Cet article a été publié originellement sur mydatacompany.fr

Pour aider les hôtels à optimiser le taux de remplissage, Accor a conçu un modèle prédictif. Les équipes du siège, comme le marketing, peuvent aussi adapter leurs actions et les campagnes. L’intelligence artificielle était testée dans 8 hôtels fin 2019.

Dans l’univers de l’hôtellerie, le revenue management est une activité centrale. Elle consiste à optimiser le taux de remplissage des chambres au meilleur prix. Le travail des revenue managers d’un groupe comme Accor revient à maximiser la recette moyenne (RevPar) lors des pics d’activité et à maximiser le taux de remplissage (T.O) pendant les périodes creuses.

Pour améliorer ses performances, Accor développe depuis mars 2019 un modèle prédictif basé sur l’intelligence artificielle : Forecast Hotel. L’objectif est de délivrer une prévision du taux d’occupation sur 150 jours. Cette démarche vise à anticiper au mieux les périodes pleines et creuses, et ainsi optimiser les revenus grâce à une stratégie prix adaptée.

Un renfort pour définir la bonne stratégie prix

Accor dispose déjà d’une solution de RMS centrale (Revenue Management System), Smart Pricing. La nouvelle solution, Forecast Hotel, ne vise pas à s’y substituer. Elle doit « alimenter » son interface avec des informations supplémentaires d’aide à la décision.

Afin de fournir des prévisions, Accor collecte quotidiennement dans l’ensemble des hôtels les données issues des PMS (Property Management System ou logiciel de gestion de l’hôtel), c’est-à-dire de leur système de gestion (check-in, check-out, etc.). Ces données sont stockées dans le datalake.

Fournir au quotidien une prédiction d’occupation

« L’idée est de brasser toute cette Data avec des algorithmes de Data Science et de fournir en sortie des prédictions de taux d’occupation à notre outil Smart Pricing fourni par D-Edge, qui va venir en renfort du revenue manager de l’hôtel pour l’aider à appliquer la bonne stratégie de prix » confie un responsable du projet.

Ces informations sont également remontées aux équipes centrales d’Accor, en charge de l’acquisition, du marketing, de la Business Intelligence , etc. A terme, ces informations permettront par exemple au marketing, à l’échelle d’une ville et plus seulement d’un hôtel, d’anticiper les fluctuations d’activité. En cas de baisse, le marketing pourra ainsi lancer une campagne ciblée sur la ville au profit de tous les hôtels concernés.

Ces campagnes pourront être anticipées suffisamment en amont puisque l’objectif de l’application « Forecast Hotel » est de fournir quotidiennement – 2 heures après la clôture journalière de l’hôtel -, une prédiction d’occupation sur les 150 prochains jours.

Une intelligence artificielle pensée pour 4000 hôtels

Les équipes techniques d’Accor ont prévu une solution capables de monter en charge sur 4000 hôtels grâce à un service Cloud managé chez Amazon Web Service. Aujourd’hui, l’intelligence artificielle est en pilote auprès de 8 hôtels. Des tests sur 250 hôtels ont été menés pour tester la capacité à monter en charge du produit.  

Le modèle est développé en lien avec la Sofware Factory d’Accor, son usine logicielle, en cours de mise en place. « Nous travaillons main dans la main. Cela nous a permis tout de suite de bénéficier de pipelines de CI/CD [Continuous Integration/Continuous Delivery, c’est à dire une intégration continue/livraison continue]. »

Des tests en quelques jours à l’échelle pour les Data Scientists

Les Data Scientists disposent quant à eux d’un « environnement flexible », très proche de l’environnement cible de production. Cette exigence technique favorise l’automatisation des tests à l’échelle. « Les Data Scientists peuvent tout de suite tester leur algorithme pour un hôtel. En quelques jours, ils peuvent aussi passer à l’échelle sur 50 hôtels et valider rapidement leur modèle. »

Afin de concevoir un MVP en quelques mois, Accor a composé une « feature team », sans fonctionnement en mode agile. Elle comprend un Machine learning Engineer, un Lead Data Engineer (spécialiste d’Amazon Web Services), un Ops (Chargé des opérations), un spécialiste en sécurité, un Product Owner et un coordinateur informatique (IT).

Quant à l’apprentissage du modèle, il repose sur différents worflows automatisés (préparation des données au niveau des hôtels puis de la ville, apprentissage et simulation de prédictions). « Ces trois worlflows, il faut qu’on puisse les lancer de manière extrêmement simple. Avec une seule commande, je donne la capacité au Data Scientist ou aux administrateurs du produit d’exécuter l’ensemble des tâches. »

Les avantages du Cloud pour les projets d’intelligence artificielle

Des processus ont également été définis afin de mettre à jour l’apprentissage des algorithmes sur les dernières données, par exemple une fois par mois. Le processus de prédiction s’exécute pour sa part tous les jours, « au fil de l’eau sur évènement de réception de données » des hôtels.

Il s’agit toutefois d’une première version. Pour établir les prévisions, « Forecast Hotel » exploite uniquement les données d’activité des hôtels du groupe. Il est prévu de prendre en compte dans le modèle d’autres éléments, tels que les évènements organisés dans les villes d’implantation.

« Le Cloud nous a permis d’aller très vite »

En termes d’architecture, Accor s’appuie sur différentes technologies présentes dans le Cloud d’Amazon (API Gateway, AWS Lambda, AWS batch, S3, etc.). En parallèle, le groupe hôtelier mène la migration de son Data Lake d’une implantation sur site vers le Cloud. La migration de l’entrepôt de données sur la plateforme Snowflake dans Amazon est également menée.  

Dans le développement du modèle prédictif, « le Cloud nous a permis d’aller très vite. Nous avons aussi profité des capacités de calcul flexibles que propose Amazon au travers d’AWS Batch (…) cela permet de mobiliser très rapidement beaucoup de puissance de calcul pendant l’apprentissage et de repasser les instances EC2 à zéro dès la phase d’apprentissage terminée. »