VINCI Airports gère 70 aéroports dans 14 pays, accueille 320 millions de passagers par an et génère un chiffre d'affaires de 4,5 milliards d'euros. Confronté à des contraintes opérationnelles et environnementales croissantes, l'opérateur se tourne vers l'intelligence artificielle pour optimiser ses performances. Retour sur une transformation réussie avec Benoît Forest, directeur des opérations chez VINCI Airports.
Qui est Benoît Forest ?
Benoît Forest a été nommé Directeur des opérations de VINCI Airports en janvier 2025, après avoir occupé le poste de Head of data pendant près de 3 ans. Fort de plus de 9 ans d'expérience au sein du Groupe, il a piloté la transformation data de l'entreprise avec par exemple : le déploiement du projet Smart Data Hub sur 15 pays, la création de 10 cas d'usage couvrant tous les domaines stratégiques de VINCI Airports (trafic, commercial, opérations, finance, environnement) et l’intégration de l’analyse prédictive.
Diplômé en contrôle de gestion auprès du CNAM, il combine une expertise financière et opérationnelle acquise dans l'univers aéroportuaire et autoroutier (chez VINCI Autoroutes).
Le défi : piloter de manière unifiée un réseau de données complexes
VINCI Airports opère un réseau hétérogène s'étendant du Japon au Chili. Chaque plateforme dispose de ses propres systèmes IT, contraintes locales et spécificités opérationnelles. Cette diversité, bien que source de richesse, complexifie la prise de décision à l'échelle du groupe.
Le modèle économique repose sur deux leviers complémentaires :
- Les redevances aéronautiques (50% of revenue) charged to airlines for the use of infrastructure
- Les revenus commerciaux (30 % - 40 %) générés par la consommation des passagers, notamment dans les duty-free, restaurants et parkings
Ce double modèle impose une exigence centrale : connaître, comprendre et anticiper le trafic passagers. Car tout en découle : dimensionnement des équipes, calibration de l'offre commerciale, prévisions financières, qualité de service, trajectoires d'investissement, stratégie de décarbonation.
Le défi : Récolter et traiter les données dispersées, non standardisées et cloisonnées entre les différents aéroports du Groupe pour construire une vision unifiée des flux. C'est tout l'objet de la transformation lancée avec Artefact et Google Cloud. Il en résulte la construction d'une Data Factory globale capable de fédérer les données du réseau, de les structurer et de les mettre au service de la décision.
Une infrastructure data pensée comme un levier de performance
Pour répondre à cet enjeu de pilotage à l'échelle du groupe, VINCI Airports a fait le choix d'une architecture data unifiée, évolutive et sécurisée, construite sur Google Cloud Platform. Pourquoi ce choix ? Afin de fournir à chaque métier, dans chaque aéroport, les moyens de mieux comprendre, anticiper et agir, à partir d'une donnée consolidée, contextualisée et analysable à différents niveaux.
Aux côtés d'Artefact, dès 2023, le groupe a mis en place une Data Factory capable de :
- Collecter des données issues de systèmes hétérogènes dans 14 pays
- Contrôler leur qualité et leur intégrité via des garde-fous automatisés
- Harmoniser leur structure pour permettre des comparaisons fiables entre plateformes
Cette approche permet d'éviter les lourdeurs d'une harmonisation S.I. classique. Grâce au cloud, les aéroports conservent leurs outils locaux, mais exposent leurs données dans un socle commun, où elles sont nettoyées, structurées, puis utilisées pour alimenter des tableaux de bord, des modèles IA, des analyses de performance, etc.
Google Cloud : une architecture robuste
Pour favoriser le passage à l'échelle, l'architecture Google Cloud Platform repose sur des briques éprouvées, conçues pour la volumétrie, la rapidité d'analyse et la sécurité :
- BigQuery pour le stockage et l'analyse des données massives
- Vertex AI pour l'entraînement et le déploiement des modèles prédictifs
- Cloud Run + Streamlit pour fournir aux équipes métiers une interface simple, rapide et interactive
- Cloud Storage pour la gestion centralisée des modèles et des versions
- Cloud Build pour l'intégration continue et le déploiement fluide des workflows
Trois cas d'usage structurants au service de la performance des aéroports
1) À la source, la prédiction du trafic passager
Le trafic passagers est la donnée maîtresse. Sa prédiction permet à la fois :
- d'orienter la stratégie long terme (investissements, ouverture de routes, projections financières)
- de dimensionner les opérations au quotidien (sûreté, accueil, traitement des bagages)
- de piloter l'offre commerciale en fonction des profils de voyageurs
VINCI Airports et Artefact ont ainsi conçu des modèles prédictifs multi-échelles, adaptés aux besoins de chaque niveau managérial :
- Vue consolidée pour la direction groupe, avec projection annuelle des flux
- Vue opérationnelle hebdomadaire ou journalière pour anticiper les pics d'activité
- Vue locale par aéroport, croisée avec des données comportementales
Ces modèles s'appuient sur l'historique de trafic, des variables exogènes et des signaux faibles. Ils permettent de simuler des trajectoires, de comparer les prévisions humaines avec les projections algorithmiques, et d'optimiser les arbitrages.
2) Améliorer l’efficacité des opérations aéroportuaires
Grâce à la donnée, VINCI Airports peut désormais anticiper les points de congestion et adapter ses ressources en amont. Exemple : à partir des scans de cartes d’embarquement, il devient possible de prédire l'heure d'arrivée des passagers aux contrôles de sûreté. En croisant ces données avec les capacités de traitement par ligne, les équipes peuvent dimensionner les effectifs en temps réel pour garantir une attente inférieure à 10 minutes. Ou encore en matière de sécurité, les passagers sur les lignes de sûreté des valises passent un X-ray pour détecter d’éventuelles menaces.
3) Optimiser les stratégies de vente des produits de voyages
À travers l'analyse des flux et des achats, VINCI Airports comprend mieux qui consomme quoi, quand, où, et dans quel contexte.
Un passager anglais en transit n'a pas les mêmes comportements qu'un passager français en vol domestique. Un vol à 6h15 vers Lisbonne ne génère pas le même panier moyen qu'un départ en vacances pour Punta Cana.
Grâce à l'analyse des cartes d’embarquement scannés en caisse, croisées avec les données de flux, le groupe identifie des modes de consommation et peut recommander aux vendeurs présents sur l’aéroport d'ajuster leur offre produit en fonction des profils passagers et des destinations.
Les facteurs de succès : de l’implémentation à l’adoption métier
L’implémentation auprès des équipes dès le début du projet
Dès les premières phases du projet, Artefact a accompagné VINCI Airports dans une logique de co-construction avec les opérationnels dès le lancement du projet. Un accompagnement métier renforcé est absolument indispensable pour construire le bon équilibre entre intelligence humaine et modèles prédictifs.
« Le moment auquel vous embarquez les équipes opérationnelles est très important. Il doit commencer le jour 1. Ainsi, les data scientists comprennent les préoccupations du métier et intègrent dans la conception des solutions les besoins très opérationnels. » – Benoît Forest, Directeur des opérations de VINCI Airports
Ainsi, il est plus facile de construire des cas d'usage concrets, alignés avec les enjeux réels des métiers (trafic, sûreté, retail, finance…), et sécuriser leur adoption dans la durée.
La qualité de la data, clé de la confiance métier
Au départ, les équipes de VINCI Airports percevaient la gouvernance de la donnée comme secondaire. Très vite avec Benoît Forest, elles se sont rendu compte que c'était en réalité fondamental. Car lorsque les modèles dysfonctionnent à cause de données de mauvaise qualité, la confiance métier s'effrite rapidement.
VINCI Airports et Artefact ont mis en place une série de garde-fous techniques pour fiabiliser les données en amont :
- Détection des fichiers manquants (par exemple une alerte type “trafic non reçu de la veille”)
- Contrôle de structure pour garantir que les schémas restent stables dans le temps
- Tests d'intégrité (un écart anormal sur un aéroport déclenche une alerte automatique)
Ces contrôles automatisés (entièrement opérés dans Google Cloud Platform) permettent d'éviter les dérives silencieuses et de garantir la stabilité des modèles en production.
« Je pense que le succès de ce projet-là, c'est d'avoir compris l'enjeu métier stratégique, d'avoir cadré, d'avoir déployé, d'avoir formé, et maintenant l'outil est utilisé par les équipes métiers au quotidien. » – Benoît Forest, Directeur des opérations de VINCI Airports
Mesurer en continu la performance prédictive
VINCI Airports a mis en place un processus d'évaluation post-opérationnelle. Les équipes comparent ce que les modèles avaient prédit avec ce qui s'est réellement produit sur le terrain. L'objectif est d’identifier les écarts, de comprendre leurs causes et ajuster les modèles pour améliorer leur précision au fil du temps. Une efficacité rendue possible grâce au déploiement de l’IA.
Aller plus loin avec l'IA : systématiser la prédiction
Avec la stabilisation de l'environnement data, VINCI Airports a amorcé une seconde phase : le passage à la prédiction systématisée. Les équipes ont entraîné des modèles pour affiner les trajectoires de trafic, anticiper les pics d'activité, et enrichir la compréhension des comportements passagers.
L'approche repose sur une granularité différenciée :
- Prévision stratégique annuelle, utile à la direction financière.
- Prévision hebdomadaire ou quotidienne pour le pilotage opérationnel.
- Analyse post-opérationnelle, pour comparer ce que le modèle a prédit et ce qui s'est produit.
« L'IA permet ici de passer d'une intuition locale à une connaissance partagée, sans remplacer les équipes, mais en leur donnant les moyens de gagner du temps et de se concentrer sur la décision. » – Benoît Forest, Directeur des opérations de VINCI Airports
La montée en puissance de l'IA Générative pour des analyses data complètes
Dans la continuité du projet, VINCI Airports explore aujourd'hui les potentialités de l'IA générative à travers trois cas d'usage :
- Secure GPT: un assistant intégré aux dashboards
- Talk to my data: interrogation conversationnelle des bases de données
- Intelligence documentaire: extraction et synthèse automatique de contenus complexes (procédures, audits, rapports)
En effet, ces évolutions sont nécessaires et représentent les enjeux 2025 de l’équipe de Benoît Forest. Car cette richesse d'informations se matérialise encore principalement dans des tableaux de bord visuels en temps réel (Power BI). Bien qu'efficaces, ces outils restent rigides et nécessitent des développements constants pour évoluer.
L'ambition est donc de permettre à chaque collaborateur d’interagir directement avec l'ensemble des données via des agents IA autonomes, capables de répondre à des questions complexes et de pousser l'analyse bien au-delà des possibilités actuelles des dashboards traditionnels.
