Accueil
/
Business Cases
/
Assistant IA pour les équipes hôtelières : un support opérationnel au service de la productivité et de la satisfaction client
Hospitality
Applied AI & Data Science
AI Assistant

Assistant IA pour les équipes hôtelières : un support opérationnel au service de la productivité et de la satisfaction client

Pour un groupe hôtelier international, nous avons participé à la conception d'un assistant IA qui répond aux questions opérationnelles des équipes hôtelières à partir de la base de connaissances support et des informations propres à chaque hôtel. Plateforme agentique, optimisation et intégration à la plateforme RAG du groupe : l'assistant est passé en production en 8 mois et se déploie sur plus de 1 500 hôtels.

Hôtels équipés à ce jour

+1 500

De la conception à la mise en production

8 mois

Critères d'évaluation automatisée par itération

7

Data scientists mobilisés sur le produit

8

Sommaire

En bref

Secteur

Hospitality

Sous-secteur

Hotels

Offre

Expertise

Engine

Applied AI & Data Science

Produit

AI Assistant

Durée

8 mois

Échanger sur un projet similaire

Problématique

Donner aux équipes hôtelières une réponse immédiate à leurs questions opérationnelles.

Dans le cadre du programme IA du groupe dédié aux hôtels, un constat s'imposait : les équipes hôtelières jonglaient entre des outils et des documents dispersés, et perdaient du temps sur des demandes de support récurrentes.

Cette situation avait trois conséquences.

  • Des incidents plus longs à résoudre. Trouver la bonne procédure prenait du temps, à chaque fois.
  • Un support sollicité sur des questions répétitives. Les mêmes demandes revenaient d'un hôtel à l'autre.
  • Une expérience client affectée. Chaque minute passée à chercher une information est une minute de moins pour le client.

Le besoin : un assistant qui réponde aux questions opérationnelles des équipes hôtelières à partir de la base de connaissances support.

Solution

Un agent RAG évalué, optimisé et intégré à la plateforme du groupe.

Nous avons traité l'assistant comme un produit en production, pas comme une démonstration. Trois principes structurent le projet.

  • Des réponses ancrées dans la base de connaissances. L'agent s'appuie sur les articles du support et cite ses sources.
  • L'évaluation avant l'optimisation. Un cadre de mesure automatisé guide chaque choix : modèle, contexte, format de réponse.
  • L'intégration à l'existant. L'assistant rejoint la plateforme RAG-as-a-service du groupe, pour profiter de son socle et l'enrichir.

Dispositif

Un agent, un cadre d'évaluation et une plateforme RAG partagée.

  • Agent RAG. Une première version de l'agent construite sur LangGraph au-dessus de la base de connaissances ServiceNow, puis migrée vers l'OpenAI Agents SDK au sein d'une plateforme agentique.
  • Cadre d'évaluation. Conçu dans Langfuse : rappel de la recherche et des citations, latence, coût, et LLM-as-a-Judge pour la fidélité, le ton et la redirection.
  • Optimisation. Sorties structurées, context engineering et benchmark de plusieurs LLM.
  • Contexte de chaque hôtel. Les informations propres à l'hôtel complètent la base de connaissances pour préciser chaque réponse.
  • Plateforme RAG-as-a-service. Intégration de la base de connaissances et du glossaire métier à la plateforme RAG du groupe, dont nous pilotons ensuite l'extension.

Une équipe de huit data scientists et une personne dédiée à la gestion de projet, en lien avec l'équipe infrastructure du groupe (data engineers) et les équipes métier (product managers, business). Le projet a démarré avec trois à quatre personnes, puis s'est accéléré avec sept à huit personnes jusqu'à la mise en production.

Résultats

En production en 8 mois, déjà déployé dans plus de 1 500 hôtels.

L'assistant est en production après 8 mois de projet. Il équipe aujourd'hui plus de 1 500 hôtels du groupe, et son déploiement se poursuit.

Chaque hôtel bénéficie d'une expérience personnalisée. L'assistant répond dans la langue de son utilisateur, où qu'il soit dans le monde, et s'appuie sur le contexte de l'hôtel pour donner une réponse plus précise.

Chaque évolution est mesurée sur les mêmes critères : qualité de la recherche et des citations, fidélité et ton des réponses, capacité à rediriger vers le bon interlocuteur, latence et coût.

Expertises mobilisées

Savoir-faire

  • RAG
  • Agents IA
  • LLM-as-a-Judge
  • Context engineering
  • Benchmark LLM

Technologies

  • LangGraph
  • OpenAI Agents SDK
  • ServiceNow
  • Langfuse

Signature

Quatre mécaniques qui font la différence.

  • Des réponses sourcées. Chaque réponse renvoie aux articles de la base de connaissances dont elle est tirée.
  • Une réponse adaptée à chaque hôtel. La langue de l'utilisateur et le contexte de l'hôtel sont pris en compte, partout dans le monde.
  • Un LLM-as-a-Judge au service de la qualité. Fidélité, ton et redirection sont évalués automatiquement à chaque itération.
  • Un socle mutualisé. L'intégration à la plateforme RAG du groupe profite à d'autres cas d'usage.

Pour vous

Un assistant IA de support construit sur votre base de connaissances.

Ce dispositif répond à quatre situations.

  • Vos équipes terrain perdent du temps à chercher des procédures dans des outils dispersés.
  • Votre support traite chaque jour les mêmes demandes récurrentes.
  • Vous disposez d'une base de connaissances (ServiceNow ou autre) sous-exploitée.
  • Vous voulez un assistant IA mesuré et fiable, pas une démonstration.

Nous partons de votre base de connaissances, de vos processus de support et des questions de vos équipes. Les experts qui conçoivent l'agent l'évaluent, le mettent en production et le font évoluer avec vous.

Vue aérienne d'un marais avec de petits cours d'eau sinueux traversant des zones de végétation brune et des berges sableuses.

contact

Un enjeu similaire ? Parlons-en.

Décrivez votre contexte. Un expert Diametral revient vers vous rapidement avec un premier cadrage.

Les informations demandées servent à répondre à votre demande et à la suivre. Elles sont traitées par Diametral sur la base des mesures précontractuelles ou de son intérêt légitime. Elles peuvent être accessibles aux équipes concernées et à ses prestataires, y compris hors de l’Union européenne. Elles sont conservées 12 mois après la clôture de la demande, ou 3 ans à compter du dernier contact si un prospect se constitue. Vous disposez de droits d’accès, de rectification, d’effacement, de limitation, de portabilité et d’opposition. En savoir plus : Politique de confidentialité et Politique de cookies.

Merci, votre demande est bien arrivée. Un expert Diametral revient vers vous rapidement.

Oups, l'envoi n'a pas abouti. Réessayez ou écrivez-nous à contact@diametral.com.

Projets dans la même catégorie