JOUR 1Cette semaine c’était le sommet Adopt AI à Paris, avec pour la première fois une verticale dédiée au voyage. Retour sur le 1er jour où les acteurs majeurs du secteur (SNCF, Amadeus, Air France-KLM) sont venus parler de chiffres, de production et de résultats concrets. Ce que j’ai découvert m’a à la fois impressionné... et questionné. C’est parti !
SNCF Connect & Tech : Quand l’IA sort enfin du laboAnne Pruvot, CEO de SNCF Connect & Tech, est venue avec des chiffres qui font réfléchir. Avec 16,5 millions de clients et plus de 26 millions de tickets vendus, on parle d’une échelle massive.
Mais ce qui m’a vraiment marqué, c’est la méthode : exploration, évaluation, puis implémentation progressive. Pas de précipitation, pas de « all-in » sur l’IA. Une approche pragmatique qui livre des résultats mesurables :
✅ +25 à 30% de productivité pour leurs 300 développeurs (grâce à GitHub Copilot, choisi notamment pour ses garanties sur la propriété intellectuelle)
✅ La pertinence des réponses a doublé pour le grand public
✅ 95% des utilisateurs s’estiment autonomes après une réponse de l’IA
Et ils ont obtenu le titre "Service Client de l’année" pour la 3ème fois consécutive. La preuve que l’automatisation, quand elle est bien pensée, peut renforcer la qualité de service sans la dégrader.
? Ce que j’en retiens : l’IA n’est plus un sujet de R&D mais un programme d’entreprise structurant. Et ça, c’est nouveau.
VINCI Airports : L’IA dans le monde physiqueChez VINCI Airports (plus de 70 aéroports dans 14 pays), Rémi Maumon de Longevialle a montré comment l’IA s’attaque aux défis très concrets de la logistique aéroportuaire.
3 cas d’usage qui m’ont particulièrement interpellé :
? Vision par ordinateur au contrôle de sécurité
L’IA identifie les risques dans les bagages, ce qui permet aux passagers de garder leurs appareils électroniques. Résultat : files d’attente plus fluides et moins de stress.
⏱️ Smart Aircraft Turnaround
Surveillance en temps réel des opérations au sol (nettoyage, avitaillement) pour améliorer la coordination et réduire les retards.
? Prévision des flux
Des modèles de Machine Learning prédisent le volume de passagers avec des mises à jour hebdomadaires, permettant d’ajuster l’ouverture des zones et les effectifs.
✈️
À Lyon, un agent IA renseigne déjà 50 000 des 400 000 passagers mensuels.Mais Rémi a été très clair sur un point : le plus gros défi n’est pas technique... c’est le management du changement. Comment faire adhérer les équipes terrain à ces nouveaux outils ? Voilà la vraie question.
Amadeus : Le mur invisible de la fragmentationSylvain Roy, CTO d’Amadeus, a lâché une vérité qui fait mal : 80% des défis de l’IA découlent de la fragmentation des systèmes, pas de l’IA elle-même.
L'IA générative échoue encore sur des cas complexes (comme modifier un vol lors d’une tempête) parce que les systèmes sous-jacents ne communiquent pas assez bien entre eux.
Son analyse soulève un risque stratégique central : la concurrence future entre un agent IA personnel (qui connaît votre agenda, votre localisation, vos préférences) et les professionnels du voyage (limités aux données que vous leur déclarez).
? Pour conserver la valeur, l’industrie doit impérativement standardiser ses protocoles et décloisonner ses systèmes. Sinon, les agents personnels prendront le contrôle de la relation client.
Club Med : L’architecture qui change toutL’intervention de Siddhartha Chatterjee, Global Chief Data & AI Officer chez Club Med, était pour moi la plus technique... et peut-être la plus intéressante.
Il fait partie des rares acteurs (environ 5% du marché) à avoir atteint le stade de la production…