Dans une tribune reprise par tom.travel (Travolution France) et relayée en espagnol par Hosteltur, Michael McCartan, vice-président régional EMEA de l’éditeur de revenue management IDeaS, formule le diagnostic le plus net de la semaine sur la lenteur de l’adoption commerciale de l’IA hôtelière. De nombreux groupes testent des systèmes, comparent des recommandations et évaluent des résultats — mais hésitent encore à laisser ces outils conditionner des décisions de manière automatique. McCartan appelle cette situation le « purgatoire des projets pilotes IA » : la barrière n’est plus l’accès à la technologie, elle s’est déplacée vers la confiance que les entreprises accordent aux données, aux modèles et aux mécanismes de gouvernance qui sous-tendent chaque recommandation. Il cite le rapport « State of AI 2025 » de McKinsey, qui établit que moins d’un tiers des entreprises parviennent à étendre l’usage de l’IA au-delà de la phase pilote. Cette prudence est particulièrement visible en revenue management : changer un prix, fermer une tarification basse ou refuser une demande de groupe peut avoir un effet financier immédiat, ce qui exige de comprendre comment chaque recommandation est produite et de savoir quand l’intervention humaine doit primer. Autre obstacle identifié : la fragmentation des données commerciales entre PMS, CRS, RMS, CRM et plateformes de distribution — appliquer de l’IA sur une base d’information incohérente risque, selon lui, de remplacer l’inefficacité manuelle par des erreurs générées par l’automatisation, en particulier lorsque les recommandations sont étendues à de multiples types de chambres, segments ou dates. McCartan distingue enfin plusieurs familles d’IA à ne pas confondre : l’IA générative, qui prédit du langage et sert à résumer, communiquer ou interagir, et l’IA de gestion de revenus, qui doit prévoir la demande et l’optimiser — deux capacités complémentaires mais non substituables. Sa recommandation pour sortir du purgatoire : partir d’un problème métier précis (précision des prévisions, réactivité au rythme de réservation, réduction des tâches manuelles de tarification, cohérence de l’évaluation des demandes de groupes) plutôt que d’une ambition générique d’« adopter l’IA ». Réserve à garder en tête : l’auteur dirige la zone EMEA d’un éditeur qui vend précisément des solutions de revenue management IA ; son diagnostic reste toutefois recoupé par un rapport McKinsey indépendant, et fait écho à celui d’un éditeur concurrent, LodgIQ, sur les recommandations tarifaires annulées faute de confiance. Lecture Optimize 360 : deux éditeurs concurrents de revenue management convergent séparément sur le même verrou : ce n’est plus l’algorithme qui bloque l’automatisation, c’est l’organisation, la gouvernance et la pédagogie interne qui l’entourent.
Sources : tom.travel — Travolution France (tribune IDeaS, Michael McCartan, 03/09/2026) · relayé par Hosteltur (Vivi Hinojosa, 03/09/2026) — étude citée : McKinsey, « State of AI 2025 » ⚠️ auteur dirigeant EMEA d’un éditeur de revenue management IA
Transparence (AI Act, art. 50) — cet article est produit et actualisé avec l’assistance de l’IA, sous la supervision et la responsabilité éditoriale d’Optimize 360. Sources citées et vérifiées.
