La vie en voyage d’affaires simplifiée par le Machine Learning

Le Machine Learning s’attaque désormais à la complexité des déplacements professionnels. Il s’agit de simplifier la vie d’un collaborateur face à la diversité des services disponibles et des différents aléas de transport entre grèves, embouteillages, pannes et de proposer le moyen de déplacement le plus adapté et préféré par le voyageur.

C’est ainsi que des applications s’emploient à faciliter la vie en faisant mieux que les applications mobiles basiques qui permettent de consulter l’itinéraire et d’être alerté en temps réel en cas de problème.

Le contexte du voyageur d’affaires

L’idée est de se concentrer sur les besoins en déplacement, en proposant des services de manière proactive et contextuelle. Il est difficile d’apporter des innovations radicales avant l’achat d’un voyage car les voyageurs d’affaire sont « contraints » d’acheter leur voyage via des partenaires choisis par leur entreprise.

C’est ce qui a motivé 3mundi, une agence de voyages d’affaires française, qui s’est associée à PATH Travel, qui délivre la technologie, pour imaginer une nouvelle application mobile intelligente.

Pour la concevoir, 3mundi a commencer par embaucher un Data Scientist et imaginer les apports possibles des techniques de Machine Learning pour un voyageur en mobilité. Il a d’abord fallu explorer et choisir les éléments clefs à prendre en compte pour définir le contexte d’un voyageur.

Long courrier ou domestique

Par exemple, et de manière contre-intuitive, des attributs globaux se sont révélés plus utiles à la définition du contexte du voyageur que des attributs très précis, du moins lors de la phase d’apprentissage de l’application. Ainsi, en cas de trajet en avion, il vaut mieux savoir s’il s’agit d’un vol domestique ou long-courrier, plutôt de que se focaliser sur la ville de destination.

Dans le même ordre d’idée, il faut autant prendre en compte les éphémérides (qui recensent jour par jour les événements significatifs, de nature généraliste ou thématique) que les conditions météorologiques, les voyageurs d’affaires sont semble-t-il plus à même de choisir un taxi lorsqu’il fait nuit.

VTC ou Taxi

L’application de 3mundi lorsqu’elle est en mode apprentissage peut aussi poser des questions au voyageur. Ainsi, si elle détecte un besoin de se rendre depuis l’aéroport jusqu’à un lieu de rendez-vous, elle va proposer une liste de compagnies de VTC ou de taxis. Si l’utilisateur choisi un VTC, l’application peut demander à l’utilisateur si cela doit devenir une règle, ou si c’est juste un choix singulier.

Ensuite, ces informations de contexte, qui représentent une vingtaine d’attributs, ont été intégrées dans le système de gestion des profils des voyageurs. Ce profil a d’ailleurs dû être complètement réécrit, et s’appuie désormais sur une base de données orientée document, permettant de gérer des informations structurées et non-structurées avec la souplesse requise.

Le prédictif au service du voyageur d’affaires

Une fois le contexte défini, des API (interfaces applicatives) issues de plateformes de Machine Learning placées dans le Cloud ont été utilisées pour créer le modèle prédictif (réévalué chaque mois) et générer des prédictions concernant l’acceptation d’une offre de service par le voyageur en temps réel, en fonction de son contexte.

L’application peut ainsi proposer un taxi ou un parking à un voyageur qui se rend à l’aéroport via des notifications. Une fois les habitudes de l’utilisateur prises en compte, c’est uniquement le lien vers l’achat de la solution la plus appréciée qui sera présenté.

Le choix de la plateforme de Machine Learning n’est pas finalisé, mais les algorithmes utilisés sont standards, et ce choix n’est finalement pas discriminant. Les solutions BigML, PredicSis ou Amazon ML sont testées et leurs résultats et leurs temps de réponse comparés.

De la prédiction à la galaxie d’applications d’achat

Pour offrir une expérience utilisateur sans couture, les algorithmes prédictifs ne suffisent pas. La parfaite intégration avec les partenaires qui vont offrir des services, et donc entraîner l’acte d’achat, est primordial. Force est de constater que cette intégration est aléatoire, principalement pour des raisons techniques liées aux contraintes des systèmes d’exploitation mobiles et des API offertes.

En revanche, cette intégration fonctionne parfaitement avec Uber, leader des modèles économiques disruptifs. L’application mobile de 3mundi lance  l’application mobile d’Uber pour la commande en un clic, elle-même connectée au système de notes de frais de Concur qui récupère la facture.

Taxi G7 ou ADP à améliorer

En ce qui concerne Taxi G7 ou les parkings ADP, l’expérience utilisateur peut encore être améliorée car leurs Apps requièrent de saisir à nouveau les informations relatives à l’achat. Il faut dire que la plupart des applications mobiles ont été conçues pour fonctionner de manière indépendante à la demande de l’utilisateur, et non pour être appelées depuis une autre application.

Enfin, le paiement est géré par l’application ou le site web du fournisseur de service, ce qui entraîne parfois aussi d’avoir à ressaisir ces informations, sauf si un compte a déjà été créé.