Comment l’IA transforme l’hôtellerie :
retour sur un déploiement en 48h

Il y a quelques semaines, j’ai déployé un concierge IA sur WhatsApp pour un boutique-hôtel de 20 chambres à Lisbonne. En 48 heures, l’assistant était opérationnel, multilingue, disponible 24/7. Voici ce que j’ai appris.

Je ne vais pas vous servir un discours sur la « révolution de l’IA dans l’hospitality ». Ce qui suit est un retour d’expérience concret, avec les choix techniques que j’ai faits, les erreurs que j’ai commises, et ce que je referais différemment. Si vous gérez un hôtel, une résidence ou n’importe quel business avec un flux de questions répétitives, je pense que ça peut vous être utile.

L’hôtel en question est un boutique-hôtel de charme dans le centre de Lisbonne. Vingt chambres, une équipe réduite, une clientèle internationale. Le genre d’établissement où l’expérience est tout : on ne vient pas pour le prix, on vient pour le service, l’atmosphère, les recommandations personnalisées.

Le problème : deux personnes à la réception, pas de budget pour recruter, et des journées passées à répondre aux mêmes questions. Le mot de passe wifi. L’heure du check-out. Où manger dans le quartier. Comment aller à l’aéroport. Comment réserver un taxi. Quand la gérante m’a décrit sa journée type, j’ai estimé que 70 à 80 % des interactions avec les hôtes étaient des variantes de la même dizaine de questions.

Un détail important : WhatsApp était déjà le canal de communication principal. L’équipe de réception échangeait avec les clients par WhatsApp avant, pendant et après le séjour. Pas besoin de convaincre qui que ce soit d’utiliser une nouvelle app. Le canal existait, les habitudes aussi.

Dernier point : l’hôtel utilise Cloudbeds comme PMS (Property Management System). Il fonctionne bien, l’équipe le maîtrise, il n’était pas question de le remplacer. Tout ce qu’on construirait devrait s’intégrer à l’existant, pas le bouleverser.

Le parcours client est simple, et c’est volontaire. Moins il y a de friction, plus l’adoption est élevée.

En chambre, un QR code. L’hôte le scanne avec son téléphone. Il arrive sur une page d’accueil aux couleurs de l’hôtel — pas de Beeleven visible, pas de marque blanche apparente, c’est l’identité de l’établissement. Sur cette page, un bouton ouvre une conversation WhatsApp avec l’assistant.

À partir de là, tout se passe dans WhatsApp. L’hôte écrit dans sa langue — français, anglais, portugais, espagnol, allemand, peu importe. L’assistant comprend et répond dans la même langue, instantanément. Les questions factuelles (wifi, horaires, transports) obtiennent une réponse directe. Les recommandations (restaurants, activités) sont celles que l’hôtel a sélectionnées et validées — j’y reviendrai, c’est un point clé.

Pour les demandes qui nécessitent une action humaine — réserver un taxi, organiser un transfert, demander des serviettes supplémentaires — l’assistant ne fait pas semblant de pouvoir gérer seul. Il transmet la demande à l’équipe de réception via un dashboard interne. L’équipe voit la demande, la traite, et peut confirmer directement depuis le dashboard ou répondre par WhatsApp.

C’est tout. Pas de fonctionnalité superflue, pas de système de réservation intégré, pas de paiement. Un assistant qui répond aux questions et qui sait passer le relais quand il le faut.

Je suis convaincu que la transparence sur les choix techniques a de la valeur. Voici ceux que j’ai faits pour ce projet, et les raisons derrière.

Claude (Anthropic) pour la compréhension

J’ai testé plusieurs modèles avant de me décider. Pour ce cas d’usage précis — comprendre des messages courts, souvent informels, dans des langues variées, et y répondre avec le bon ton — Claude s’est révélé supérieur en multilingue. Les réponses en portugais et en français étaient plus naturelles, moins « traduites ». Le ton était plus juste aussi : chaleureux sans être familier, précis sans être froid. Pour un concierge d’hôtel, le ton n’est pas un détail.

WhatsApp Business API

Le choix de WhatsApp n’était pas vraiment un choix : c’était une évidence. L’hôtel l’utilisait déjà. Les clients l’avaient déjà installé. Pas d’app à télécharger, pas de compte à créer, pas de friction. La WhatsApp Business API permet d’automatiser les réponses tout en gardant la possibilité pour un humain de reprendre la conversation à tout moment. C’est exactement ce qu’il fallait.

Architecture multi-tenant

Dès le début, j’ai conçu l’architecture pour pouvoir accueillir plusieurs hôtels. Chaque établissement a son propre espace : sa base de connaissances, son ton, ses recommandations, son branding. L’infrastructure est partagée, mais l’expérience est complètement personnalisée. Ce n’était pas nécessaire pour un seul hôtel, mais je savais que si ça fonctionnait, d’autres suivraient. Construire multi-tenant dès le départ coûte un peu plus de temps. Le refaire après coup coûte beaucoup plus.

Vercel + Neon Postgres

Côté hébergement, j’ai opté pour du serverless : Vercel pour l’application et les fonctions API, Neon Postgres pour la base de données. Pas de serveur à gérer, pas de scaling à configurer manuellement. L’avantage pour un projet comme celui-ci est évident : l’hôtel a 20 chambres, pas 2 000. Le trafic est modéré mais irrégulier. Le serverless s’adapte naturellement, et on ne paie que ce qu’on consomme.

C’est la partie la plus intéressante, et probablement la plus utile si vous envisagez un projet similaire. Parce que la technique, franchement, c’était la partie facile.

La personnalisation fait tout

Quand un hôte demande « un bon restaurant dans le quartier », il ne veut pas une liste Google Maps. Il veut la recommandation du lieu où il séjourne. C’est toute la différence entre un chatbot générique et un concierge. Les adresses curées par l’hôtel — les trois restaurants que la gérante recommande depuis des années, le bar caché que seuls les locaux connaissent, le marché du samedi matin — ont infiniment plus de valeur qu’une recherche sur le web.

J’ai passé plus de temps à travailler le contenu des recommandations avec l’équipe qu’à coder l’intégration WhatsApp. Et c’est normal. C’est là que réside la valeur.

Le temps de réponse change tout

Quand un hôte envoie un message et obtient une réponse pertinente en moins de 10 secondes, à 2 heures du matin, quelque chose change dans sa perception du service. Il ne se dit pas « c’est un robot, c’est bien fait ». Il se dit « cet hôtel est toujours là pour moi ». C’est subtil, mais c’est puissant. La disponibilité permanente, combinée à la rapidité, crée une impression de soin qui rejaillit sur l’ensemble de l’expérience.

Le plus dur, c’est le contenu

Je le répète parce que c’est le point le plus contre-intuitif : la difficulté n’est pas technique. Déployer un LLM derrière une API WhatsApp, c’est du travail, mais c’est du travail balisé. La vraie difficulté, c’est de constituer la base de connaissances qui va alimenter l’assistant.

Quels restaurants recommander, et pourquoi ? Comment décrire le quartier sans clichés ? Quel ton adopter — tutoiement ou vouvoiement ? Faut-il donner les prix quand on recommande un restaurant ? Jusqu’où aller dans les recommandations de bars ? Ce sont des questions éditoriales, pas des questions d’ingénierie. Et elles prennent du temps à trancher.

L’IA ne remplace pas la réception

C’est peut-être la leçon la plus importante. L’assistant gère les questions répétitives et les demandes simples. Mais quand un hôte a un problème réel — une chambre qui ne lui convient pas, un anniversaire à organiser, une situation délicate — il faut un humain. Et pas n’importe quel humain : un humain qui a du temps pour s’en occuper correctement.

C’est exactement ce que l’assistant libère. L’équipe de réception ne passe plus ses journées à donner le mot de passe wifi. Elle peut se consacrer aux moments où la présence humaine fait vraiment la différence. L’IA ne remplace pas l’humain, elle lui rend sa valeur.

Puisque ce retour d’expérience ne servirait à rien si je ne parlais que de ce qui a fonctionné, voici ce qui a été compliqué.

La WhatsApp Business API n’est pas simple à mettre en place. La validation du numéro, la configuration des templates de messages, les délais d’approbation par Meta… C’est bureaucratique. J’avais anticipé, mais ça a quand même consommé une part non négligeable des 48 heures.

Calibrer le ton de l’assistant a demandé plusieurs itérations. La première version était trop formelle. La deuxième trop enthousiaste. Trouver le bon équilibre — accueillant, compétent, discret — a nécessité des allers-retours avec l’équipe. Ce n’est pas un problème qu’on règle avec du code. C’est un travail de sensibilité.

Les edge cases. Un hôte qui envoie une photo au lieu d’un message. Un autre qui écrit en coréen. Un troisième qui demande quelque chose qui n’a rien à voir avec l’hôtel. Chaque cas particulier demande de décider : l’assistant essaie-t-il de répondre, ou redirige-t-il vers la réception ? J’ai choisi la prudence : en cas de doute, on passe le relais à un humain. Mieux vaut un transfert qu’une réponse inappropriée.

L’hôtellerie est un terrain évident pour ce type de solution, mais ce n’est pas le seul. Ce qui rend ce projet pertinent, c’est la combinaison de trois facteurs :

• Un flux de questions répétitives — les mêmes demandes, encore et encore, par des personnes différentes
• Un besoin de disponibilité — les questions arrivent en dehors des horaires de bureau, le week-end, la nuit
• Une valeur dans la personnalisation — les réponses génériques ne suffisent pas, il faut du contenu spécifique et curé

Si votre activité coche ces trois cases, un assistant IA peut avoir un impact réel. Je pense notamment aux restaurants (réservations, allergies, carte, accès), aux locations saisonnières (arrivée, équipements, recommandations locales), aux résidences de tourisme, aux conciergeries, mais aussi à des secteurs complètement différents : cabinets médicaux (prise de rendez-vous, préparation de visite), agences immobilières (questions sur les biens, disponibilités), espaces de coworking.

Le point commun, c’est toujours le même : des équipes réduites qui passent trop de temps sur des réponses à faible valeur ajoutée, au détriment des interactions où leur présence compte vraiment.

Ce déploiement m’a confirmé quelque chose que je soupçonnais depuis un moment : le problème n’est plus technologique. Les modèles de langage sont assez bons. Les APIs existent. L’infrastructure serverless est mature. Déployer un assistant IA fonctionnel en 48 heures n’est pas un exploit — c’est la réalité de l’état de l’art en 2026.

Le vrai travail, celui qui fait la différence entre un gadget et un outil utile, est ailleurs. Il est dans la compréhension fine du métier. Dans les heures passées à écouter la gérante décrire son quotidien. Dans le soin apporté au choix des mots, des recommandations, du ton. Dans la décision de savoir quand l’IA doit répondre et quand elle doit se taire.

C’est pour ça que je fais ce métier. Pas pour déployer de la technologie, mais pour construire des outils qui rendent le quotidien plus simple — pour les équipes comme pour les clients qu’elles servent.