Intelligence artificielle et gestion des revenus

Lorsqu'il s'agit de Revenue Management, mais plus généralement lorsqu'il s'agit de grandes quantités de données, succomber à l'attrait de la technologie est en effet facile et, à certains égards, nécessaire.

Il suffit de penser à la vitesse de calcul ou à la découverte d'associations dans les big data pour se rendre compte qu'aucun cerveau humain ne pourra jamais battre un ordinateur en termes de rapidité et d'efficacité.

Par exemple, l'analyse d'un groupe d'hôtels dans une destination donnée implique le traitement et la gestion d'une grande quantité de données : pense au prix moyen, à la fenêtre de réservation, au taux d'occupation, au taux d'annulation, au type de chambre et à bien d'autres choses encore.

Mettre en relation ces données mais surtout les interpréter de manière profitable nécessite de la méthode et des outils appropriés.

La méthode ne peut se passer de la statistique, qui joue un rôle fondamental dans l'analyse des données. Sans sa capacité de synthèse, l'une des propriétés les plus appréciées, il serait vraiment compliqué de constater qu'à une période donnée, tel ou tel paramètre de notre hôtel prend des caractéristiques anormales. Ici donc, grâce aux statistiques, nous pouvons facilement résumer toutes les données analysées en quelques valeurs (pour nous) plus significatives.

Il existe aujourd'hui de nombreux outils d'analyse des données, et de plus en plus de PMS commencent à intégrer des modules de Business Intelligence et des Tableaux de bord capables de regrouper quelques KPI (Key Performance Indicators) de base.

Ayant établi que pour améliorer non seulement la qualité de son existence quotidienne (mais aussi sa performance au travail), tout Revenue Manager utilisera des statistiques de base et quelques outils pour soutenir son travail, voyons ce qui se passe lorsque nous commençons peut-être à nous laisser emporter par le concept d'Intelligence Artificielle.

Par exemple, il existe depuis de nombreuses années des PMS qui peuvent modifier la gamme de tarifs de vente de notre hôtel lorsque certaines conditions se présentent qui, normalement, correspondent à une occupation plus ou moins importante ou, encore, à l'achat simultané de plusieurs chambres (ce qui est toujours une variation de l'occupation). 

Nous les avons testés il y a des années et avons rapidement compris les limites d'un automatisme qui fonctionne selon un schéma rigide.

Supposons, par exemple, que notre PMS (ou un module externe) ait été programmé pour fixer la tranche de prix la plus élevée lorsque le taux d'occupation dépasse 80 % de notre hôtel.

En réalité, le logiciel ne fait rien d'autre que de compter notre taux d'occupation et de le faire correspondre à un prix de vente (hélas, aujourd'hui encore, c'est l'une des variantes utilisées pour résumer le travail d'un revenue manager).

Mais supposons que nous soyons en basse saison et que, par pur hasard, nous ayons eu la chance d'avoir une réservation de groupe qui a occupé 80 pour cent de notre établissement. Nos concurrents ont beaucoup de disponibilités - et par conséquent des tarifs bas - mais pour les nôtres, nous sommes presque complets et nous publions donc (comme nous leur avons demandé de le faire) un tarif élevé, ce qui minimise les chances de ventes.

Voici donc la solution au problème : l'algorithme.

En combinant les données de mon hôtel et celles du marché, le logiciel d'IA est capable de calculer la formule exacte qui, dans notre cas, aboutira au meilleur prix de vente.

Les logiciels basés sur les algorithmes et l'apprentissage automatique (parce qu'ils suggèrent un tarif, l'humain prend la décision finale et l'algorithme apprend) poussent maintenant comme des champignons après la pluie.

Malheureusement, surfant sur la vague en partie de la mode, en partie des mots utilisés de manière inappropriée (j'ai entendu des personnes parler de logarithmes suggérant des tarifs), il arrive parfois que l'on assiste aussi à quelques paradoxes tels que des vendeurs qui approchent les hôteliers en leur proposant un logiciel coûtant quelques milliers d'euros qui, selon eux, peut remplacer le travail de leur Revenue Manager et augmenter le chiffre d'affaires de manière exponentielle.

Accordé que si les revenus d'un hôtel sont gérés superficiellement (ou pas gérés du tout), il sera certainement susceptible d'augmenter son chiffre d'affaires avec un logiciel qui dynamise une politique tarifaire, réfléchissons un instant à l'application concrète de l'IA au Revenue Management.

La contradiction commence avec l'idée même (que l'on a dans certains cas intérêt à propager) que le Revenue se résume à l'activité de Pricing. 

Je ne le dis pas qu'à moi, mais à de nombreux collègues que je respecte : la phase de " pricing " n'est que la dernière, la dernière d'un long processus de décision soutenu par l'analyse des données.

Donc, à la limite, ce logiciel ne prendrait en charge que la dernière de toutes les activités logiques réalisées auparavant par un cerveau humain.

Pourquoi un logiciel infatigable et actif 24 heures sur 24, qui dispose de données historiques et de données sur la demande, qui a des capacités d'apprentissage ne pourrait-il pas remplacer un Revenue Manager en chair et en os (qui coûte plus cher et qui est plus paresseux) ?

D'autre part, si les avions volent en toute sécurité depuis longtemps grâce à des algorithmes, pourquoi ne seraient-ils pas capables de publier un tarif correctement ? 

Simple la question, tout aussi simple la réponse : l'environnement dans lequel opère un avion de ligne est moins complexe que l'environnement de vente d'un hôtel.

Qui mieux que nous a appris ces dernières années que nous évoluons dans un environnement qui est tout sauf stable et prévisible ?

Quelqu'un a-t-il prédit la tendance anormale du mois d'août de certaines destinations par rapport aux autres mois d'été ?

Comment l'algorithme interprète-t-il une reprise lente ? Peut-il raisonner sur un facteur affectant le flux des réservations, comme une condition d'annulation différente ?

Dans le processus de décision d'achat d'une chambre, comment fait-il le lien entre des types similaires mais différents d'un concurrent ?

Voici le premier problème sérieux : la puissance de calcul n'est pas capable de produire une pensée causale.

Bien sûr, l'algorithme peut calculer de nombreuses possibilités de scénarios beaucoup plus rapidement que notre esprit, mais le bon sens pose un énorme défi à l'intelligence artificielle.

francesco d'acunto
fondateur