Dans un hôtel, un spa ou une piscine peut être affiché comme complet alors qu’en réalité plusieurs clients ayant réservé ne se sont pas présentés.

Sur de grands espaces, cet écart peut sembler limité. Mais lorsqu’un spa ou une piscine accueille seulement 2 à 10 personnes par créneau, un seul no-show peut représenter une part importante de la capacité disponible.

C’est précisément la problématique rencontrée par un groupe hôtelier souhaitant mieux comprendre l’utilisation réelle de ses espaces bien-être.

L’objectif était simple : savoir combien de personnes sont réellement présentes, comparer cette donnée avec les réservations enregistrées dans le PMS, suivre l’occupation des transats et faire remonter ces informations dans le système d’information du groupe.

Chez UBG, nous avons imaginé une solution basée sur la vision par ordinateur, en exploitant les flux des caméras déjà présentes dans les établissements.

L’idée n’est pas d’identifier les clients, mais de transformer les images en données utiles.

Le problème : une réservation ne garantit pas une présence

Prenons un spa limité à 4 personnes.

Le système de réservation indique :

Capacité : 4 personnes
Réservations : 4
Disponibilité : 0

Pour le PMS, le créneau est complet.

Mais si seulement deux personnes se présentent réellement, l’espace n’est occupé qu’à 50 %.

Dans ce cas, la moitié de la capacité reste inutilisée alors que le système considère toujours le créneau comme complet.

Sur un espace de petite capacité, l’impact est immédiat :

• 1 absence sur 2 places = 50 % de capacité inutilisée
• 1 absence sur 4 places = 25 %
• 1 absence sur 6 places = 16,7 %
• 1 absence sur 10 places = 10 %.

Le groupe souhaitait donc compléter les données de réservation avec une nouvelle information : l’occupation réellement observée.

La solution : transformer la caméra en capteur

Les hôtels disposent déjà de caméras de surveillance couvrant une partie des espaces concernés.

Plutôt que d’ajouter de nouveaux capteurs, nous pouvons exploiter ces flux vidéo avec un moteur d’intelligence artificielle spécialisé en vision.

Le principe est le suivant :

La caméra ne sert donc plus uniquement à produire une image.

Elle devient une source de données pour le système d’information.

Par exemple, au lieu de transmettre une vidéo, le système peut simplement produire :

{
  "capacity": 6,
  "booked_people": 6,
  "people_count": 4,
  "occupancy_rate": 66.7
}

Le PMS sait alors que 6 personnes ont réservé, mais que 4 personnes sont réellement présentes.

Compter sans identifier

Pour ce projet, il n’est pas nécessaire de savoir qui se trouve dans le spa.

Le système doit simplement être capable de répondre à une question :

Combien de personnes sont présentes ?

La reconnaissance faciale n’est donc pas utile.

Le moteur détecte des silhouettes humaines et peut leur attribuer temporairement un identifiant technique afin de suivre leurs déplacements pendant quelques secondes ou quelques minutes.

Cela permet notamment de :

• compter les personnes présentes
• éviter de compter plusieurs fois la même personne
• détecter une entrée ou une sortie
• vérifier combien de temps une zone reste occupée.

Ces identifiants ne sont pas liés au nom du client, à son numéro de chambre ou à sa réservation.

Ne compter que les bonnes zones

Une caméra peut également filmer un couloir, une porte ou une zone de passage.

Nous définissons donc des zones précises dans l’image.

Par exemple :

Spa
Piscine
Entrée
Transats
Couloir
Zone réservée au personnel

Une personne qui traverse le couloir n’est donc pas automatiquement comptée comme occupant le spa.

Cette étape de calibration est importante pour obtenir une donnée fiable.

Mesurer aussi l’occupation des transats

Le même principe peut être utilisé pour les transats.

Chaque transat peut être associé à une zone de l’image.

Le système peut ensuite déterminer s’il est :

Libre
Occupé
Probablement occupé
État incertain

Une temporisation évite qu’une personne passant simplement devant un transat soit considérée comme l’utilisant.

Il est également possible d’aller plus loin en distinguant un transat réellement libre d’un transat sur lequel un client a laissé une serviette ou des effets personnels.

Comparer réservation et occupation réelle

C’est lorsque la vision est croisée avec les données du PMS que la solution devient réellement intéressante.

Prenons un spa limité à 6 personnes.

Le PMS indique :

Capacité : 6
Réservations : 6
Taux de réservation : 100 %

La caméra observe :

Présence réelle : 4
Taux d’occupation : 66,7 %

Nous savons alors qu’il existe un écart de deux personnes entre la réservation et la présence observée.

Le système peut calculer plusieurs KPI :

• nombre de personnes réservées
• nombre de personnes présentes
• taux d’occupation réel
• taux de réservation
• écart entre réservation et présence
• taux de réalisation du créneau
• taux de no-show estimé
• taux d’occupation des transats.

Le no-show reste une estimation

Le système ne cherche pas à déterminer qu’un client précis ne s’est pas présenté.

Il analyse l’ensemble du créneau.

Par exemple :

Réservations : 6
Occupation maximale observée : 4
Occupation moyenne : 3,8

Nous pouvons alors considérer que la réservation n’a été que partiellement réalisée.

Cette approche permet aussi de prendre en compte les clients qui arrivent en retard ou quittent l’espace avant la fin du créneau.

Comment les données circulent-elles ?

L’architecture sépare la partie IA de la partie métier.

Cette séparation est importante.

Le moteur de vision observe.

Le moteur métier interprète.

Le PMS ou le système d’information décide ensuite de la manière d’utiliser la donnée.

Pourquoi traiter les images localement ?

Lorsque c’est possible, le traitement peut être effectué directement dans l’hôtel, sur un serveur local.

On parle alors d’Edge AI.

Le flux vidéo reste sur le réseau de l’établissement et seule la donnée utile est envoyée vers le système central.

Par exemple :

Caméra
↓
Serveur local
↓
Analyse par IA
↓
4 personnes présentes
↓
PMS / SI

Le cloud n’a donc pas besoin de recevoir en permanence les flux vidéo.

Cette approche permet de limiter :

• la bande passante
• les volumes de données transmis
• la latence
• l’exposition inutile des images.

Les KPI obtenus

Une fois les données consolidées, le groupe hôtelier peut suivre des indicateurs simples et directement exploitables.

Taux d’occupation

4 personnes présentes / 6 places
= 66,7 %

Taux de réservation

6 réservations / 6 places
= 100 %

Écart entre réservation et présence

6 personnes réservées
4 personnes présentes
Écart : 2

Occupation des transats

3 transats occupés / 4
= 75 %

Ces données peuvent ensuite être analysées par hôtel, espace, jour, horaire ou saison.

Le groupe peut ainsi identifier les créneaux régulièrement sous-utilisés ou comparer le fonctionnement de plusieurs établissements.

Une solution qui peut évoluer dans le temps

L’intérêt de cette approche ne se limite pas au comptage en temps réel.

Après plusieurs mois, le groupe dispose d’un historique croisant :

• réservations
• fréquentation réelle
• horaires
• jours de la semaine
• établissements
• saisonnalité.

Ces données peuvent ensuite servir à mieux comprendre les comportements.

Par exemple :

Spa 4 personnes
Samedi à 18h
Réservation moyenne : 100 %
Présence réelle moyenne : 3,1 personnes

À terme, ces informations peuvent aider à améliorer :

• les rappels avant réservation
• les règles d’annulation
• les listes d’attente
• la libération de créneaux
• les prévisions de fréquentation.

Vue d’ensemble de la solution

Le véritable intérêt de l’IA dans ce projet

Ce projet ne consiste pas simplement à ajouter de l’intelligence artificielle à une caméra.

Il permet de créer une information qui n’existait pas auparavant.

Avant :

Le système sait combien de personnes ont réservé.

Après :

Le système sait combien de personnes ont réservé
ET
combien de personnes sont réellement présentes.

Cette différence permet au groupe hôtelier de mieux comprendre les no-shows, l’utilisation de ses espaces et les périodes de sous-occupation.

La caméra devient ainsi un véritable capteur métier.

UBG : intégrer l’IA dans des problématiques métier concrètes

Chez UBG, nous concevons des solutions sur mesure associant développement logiciel, intelligence artificielle, vision par ordinateur, data et intégration de systèmes d’information.

Notre travail ne consiste pas uniquement à mettre en place un modèle d’IA.

Nous concevons l’ensemble de la chaîne :

Dans ce cas précis, la caméra n’est finalement qu’un moyen technique.

La vraie valeur réside dans la capacité à mesurer la différence entre ce qui a été réservé et ce qui s’est réellement passé dans l’espace physique.