Il y a un an, nous avons commencé à construire notre propre outil d'analyse. Pas pour le vendre. Pas pour en faire un produit. Pour faire notre travail mieux et plus vite, sur chaque mission, pour chaque client.
Cette décision a changé notre façon de consulter. Voici ce qu'elle nous a appris sur ce que l'IA peut réellement apporter au conseil hôtelier, et sur ce qu'elle ne peut pas remplacer.
Le problème de fond : l'analyse arrive trop tard
Dans une mission classique, le consultant reçoit un fichier Excel, le nettoie, le restructure, construit son P&L, calcule ses ratios, et commence à chercher les anomalies. Ce travail prend du temps, souvent plusieurs jours. Le temps que l'analyse soit prête, le problème a déjà coûté plusieurs semaines de marge.
L'IA ne remplace pas l'analyse. Elle supprime le délai entre la donnée et la question pertinente.
« Sur un hôtel de 80 chambres, un surcoût labour HK de 15% représente environ 18 000€ par mois. Detecté en J+3 ou en J+45, ce n'est pas le même impact. »
Avec un moteur déterministe, des calculs qui ne délèguent jamais leurs chiffres à un algorithme opaque, nous pouvons charger un P&L réel et avoir les anomalies identifiées, les écarts calculés et les opportunités classées en quelques minutes. Pas en quelques jours.
Ce que nous avons construit, et pourquoi
KEO Financial Intelligence est un outil d'analyse que Kelvin et moi avons développé pour nos propres missions. Il repose sur une architecture simple : un moteur de calcul déterministe d'un côté, un interpréteur IA de l'autre. Les chiffres ne passent jamais par l'IA, l'IA ne fait qu'interpréter ce que le moteur a calculé.
Pourquoi cette séparation ? Parce qu'un conseiller financier hôtelier ne peut pas se permettre une erreur de calcul. L'EBITDA, le GOP, le flow-through, ces chiffres engagent des décisions d'investissement. Ils doivent être exacts, traçables, reproductibles.
Ce que l'outil fait : il charge les données P&L, calcule tous les KPIs sectoriels, détecte les anomalies par rapport au budget et à l'année précédente, classe les opportunités d'amélioration par impact EBITDA estimé, et répond à des questions en langage naturel sur la base des données, sans jamais inventer un chiffre.
Ce qu'il ne fait pas : il ne remplace pas le consultant. Il ne dit pas au propriétaire ce qu'il doit faire. Il lui montre ce qui se passe, rapidement, clairement, sans biais de présentation.
L'IA comme outil de rigueur, pas de confort
Il y a un malentendu courant sur l'IA dans le conseil : l'idée qu'elle sert à produire des livrables plus vite. C'est une vision réductrice, et potentiellement dangereuse dans un contexte financier.
Chez Keo, l'IA sert à poser de meilleures questions, pas à produire des réponses prémâchées.
Quand l'outil détecte un écart de +26.7% sur le labour housekeeping, ce n'est pas la fin de l'analyse, c'est le début. L'anomalie ouvre une série de questions : est-ce structurel ou ponctuel ? Lié au taux d'occupation ? À un changement de ratio de productivité ? À un problème de planification ? Ces questions, seul un consultant qui connaît le terrain peut y répondre.
Ce que ça change concrètement pour nos clients
Sur une mission de diagnostic opérationnel, nous arrivons en réunion avec les analyses déjà construites. Le premier échange ne porte pas sur "qu'est-ce que disent les chiffres", il porte sur "qu'est-ce qu'on fait avec ça". C'est un changement de nature de la relation.
Pour un hôtel en pré-ouverture, nous pouvons modéliser l'impact d'une variation d'ADR de 10€ sur l'EBITDA du premier mois d'exploitation, en tenant compte de la structure de coûts fixes/variables réelle de l'établissement, pas d'un benchmark générique. Le propriétaire peut tester des hypothèses en temps réel, comprendre les leviers, prendre des décisions plus éclairées.
Pour un propriétaire qui suit ses résultats mensuels, l'outil lui donne une visibilité qui n'existait pas avant : non seulement les chiffres, mais leur interprétation structurée, les signaux d'alerte, et les actions prioritaires classées par impact.
Les limites, et l'honnêteté qu'elles imposent
L'IA ne connaît pas votre hôtel. Elle ne sait pas que votre restauration est atypique parce que vous venez d'ouvrir. Elle ne sait pas que votre labour HK est élevé parce que vous avez absorbé une équipe en formation. Elle calcule et interprète sur la base des données qu'on lui donne.
C'est précisément pourquoi l'outil ne remplace pas la présence terrain. Il la complète.
Dans nos missions, l'analyse automatisée est le point de départ d'une conversation, jamais sa conclusion. Les recommandations que nous formulons sont les nôtres, engageant notre responsabilité professionnelle, construites sur une combinaison d'expérience opérationnelle, d'expertise financière et d'analyse de données.
« L'IA est un outil de rigueur quand on l'utilise correctement. Elle impose de montrer ses calculs, de citer ses sources, de distinguer un fait d'une estimation. C'est une discipline qui améliore la qualité du conseil. »
Ce que l'industrie hôtelière peut attendre de l'IA
L'hôtellerie est une industrie de données, RevPAR, GOP, labour ratios, taux de captage, coût par canal. Ces données existent. Elles sont souvent sous-exploitées, noyées dans des fichiers Excel que personne n'a le temps d'analyser correctement entre deux semaines chargées.
Ce n'est pas un problème de compétence. C'est un problème de vitesse et de structure. L'IA, correctement implémentée sur des données fiables, peut transformer la réactivité d'un hôtel face à ses propres résultats.
Nous pensons que dans cinq ans, un directeur hôtelier qui ne dispose pas d'un outil d'analyse en temps réel sera dans la même position qu'un directeur qui n'avait pas de PMS en 2010 : techniquement capable de fonctionner, mais structurellement désavantagé.
Nous avons construit notre outil pour nos missions. Mais l'outil reflète une conviction plus large : la performance hôtelière se pilote avec des données, pas avec des intuitions. Et l'IA, quand elle est au service de cette rigueur, est un vrai levier, pas un gadget.