Pourquoi le secteur du voyage a besoin d’une adoption progressive de l’IA, et non d’une course à l’autonomie

Les discussions sur l’IA dans le secteur du voyage ont souvent tendance à se concentrer sur la façon dont la technologie peut transformer rapidement le secteur et offrir des résultats à fort impact. La réalité, cependant, est plus nuancée. Bien que l’IA ait démontré une valeur tangible dans des domaines tels que la personnalisation, le service client et l’efficacité opérationnelle, tout le monde ne l’adopte pas au même rythme. Une raison majeure à cela est l’écosystème technologique complexe.

Les compagnies aériennes, les agences de voyage en ligne (OTA) et les sociétés de gestion de voyages (TMC) opèrent au sein de réseaux interconnectés construits sur plusieurs décennies. Beaucoup continuent de dépendre d’environnements de données fragmentés et d’infrastructures héritées qui limitent la vitesse à laquelle l’IA peut être déployée et mise à l’échelle. Les préoccupations accrues concernant la transparence, la responsabilité et la fiabilité aggravent encore le problème.

Alors que la plupart des entreprises du voyage parlent de l’IA comme d’une histoire de transformation unique, son adoption se déroule à travers trois couches distinctes mais interconnectées : (i) les progrès dans l’automatisation orientée client et opérationnelle, (ii) les frictions créées par les infrastructures héritées, et (iii) le manque de confiance institutionnelle. Chacune progresse à un rythme différent, créant des dynamiques uniques qui exigent des réponses sur mesure. Comprendre ces différences fournit un cadre plus pratique pour identifier où les plus grandes opportunités (et risques) sont susceptibles d’émerger.

1. Évaluer les progrès

Que ce soit pour rechercher des vols, gérer des itinéraires ou résoudre des perturbations, les voyageurs s’attendent de plus en plus à ce que chaque interaction soit fluide, personnalisée et réactive. Les assistants d’IA générative aident en simplifiant la planification de voyages et le support client. En 2025, près de 40 % des voyageurs américains ont utilisé l’IA générative pour planifier leurs voyages. En même temps, les modèles d’apprentissage automatique permettent des offres hyper‑personnalisées basées sur le comportement des voyageurs, leurs préférences de fidélité et leur historique d’achats.

L’IA crée également une valeur immense en coulisses. Les entreprises du voyage utilisent l’analyse avancée pour mieux prévoir la demande, gérer la capacité, renforcer la planification de la main‑d’œuvre et gérer les perturbations. Par exemple, un important prestataire de services de voyage a réduit son coût par réservation de 10 % d’une année sur l’autre grâce à l’IA générative, tandis qu’une compagnie aérienne canadienne a enregistré une hausse de 2 % du revenu unitaire et une augmentation de 10 % du revenu lié au réseau grâce à la tarification assistée par l’IA.

Cependant, malgré les preuves croissantes de la valeur tangible que l’IA peut apporter, les systèmes hérités demeurent un obstacle important à une adoption généralisée.

2. Résoudre les frictions

L’infrastructure héritée de l’industrie n’a pas été conçue pour supporter les pipelines de données unifiés et en temps réel que l’IA requiert. Au cœur du problème se trouve le système de distribution global (GDS). Les plateformes GDS ont été architecturées il y a plusieurs décennies sur les protocoles de messagerie EDIFACT et représentent encore la part dominante des ventes indirectes de billets d’avion à l’échelle mondiale. Intégrer la New Distribution Capability (NDC) à un système de services passagers (PSS) hérité peut prendre des mois de tests et de développement, notamment pour les compagnies aériennes proposant plusieurs marques tarifaires ou produits annexes. Le défi s’étend aux restrictions contractuelles sur la distribution de contenu, à la préparation organisationnelle et à l’absence de données standardisées à travers les marchés régionaux.

Le manque de visibilité des données de bout en bout contraint davantage la capacité d’une organisation à mettre l’IA à l’échelle de manière efficace.  Une enquête GBTA a révélé que seulement 12 % des acheteurs de voyages d’entreprise disposent d’une vue consolidée de leurs données de programme, une contrainte fondamentale qui limite ce que tout système d’IA peut délivrer, quel que soit le niveau de sophistication du modèle.

Les compagnies aériennes, les OTA et les TMC naviguent cela en adoptant des stratégies hybrides qui superposent l’intelligence sur les systèmes existants à l’aide d’API prêtes pour les agents. Pendant ce temps, les acteurs natifs NDC adoptent une approche différente, intégrant directement des services et une conformité politique pilotés par l’IA dans leur architecture et réduisant leur dépendance aux canaux GDS traditionnels.

Mais l’intégration technologique à elle seule ne garantit pas le succès. À mesure que l’IA s’enracine davantage et commence à influencer des décisions à plus haut enjeu, le prochain défi apparaît : la confiance.

3. Renforcer la confiance

Des recherches de la GBTA montrent que, bien que 92 % des acheteurs de voyages s’intéressent aux prévisions de dépenses pilotées par l’IA et 89 % à la gestion automatisée des perturbations, seulement 57 % de ces mêmes acheteurs se sentent à l’aise avec le fait que l’IA modifie ou annule des réservations de façon autonome. Ce contraste met en évidence un écart fondamental de confiance.

Les dirigeants du secteur recherchent des solutions explicables et auditables. Parallèlement, les clients exigent de plus en plus transparence et responsabilité. Instaurer la confiance parmi les divers groupes de parties prenantes nécessite un engagement envers une « évolution responsable », qui équilibre innovation, transparence et gouvernance.

Cela signifie que les organisations qui réalisent les plus grands progrès ne sont pas nécessairement celles qui déploient les modèles les plus avancés ou qui avancent le plus vite. Elles sont plutôt celles qui suivent une approche structurée : renforcer les fondations de données avant de mettre l’IA à l’échelle, valider les cas d’usage dans des environnements contrôlés à fort impact, et intégrer une gouvernance proportionnelle dans le parcours de transformation. Contrairement à la gouvernance uniforme, la gouvernance proportionnelle organise les agents d’IA en niveaux d’autonomie, chacun avec des limites de confiance définies et des exigences de gouvernance.

Transformer l’ambition de l’IA en impact durable

Pour les organisations du voyage qui se dirigent vers la prochaine phase, adopter cette approche séquentielle n’est plus une option ; c’est ce qui sépare les leaders des retardataires. Dans ce contexte émergent, les partenaires de gestion des processus métier jouent un rôle d’enablement crucial en aidant les organisations à opérationnaliser l’IA à travers des écosystèmes complexes de données, de processus et de prise de décision humaine. En fin de compte, les organisations qui traduisent une exécution disciplinée en un avantage durable, difficile à reproduire, en sortiront gagnantes.