Un robinet qui fuit, du linge manquant, un équipement défectueux, une trace d’humidité, un problème d’accès ou un logement qui n’est pas prêt : dans l’hébergement, les problèmes sont très souvent découverts en premier par les personnes présentes sur le terrain.
Le vrai défi n’est pas seulement de les signaler. Il faut ensuite comprendre ce qui s’est passé, évaluer l’urgence, classer le problème et s’assurer qu’il ne disparaisse pas au milieu d’un rapport ou d’une conversation.
StayClean déploie donc dans son application un nouveau système de gestion des problèmes dans les logements assisté par intelligence artificielle.
Tout commence par ce que voit l’agent sur place
Les agents de ménage sont souvent les premières personnes à observer l’état réel d’un logement après le départ d’un voyageur.
Lorsqu’un problème est remonté pendant une intervention, StayClean ne se contente plus de conserver une remarque brute dans le rapport.
Le signalement peut désormais devenir un véritable dossier opérationnel lié au logement et à l’intervention concernée.
Le message original reste la source. L’intelligence artificielle vient ensuite le structurer, sans inventer d’élément absent de la remontée terrain.
L’IA transforme une remarque en information exploitable
Lors de l’analyse, StayClean génère plusieurs éléments automatiquement :
-
une synthèse professionnelle du problème ;
-
une recommandation sur les premières actions à envisager ;
-
un niveau de priorité ;
-
une catégorie ;
-
une sous-catégorie précise.
L’objectif est de réduire le temps nécessaire pour comprendre et qualifier une remontée avant même de décider de la suite.
De faible à critique : toutes les anomalies ne se valent pas
Une ampoule défectueuse, un manque de consommables et une fuite importante ne doivent évidemment pas créer le même niveau d’alerte.
Le nouveau système utilise quatre niveaux de priorité, de faible à critique.
Cette hiérarchisation permet au gestionnaire de concentrer son attention sur les dossiers les plus urgents plutôt que de traiter toutes les remontées comme une liste chronologique indifférenciée.
Une taxonomie pensée pour la réalité d’un logement
Le système ne se contente pas d’ajouter une étiquette générique « problème ».
StayClean organise aujourd’hui les signalements autour de grandes familles :
-
technique et logement ;
-
opérations ;
-
expérience voyageur ;
-
risques et urgences ;
-
autres situations.
Derrière ces grandes familles se trouve une taxonomie beaucoup plus détaillée comprenant plusieurs dizaines de sous-catégories : plomberie, sanitaires, électricité, éclairage, humidité, accès, serrurerie, mobilier, électroménager, propreté, linge, consommables, stocks, kits, logistique, stockage, dégâts, sécurité, risque d’annulation, problème voyageur, etc.
Un signalement libre devient ainsi une donnée comparable avec les autres problèmes du portefeuille.
Une recommandation, pas seulement un constat
L’une des nouveautés les plus importantes est la recommandation générée avec l’analyse.
Le système a été conçu pour privilégier d’abord les vérifications simples, les réglages, l’entretien courant ou l’intervention ciblée d’un technicien.
Il évite autant que possible de recommander immédiatement des travaux lourds ou un remplacement coûteux lorsque les éléments disponibles ne le justifient pas.
L’IA fournit donc un premier cadre de réflexion. Elle ne prend pas la décision à la place du gestionnaire.
Un vrai centre de suivi dans l’application
Les problèmes disposent désormais de leur propre espace de pilotage.
Le tableau permet de visualiser notamment :
-
les dossiers encore ouverts ;
-
les signalements urgents ;
-
les nouveaux problèmes ;
-
les logements actuellement concernés.
Le gestionnaire peut filtrer les dossiers par logement, statut, priorité ou catégorie.
Chaque problème peut passer par plusieurs états : ouvert, en cours, résolu ou ignoré. Un dossier peut également être rouvert si nécessaire.
Retrouver le contexte complet en quelques secondes
La fiche d’un problème rassemble les informations utiles dans le même écran : logement, moment du signalement, agent à l’origine de la remontée, priorité, catégorie, statut, synthèse, recommandation et photos lorsqu’elles sont disponibles.
Une chronologie permet également de remettre le signalement dans le contexte de l’intervention.
L’idée est simple : éviter qu’un responsable doive rechercher une photo dans un groupe WhatsApp, le commentaire original dans un rapport et la décision prise ailleurs.
L’intelligence artificielle pour trier, pas pour retirer le contrôle humain
Ce nouveau système illustre assez précisément notre manière d’utiliser l’intelligence artificielle chez StayClean.
Nous ne cherchons pas à confier aveuglément l’exploitation d’un logement à un modèle.
L’IA est extrêmement utile lorsqu’il faut lire, résumer, catégoriser et prioriser un volume important d’informations.
L’humain conserve en revanche la responsabilité de la décision : prendre en charge le problème, lancer une action, le considérer comme résolu, l’ignorer ou le rouvrir.
Construire progressivement la mémoire opérationnelle du logement
À mesure que les signalements sont structurés, un bénéfice supplémentaire apparaît : l’historique devient exploitable.
Un gestionnaire pourra beaucoup plus facilement constater qu’un même type de problème revient dans un logement ou qu’un équipement génère régulièrement des anomalies.
Le signalement terrain cesse alors d’être une information éphémère. Il devient une donnée qui participe à la connaissance du logement.
C’est une étape importante dans notre vision d’un logement dont l’exploitation est progressivement pilotée par la donnée.
StayClean ne veut plus seulement savoir qu’un agent a signalé quelque chose. Nous voulons que le système comprenne de quoi il s’agit, à quel point c’est urgent et quelle pourrait être la prochaine action la plus pertinente.
