Nick Woods a une vision : il veut développer les aéroports les plus « intelligents du monde ». Et il met d’ores et déjà ses idées en pratique.
« Je pense que nous sommes en bonne voie », dit Nick Woods, directeur informatique du groupe MAG, le plus grand opérateur aéroportuaire du Royaume-Uni. Ce groupe gère les aéroports de Manchester, Londres Stansted et East Midlands.
« Notre approche des technologies émergentes diffère de celle de beaucoup d’autres organisations » mentionne t-il. M. Woods a expliqué à ZDNET comment il travaille avec des startups, utilise l’apprentissage automatique et combine l’analyse des données avec les données des capteurs pour rendre les aéroports plus efficaces et le personnel plus productif.
Voici comment son équipe développe l’avenir du transport aérien basé sur l’IA.
1. Développer de nouveaux business model
M. Woods dit que MAG passe beaucoup de temps à réfléchir à comment tirer le meilleur parti des technologies émergentes, en particulier de l’IA.
M. Woods précise que certaines des organisations avec lesquelles MAG travaille sont des start-ups. « Nous co-investissons avec elles pour développer leurs produits. Nous leur montrons comment rendre les technologies opérationnelles et nous les testons sur le terrain ».
Selon M. Woods, cette approche permet aux deux parties de co-investir dans la technologie et d’avoir une stratégie commune de mise sur le marché où les organisations peuvent revendre leurs solutions à d’autres aéroports.
Il a donné l’exemple d’une relation de travail étroite avec Copenhagen Optimization, un spécialiste de la technologie qui dispose d’un système de cloud computing appelé Better Airport, qui peut être utilisé pour améliorer les opérations aéroportuaires.
« Il s’agit d’une plateforme d’apprentissage automatique (Machine Learning), à laquelle nous transmettons toutes les données relatives aux arrivées, aux horaires des vols et aux données historiques. Cela nous permet de prédire les horaires des vols du jour en fonction du dernier vol qui est rentré à l’aéroport ».
2. Identifier les améliorations de performance
M. Woods explique que son organisation utilise les informations fournies par la plateforme Better Airport, ainsi que d’autres technologies, pour affiner les programmes de vols et d’autres domaines opérationnels.
« Nous surveillons constamment ce qui se passe, nous mettons à jour le plan et nous le transmettons à tous les membres du groupe », a-t-il déclaré.
L’optimisation du moteur de planification s’effectue sur Google Cloud Platform. MAG utilise ensuite l’apprentissage automatique pour mettre à jour ses algorithmes en permanence. Les données en temps réel sont introduites dans ces systèmes à l’aide des services AWS.
Le groupe utilise également la technologie de gestion des flux de passagers de Veovo pour ajouter des informations provenant d’une combinaison de LiDAR, de caméras stéréo 3D et de l’infrastructure Wi-Fi des aéroports. L’idée est de comprendre le mouvement des passagers dans les terminaux.
M. Woods explique que ces données permettent de créer une vue en temps réel de la manière dont les passagers circulent dans le bâtiment et de travailler ensuite à l’amélioration des processus internes.
« Nous pouvons observer les points de rassemblement et d’encombrement, l’affluence aux guichets électroniques de l’immigration et la productivité des différents guichets d’enregistrement. Puis nous pouvons commencer à prendre des mesures pour ouvrir davantage de guichets ».
3. Automatiser la planification saisonnière
M. Woods dit que la prochaine phase de l’efficacité opérationnelle basée sur l’IA se concentrera sur l’utilisation de la plateforme technologique du groupe MAG pour faciliter les activités de planification saisonnière.
L’introduction d’une technologie émergente implique un changement culturel important. Traditionnellement, les professionnels de la tour de contrôle planifient manuellement les semaines les plus chargées de la saison, en été et en hiver.
Aujourd’hui, grâce à toutes les données collectées par l’équipe de Woods, l’IA et l’apprentissage automatique favorisent le passage à l’automatisation.
« Nous avons prouvé que le logiciel peut faire ce travail de manière plus optimale que l’homme. Et nous sommes maintenant en phase de test. L’idée est de prouver que nous pouvons faire une meilleure planification au jour le jour grâce au logiciel », dit-il.
M. Woods reconnapit que la partie conduite du changement est importante. Il faut montrer comment l’automatisation profite au personnel, à l’organisation et aux passagers.
« Nous pouvons dire que le rôle humain devient un rôle de supervision » dit-il.
4. Améliorer les services à la clientèle
M. Woods précise que les informations recueillies par son équipe ne servent pas uniquement aux opérations internes. La prochaine étape consistera à utiliser l’IA pour améliorer l’expérience des passagers.
« Nous commençons à réfléchir à la manière de mettre ces informations à la disposition des clients. Nous travaillons actuellement avec AWS sur l’utilisation de leur grand modèle de langage et des technologies d’IA générative Bedrock afin d’avoir de meilleurs dialogues avec les clients sur les mises à jour des vols ».
M. Woods donne l’exemple de l’envoi d’offres publicitaires aux passagers en attendant le décollage de leur vol. Ou de bons d’achat pour des attractions touristiques situés au lieu de destination des passagers.
MAG travaille également avec AWS pour utiliser l’un de leurs nouveaux modèles de vision artificielle.
« Il s’agit d’un algorithme d’auto-apprentissage qui surveille ce qui se passe sur le stand à l’arrivée de l’avion. Le nettoyage a-t-il déjà commencé et les bagages ont-ils commencé à être enlevés ? »
« Certaines compagnies, après l’atterrissage, reprennent les airs en 25 minutes. C’est un délai incroyablement court. Si nous savons que les passagers ont commencé à débarquer et que le ravitaillement en carburant est terminé, nous pouvons être beaucoup plus prévoyants et améliorer la ponctualité de l’avion ».