IA : des labos au terrain

Le blog de Sylvain Duranton

Quand l’IA transforme les opérations des compagnies aériennes

Publié le

Quand l’IA transforme les opérations des compagnies aériennes
© Eyeem

L’intelligence artificielle n’est pas une science nouvelle pour les compagnies aériennes. Les meilleures compagnies l’utilisent déjà assez largement pour personnaliser et digitaliser les parcours client. Mais l’opportunité la plus forte actuellement réside probablement dans la mise à contribution beaucoup plus large de l’IA dans la gestion des opérations.

A travers le partenariat développé entre KLM et BCG, nous cherchons à transformer en profondeur la manière dont les compagnies aériennes gèrent leurs opérations, en travaillant à la fois sur la mise à profit beaucoup plus systématique des données au sein d’outils intégrant l’IA et par la transformation profonde des processus opérationnels et de prise de décision. 

Historiquement, les compagnies aériennes travaillent beaucoup en silo, chaque département optimisant son domaine, sans prendre suffisamment en compte les implications sur les autres fonctions : gestion des vols, gestion des équipages techniques et commerciaux, maintenance, opérations au sol, aspects commerciaux et marketing, etc.

S’ils ne le font généralement pas, ce n’est pas uniquement une déficience dans les processus, c’est aussi et surtout parce que c’est très compliqué.

Prendre en compte toutes les conséquences d’une décision opérationnelle relève du casse-tête. Imaginons un vol en retard à cause d’une grève du contrôle aérien dans le sud de la France. L’avion arrivant en retard au hub, tous les vols qui étaient prévus pour lui pour le reste la journée risquent également d’être en retard : vaut-il mieux changer le programme de vol pour utiliser d’autres avions, quitte à privilégier les vols à plus fort remplissage ou plus forte valeur ? Faut-il accélérer son vol, ce qui a aussi pour conséquence de consommer plus de carburant ? Comment réacheminer au mieux les passagers en connexion ? Comment ré-adapter le planning des pilotes et personnels de bords qui vont eux aussi rater les vols prévus dans leur planning pour le reste de la journée ? Finalement ne valait-il mieux pas espacer un peu plus les vols pour se donner de la flexibilité ? Avec quelles implications sur l’utilisation des avions ? Peut-on trouver de la flexibilité dans le planning de la maintenance, à quel coût ? Etc, etc.

Et des décisions comme celle-là, il y en a des centaines à prendre chaque jour. Qu’elles concernent la gestion des vols du jour même, à chaud, ou bien le planning de la semaine suivante, ou encore celui de la prochaine saison, dans 6 mois.

On comprend vite à quel point l’IA peut aider à prendre de meilleures décisions, intégrant le maximum de facteurs, et beaucoup plus vite, presque instantanément.

Sur le plan technique, les outils que nous mettons en place combinent des moteurs de prédiction s’appuyant sur le machine learning (par exemple moteurs de prévisions de retard, prévision de capacité des aéroports, de l’espace aérien, etc) et des moteurs d’optimisation (qui permettent justement de trouver les optimums sous contraintes. Le challenge technique est important, car il faut optimiser le temps d’exécution de ces algorithmes pour pouvoir prendre des décisions en temps réel. En utilisant les techniques les plus avancées du domaine, nous arrivons ainsi à construire des solveurs holistiques "tournant" en moins de 3 minutes pour des flottes allant jusqu’à plus de 800 avions pour nos clients américains. Inimaginable il y a seulement quelques années…

Au-delà des outils eux-mêmes, c’est également une transformation des processus et des modes de travail. 
A plusieurs titres :
- D’abord, pour "calibrer" ces outils, il faut un travail poussé d’analyse des données et d’alignement des différents départements de l’entreprise. Par exemple, quel est le coût d’un retard de 5 minutes, de 20 minutes, de 2 heures, selon la destination, selon le type avion, selon les passagers qui étaient à bord ce jour-là ? Ces données et hypothèses doivent être validées par toutes les parties prenantes, de manière à ce que les solutions proposées par l’outil soient ensuite acceptées par tous. Ce travail d’alignement a déjà, en lui-même, une valeur énorme.
- Ensuite, c’est également une évolution très importante des manières de travailler des opérationnels, qui avaient souvent, encore aujourd’hui, tendance à s’appuyer sur leur expérience et leur "jugé" pour prendre les décisions. Leur expérience reste tout à fait fondamentale, mais elle doit maintenant se déployer différemment, afin de constamment "surveiller" et améliorer les outils. Activité autant sinon plus passionnante que leur tâche d’aujourd’hui, mais totalement différente.
- Enfin il faut mettre en place les nouvelles manières de travailler, agiles, et transversales qui permettent en intégrant les compétences de plusieurs métiers, des systèmes d’information et des "data scientists", de constamment faire évoluer ces outils pour toujours plus de sérénité opérationnelle et de performance.

Grâce à cette transformation, les compagnies peuvent attendre une baisse de 25 % de leurs "non performance costs", ce qui représente bien sûr une contribution très significative à leur rentabilité, mais peut-être encore plus important, permet également une amélioration sensible de l’expérience de leurs clients.


Olivier Bouffault, directeur associé, BCG GAMMA

Créez votre compte L’Usine Connect

Fermer
L'Usine Connect

Votre entreprise dispose d’un contrat
L’Usine Connect qui vous permet d’accéder librement à tous les contenus de L’Usine Nouvelle depuis ce poste et depuis l’extérieur.

Pour activer votre abonnement vous devez créer un compte

Créer votre Compte