Gérer 70 aéroports répartis dans 14 pays, accueillir 320 millions de passagers par an et générer 4,5 milliards € de revenus : le défi opérationnel de Vinci Airports est à la mesure de son empreinte mondiale.
Le groupe a engagé une transformation data et IA d’envergure, en s’appuyant sur Google Cloud Platform.
Une dépendance à la maîtrise des flux
Le modèle de Vinci Airports repose sur deux piliers : les redevances aéronautiques, qui représentent environ 50 % des recettes, et les revenus commerciaux générés par les dépenses des passagers (duty-free, restauration, parkings), qui en constituent 30 à 40 %.
Cette structure impose d’anticiper avec précision les flux de passagers. De cette capacité prédictive découlent en cascade le dimensionnement des équipes, le calibrage de l’offre commerciale, les projections financières et la stratégie d’investissement.
La difficulté résidait dans l’extrême hétérogénéité du réseau. Chaque aéroport dispose de ses propres systèmes informatiques, de ses contraintes locales et de ses spécificités opérationnelles. Les données étaient dispersées, non standardisées et cloisonnées.
Une Data Factory pour fédérer les données du réseau
C’est pour répondre à ce défi que Vinci Airports a lancé, en 2023, la construction d’une Data Factory globale hébergée sur Google Cloud Platform.
Cette infrastructure centralise la collecte de données issues de systèmes hétérogènes dans 14 pays, automatise les contrôles de qualité et harmonise les structures de données pour permettre des comparaisons fiables entre les plateformes.
L’architecture retenue s’appuie sur les briques éprouvées de Google Cloud : BigQuery pour le stockage et l’analyse de données massives, Vertex AI pour l’entraînement et le déploiement des modèles prédictifs, Cloud Run et Streamlit pour mettre à disposition des interfaces métier accessibles, Cloud Storage pour la gestion centralisée des modèles et Cloud Build pour l’intégration continue.
Ce choix architectural permet aux aéroports de conserver leurs outils locaux tout en exposant leurs données dans un référentiel commun, où elles sont nettoyées, structurées et exploitables pour alimenter des tableaux de bord, des analyses et des modèles d’IA.
Trois cas d’usage au cœur de la transformation
Le premier et principal cas d’usage porte sur la prédiction du trafic de passagers. Des modèles prédictifs multi-échelles ont été conçus pour répondre aux besoins de chaque niveau de management : projections annuelles pour la direction générale, vues hebdomadaires ou journalières pour les équipes opérationnelles, et analyses localisées par aéroport. Ces modèles croisent l’historique de trafic, des variables exogènes et des signaux faibles pour simuler des trajectoires et optimiser les arbitrages.
Le deuxième axe concerne l’efficacité opérationnelle. En analysant les cartes d’embarquement scannées, il est désormais possible d’anticiper les arrivées aux postes de sécurité. Croisées avec les capacités de traitement des files, ces données permettent d’ajuster les effectifs en temps réel, avec pour objectif de maintenir les temps d’attente sous les dix minutes.
Le troisième cas d’usage touche à l’optimisation commerciale. En croisant les données de trafic et les comportements d’achat, Vinci Airports identifie des profils de consommation selon les typologies de passagers et les destinations. Un voyageur britannique en transit ne dépense pas de la même façon qu’un passager français sur un vol domestique : ces patterns permettent de recommander aux commerçants des ajustements d’assortiment adaptés au profil de leur clientèle effective.
La qualité des données au coeur du projet
Artefact est intervenu dès les premières étapes du projet avec une approche collaborative impliquant les équipes opérationnelles dès le premier jour.
Cette démarche est décrite par Benoît Forest, directeur des Opérations et Data de Vinci Airports, comme une condition sine qua non : « Le timing d’embarquement des équipes opérationnelles est très important. Il doit commencer dès le jour un. Cela garantit que les data scientists comprennent les préoccupations métier et intègrent des besoins très opérationnels dans la conception des solutions. »
La qualité des données a constitué un autre enjeu majeur avec la mise en place des dispositifs automatisés de détection des fichiers manquants, de contrôle de la structure des données et de tests d’intégrité, avec alertes automatiques en cas d’anomalie.
Ces garde-fous, opérés entièrement dans Google Cloud Platform, préviennent les dérives silencieuses qui érodent la confiance des métiers dans les modèles.
« Je pense que le succès de ce projet réside dans la compréhension du défi stratégique métier, la définition du périmètre, le déploiement de la solution, la formation, et aujourd’hui l’outil est utilisé quotidiennement par les équipes métier », résume Benoît Forest.
Un cap vers l’IA générative
Vinci Airports engage ensuite une deuxième phase orientée vers la prédiction systématisée et l’IA générative. Trois cas d’usage sont à l’étude : un assistant GPT intégré aux tableaux de bord, un mode de requêtage conversationnel des bases de données, et un système d’extraction automatique de contenu documentaire (procédures, audits, rapports).
L’ambition est de dépasser les limites des dashboards Power BI actuels pour permettre à chaque collaborateur d’interroger directement l’ensemble des données via des agents IA autonomes, capables d’apporter des réponses à des questions complexes sans nécessiter de développement supplémentaire.
« L’IA nous permet ici de passer de l’intuition locale à la connaissance partagée, sans remplacer les équipes, mais en leur donnant les moyens de gagner du temps et de se concentrer sur la prise de décision », conclut Benoît Forest.
Photo : © DR
The post Vinci Airports s’appuie sur l’IA et Google Cloud pour piloter la performance de ses 70 aéroports appeared first on Silicon.fr.
