La feuille de route de l'IA pour les opérateurs : des prompts aux moteurs de prédiction - Présentée par 4 Elements Hospitality

La plupart des exploitants de parcs d'attractions se répartissent en deux camps : soit ils n'ont pas encore abordé l'IA, soit ils l'utilisent au quotidien tout en se demandant en silence s'ils ont bâti leur projet sur des fondations fragiles ou sur des bases durables. Cette session s'adresse aux uns comme aux autres. 

Nous commencerons par retracer l’histoire de l’IA, qui remonte plus loin que la plupart des gens ne le pensent : des décennies de progrès lents, puis une apparition soudaine dans la vie quotidienne. C’est précisément ce schéma qui explique pourquoi le rythme ne ralentit pas aujourd’hui 

Ensuite, la cartographie des outils par niveau : Niveau débutant : savoir quel outil ouvrir un lundi matin pour telle ou telle tâche ; Utilisateurs avancés : saisir cet aspect que la plupart des gens négligent, à savoir le paysage des modèles lui-même : modèles linguistiques, modèles de raisonnement, modèles de vision, modèles vocaux et modèles de prévision. Chacun résout un problème différent, et l’erreur la plus courante et la plus coûteuse dans ce secteur consiste à demander à un chatbot de résoudre un problème de mathématiques. 

Nous allons ensuite nous plonger dans une véritable mise en œuvre. La chef Nicole présente un système de prévision par IA et de procédures opérationnelles standard (SOP) qu’elle a aidé une équipe de développement à mettre en place pour une entreprise du secteur de la restauration. Une prévision précise fait toute la différence entre deviner le volume des commandes et la préparation nécessaire, et le connaître avec certitude. Cette session montre un modèle de prévision fonctionnant ainsi dans une exploitation réelle, ce qui laisse à la direction plus de temps pour s’occuper de son personnel. 

Les participants repartiront avec une grille de sélection de modèles, un cadre de prompts et une vision réaliste de ce qu’implique réellement la mise en œuvre. 

Objectifs d’apprentissage :

1. Identifier ce qui existe au-delà des chatbots, notamment les modèles de vision, les modèles d’intégration et les modèles de prévision, et reconnaître le problème opérationnel que chacun d’entre eux résout.
2. Appliquer un cadre de prompts reproductible au travail quotidien afin que les résultats soient exploitables dès la première utilisation, sans qu’il soit nécessaire de les réécrire.
3. Définir les conditions nécessaires pour faire passer l’IA d’une utilisation ponctuelle à un véritable système d’exploitation, notamment les données dont elle dépend, le rôle de l’humain dans le processus et les points de contrôle garantissant la fiabilité des résultats.