L'IA pour l'hôtellerie

Un établissement marocain reçoit des demandes en français, anglais, espagnol, arabe et darija — parfois dans le même message. Elles arrivent par plateformes, par email, par téléphone, et massivement par WhatsApp. Souvent hors des heures de réception.

Un client qui demande une disponibilité et n'obtient pas de réponse dans l'heure a réservé ailleurs.

S'ajoute la saisonnalité. Les flux varient fortement selon la période, les événements et les vacances des marchés émetteurs. Une organisation dimensionnée pour la haute saison est trop lourde le reste de l'année, et l'inverse coûte plus cher encore.

La relation client multilingue en continu : disponibilité, services, conditions, horaires d'arrivée et de départ, transferts. Dans la langue du message.

L'accueil téléphonique, sur des échanges structurés — orientation, renseignement, prise de créneau.

L'administration des réservations : rapprochement entre canaux, détection de doublons, relances, préparation des arrivées.

Et la mesure d'occupation des espaces communs — réception, restaurant, piscine, spa — pour ajuster les effectifs de service à l'affluence réelle plutôt qu'à une prévision.

La saisonnalité doit être un paramètre du modèle, pas une moyenne. Un système calibré en août produira des alertes permanentes en novembre, et l'inverse est vrai. La comparaison se fait à ce qui est attendu à cette période, ce jour-là, à cette heure-là.

Le numéro WhatsApp du gérant, utilisé aussi à titre personnel — le passage à l'API demande un numéro dédié. Et les informations non structurées : si les tarifs, les conditions d'annulation et les services inclus ne sont écrits nulle part de façon exploitable, l'agent ne peut pas répondre.

CANAUX                    TRAITEMENT              SYSTÈMES
WhatsApp API ─┐                                 ┌─ PMS
Email ────────┼→ détection de langue           ├─ moteur de résa
Formulaire ───┤  → embeddings (sens)     ←─────┤
Téléphone ────┘  → recherche RAG                └─ agenda
   (STT/TTS)     → génération dans la
                   langue du message
                        ↓
                 seuil de confiance
                 ├─ ≥ : réponse + source
                 └─ < : transmission humaine

Le multilingue ne passe pas par la traduction. Traduire vers une langue pivot perd l'intention, le registre et l'urgence — et la traduction automatique de la darija écrite est elle-même peu fiable. Les embeddings représentent le sens indépendamment de la langue : une question posée en darija retrouve un passage rédigé en français.

Une seule base documentaire suffit. Votre matière peut rester dans une seule langue ; c'est la question qui est multilingue, pas la source.

Les contraintes de l'API WhatsApp Business structurent la conception : numéro dédié, fenêtre de réponse libre limitée dans le temps, modèles de message validés en dehors. Les relances doivent être conçues en conséquence — on ne peut pas écrire n'importe quoi, n'importe quand.

La mesure d'occupation des espaces communs s'appuie sur la chaîne vision standard, avec agrégation par zone et par tranche horaire, sans identification.

La saisonnalité est un paramètre du modèle. La détection d'écart compare à ce qui est attendu à cette période, ce jour, cette heure — pas à une moyenne annuelle qui ne correspond à aucun moment réel de l'année.

Pour ce secteur, l'IA par secteur s'appuie notamment sur l'agent Affluence.