Adopt AI : L'impact réel de l'intelligence artificielle sur l'industrie du voyage

JOUR 1

Cette semaine c'était le sommet Adopt AI à Paris, avec pour la première fois une verticale dédiée au voyage. Retour sur le 1er jour où les acteurs majeurs du secteur (SNCF, Amadeus, Air France-KLM) sont venus parler de chiffres, de production et de résultats concrets. Ce que j'ai découvert m'a à la fois impressionné... et questionné. C'est parti !

SNCF Connect & Tech : Quand l'IA sort enfin du labo

Anne Pruvot, CEO de SNCF Connect & Tech, est venue avec des chiffres qui font réfléchir. Avec 16,5 millions de clients et plus de 26 millions de tickets vendus, on parle d'une échelle massive.

Mais ce qui m'a vraiment marqué, c'est la méthode : exploration, évaluation, puis implémentation progressive. Pas de précipitation, pas de "all-in" sur l'IA. Une approche pragmatique qui livre des résultats mesurables :

✅ +25 à 30% de productivité pour leurs 300 développeurs (grâce à GitHub Copilot, choisi notamment pour ses garanties sur la propriété intellectuelle)

✅ La pertinence des réponses a doublé pour le grand public

✅ 95% des utilisateurs s'estiment autonomes après une réponse de l'IA

Et ils ont obtenu le titre "Service Client de l'année" pour la 3ème fois consécutive. La preuve que l'automatisation, quand elle est bien pensée, peut renforcer la qualité de service sans la dégrader.

💬 Ce que j'en retiens : l'IA n'est plus un sujet de R&D mais un programme d'entreprise structurant. Et ça, c'est nouveau.

VINCI Airports : L'IA dans le monde physique

Chez VINCI Airports (plus de 70 aéroports dans 14 pays), Rémi Maumon de Longevialle a montré comment l'IA s'attaque aux défis très concrets de la logistique aéroportuaire.

3 cas d'usage qui m'ont particulièrement interpellé :

🔍 Vision par ordinateur au contrôle de sécurité
L'IA identifie les risques dans les bagages, ce qui permet aux passagers de garder leurs appareils électroniques. Résultat : files d'attente plus fluides et moins de stress.

⏱️ Smart Aircraft Turnaround
Surveillance en temps réel des opérations au sol (nettoyage, avitaillement) pour améliorer la coordination et réduire les retards.

📊 Prévision des flux
Des modèles de Machine Learning prédisent le volume de passagers avec des mises à jour hebdomadaires, permettant d'ajuster l'ouverture des zones et les effectifs.

Mais Rémi a été très clair sur un point : le plus gros défi n'est pas technique... c'est le management du changement. Comment faire adhérer les équipes terrain à ces nouveaux outils ? Voilà la vraie question.

Amadeus : Le mur invisible de la fragmentation

Sylvain Roy, CTO d'Amadeus, a lâché une vérité qui fait mal : 80% des défis de l'IA découlent de la fragmentation des systèmes, pas de l'IA elle-même.

L'IA générative échoue encore sur des cas complexes (comme modifier un vol lors d'une tempête) parce que les systèmes sous-jacents ne communiquent pas assez bien entre eux.

Son analyse soulève un risque stratégique central : la concurrence future entre un agent IA personnel (qui connaît votre agenda, votre localisation, vos préférences) et les professionnels du voyage (limités aux données que vous leur déclarez).

💬 Pour conserver la valeur, l'industrie doit impérativement standardiser ses protocoles et décloisonner ses systèmes. Sinon, les agents personnels prendront le contrôle de la relation client.

Club Med : L'architecture qui change tout

L'intervention de Siddhartha Chatterjee, Global Chief Data & AI Officer chez Club Med, était pour moi la plus technique... et peut-être la plus intéressante.

Il fait partie des rares acteurs (environ 5% du marché) à avoir atteint le stade de la production fiable avec l'IA. Et son secret ? Une architecture multi-agents.

Concrètement, au lieu d'avoir un seul agent IA qui fait tout (et qui hallucine parfois), chaque tâche (compréhension, recherche, rédaction, vérification) est gérée par un agent distinct. Un peu comme une équipe où chacun a sa spécialité.

Les résultats sont plutôt impressionnants :

• Guangzhou : Un agent gère plus de 30% des conversations internes sur 50 marchés
• Marketing : L'outil "Junkie writer" assiste plus de 100 marketeurs en respectant le ton de voix de la marque
• RH (GeoMatch) : Optimisation de la réaffectation saisonnière des employés avec 75% d'efficacité sur 40 000 assignements
• Support IT : 75% des tickets traités automatiquement

Mais attention, Siddhartha insiste :

Si 49% des tâches du secteur sont automatisables, le vrai enjeu est le "re-skilling" massif des équipes. Il faut former les collaborateurs à superviser ces nouveaux outils, pas simplement les remplacer.

💬 Et ça, ça rejoint mes réflexions du mois dernier sur l'automatisation : déléguer oui, mais en gardant l'humain dans la boucle.

Air France-KLM, Navan, Teleperformance : Le self-service devient la norme

Un chiffre fait consensus : 80 à 85% des parcours clients débutent désormais en self-service.

Stéphanie Charlaix Meyer d'Air France-KLM et Dane Molter de Navan s'accordent pour dire que l'IA est devenue un copilote qui traite la complexité croissante des demandes.

Chez Air France-KLM, l'IA intervient pour :

• Synthétiser les interactions passées
• Alimenter une base de connaissances partagée par 5 000 agents
• Traduire les échanges en temps réel

Chez Navan, environ 50% des interactions sont résolues par l'IA.

Mais face à la montée en puissance des agents personnels (type ChatGPT, Claude, Gemini), qu'est-ce qui reste comme valeur ajoutée pour les professionnels ?

Leur réponse : la confiance.

Et c'est peut-être le dernier rempart... et la valeur la plus précieuse.

Les méta-recherches : Du "Search" à l'"Answer"

Les géants de la recherche (Skyscanner, Trivago, Kayak, Kiwi) anticipent une mutation profonde : le passage du "Search" (chercher et comparer) à l'"Answer" (obtenir une réponse immédiate).

Piero Sierra de Skyscanner prévoit que le trafic issu des canaux IA, actuellement à 2%, pourrait grimper à 30% dès janvier. Ça fait réfléchir...

Les stratégies d'adaptation divergent :

• Kayak mise sur des offres exclusives (Haggle Fares)
• Kiwi.com rend son contenu "machine-readable" pour être exploitable par les LLM
• Trivago rappelle que l'utilisateur cherche une solution, pas de la technologie

Mais Piero insiste sur un point crucial : avec 100 millions de prix traités par jour, la qualité de la donnée brute reste le prérequis indispensable à toute couche d'intelligence.

💬 Un peu comme ce que je disais dans le dossier sur l'automatisation : avant de déléguer à l'IA, il faut d'abord avoir des processus et des données clairs. Sinon, on automatise juste... le chaos.

Ce que je retiens

• La production, enfin
  Les acteurs majeurs ne sont plus dans l'expérimentation. Les gains sont réels (+25-30% chez SNCF Connect), mesurés et assumés.
• L'architecture multi-agents, la solution ?
  C'est la réponse technique dominante pour fiabiliser les réponses et éliminer les hallucinations (merci Club Med pour la démo).
• L'humain reste au centre
  Avec 49% de tâches automatisables, la formation des équipes (re-skilling) devient une urgence stratégique. L'IA augmente, elle ne remplace pas totalement.
• La donnée avant tout
  La complexité des systèmes historiques (Legacy) et la qualité des données sont les vrais freins, bien avant la performance des modèles d'IA.
• Révolution de l'interface
  Le marché bascule d'une logique de comparateur à une logique de réponse directe. Les acteurs doivent rendre leurs données lisibles par les assistants IA... ou disparaître.

JOUR 2

Les défis d'intégration technique de l'IA dans le tourisme

Après vous avoir partagé les grandes tendances stratégiques du jour 1, passons maintenant aux choses sérieuses : le jour 2 était consacré à l'opérationnel. Et croyez-moi, c'est là que ça devient vraiment intéressant... et que les défis apparaissent.

Cette journée a opéré un virage nécessaire du "pourquoi l'IA" vers le "comment concrètement". Et, sans surprise, c'est beaucoup plus compliqué qu'il n'y paraît.

Amadeus : Quand la réalité technique rattrape les démos

Olivier Kuffler (AI Program Director) et Yannick Devaux (Innovation Director) chez Amadeus ont posé immédiatement les vrais enjeux : la transformation de l'expérience voyageur ne se fait pas dans les slides marketing, mais dans la capacité à résoudre des problèmes concrets à très grande échelle.

Leur stratégie se décompose en 3 axes :

• L'optimisation
  Améliorer les processus existants. Amadeus intègre de l'IA depuis 15 ans pour gérer 3 milliards de transactions par jour. Oui, vous avez bien lu : 3 milliards.
• Les opportunités
  Résoudre des problèmes jugés impossibles jusqu'alors, comme le déploiement d'agents IA "voix-à-voix" pour les centres d'appel.
• Les questions ouvertes
  Explorer des possibilités encore non identifiées.

Le mythe de la facilité d'intégration

Leur retour d'expérience sur le développement d'un agent vocal en 3 mois m'a vraiment marqué, surtout à cause de cette stat :

Concrètement, ils ont passé leur temps sur :

• La connexion au système téléphonique
• Le développement de nouvelles API
• La création d'outils de test (qui n'existaient même pas chez Microsoft)
• La gestion de la voix comme donnée biométrique sous le prisme du RGPD

Et Olivier Kuffler a lâché une phrase qui résume tout :

Les API conçues pour des interfaces graphiques ne fonctionnent pas pour les agents IA. Comment expliquer vocalement un écran avec 20 options de vols ? Impossible.

💬 Ce constat souligne assez bien la dette technique majeure du secteur. Les infrastructures historiques (qu'on appelle les "systèmes legacy") ne sont tout simplement pas prêtes pour l'IA générative.

Un exemple frappant avec le "re-booking" par Pay-By-Link. Cette fonctionnalité n'existait pas dans les API et a dû être développée spécifiquement pour l'agent IA.

La leçon est claire : les démos séduisent, mais la production impose une refonte lourde de l'infrastructure et de la conformité. Et ça, ça prend du temps et des ressources.

Une stratégie d'agilité extrême

Face à l'évolution ultra-rapide des modèles d'IA, Amadeus a fait un choix radical : assumer l'incertitude.

Leur stratégie repose sur 3 piliers :

✅ Fournir une plateforme dédiée pour l'expérimentation

✅ Maintenir un alignement strict sur des principes éthiques

✅ Réévaluer les choix technologiques tous les 3 à 6 mois

Ce dernier point est essentiel. Comme ils le soulignent, les solutions disponibles début septembre sont déjà radicalement différentes de celles de fin novembre.

💬 Figer une architecture technique aujourd'hui, c'est prendre le risque d'être obsolète demain. Dans l'univers de l'IA, l'agilité n'est plus une option, c'est quasiment une condition de survie.

TIP : L'IA au service de l'hyper-personnalisation dans le luxe

Sur un registre complètement différent, Hannah Son, fondatrice de TIP (Travel In Your Pocket), a présenté comment l'IA peut être un levier de différenciation sur le segment du voyage de luxe.

Et on parle d'un marché à 1,5 trillion de dollars selon l'OMT. Rien que ça.

Sa proposition de valeur combine :

• Analyse des données d'expériences pour une personnalisation poussée
• Centralisation administrative (documents, itinéraires)
• Intégration des paiements en cryptomonnaie

Avec des partenariats signés avec Mastercard, Hyundai, Samsung ou Four Seasons, TIP confirme que la valeur ajoutée de l'IA dans le luxe réside avant tout dans la curation et la fluidité de l'expérience utilisateur.

💬 Ce qui m'a frappé, c'est que dans le luxe, l'IA ne remplace pas l'humain... elle lui permet de se concentrer sur ce qui compte vraiment : l'attention aux détails et la relation client.

Ce que je retiens

La règle du 80/20 en production
L'intégration technique, la conformité et l'adaptation des infrastructures représentent 80% de l'effort, contre seulement 20% pour le modèle d'IA lui-même. Les démos, c'est 20% du travail. La production, c'est les 80% restants.

L'inadéquation des API actuelles
Les interfaces de programmation conçues pour le visuel (écrans) ne fonctionnent pas pour les agents conversationnels vocaux. Il faut tout repenser.

L'agilité comme impératif stratégique
La vitesse d'évolution de l'IA impose de ne jamais figer les choix technologiques plus de 3 à 6 mois. Ce qui est vrai aujourd'hui ne le sera peut-être plus dans quelques semaines.

Le fossé Démo/Réalité
Le passage à l'échelle industrielle exige de résoudre des problématiques invisibles lors des démonstrations : RGPD, connexion téléphonique, outils de test, refonte des API...

💬 Ma réflexion finale

Ce jour 2 m'a rappelé que l'IA générative, aussi impressionnante soit-elle, ne peut pas fonctionner sur des fondations fragiles. Avant de courir vers l'innovation, il faut parfois d'abord consolider ses bases.

Un peu comme dans le dossier sur l'automatisation que je vous partageais le mois dernier : on ne peut pas automatiser le chaos. Il faut d'abord avoir des processus clairs, des données propres et des systèmes qui communiquent.

FAQ