Une entreprise de l'hôtellerie-restauration fonctionne sur une combinaison de travail prévisible et de travail qui ne se crée qu'au moment même. Établir les plannings, suivre les achats, compter les stocks, traiter les réservations, contrôler les factures : c'est un travail qui se répète et dont le résultat est en grande partie fixé dans des règles et des schémas historiques. Il y a par ailleurs le travail qui se produit au moment où un client entre, où une cuisine est sous pression ou où un groupe se présente à la porte sans réservation. Cette seconde partie déterminant souvent l'expérience sur laquelle un client juge un établissement, et la première partie déterminant s'il reste encore de la marge à la fin du mois.
Les circonstances qui déterminent le résultat sont connues : une occupation qui varie selon le moment de la journée et la saison, du personnel qu'il faut planifier à court terme, des fournisseurs dont la disponibilité varie, et un client qui peut à tout moment de la journée faire une réservation, une commande ou une réclamation. Jusqu'à présent, celui qui gagnait dans ce domaine le devait surtout à des personnes ayant une vue d'ensemble et capables de réagir rapidement.
La planification des horaires, le traitement des réservations et le premier traitement des demandes sont des tâches qui se prêtent à une reprise par l'IA : elles sont répétitives, il existe beaucoup de données historiques, et les règles de décision peuvent être explicitées. Là où cela se produit, ce qu'un client ou un fournisseur perçoit comme distinctif change. La rapidité de réaction à une réservation dépendait de qui était au téléphone à ce moment-là ; si un système répond immédiatement à cette demande, la rapidité n'est plus un facteur distinctif, car tous ceux qui disposent du système sont tout aussi rapides.
Ce qui reste alors distinctif, c'est le travail pour lequel l'IA ne reprend pas la tâche, mais l'accompagne avec une personne qui approuve ou rejette : un planning du personnel proposé par un système mais ajusté par un responsable en fonction de qui peut gérer un groupe difficile, ou une adaptation de menu proposée sur la base de données de vente mais jugée par un cuisinier sur le goût et la saison. Et ce qui reste entièrement du travail humain, c'est l'interaction à table, la manière dont une réclamation est résolue, l'ambiance que le personnel crée en salle. Cela ne peut pas être automatisé parce que sa valeur naît dans l'instant même, pas dans un schéma qu'on peut déduire de données.
La vitesse à laquelle cela évolue varie fortement d'une entreprise à l'autre. Une chaîne comptant de nombreux établissements et beaucoup de données de transactions dispose d'une base permettant de faire proposer les plannings et les achats par un système ; un établissement indépendant avec un noyau fixe de clients réguliers ne dispose souvent pas de cette base et en a aussi moins besoin, car la valeur y réside déjà dans la relation personnelle. La différence ne réside donc pas dans l'ambition, mais dans ce qui est disponible en travail répétable et en données pour construire dessus.
Si le délai de livraison, la rapidité de réaction ou la disponibilité sont de plus en plus déterminés par des systèmes, cela ne constitue plus une affirmation distinctive dès que les concurrents utilisent les mêmes systèmes. Un établissement qui continue à prétendre gagner sur la rapidité de confirmation des réservations, alors que cette rapidité est désormais partout identique, ne gagne en fait pas sur cette dimension mais le croit encore. C'est précisément là que la comparaison avec le groupe de référence a de la valeur : non pas pour confirmer ce qu'une entreprise pense déjà, mais pour montrer quelle dimension distingue encore et laquelle ne le fait plus.
Cette même dynamique se joue de façon propre dans d'autres secteurs, comme on peut le voir dans le changement dans le secteur agricole où l'IA reprend le travail et dans les conséquences pour le secteur des loisirs lorsque le travail de réservation et de planification est repris. Dans le secteur des technologies de l'information, où ce type d'automatisation existe déjà depuis plus longtemps, on peut bien voir quelles dimensions y ont perdu en premier leur pouvoir distinctif, comme détaillé dans l'analyse des dimensions gagnantes dans le secteur informatique maintenant que l'IA reprend le travail.
La question sous-jacente, à savoir quel travail dans une entreprise spécifique de l'hôtellerie-restauration peut réellement être repris par l'IA et quel travail reste du travail humain, ne peut pas recevoir de réponse en termes généraux. Cela varie d'une entreprise à l'autre, selon les données disponibles, les systèmes déjà en place et la nature même du travail. Le scan de travail de FTE TO AI répond à cette question tâche par tâche, sans présumer du résultat.
Une complication supplémentaire dans l'hôtellerie-restauration est que les concurrents publient rarement des chiffres sur l'occupation, les marges ou les délais. Qui veut savoir sur quoi un concurrent obtient réellement de meilleurs résultats doit se contenter de ce qui est visible : avis, temps d'attente, rotation du personnel, changements de menu. La manière de lire ces signaux indirects est présentée dans l'approche pour évaluer des concurrents qui ne publient pas de chiffres. Un autre problème est que les textes marketing du secteur se ressemblent souvent : tout le monde promet qualité, hospitalité et expérience, ce qui rend la distinction en mots inutilisable comme point d'appui, comme cela est développé dans l'analyse de la raison pour laquelle tous les concurrents font les mêmes promesses.
Ce qu'un responsable du personnel fait de ce changement en termes d'occupation et d'effectifs relève des exigences légales propres qui s'appliquent en la matière ; ce n'est pas un sujet sur lequel une position est prise ici.
La première étape n'est pas un investissement, mais un contrôle : quelles affirmations sur la rapidité, l'offre ou le service sont actuellement utilisées pour gagner, et sont-elles encore distinctives ou désormais partout identiques. Le contrôle gratuit des dimensions rend cela concret : vous indiquez sur quoi vous pensez gagner et vous voyez laquelle de ces affirmations peut être défendue par des preuves. Le benchmark complet, avec le groupe de référence sur toutes les dimensions pertinentes et une matrice de preuves par score, est en cours de construction.