De la pauvre qualité de la donnée tu souffriras

Découvrez Velma! Tout sur Velma

Au cours de l’année écoulée, la tendance des groupes hôteliers à investir dans l’IA pour relever les défis de la communication et productivité s’est clairement accélérée. Pourtant, de nombreux hôteliers sont encore novice dans la technologie et se concentrent souvent sur des fonctionnalités qui brillent au detriment de ce qui compte vraiment : la qualité et la scalabilité de la donnée. 

Base de données tu utiliseras

Le rôle principal d’une l’IA conversationnelle telle que Velma est de comprendre la demande client et de donner la réponse adéquate. C’est le binôme intelligence/connaissance que nous avons vu dans l’article: « Sophisme et intelligence artificielle ».

Dans une tres grande majorité des cas les réponses des assistants virtuels sont des formats textes écrits dans chaque langue (ou pire traduit automatiquement). Cette méthode d’un autre millénaire peut à la limite fonctionner pour un hôtel mais devient infernale à grande échelle. Ces solutions basées sur du texte sont confrontées à d’importants problèmes de qualité mais surtout de scalabilité en particulier lorsque que l’on aborde les langues non européennes comme l’arabe, le chinois, le japonais etc.

L’assistante universelle Velma est déployée dans des hôtels sur 76 pays, elle a à ce jour générer un volume unique de plus de 30 millions de conversations. Ces données conversationnelles ont permit depuis 2017 de créer une base de données hôtelières structurées unique au monde : Q-Data. Celle ci comprend aujourd’hui 2 300 points d’information (un site web hotelier en compte 250 au maximum) et est en constante évolution à raison de 300 nouveaux points d’information par an. Ce modèle de structure de données est la base de travail afin de créer une IA rapidement et efficacement pour un hôtel. En effet le temps de mise en place pour un hôtel est de deux semaines et pour un groupe de un a trois mois. 

Base de donnée tu maintiendras

Lorsque vous traitez des informations sur 10, 50, 100, voire 1 000 hotels, maintenir des données cohérentes et dans plusieurs langues est un véritable défi. Autant le dire tout de suite, sans données structurées il est quasi impossible de gérer les données d’un groupe hôtelier et il est tout simplement impossible de les maintenir.

Ce problème a été résolu en utilisant des points de données d’information en place et lieu de texte libre. Velma génère ainsi ses réponses issues de la base de données Q-Data, qui peuvent être facilement collectées et mises à jour. 

Un bon exemple vaut mieux qu’un long discours : Dans un système classique, la donnée sur le check in pourrait être la suivante.

Le check in est à 15h, vous pouvez bénéficier d’un early check in à midi pour 30 euros.

Cette donnée doit etre écrite et traduite dans toutes les langues… Je vous invite à tester cette simple phrase en traduction automatique, vous aurez des surprises.

Dans Q-Data: il suffit de remplir la base de données avec 3 valeurs 15:00, 12:00, 30. Et automatiquement, grace à nos linguistes qui ont travaillé en amont, Velma sera en mesure donner la réponse en 36 langues.

Et maintenant supposons que cette données de check in est la meme dans 40 hotels, il suffit d’indiquer que cette donnée est générique pour qu’elle s’applique à tous les hotels.

Faisons un rapide calcul sur 40 hotels en 4 langues

  • Q-Data : remplir 3 champs et les indiquer comme générique : 5 secondes
  • Autre système d’information : A raison de 30 secondes par langues et par hotels : 30 x 4 x 40 = 80 minutes…Bref une heure et demie car la personne en charge aura droit à une pause pour faire un travail aussi stupide.

Et la nous n’avons parlé que de 3 points d’informations, Q-Data en possède 2300 !!!.

Imaginez la même tâche titanesque lors de mise à jour… On comprend parfaitement pourquoi c’est impossible car tout simplement personne ne le fera. 

Le scraping de données tu éviteras

Vous allez me dire, tout cela est archaïque il suffit de scraper les données de l’hotel (web, pdf, powerpoint etc) et l’IA générative fera le travail… Et bien non, pour plusieurs raisons

  • aucun contrôle de la qualité des données
  • aucun contrôle de la cohérence des données
  • impossibilité de les mettre à jour.

Le résultat est que le système va probablement halluciner (donner des réponses sans aucun sens) et que vous n’aurez aucun moyen de connaitre l’origine du mal.

De la scalabilité universelle tu bénéficieras

Me direz vous les données entre le boutique hotel de 30 chambres à Londres et le resort de 2000 chambres à Punta Cana, n’ont pas grand chose en commun. En effet, c’est pourquoi Q-Data a été conçu pour un groupe hotelier de 4000 hôtels de 4000 chambres. Et qui peut le plus, peut le moins, et donc la difference est que probablement le resort utilisera plus de points d’information que le boutique hotel, mais la base de données est strictement la même. Incroyable mais vrai.

De plus lorsque des points d’informations sont rajoutés à Q-Data (environ 300 par ans suite aux études des conversations par les data analystes), ils sont automatiquement disponibles pour tous les autres hotels du monde. En d’autres termes Velma dans votre hotel va aussi s’enrichir des retours d’experiences des autres hotels sur la planète. C’est pourquoi vous n’aurez jamais a créer de nouveau dialogues sur des nouveaux sujets car il est certain qu’un autre hôtel dans le monde y aura déjà pensé. 

Des demandes horizontales tu t’affranchiras

Si vous demandez à une IA classique, si l’hotel possède une piscine, elle vous répondra bien probablement. C’est ce que l’on appelle une recherche verticale.

Maintenant si vous posez la question à une IA d’un groupe hôtelier, je cherche un hôtel avec une piscine. Et bien là vous faites une recherche horizontale sur l’ensemble des hôtels.

Et la seule manière pour que une IA puisse réponse, elle que sa recherche repose sur une base de données, telle que Q-Data. C’est pourquoi aujourd’hui Velma est la seule IA dans l’hôtellerie capable de faire des recherches verticales et horizontales.

Mais Velma va encore plus loin que ca, car elle est capable de le faire sur plusieurs critères. Exemple chercher un hotel avec parking, à New York avec un budget de moins de €300 par jour… Et tout cela de manière conversationnelle, car cette recherche doit être aussi possible par recherche vocal…

Rapidement tu concluras

Vous avez maintenant compris que le vrai problème des IA sont moins leurs capacités cognitives, mais bien plus la capacité à posséder les données et que seule leur structuration puisse vous garantir une qualité dans la réponse à court, moyen et long terme. 

Au cas où un doute subsisterait, demandez à Velma, car #VelmaWorks parce que #VelmaKnows… 

Amen !

© Image : Shutterstock

Checklist: La meilleure stratégie de réservation directe
QUICKTEXT
Télécharger
10 meilleures pratiques pour augmenter les réservations directes
Dernier article
Articles similaires
Êtes-vous prêt à augmenter votre efficacité opérationnelle et vos revenus directs ?
S’inscrire à notre Newsletter
Voir plus
Êtes-vous prêt à augmenter votre efficacité opérationnelle et vos revenus directs ?
Réservez une démo