité, à la transparence et aux effets sur les métiers. Dans l’entreprise, cela se traduit par des décisions très pratiques : informer les équipes, préserver une possibilité de recours humain et évaluer les impacts sur la charge de travail. Un outil efficace n’est pas seulement rapide ; il doit aussi être fiable et acceptable pour celles et ceux qui l’utilisent.

Le facteur humain devient ainsi une condition de réussite opérationnelle. Les économies attendues seront plus durables si les collaborateurs participent à l’amélioration des processus, plutôt que de découvrir des outils imposés sans explication.

Fibre, IA souveraine et nouvelles sources de revenus

Le plan de Deutsche Telekom prévoit de réinvestir une partie des économies dans la transformation numérique du groupe et dans l’accélération du déploiement de la fibre optique en Allemagne. Cette articulation relie l’efficacité interne à l’investissement dans les infrastructures : réduire les tâches sans valeur ajoutée peut libérer des moyens pour moderniser le réseau, à condition que les économies soient effectivement réalisées et qu’elles ne soient pas absorbées par les coûts de mise en œuvre.

La fibre constitue un investissement de long terme. Son déploiement demande des travaux, une coordination avec les collectivités et une planification technique adaptée aux territoires. L’automatisation peut faciliter certaines étapes administratives, améliorer le suivi des chantiers ou repérer les risques de retard, mais elle ne remplace ni les équipes de terrain ni les contraintes physiques d’un chantier. Son intérêt consiste plutôt à rendre la coordination plus fluide et à éviter que des informations éparpillées ralentissent les décisions.

Le groupe veut également faire de l’IA une activité génératrice de revenus. Hors des États-Unis, Deutsche Telekom prévoit environ 250 millions d’euros de chiffre d’affaires lié à l’IA en 2026 et vise près de 800 millions en 2030. La progression recherchée implique de vendre davantage que des outils internes : elle suppose de proposer aux entreprises des capacités de calcul, des services et des solutions adaptées à leurs besoins opérationnels.

La demande européenne pour des systèmes dits « souverains » constitue un axe de développement. Pour une entreprise ou une administration, cette notion renvoie notamment à la capacité de garder un contrôle sur les données, leur hébergement et les conditions d’accès. Elle ne garantit pas à elle seule la sécurité ou la conformité d’un service : celles-ci dépendent aussi de l’architecture, des contrats, des pratiques de gestion et des contrôles indépendants. Le terme décrit donc un ensemble d’exigences à vérifier, plutôt qu’une promesse automatique.

À Munich, Deutsche Telekom a engagé fin 2025, avec le fabricant américain de puces Nvidia, la construction d’une « usine d’IA ». L’expression désigne une infrastructure conçue pour fournir des capacités de calcul et soutenir le développement ou l’exploitation de services d’intelligence artificielle. Un tel projet peut répondre aux besoins d’organisations qui ne souhaitent pas bâtir seules leur environnement technique, mais il nécessite des investissements importants en matériel, énergie, refroidissement et compétences.

Le modèle économique dépendra de la demande réelle et de l’utilisation des capacités disponibles. Une infrastructure puissante ne devient rentable que si des clients y exécutent des traitements suffisamment utiles et réguliers. Pour une entreprise industrielle, cela peut concerner l’analyse de documents techniques ou la maintenance ; pour une administration, la recherche dans des corpus internes, dans le respect des règles applicables. Chaque cas doit être évalué en fonction de la sensibilité des données, du coût de calcul et de la valeur produite.

La question de l’énergie et de l’efficacité des centres de données accompagne nécessairement cette expansion. Les capacités de calcul dédiées à l’IA peuvent accroître la consommation électrique et imposer des systèmes de refroidissement performants. L’investissement dans une infrastructure européenne doit donc s’accompagner d’un suivi de son empreinte et d’une stratégie technique responsable. La demande de souveraineté ne se limite pas à l’emplacement des serveurs : elle concerne aussi la résilience, les ressources et la maîtrise des dépendances.

En faisant dialoguer économies internes et services commercialisés, Deutsche Telekom cherche à occuper deux positions complémentaires : utilisateur de l’IA dans ses propres opérations et fournisseur d’infrastructures pour d’autres organisations. Le passage de l’une à l’autre dépendra de la confiance, de la qualité de service et de la capacité à démontrer une valeur économique concrète.

Les infrastructures fournissent le socle technique, mais la confiance et la pertinence des usages détermineront leur adoption. La trajectoire financière annoncée doit donc être examinée à travers des indicateurs qui relient les investissements aux résultats obtenus.

Comment évaluer les objectifs d’IA et d’automatisation de Deutsche Telekom

Un objectif financier donne une direction, mais ne suffit pas à évaluer la réussite d’une transformation numérique. Pour comprendre si les outils améliorent réellement l’activité, Deutsche Telekom devra rapprocher les économies réalisées des coûts d’acquisition, d’intégration, de formation et de maintenance. Il faudra aussi observer la qualité des services, les délais de résolution et les taux de réclamation. Une baisse des dépenses obtenue au prix d’un parcours client plus difficile ne constituerait pas un progrès durable.

La comparaison avec 2023 fournit une base pour les objectifs annoncés, mais les résultats doivent être interprétés en tenant compte de l’évolution de l’activité et des changements d’organisation. Une économie brute de 1,1 milliard d’euros attendue en 2027 hors États-Unis n’est pas identique à un gain net disponible pour d’autres projets. Les dépenses de transformation et les sommes réinvesties dans la fibre peuvent modifier le résultat financier immédiat, tout en contribuant aux capacités futures du groupe.

Des indicateurs opérationnels peuvent compléter les chiffres financiers. Pour le service client, l’entreprise peut suivre la proportion de demandes résolues au premier contact, le délai d’attente, les transferts vers un conseiller et la satisfaction après l’échange. Pour le réseau, elle peut examiner les incidents évités, le temps moyen de rétablissement et les interventions préventives. Pour le développement logiciel, la fréquence des défauts après mise en production et le temps consacré aux corrections aident à distinguer une accélération apparente d’une amélioration réelle.

Un tableau de suivi cohérent pourrait relier chaque cible à son périmètre et à la date de référence. Les résultats observés doivent être séparés des projections, afin que les expériences pilotes ne soient pas présentées comme des bénéfices déjà généralisés. Cette distinction rend les annonces plus lisibles pour les investisseurs, les salariés et les clients.

Indicateur	Repère annoncé	Lecture à privilégier
Économies indirectes à l’horizon 2030	Environ 2,5 milliards d’euros par rapport à 2023	Suivre le périmètre concerné et distinguer économies brutes et coûts de transformation.
Jalon intermédiaire en 2027	Près de 1,1 milliard d’euros hors États-Unis	Vérifier l’avancement des déploiements et la réalisation effective des gains.
Revenus liés à l’IA hors États-Unis	Environ 250 millions d’euros en 2026, près de 800 millions en 2030	Mesurer les revenus commerciaux et la demande des clients, au-delà des usages internes.
Réclamations après certains raccordements	Baisse de 30 % observée dans les premiers cas d’usage	Préciser les processus couverts et vérifier si l’amélioration se confirme à plus grande échelle.

La démarche gagne aussi à privilégier des projets ciblés plutôt qu’une automatisation uniforme. Une équipe peut commencer par un processus fréquent, répétitif et bien documenté, puis mesurer le résultat avant de l’étendre. Cette progression réduit le risque de déployer à grande échelle une solution qui traite correctement le cas standard mais échoue sur les exceptions. Elle permet également aux salariés de faire remonter les irritants avant qu’ils ne deviennent des défauts structurels.

Pour une entreprise cliente, le raisonnement est similaire. Avant d’adopter un service d’IA, elle doit définir les données qui peuvent être utilisées, le niveau de contrôle attendu et les résultats qui justifieront le coût. L’expérience de Deutsche Telekom intéresse ainsi d’autres secteurs, mais les enseignements doivent être adaptés à chaque organisation. Une banque, un hôpital et un opérateur télécom n’ont ni les mêmes risques ni les mêmes exigences de disponibilité.

La cohérence de l’ensemble sera déterminante : automatiser les tâches répétitives, maintenir un contrôle humain approprié et investir les ressources libérées dans les infrastructures et les services futurs. À cette condition, les chiffres annoncés pourront traduire une évolution opérationnelle plutôt qu’une simple promesse technologique.

La trajectoire se jouera enfin dans la capacité à vérifier les progrès au fil des jalons, en reliant chaque gain à un usage précis, à une qualité de service mesurée et à une responsabilité clairement attribuée.

Questions fréquentes sur le plan d’IA de Deutsche Telekom

Comment Deutsche Telekom compte-t-il économiser 2,5 milliards d’euros ?

Le groupe veut réduire ses coûts indirects d’ici 2030, par rapport à 2023, en utilisant l’intelligence artificielle et l’automatisation dans le réseau, le service client, le développement logiciel et les fonctions administratives.

Quel est l’objectif intermédiaire annoncé pour 2027 ?

Deutsche Telekom prévoit environ 1,1 milliard d’euros d’économies brutes en 2027 dans ses activités hors des États-Unis, avec 2023 comme année de référence.

L’IA doit-elle uniquement réduire les dépenses ?

Non. Le groupe prévoit aussi de réinvestir une partie des économies dans sa transformation numérique et le déploiement de la fibre, tout en développant des revenus commerciaux liés aux infrastructures et aux services d’IA.

Que signifie l’objectif de revenus liés à l’IA en 2030 ?

Deutsche Telekom vise environ 800 millions d’euros de chiffre d’affaires lié à l’IA hors États-Unis en 2030, contre une prévision d’environ 250 millions en 2026.