Dans le tourisme, les IA voyagent encore avec le frein à main serré

Demander à une intelligence artificielle de trouver un appartement pour les vacances semble désormais naturel. Nous indiquons la destination, les dates, le nombre de voyageurs et quelques préférences. Nous attendons de l’assistant qu’il cherche des établissements, compare les disponibilités et nous annonce le montant à prévoir.

Une partie du parcours fonctionne déjà. Une autre peut s’arrêter au moment décisif : vérifier si le logement est disponible et obtenir le prix du séjour demandé.

Les IA ont appris à trouver des hébergements. Elles n’ont pas encore toute liberté d’en connaître le prix.

Chez Lestis, nous disposons de deux points d’observation : le trafic généré par les systèmes d’IA sur les sites hébergés sur notre infrastructure et l’expérience concrète de ceux qui essaient de les utiliser pour organiser un voyage.

Les données indiquent quand et à quelle fréquence relative ces systèmes cherchent des informations tarifaires. Les tests sur ChatGPT, Gemini et Claude montrent combien il peut être difficile de passer de la lecture d’une page à la consultation d’une disponibilité réelle.

Les IA cherchent des prix, surtout au printemps

Lestis Intelligence Observatory analyse le trafic des sites hébergés sur notre infrastructure, distingue les utilisateurs humains des systèmes automatisés et classe les requêtes des agents IA selon leur intention.

Une catégorie concerne précisément les Prix et Disponibilités. Les autres concernent l’extraction de contenus, l’indexation et l’apprentissage, ainsi que la vérification de l’existence des ressources.

Que signifie concrètement « vérification de l’existence des ressources » ? Avant d’explorer un site, les systèmes automatiques cherchent des indications techniques pour s’orienter : quelles pages sont disponibles et quelles instructions le gestionnaire donne pour la consultation automatique. C’est un peu comme chercher un plan et un règlement à l’entrée d’un établissement avant de le visiter. Ces requêtes concernent l’organisation et l’exploration du site ; elles ne signifient pas, à elles seules, que l’IA lit la description d’un appartement ou cherche le prix d’un séjour.

Cette activité préliminaire représente une part importante du trafic observé. Pour comprendre la place des demandes de prix et de disponibilités, il est donc utile de les examiner dans le trafic IA total, puis en excluant ces vérifications techniques.

La troisième colonne est recalculée à partir des pourcentages publiés par l’Observatoire : la part tarifaire est divisée par la part des requêtes restantes après exclusion des vérifications techniques. Les résultats sont arrondis à une décimale.

Sur l’ensemble du trafic IA, le maximum est atteint en avril. En excluant les vérifications techniques, le pic se déplace en mai.

En mai, près d’une requête IA sur cinq, hors vérifications techniques, concerne les prix et disponibilités. En octobre, cette part est de 5 %.

La distinction compte aussi après l’été. Entre août et septembre, la part tarifaire dans le total est divisée par deux, de 3,2 % à 1,6 %. Hors vérifications, elle passe de 6,5 % à 5,9 % : un recul nettement plus limité.

Une partie de la baisse apparente tient donc au poids croissant des vérifications techniques. Le recul par rapport au printemps reste néanmoins visible lorsqu’on les exclut.

Ces pourcentages décrivent la répartition des requêtes, pas leur volume absolu. Une part plus faible ne signifie pas automatiquement moins de requêtes tarifaires.

ChatGPT, Gemini et Claude trouvent le logement, mais n’atteignent pas seuls le devis

Nous avons testé ChatGPT, Gemini et Claude sur la recherche du prix d’un séjour sur des sites créés avec Lestis. La limite est commune : les assistants trouvent l’établissement et lisent les informations publiées, mais ne parviennent pas à vérifier seuls les prix et disponibilités.

Les tests ont été réalisés dans les interfaces de chat habituelles, en demandant aux assistants de chercher un séjour dans une conversation en langage naturel : la façon dont ces outils sont couramment utilisés dans le monde.

Le contexte est important : les tests de découverte et de vérification des prix portent sur des sites Lestis, sur lesquels nous appliquons toutes les bonnes pratiques connues du secteur pour rendre les contenus accessibles et compréhensibles aux systèmes automatiques. Sur des sites moins optimisés, les assistants pourraient avoir encore plus de difficultés à trouver le logement ou à lire son prix de départ. À l’inverse, de meilleurs résultats ailleurs ne peuvent pas non plus être exclus.

Avec ChatGPT, en utilisant un abonnement payant, nous avons demandé de chercher un séjour et d’en vérifier le coût. L’assistant a trouvé le site, identifié la page du logement souhaité et lu son tarif journalier de base. Mais pour vérifier les dates, il n’a réussi ni à envoyer le formulaire de disponibilité ni à lire les données structurées de la page pour les utiliser dans la requête.

L’ouverture directe d’un lien contenant les paramètres de recherche s’est aussi heurtée aux limites de récupération des pages, le « fetch ». Dans la session testée, l’accès utile aux informations est resté limité aux résultats des moteurs de recherche et aux copies indexées ou en cache, sans atteindre la réponse actualisée du système de réservation.

Un progrès avec Claude ! Après avoir trouvé l’établissement, ses caractéristiques et son prix journalier, Claude a réussi à lire le résultat et le devis lorsque nous lui avons transmis le lien direct. Mais quand nous lui avons demandé de composer une nouvelle combinaison, il a indiqué recevoir la page d’accueil ou une page déjà lue et ne pas pouvoir consulter le devis, alors même que la page demandée était correcte. En collant le lien dans le chat, il pouvait le consulter ; autrement, non.

Coller le lien a permis à Claude de lire le devis. Mais ce scénario ne résout pas le problème.

Nous avons demandé à Gemini de chercher le prix réel d’un séjour pour deux adultes du 1er au 7 mars, en suivant le même parcours. Gemini a lui aussi trouvé le site et le prix de départ, mais n’a pas fourni de devis pour les dates demandées. Pour connaître le coût effectif ou la disponibilité, il nous a invités à cliquer sur le lien et à poursuivre sur le site. L’étape décisive restait à la charge de l’utilisateur.

Trois assistants, un même obstacle : passer seuls des informations publiées à la réponse du système de réservation. Dans les trois tests, le chat a permis de trouver le logement et son prix de départ, mais pas d’obtenir disponibilités et devis sans intervention de l’utilisateur. Avec Claude, fournir directement le lien a permis de franchir le blocage et de lire le résultat.

Nous ne demandions ni de payer ni de confirmer une réservation. Il manquait encore la raison même de notre recherche : le coût réel du séjour, pour ces dates et ces voyageurs.

Les tests concernent les environnements et outils utilisés : des navigateurs opérationnels, des API ou des intégrations dédiées peuvent offrir d’autres capacités. Mais la difficulté rencontrée même avec un abonnement payant à ChatGPT montre qu’un abonnement ne garantit pas, à lui seul, l’accès opérationnel au système de réservation d’un établissement.

Un prix de départ n’est pas le prix des vacances

Le prix d’un appartement dépend des dates d’arrivée et de départ, de la durée, du nombre de voyageurs, des conditions tarifaires et de la disponibilité réelle. Frais obligatoires, services supplémentaires et règles de durée minimale peuvent aussi intervenir.

Lire un tarif journalier de départ ne suffit donc pas à produire un devis fiable. Le multiplier par le nombre de nuits risque de donner un montant que le système de réservation ne confirmerait pas.

Pour répondre au voyageur, il faut interroger le moteur de réservation, qui calcule disponibilités et tarifs pour le séjour demandé, puis lire son résultat actualisé.

C’est là qu’apparaît la distance entre comprendre une offre et pouvoir la vérifier.

Un site peut exposer des descriptions, des données structurées et des actions de réservation interprétables par les machines. Encore faut-il que l’assistant puisse accéder à ces informations, construire sa requête et consulter la réponse. Si ses outils de navigation bloquent une étape, le parcours s’interrompt.

La préparation du site et la liberté opérationnelle de l’assistant sont deux conditions qui doivent se rencontrer.

Pourquoi les recherches de prix augmentent-elles jusqu’en mai, puis diminuent-elles ?

Un autre aspect des données Lestis mérite attention : leur lien possible avec la saisonnalité classique des recherches de vacances. Si les voyageurs commencent à solliciter les assistants pour choisir un logement, leurs requêtes pourraient elles aussi refléter le calendrier d’organisation des séjours.

Le pic des demandes tarifaires se concentre entre avril et mai, précisément quand de nombreux touristes choisissent et réservent leurs vacances d’été.

Les hébergeurs connaissent cette dynamique. Les demandes pour l’été arrivent dès février et mars. En avril et mai, beaucoup de voyageurs entrent dans une planification concrète : ils comparent les destinations, évaluent les appartements et vérifient les coûts des options possibles.

C’est le cycle que les hôtes connaissent à travers les demandes d’informations et de devis : choisir une destination, comparer logements et prix, puis réserver. Les requêtes IA présentent une ressemblance intéressante avec ce parcours et soulèvent une question : la recherche de vacances avec l’intelligence artificielle commence-t-elle aussi à montrer sa propre saisonnalité ?

Hors vérifications techniques, la part tarifaire passe de 2,9 % en février à 7,8 % en mars, atteint 17,3 % en avril et 18,2 % en mai. L’intérêt relatif pour les prix et disponibilités augmente au moment où le choix des vacances d’été devient plus concret.

Une interprétation possible est qu’une partie de cette préparation passe déjà par les assistants IA. Consultés pendant la planification, ils pourraient concentrer leurs requêtes sur les mois où les voyageurs comparent les offres.

Les IA peuvent chercher des établissements, visiter les pages des logements, repérer des prix de départ et tenter d’atteindre les disponibilités, même sans réussir à interroger réellement le système de réservation.

Même avec le frein à main serré, elles essaient de faire ce que les touristes leur demandent.

Après mai, le tableau change. En juin, la part tarifaire hors vérifications retombe à 7,3 %. En juillet et août, elle reste relativement proche, à 6 % puis 6,5 %.

Cette évolution parle aussi aux professionnels de l’hébergement. À l’approche de l’été, une partie des vacances principales est déjà réservée. Les recherches continuent, y compris pour des séjours décidés à la dernière minute, mais la planification anticipée laisse progressivement place au départ et au séjour.

Cela pourrait expliquer naturellement le recul à partir de juin et la relative stabilité pendant les mois centraux de l’été.

En septembre et octobre, la part baisse encore, à 5,9 % et 5 %. La diminution est plus graduelle que ne le suggèrent les pourcentages du trafic total, car le poids des vérifications techniques augmente durant la même période.

Dans son ensemble, ce tableau rappelle la saisonnalité classique de la préparation des vacances estivales : croissance pendant les préparatifs, réduction lorsqu’une partie des séjours est réservée et nouvel ajustement après la haute saison. Ce parallèle pourrait être un premier indice de saisonnalité des recherches IA, lié au calendrier et aux besoins des voyageurs qui les utilisent.

La concordance temporelle ne démontre pas, à elle seule, un lien de cause à effet. Les données décrivent les requêtes des systèmes IA, pas les intentions des voyageurs ; la saisonnalité varie aussi selon les destinations et les établissements suivis.

Le signal mérite attention : un trafic que nous considérons souvent comme purement technologique pourrait déjà suivre, au moins en partie, le rythme de nos vacances.

Ce qui change pour le site d’un hébergement

Pour les hôtes, ces évolutions touchent une question concrète : le rôle de leur propre site dans la distribution directe.

Le parcours habituel commence par une recherche, continue par une visite du site et aboutit à la consultation des prix et disponibilités. Avec les assistants IA, certaines étapes peuvent être réalisées pour le voyageur avant même qu’il ouvre la page de l’établissement.

Il devient important que chambres, appartements, services et conditions soient identifiables et qu’un parcours clair mène à la disponibilité réelle.

Le secteur parle depuis longtemps de SEO et, plus récemment, d’optimisation des contenus pour les moteurs génératifs. Descriptions précises, informations structurées et contenus accessibles aident à comprendre une offre. La requête commerciale ajoute une étape : vérifier si l’offre peut être achetée aux conditions demandées.

Comprendre qu’un établissement propose trois appartements et en identifier les services est une chose. Demander lesquels sont disponibles pour deux personnes du 10 au 17 août et recevoir le tarif du séjour en est une autre.

Chez Lestis, le site web, la gestion des prix et disponibilités et le moteur de réservation directe font partie du même système. Cette connexion est essentielle pour accompagner le voyageur de la découverte du logement à la vérification de l’offre commerciale et fournit une base pour faire évoluer les interactions avec les assistants IA.

Leur capacité à utiliser les informations dépend encore des outils et intégrations disponibles. Observer les accès et tester concrètement les parcours de recherche compte donc autant que préparer les contenus.

Lestis travaille pour être prête lorsque le frein sera desserré

Les données de 2026 décrivent une phase où les requêtes tarifaires existent, suivent un profil compatible avec la saisonnalité touristique et coexistent avec des limites opérationnelles d’accès aux informations.

Les tests de ChatGPT, Gemini et Claude montrent où le parcours peut s’interrompre : l’assistant trouve l’appartement, lit sa présentation et son prix de base, mais ne vérifie pas seul le séjour demandé. Avec Gemini, il faut poursuivre sur le site ; avec Claude, coller le bon lien a permis de lire le devis. Dans les deux cas, une étape décisive reste à la charge de l’utilisateur.

Lorsque la consultation des disponibilités et tarifs sera plus répandue et fiable, une nouvelle opportunité s’ouvrira pour le canal direct des établissements. Les assistants pourront comparer des offres effectives et guider le voyageur vers une proposition vérifiée sur le site officiel.

Lestis travaille et suit ces développements pour être en première ligne lorsque cette opportunité pourra être saisie.

L’Observatoire, l’analyse du trafic et les tests nous aident à comprendre ce qui fonctionne déjà et où le parcours s’interrompt. Nous suivons l’évolution des outils et des modalités d’accès pour mettre ces nouvelles possibilités au service des sites et des réservations directes de nos hôtes dès qu’elles seront concrètement utilisables.

Ce travail commence aujourd’hui : observer comment les IA cherchent les logements, comprendre quelles informations elles atteignent et préparer l’étape suivante.

L’enjeu est la désintermédiation. Si les assistants IA peuvent interroger directement les moteurs de réservation des sites officiels, comme ceux créés avec Lestis, ils pourront trouver et comparer les offres actualisées à la source et guider le voyageur vers une réservation auprès de l’établissement.

Pour les réservations directes, cela pourrait être une révolution : une occasion de réduire la dépendance aux OTA comme Booking et Airbnb, de rééquilibrer leur pouvoir dans la distribution et de redonner de la valeur à la relation entre voyageur et hébergeur.

Les IA cherchent déjà des logements pour nos vacances. Lestis travaille pour que, lorsqu’elles pourront aller jusqu’au devis, les sites des établissements soient prêts à répondre.

Et vous, êtes-vous prêt ?

---

Source des données : Lestis Intelligence Observatory, données mensuelles de février à octobre 2026. Les parts hors vérifications techniques sont recalculées à partir des pourcentages publiés et arrondies à une décimale. L’interprétation saisonnière est une hypothèse analytique. Les cas ChatGPT, Gemini et Claude décrivent des tests directs sur des sites Lestis via les interfaces de chat habituelles. ChatGPT a été testé avec un abonnement payant ; le test Claude a été confronté aux journaux du serveur.