# Travel AI Monitor: French, full text > Un jeu de données sourcé et revu en continu sur l’intelligence artificielle dans le voyage et le tourisme. Chaque chiffre indique son éditeur, sa période de terrain, son échantillon et le lien vers le document d’origine. > Dernière revue complète du jeu de données: 2026-10-02. https://www.rankwit.ai ## Questions ### Combien de voyageurs utilisent l’IA pour préparer leurs voyages ? **Réponse courte.** Entre 18 % et 79 %, selon ce que l’on demande. La synthèse défendable : environ la moitié aux deux tiers des voyageurs ont utilisé l’IA à un moment d’un voyage, et environ un sur cinq utilise l’IA générative spécifiquement pour le préparer. Aucun chiffre isolé ne répond à cette question, et citer l’un d’eux sans sa formulation revient à citer une coïncidence. La fourchette publiée pour 2025 et 2026 couvre plus de soixante points de pourcentage, et chaque valeur provient d’un éditeur crédible à la méthodologie publiée. L’écart se résout dès qu’on sépare trois questions utilisées de façon interchangeable. « Avez-vous déjà utilisé l’IA en lien avec un voyage ? » donne les valeurs les plus hautes : Amadeus la situe près de 79 % en mars 2026, Booking.com à 67 % sur 33 marchés en 2025. « Utilisez-vous l’IA pour préparer vos voyages ? » donne la bande intermédiaire : Sojern 54 % pour les voyageurs américains, Euromonitor 51 % au niveau mondial. « Utilisez-vous l’IA générative pour préparer ? » donne la plus basse : Amadeus 18 % pour 2025. Pour un public général, la formulation honnête est qu’environ la moitié des voyageurs a utilisé l’IA pour préparer un voyage et que cette part progresse à deux chiffres chaque année. Pour une note de direction, citez l’instrument précis et sa formulation. **Pourquoi des sources sérieuses divergent.** Trois variables expliquent presque toute la variance : le périmètre de la question (tout usage de l’IA contre l’IA générative pour préparer), la population (les panels américains dépassent les échantillons mondiaux sur 33 marchés) et la date (la série bouge de plusieurs points par trimestre, les mesures de début 2025 et du printemps 2026 ne sont donc pas comparables). Aucune source n’a tort : elles mesurent des choses différentes. **Lu depuis le marché français.** Pour un public français, citez les mesures mondiales plutôt que les 56 % de Phocuswright, qui portent sur des voyageurs américains : 67 % chez Booking.com sur 33 marchés, 51 % chez Euromonitor. Il n’existe pas de série française comparable, et c’est une information en soi : personne ne mesure encore ce marché avec cette régularité. https://www.rankwit.ai/fr/resources/questions/how-many-travellers-use-ai-to-plan-trips ### Les voyageurs font-ils confiance à l’IA pour s’informer sur les voyages ? **Réponse courte.** Ils l’utilisent bien plus qu’ils ne lui font confiance. 6 % des consommateurs font pleinement confiance à l’IA, 42 % vérifient systématiquement ce qu’elle leur dit et 25 % en ont reçu des informations de voyage périmées ou erronées. Usage et confiance se sont dissociés, et l’écart ne se referme pas. Dans la même enquête Booking.com auprès de 37 325 personnes, 91 % se disaient enthousiastes à l’égard de l’IA et 6 % lui faisaient pleinement confiance. Les deux chiffres sont réels et décrivent des choses différentes : l’appétit pour la capacité, et la disposition à agir sur son résultat sans le vérifier. Le comportement de vérification en est la conséquence pratique. Sept voyageurs sur dix vérifient au moins parfois, quatre sur dix toujours. La réponse de l’IA devient donc l’ouverture d’une recherche, non sa conclusion. Et une réponse fausse sur votre établissement a de fortes chances d’être découverte. L’écart régional est suffisamment large pour changer une stratégie de marché. 32 % des Nord-Américains et 29 % des Européens se fient rarement ou jamais aux informations générées par IA, contre 15 % en Amérique latine et 16 % en Asie-Pacifique. **Pourquoi des sources sérieuses divergent.** Les mesures de confiance divergent selon ce qu’elles interrogent. Travelport trouve 42 % de consommateurs confiants dans un usage responsable de l’IA par les marques du voyage : c’est une question sur les institutions. Booking.com trouve 6 % de pleine confiance dans l’IA : c’est une question sur la technologie. Les deux sont cohérentes : on fait plus confiance à l’entreprise qu’à l’outil. **Lu depuis le marché français.** L’Europe compte 29 % de personnes se fiant rarement ou jamais aux informations générées par IA, presque le niveau nord-américain et le double de l’Amérique latine. En France, la vérification est donc le comportement par défaut, et 42 % vérifient systématiquement. Écrivez pour un lecteur qui va contrôler, pas pour un lecteur qui va croire. https://www.rankwit.ai/fr/resources/questions/do-travellers-trust-ai-for-travel ### Les voyageurs laisseront-ils l’IA réserver à leur place ? **Réponse courte.** Majoritairement pas encore. Environ 12 % acceptent des décisions autonomes de l’IA, près de 6 % lui confieraient l’essentiel de la préparation, et entre un quart et un tiers lui laisserait finaliser une réservation déjà spécifiée. La délégation est le point où l’histoire de l’IA dans le voyage s’arrête aujourd’hui. L’usage de l’IA pour préparer approche la majorité dans la plupart des marchés ; l’usage de l’IA pour décider reste à un chiffre. L’ordre des trois valeurs est instructif. Très peu laissent l’IA décider quoi faire (6 %). Un peu plus lui accordent des décisions autonomes en général (12 %). Nettement plus (entre un quart et un tiers selon les marchés) lui laissent exécuter une réservation qu’ils ont déjà définie. Les voyageurs délèguent la transaction, pas le jugement. Les 80 % de voyageurs fréquents à l’aise avec l’IA pour préparer ne contredisent pas ce constat. Être à l’aise avec un outil et lui donner autorité sur une décision sont deux concessions distinctes ; les voyageurs accordent aujourd’hui la première et retiennent la seconde. **Pourquoi des sources sérieuses divergent.** Amadeus (environ 6 %) et Booking.com (12 %) diffèrent surtout parce qu’Amadeus interroge sur la gestion de « l’essentiel » d’un voyage tandis que Booking.com interroge sur des décisions autonomes en général. La fourchette de Phocuswright, d’un quart à un tiers, est plus élevée parce que finaliser une réservation déjà spécifiée est une concession plus étroite et moins risquée. **Lu depuis le marché français.** Aucune mesure française de la délégation n’existe : les 6 % et 12 % mondiaux sont ce dont on dispose. Pour une hôtellerie indépendante qui conserve une part de réservation directe, la question utile n’est pas de savoir qui réservera à la place du voyageur, mais qui figure dans la liste courte que l’IA propose avant toute réservation. https://www.rankwit.ai/fr/resources/questions/will-travellers-let-ai-book-for-them ### L’IA remplace-t-elle les moteurs de recherche pour la recherche de voyage ? **Réponse courte.** Elle déplace des canaux plutôt qu’elle ne remplace la recherche. Les assistants IA sont désormais une source de préparation jugée fiable par davantage de personnes (24 %) que les blogueurs de voyage (19 %) ou les influenceurs sur les réseaux sociaux (14 %), et 69 % des millennials utilisent l’IA autant que les réseaux sociaux. La preuve la plus nette est comparative. Invités à nommer des sources fiables pour préparer un voyage, les consommateurs placent les assistants IA au-dessus des deux canaux de créateurs bâtis pour influencer les décisions de voyage : les blogueurs de voyage à 19 % et les influenceurs sur les réseaux sociaux à 14 %. Ce qui recule ici, ce n’est pas la recherche, ce sont les personnes qui ont fait métier de recommander des lieux. Les données générationnelles affinent le constat. Pour 69 % des millennials et 63 % de la génération Z, l’IA est désormais consultée aussi souvent que les réseaux sociaux lors de la préparation d’un voyage. Les plateformes sociales ont été le canal d’inspiration par défaut de ces deux cohortes pendant presque toute la dernière décennie. Ce que l’IA déplace, c’est la séquence de recherche, pas la transaction. Les voyageurs s’en servent pour réduire le champ, puis passent à une surface de réservation. 56 % l’utilisent pour comparer les prix mais seulement 32 % pour comparer vols et hôtels : cet écart marque la frontière. Pour les opérateurs, la conséquence est structurelle. Une page de résultats affiche dix options ; une réponse d’IA en nomme trois ou quatre. Les positions onze à cent ne valaient déjà pas grand-chose, mais elles existaient. Dans une réponse d’IA, elles n’existent pas. **Pourquoi des sources sérieuses divergent.** Les mesures « IA contre recherche » comparent rarement des choses comparables. Classements de confiance, temps passé et analytics de référents racontent des histoires différentes. Nous nous appuyons sur les classements de sources fiables et sur les mesures de changement de comportement, parce qu’elles sont liées à une décision. **Lu depuis le marché français.** Les 50 % de clic après une réponse d’IA sont mesurés aux États-Unis, auprès de voyageurs qui rencontrent ces réponses dans un moteur de recherche. Ce qu’un opérateur français peut en retenir : être cité rapporte encore des visites. Ce qu’il ne peut pas en déduire : une part de trafic française, que personne n’a publiée. https://www.rankwit.ai/fr/resources/questions/is-ai-replacing-google-for-travel-search ### À quoi les voyageurs utilisent-ils réellement l’IA ? **Réponse courte.** Rechercher sites à visiter et restaurants (60 %), comparer les prix (56 %), traduire en voyage (45 %), construire des itinéraires (43 %) et se renseigner sur la destination (38 %). Les tâches de synthèse dominent ; les tâches transactionnelles suivent de loin. Les données par tâche sont plus exploitables que n’importe quel titre sur l’adoption, car elles indiquent les questions auxquelles un modèle répondra à votre place. Un schéma constant traverse toutes les enquêtes. L’IA est forte là où le travail consiste à synthétiser de nombreuses sources dispersées : ce qui vaut la peine d’être vu, où manger, à quoi ressemble un prix raisonnable, comment organiser cinq jours. Elle est faible là où le travail est une transaction avec de l’argent et des dates. L’usage en voyage est plus élevé que les opérateurs ne l’imaginent et passe souvent inaperçu. 96 % de ceux qui utilisent l’IA en voyage s’en servent réellement sur place : traduction 45 %, suggestions d’activités 44 %, orientation 40 %. Le voyageur qui a préparé sans IA lui demandera quand même où dîner une fois arrivé. **Lu depuis le marché français.** La traduction domine l’usage sur place avec 45 % au niveau mondial, ce qui pèse dans un pays dont la clientèle internationale ne parle majoritairement pas français. Les 36 % qui demandent des recommandations de restaurants sont l’autre point sensible : jours de fermeture, congés annuels et horaires changent plus vite que les données d’un modèle. https://www.rankwit.ai/fr/resources/questions/what-do-travellers-use-ai-for ### Combien d’hôtels et d’entreprises touristiques utilisent l’IA ? **Réponse courte.** Environ 70 % des entreprises touristiques utilisent l’IA, surtout pour les chatbots, la tarification dynamique et la prévision de la demande. Mais l’adoption dépend fortement de la taille, et l’IA opérationnelle n’est pas la même chose que la visibilité dans les réponses d’IA. Les 70 % de UN Tourism constituent le chiffre d’adoption faisant le plus autorité côté offre, et il compte l’IA opérationnelle dans l’entreprise : chatbots de service, revenue management, prévision. Cette distinction compte davantage que le niveau. Un hôtel peut utiliser la tarification IA, la messagerie IA et la prévision IA et ne toujours pas être nommé lorsqu’un voyageur demande à un assistant où dormir dans sa ville. Adoption interne et visibilité externe sont des variables indépendantes, et cette statistique n’en mesure qu’une. L’effet de taille traverse tout. Les chaînes d’hébergement européennes affichent 72 % de confiance contre 55 % pour les indépendants ; 94 % des grands établissements se sentent prêts face aux menaces de cybersécurité contre 60 % de ceux de moins de dix salariés. L’écart de capacités est constant et s’élargit à mesure que les établissements rapetissent. **Pourquoi des sources sérieuses divergent.** Les 70 % de UN Tourism ne publient pas de taille d’échantillon, d’où un niveau traité comme indicatif. Les enquêtes au niveau des établissements menées par Booking.com, avec période de terrain publiée, montrent systématiquement des capacités plus faibles chez les indépendants que ne le laisse entendre l’agrégat sectoriel. **Lu depuis le marché français.** Les 70 % de UN Tourism sont mondiaux et agrègent deux réalités que la France contient toutes les deux : un groupe hôtelier mondial dont le siège est ici, et un parc indépendant très étendu en région. Les indépendants européens s’alignent sur les chiffres indépendants, 55 % de confiance et 60 % de préparation sous dix salariés, non sur ceux des chaînes. https://www.rankwit.ai/fr/resources/questions/how-many-hotels-use-ai ### Les destinations sont-elles prêtes pour la recherche assistée par IA ? **Réponse courte.** Pas encore. 22 % des DMO proposent une planification IA sur leur site et 26 % disposent d’une stratégie IA formalisée, tandis qu’environ 40 % des organismes nationaux de tourisme européens disposent d’une équipe IA dédiée ou assurent une veille sur l’usage de l’IA. Les organisations de destination constituent le cas documenté le plus net d’un secteur en retard sur son propre public, parce qu’un même éditeur a mesuré les deux côtés le même mois. En avril 2026, 54 % des voyageurs américains avaient utilisé l’IA pour préparer un voyage. Le même mois, 22 % des organisations de destination interrogées dans le monde proposaient une fonction de planification IA sur leur propre site. 63 % des voyageurs américains ont déclaré qu’ils en utiliseraient une si elle existait. Les organismes nationaux de tourisme européens se situent à un point comparable. Environ 40 % disposent d’une équipe IA dédiée ou d’une veille, et la European Travel Commission impute le reste aux compétences et aux ressources, non au scepticisme. Attention à l’affirmation plus faible : avoir une équipe n’équivaut pas à utiliser l’IA en production, et le rapport ne publie aucune ventilation sous-régionale. Un signal contraire mérite d’être pesé. 64 % des responsables marketing de destination produisent désormais des contenus formatés pour l’IA : listes, FAQ, réponses structurées. La couche contenu bouge plus vite que la couche produit, et c’est rationnel : être correctement décrit dans une réponse d’IA coûte moins cher et presse davantage que de livrer un planificateur. **Lu depuis le marché français.** Les 22 % proviennent de 103 responsables de DMO dont Sojern ne détaille pas les pays, soit une mesure mondiale et non française. Le chiffre européen pertinent est celui de l’ETC : environ 40 % des organismes nationaux disposent d’une équipe IA ou d’une veille sur l’usage de l’IA. En France, la question se pose surtout un étage plus bas, dans un réseau d’offices de tourisme dont la fragmentation rend toute mesure agrégée peu informative. https://www.rankwit.ai/fr/resources/questions/are-destinations-ready-for-ai-search ### Quelle est l’ampleur de l’écart entre voyageurs et secteur du voyage sur l’IA ? **Réponse courte.** Environ deux ans, selon la formulation de l’éditeur lui-même. 54 % des voyageurs américains préparent avec l’IA ; 22 % des destinations la proposent. 72 % des responsables de destination estiment que deux années d’inaction supplémentaires menacent leur pertinence. Sojern a intitulé son étude 2026 « Travelers Are Two Years Ahead of the Travel Industry on AI », et le dispositif d’enquêtes appariées rend l’affirmation vérifiable plutôt que rhétorique : voyageurs et responsables de DMO, deux questionnaires, un même mois. La moitié voyageurs est mesurée aux États-Unis ; la moitié DMO n’est pas ventilée par pays. L’écart est de 32 points sur l’usage actuel et de 41 points entre demande déclarée et offre disponible. Ce ne sont pas des projections : ce sont deux mesures prises au même moment. La prise de conscience n’est pas le goulot d’étranglement. 72 % des responsables de DMO nomment explicitement le risque. 26 % ont formalisé une stratégie. La contrainte est la capacité d’exécution, c’est-à-dire un problème de budget et de compétences, non de conviction. C’est l’asymétrie qui rend la chose urgente et non simplement intéressante. L’adoption par les voyageurs s’auto-entretient ; l’adoption institutionnelle exige une décision, un cycle budgétaire et une procédure d’achat. **Lu depuis le marché français.** La moitié voyageurs de cet écart est mesurée aux États-Unis, sur 1 006 voyageurs américains, tandis que les 103 responsables de DMO ne sont pas ventilés par pays. Citez-le comme une démonstration de méthode, deux enquêtes appariées menées le même mois, et non comme un diagnostic français ni comme une lecture États-Unis contre États-Unis. Aucune enquête équivalente n’a été publiée sur le marché français. https://www.rankwit.ai/fr/resources/questions/how-big-is-the-ai-gap-in-travel ### L’IA change-t-elle réellement les destinations où les gens se rendent ? **Réponse courte.** Oui. 40 % des voyageurs ont découvert une destination via l’IA et 29 % ont modifié leurs projets sur une de ses recommandations. Et environ la moitié de ceux qui voient une réponse d’IA dans un moteur de recherche cliquent malgré tout vers la source. Le chiffre de découverte et celui de changement de projet sont les deux mesures qui convertissent la visibilité IA en demande, et toutes deux sont comportementales plutôt qu’attitudinales. Quatre voyageurs sur dix rencontrant une destination pour la première fois dans une réponse d’IA, c’est le chiffre de l’étape d’inspiration. Près de trois sur dix modifiant un projet déjà formé sur une recommandation d’IA, c’est le constat le plus solide, car il mesure un résultat et non une impression. Le contrepoids à l’inquiétude du zero-click est mesurable : Phocuswright constate qu’environ la moitié des voyageurs qui rencontrent une réponse d’IA au sein d’un moteur de recherche cliquent malgré tout vers les sources. Être nommé dans la réponse n’est donc pas seulement un résultat de marque : pour près de la moitié de l’audience, cela envoie encore une visite. Le contrepoids est la concentration. Une réponse d’IA nomme une poignée d’options. La découverte s’élargit pour qui est nommé et s’effondre pour qui ne l’est pas. **Lu depuis le marché français.** La France n’a pas de problème de notoriété : elle a un problème d’arbitrage interne. Quand un modèle répond à « une semaine en France », il nomme trois ou quatre territoires et en écarte des dizaines. Les 40 % de découverte via l’IA sont américains, mais la mécanique de concentration vaut à l’intérieur d’un pays comme entre pays. https://www.rankwit.ai/fr/resources/questions/does-ai-change-where-people-travel ### Quelle est l’exactitude des informations de voyage fournies par l’IA ? **Réponse courte.** 25 % des voyageurs déclarent avoir reçu de l’IA des informations de voyage périmées ou erronées, et ce chiffre ne compte que les erreurs qu’ils ont remarquées. Un quart des voyageurs a reçu d’une IA des informations de voyage fausses ou dépassées. La mesure étant déclarative, elle capte les erreurs repérées ; le taux réel est plus élevé. Le diagnostic compte pour qui veut y remédier. L’essentiel des inexactitudes touristiques n’est pas un modèle qui invente des faits. C’est un modèle qui répond à partir d’informations anciennes ou absentes : horaires modifiés, établissement rénové, ligne supprimée. Là où les faits actuels et structurés ne sont pas accessibles, un modèle répond avec ce qu’il a vu en dernier, sur le même ton assuré. C’est pourquoi 42 % vérifient toujours et seuls 6 % font pleinement confiance. Les voyageurs se sont calibrés sur le taux d’erreur. La réponse pratique n’est pas de discuter avec les modèles. C’est de rendre les faits actuels lisibles par machine, structurés et accessibles : la discipline même que cet observatoire s’applique à lui-même, et celle qu’il recommande. **Lu depuis le marché français.** Le meilleur exemple français d’erreur n’est pas une invention de modèle : c’est une lacune de source. Demandez quel pays a reçu le plus de visiteurs en 2024 et l’Espagne revient souvent, parce que la France manque dans l’extraction 2024 de la série la plus citée. Les 25 % d’informations erronées commencent souvent là. https://www.rankwit.ai/fr/resources/questions/how-accurate-is-ai-travel-information ### Quelle génération utilise le plus l’IA pour voyager ? **Réponse courte.** Les millennials, de peu. 69 % utilisent l’IA autant que les réseaux sociaux pour préparer un voyage, contre 63 % de la génération Z. Les millennials sont en tête, ce qui surprend qui attend un gradient d’âge net. Les six points d’avance sur la génération Z se situent dans l’incertitude de sous-échantillons non publiés ; mieux vaut donc traiter les deux cohortes comme comparables plutôt que comme un classement. L’explication la plus probable au fait que la génération Z ne soit pas en tête tient au point de comparaison. La question porte sur l’usage de l’IA relativement aux réseaux sociaux, et la base sociale de la génération Z est la plus élevée de toutes les cohortes. L’égaler suppose une barre plus haute. La lecture la plus utile est que les deux cohortes ont atteint la parité entre IA et plateformes sociales pour la préparation des voyages. Pour des budgets de marketing de destination encore très orientés social, c’est le constat qui a un prix. **Pourquoi des sources sérieuses divergent.** Les découpages générationnels de ce jeu de données proviennent de sous-ensembles d’un panel américain de 1 006 personnes, aux tailles non publiées. Fiables quant à la direction, pas quant à la précision, et non transposables automatiquement hors des États-Unis. **Lu depuis le marché français.** Les 69 % de millennials et 63 % de la génération Z sont des sous-échantillons américains dont les tailles ne sont pas publiées : à lire comme une indication de direction. Ce qu’ils ne disent pas, c’est comment se comportent les cohortes françaises, qui voyagent beaucoup à l’intérieur du pays, où inspiration et réservation ne suivent pas les mêmes circuits. https://www.rankwit.ai/fr/resources/questions/which-generation-uses-ai-most-for-travel ### Combien l’IA vaut-elle pour le secteur du voyage ? **Réponse courte.** Le chiffre le plus cité est la prévision d’Euromonitor de 1 400 milliards de dollars de croissance des dépenses touristiques sur cinq ans attribués au potentiel libéré par l’IA. C’est une prévision, pas une mesure. Les affirmations économiques sur l’IA dans le tourisme se divisent en deux catégories, et les traiter comme une seule est l’erreur la plus répandue du commentaire sectoriel. Les grandeurs mesurées existent et sont modestes. 40 % des agences de voyages ayant adopté l’IA constatent un impact mesurable sur la productivité, ce qui signifie que trois sur cinq n’en constatent pas. 33 % des dirigeants du voyage américains constatent une meilleure personnalisation. Elles proviennent d’enquêtes à échantillon publié et décrivent des effets déjà observés. Les grandeurs projetées sont bien plus importantes et bien plus souples. Le chiffre de 1 400 milliards est une prévision quinquennale des dépenses touristiques dont la croissance est attribuée à l’IA par jugement d’analyste ; la décomposition n’est pas publiée. Nous le signalons comme prévision sur chaque page où il apparaît. L’écart entre une adoption quasi universelle et un retour mesurable minoritaire constitue l’état honnête des preuves en 2026. La recherche des fournisseurs l’impute principalement à la fragmentation des données, non à la capacité des modèles. **Pourquoi des sources sérieuses divergent.** Prévisions et mesures ne sont pas comparables et ne doivent jamais être moyennées. C’est pourquoi cet observatoire signale pour chaque chiffre son type de preuve. **Lu depuis le marché français.** Ne bâtissez pas un dossier français sur les 1 400 milliards de dollars d’Euromonitor : c’est une prévision mondiale dont la décomposition n’est pas publiée. Les grandeurs mesurables qui concernent la France sont européennes et modestes, comme les 951,6 millions de nuitées passant par trois plateformes ou les 40 % d’agences constatant un gain réel. https://www.rankwit.ai/fr/resources/questions/how-much-is-ai-worth-to-travel ### Les compagnies aériennes et les agences utilisent-elles des agents d’IA ? **Réponse courte.** L’adoption est quasi universelle, le retour ne l’est pas. 80 % des agences de voyages ont déjà mis en place l’IA et les 20 % restants prévoient de le faire, et 52 % des dirigeants tous secteurs confondus déclarent des agents en production. Mais seules 40 % des agences ayant adopté l’IA constatent un gain mesurable. Le côté offre de la distribution touristique est en avance sur le côté grand public, parce que son cas d’usage est la productivité interne et non la visibilité publique, et que le retour est plus facile à justifier. Le facteur limitant est documenté et ce n’est pas la capacité des modèles. 91 % des agences de voyages travaillent sur quatre systèmes de réservation ou plus et la moitié sur sept ou plus. Un agent qui raisonne sur la disponibilité, le prix et les conditions à travers dix systèmes déconnectés se trompera assez souvent pour perdre la confiance dont il a besoin pour être utile. C’est pourquoi les recommandations des fournisseurs convergent : des API simples et granulaires plutôt que monolithiques, un contexte métier explicite, une gestion des erreurs pensée pour des appelants autonomes, et une gouvernance intégrée dès le départ plutôt qu’ajoutée après coup. **Pourquoi des sources sérieuses divergent.** Les 52 % en production sont un chiffre intersectoriel issu d’une étude Google Cloud, supérieur aux mesures propres au tourisme. Nous l’affichons comme repère, non comme statistique touristique. **Lu depuis le marché français.** L’étude Sabre porte sur 14 pays et non sur les seuls États-Unis : ses 91 % d’agences travaillant sur quatre systèmes de réservation ou plus sont donc utilisables en France. Les 52 % d’agents en production viennent en revanche d’un échantillon intersectoriel de dirigeants, soit un repère et non une mesure du voyage. https://www.rankwit.ai/fr/resources/questions/are-airlines-and-agencies-using-ai-agents ### Où l’adoption de l’IA dans le tourisme est-elle la plus forte ? **Réponse courte.** L’Amérique latine domine sur l’enthousiasme (98 %) et l’Asie-Pacifique suit (95 %). L’Amérique du Nord et l’Europe sont les plus sceptiques. L’intensité d’usage mesurée par télémétrie ne suit pas du tout la taille des marchés. Les attitudes se séparent nettement par région dans la plus vaste enquête disponible. L’Amérique latine déclare 98 % d’enthousiasme et 89 % de familiarité ; l’Asie-Pacifique 95 % et 82 %. La défiance va en sens inverse : 32 % en Amérique du Nord et 29 % en Europe se fient rarement ou jamais aux informations générées par IA, contre 15 % en Amérique latine et 16 % en Asie-Pacifique. La télémétrie raconte une autre histoire que les enquêtes, d’où l’intérêt d’avoir les deux. L’Economic Index d’Anthropic place l’Australie à 6,40 fois la base proportionnelle à la population pour l’usage de Claude, le niveau le plus élevé de 121 pays. L’intensité d’usage ne suit pas la taille du marché. À l’intérieur de l’Europe, le gradient est institutionnel plus qu’attitudinal. Environ 40 % des organismes nationaux de tourisme déclarent une équipe IA dédiée ou une veille active, ce que la European Travel Commission impute aux compétences et aux ressources. L’implication opérationnelle est que l’ordre d’entrée sur les marchés devrait suivre les attitudes et l’intensité d’usage, non le volume de trafic. Le même positionnement centré sur l’IA ne produit pas le même effet à São Paulo et à Chicago. **Lu depuis le marché français.** Pas en Europe, qui affiche 29 % de défiance contre 15 % en Amérique latine. Pour la France, le constat utile est que volume touristique et maturité IA sont deux variables indépendantes : premier pays visité au monde selon UN Tourism, et 40 % seulement d’organismes nationaux européens ayant intégré l’IA dans leurs opérations. https://www.rankwit.ai/fr/resources/questions/where-in-the-world-is-ai-travel-adoption-highest ### Comment faire recommander mon hôtel par ChatGPT ? **Réponse courte.** Rendez accessibles aux machines des faits actuels, précis et structurés sur l’établissement, maintenez-les à jour, et assurez-vous que les sources tierces auxquelles les modèles font déjà confiance vous décrivent correctement. Partez de la façon dont l’échec se produit réellement. 25 % des voyageurs ont reçu de l’IA des informations de voyage périmées ou erronées. En hôtellerie, c’est rarement de l’invention : c’est un modèle qui répond avec des données anciennes ou absentes, parce qu’au moment où il a cherché, rien d’actuel ni de structuré n’était accessible. La fraîcheur et la structure deviennent donc le travail de premier ordre, avant tout ce qui ressemble à de l’optimisation par mots-clés. Horaires, politiques, types de chambres, équipements, relations de localisation et positionnement tarifaire doivent exister comme faits explicites et lisibles par machine, mis à jour quand ils changent. Deuxièmement, les questions posées sont précises, pas génériques. Les voyageurs demandent des sites à visiter et des restaurants (60 %), des comparaisons de prix (56 %) et des itinéraires (43 %). Un établissement décrit uniquement en langage de marque ne sera pas rapproché de « hôtel boutique calme près du Duomo avec petit-déjeuner tardif ». Un établissement décrit par attributs concrets, si. Troisièmement, les modèles ancrent leurs réponses dans des sources auxquelles ils accordent déjà du poids. 64 % des responsables marketing de destination formatent désormais leurs contenus pour la récupération par l’IA : listes, FAQ, réponses structurées. Votre propre site compte, et la façon dont les annuaires, les plateformes d’avis et les sites de destination autour de vous vous décrivent compte aussi. Quatrièmement, mesurez. Être nommé n’est pas binaire : cela varie selon le prompt, le moteur et la semaine. Sans suivi, impossible de distinguer un problème de formulation d’un problème de sources. **Pourquoi des sources sérieuses divergent.** Aucune étude publiée ne mesure la part de citations par tactique, et quiconque affirme détenir une formule de classement pour les moteurs génératifs extrapole. Les recommandations formulées ici découlent de modes de défaillance documentés (obsolescence, absence de structure, description générique) et non d’un algorithme de classement publié. **Lu depuis le marché français.** Pour un établissement français, les sources tierces que les modèles reprennent sont prévisibles : fiche Google, annonces OTA, et la page de l’office de tourisme local. C’est ce dernier point qui est propre au marché : dans un réseau aussi fragmenté, la fiche qui vous décrit a souvent été mise à jour il y a plusieurs saisons. https://www.rankwit.ai/fr/resources/questions/how-do-i-get-my-hotel-recommended-by-chatgpt ### L’usage de l’IA dans le tourisme progresse-t-il encore ou plafonne-t-il ? **Réponse courte.** Il progresse encore. La préparation avec l’IA générative a progressé de 64 % sur un an pour atteindre 18 %, les voyageurs américains ayant utilisé l’IA lors d’au moins un voyage sont passés de 33 % à 43 % puis 56 % sur trois vagues consécutives, et l’intention devance largement le comportement dans les données américaines comme mondiales. Trois mesures indépendantes pointent dans la même direction, ce qui est plus convaincant que n’importe quelle lecture de niveau. Phocuswright, posant la même question sur trois vagues consécutives, a enregistré 33 %, puis 43 %, puis 56 % de voyageurs américains utilisant l’IA lors d’au moins un voyage. Amadeus a enregistré une progression de la préparation avec IA générative de 11 % à 18 % entre 2024 et 2025, soit 64 % de hausse à formulation constante. Deloitte rapporte que près d’un quart des voyageurs utilisaient l’IA générative pour préparer un voyage fin 2025, soit le triple du niveau de 2022. L’intention est l’indicateur avancé et elle ne faiblit pas. 75 % des voyageurs américains comptent utiliser l’IA pour leurs prochains voyages contre 54 % qui l’ont déjà fait. À l’échelle mondiale, 89 % veulent l’IA dans leur préparation future contre 67 % qui l’ont utilisée. Dans une catégorie qui sature, l’essai devance habituellement l’intention ; ici c’est l’inverse. La limite à une croissance supplémentaire n’est pas l’intérêt, mais la confiance : 6 % font pleinement confiance à l’IA et 12 % la laisseraient décider seule. Attendez-vous à voir les chiffres de préparation continuer de monter et ceux de délégation progresser lentement. **Lu depuis le marché français.** La série qui tranche la question est américaine : 33 %, puis 43 %, puis 56 % sur trois vagues Phocuswright. Pour la France, le meilleur signal disponible est mondial et plus prudent, avec Amadeus passant de 11 % à 18 % entre 2024 et 2025 à formulation constante. Soit une croissance de 64 % sur un niveau bas, pas un plateau. https://www.rankwit.ai/fr/resources/questions/is-ai-growing-or-plateauing-in-travel ### Bloquer les crawlers d’IA dans robots.txt tient-il mon hôtel à l’écart de ChatGPT ? **Réponse courte.** Cela arrête les crawlers programmés. Cela n’arrête pas de façon fiable une requête déclenchée par une personne, car trois des quatre grands éditeurs d’assistants publient que robots.txt peut ne pas s’y appliquer. Deux choses différentes portent le même nom. Un crawler d’entraînement passe selon un calendrier pour collecter du contenu ; une requête déclenchée par un utilisateur se produit quand quelqu’un pose une question et que l’assistant va voir. Le premier respecte robots.txt chez tous les grands éditeurs. C’est sur la seconde que les documentations divergent. OpenAI écrit que, ces actions étant déclenchées par un utilisateur, les règles de robots.txt peuvent ne pas s’appliquer. Google écrit que ses collecteurs déclenchés par l’utilisateur ignorent généralement robots.txt. Perplexity écrit la même chose de Perplexity-User. Anthropic déclare que ses bots respectent robots.txt et ne nomme aucune exception, ce qui n’équivaut pas à s’engager à ne pas en avoir. Pour un établissement, la conséquence pratique est qu’un blocage général est une décision sur les données d’entraînement, pas sur la visibilité. Il gardera vos contenus hors des futurs poids de modèle. Il n’empêchera pas de façon fiable la lecture de votre page quand un voyageur s’informe sur vous, et chez OpenAI comme chez Perplexity les réglages de recherche et d’entraînement sont explicitement séparés : vous pouvez autoriser l’un et refuser l’autre. C’est cette séparation qui mérite une décision. Autoriser le bot de recherche tout en interdisant le bot d’entraînement est une configuration documentée et prise en charge chez les deux, et elle correspond à ce que veulent réellement la plupart des hôtels bien mieux que l’un ou l’autre extrême. **Pourquoi des sources sérieuses divergent.** Les quatre éditeurs décrivent leur propre comportement et personne ne les audite. Cloudflare a accusé Perplexity d’explorer depuis des agents non déclarés après avoir été bloqué ; Perplexity répond que Cloudflare a attribué à tort le trafic d’un tiers. Aucun des deux n’a publié de preuve reproductible, et tous deux ont quelque chose à vendre dans cette affaire. https://www.rankwit.ai/fr/resources/questions/does-robots-txt-keep-me-out-of-chatgpt ### Ai-je besoin d’un fichier llms.txt pour apparaître dans les réponses d’IA ? **Réponse courte.** Pas pour Google, qui écrit noir sur blanc qu’aucun fichier, balisage ou schéma nouveau n’est nécessaire. Aucun éditeur d’assistant n’a publié qu’il lisait llms.txt. La documentation de Google est d’une franchise inhabituelle sur ce point. Pour apparaître dans les AI Overviews ou l’AI Mode, une page doit être indexée et éligible à l’affichage d’un extrait, et il n’existe, selon ses propres termes, aucune exigence technique supplémentaire. Elle ajoute explicitement qu’il n’est pas nécessaire de créer des fichiers lisibles par machine, des fichiers texte destinés à l’IA ni un balisage schema.org particulier. Cette phrase mérite une seconde lecture, car une grande partie de ce qui se vend sous le nom de generative engine optimization propose exactement ces artefacts. La position honnête aujourd’hui tient en une ligne : llms.txt est une proposition dont aucun grand assistant n’a publié l’adoption, et aucune documentation crawler d’OpenAI, d’Anthropic, de Google ou de Perplexity ne mentionne sa lecture. Ce site publie un llms.txt et un jumeau Markdown de chaque page, ce qui mérite le même scepticisme. Nous le faisons parce que cela coûte peu et que le contenu existe de toute façon, non parce que quelqu’un aurait démontré qu’un modèle le lit. Si cela change, ce sera parce que quelqu’un aura publié une mesure, et cette mesure entrera dans ce jeu de données. Ce qui bénéficie en revanche d’un soutien publié est plus terne : être indexé, être à jour, être précis, et être correctement décrit par les sources tierces qui sont déjà citées. L’audit des citations à Tokyo suggère que ce dernier point pèse plus lourd, sur les questions transactionnelles, que tout ce que vous pouvez faire sur votre propre domaine. https://www.rankwit.ai/fr/resources/questions/do-i-need-an-llms-txt-file ### Quelles sources les assistants IA citent-ils quand on les interroge sur les hôtels ? **Réponse courte.** Surtout des intermédiaires. Les OTA ont recueilli 55,3 % des citations dans un audit de 1 357 citations de Gemini, mais la part s’inverse selon le type de question : les sources hors OTA prennent 55,9 % des requêtes expérientielles. Le seul audit publié sur le sujet a examiné 1 357 citations de grounding portant sur 156 requêtes hôtelières appariées à Tokyo. Toutes requêtes confondues, les OTA détenaient 55,3 % des citations : c’est le chiffre que la plupart des commentateurs reprennent. Le résultat le plus utile se trouve juste en dessous. Séparez les requêtes selon ce que cherche le voyageur et le tableau s’inverse. Sur les questions expérientielles (à quoi ressemble un quartier, de quoi un établissement est proche, quel genre de séjour il propose), les sources hors OTA ont recueilli 55,9 % des citations. Sur les questions transactionnelles, celles de réservation et de prix, elles n’en recueillent plus que 30,8 %. Soit un écart de 25,1 points. Pour un hôtel ou une destination, c’est toute la stratégie en une ligne. Viser la citation sur les questions de réservation, c’est affronter les intermédiaires sur leur propre terrain : coûteux, et rarement gagnable. La viser sur les questions expérientielles, c’est décrire le lieu avec justesse et précision, un travail que vous maîtrisez. **Pourquoi des sources sérieuses divergent.** Une ville, un modèle, un mois, et un preprint qui n’a pas été relu par les pairs. La classification des OTA repose sur une liste de domaines constituée à la main. Tenez la direction pour informative et les pourcentages exacts pour provisoires, jusqu’à ce que quelqu’un réplique l’étude ailleurs. https://www.rankwit.ai/fr/resources/questions/which-sources-do-ai-assistants-cite-for-hotels ### Le trafic venu des assistants IA vaut-il déjà quelque chose ? **Réponse courte.** Faible en volume, meilleur en qualité. Sur un portail de destination totalisant 1,6 million de sessions, il a converti à 8,26 % contre 3,88 % pour la recherche organique. Le volume d’abord, car c’est par là que commence une réponse honnête. Les bots d’IA ont représenté 4,2 % des requêtes HTML sur 2025, moins que Googlebot à lui seul, et les renvois d’assistants restent une faible part des arrivées pour la plupart des entreprises touristiques. Décrire cela aujourd’hui comme un remplacement du trafic de recherche, c’est décrire une prévision, pas une mesure. C’est du côté de la qualité que cela devient intéressant. Une étude longitudinale portant sur un portail de destination méditerranéen, 1,6 million de sessions d’avril 2022 à janvier 2026, trouve un taux de conversion de 8,26 % pour le trafic venu des assistants IA contre 3,88 % pour la recherche organique, avec des sessions plus courtes. C’est exactement ce qu’on attend si le travail de comparaison a eu lieu dans l’assistant, avant le clic. La position raisonnable n’est donc aucune des deux qui se vendent. Ce n’est pas encore un canal de volume, et c’est déjà un canal qualifié. Un visiteur qui arrive après s’être fait dire que vous lui convenez a moins de raisons de repartir. **Pourquoi des sources sérieuses divergent.** Un portail ne fait pas un secteur, la destination n’est pas nommée, et la conversion est mesurée par un clic marquant une intention de réservation et non par une réservation confirmée. Plusieurs taux de conversion largement cités dans ce domaine, dont un couple 11,4 % contre 5,3 %, sont des chiffres tous secteurs et tout le web confondus que l’on fait passer pour propres au voyage. https://www.rankwit.ai/fr/resources/questions/is-traffic-from-ai-assistants-worth-anything ### Combien d’hôtels sont invisibles dans la recherche par IA ? **Réponse courte.** Personne ne le sait, et le chiffre que tout le monde cite ne survit pas à la vérification. Nous avons cherché la source des 94 % couramment repris et nous n’en avons trouvé aucune. L’affirmation selon laquelle 94 % des hôtels sont invisibles dans la recherche par IA est la statistique la plus répétée du domaine. Elle est attribuée, selon les endroits, à une étude de Cornell menée avec Curacity et à Cvent. Elle circule sous au moins deux formes incompatibles : 94 % des hôtels n’apparaîtraient pas dans les réponses d’IA, ou 94 % n’auraient pas les données structurées nécessaires pour y apparaître. Ce sont deux affirmations distinctes, qui exigent deux mesures distinctes. Nous sommes allés au document primaire. La page de recherche à laquelle le chiffre est attribué porte un titre, des logos de partenaires et un bouton de demande de démonstration, et aucun chiffre, aucun échantillon, aucune méthode. Le rapport sous-jacent n’est pas publié. Un nombre, deux attributions, deux significations, aucune méthode retrouvable. Ce jeu de données ne le reprend donc pas, et cette absence est précisément le propos. Un chiffre introuvable n’est pas une version plus faible d’un chiffre vérifiable : c’est un objet d’une autre nature, et le répéter est la manière dont il devient vrai par circulation. Ce qu’on peut dire est plus étroit et plus terne. Dans le seul audit de citations publié, les intermédiaires détenaient la majorité des citations hôtelières, ce qui signifie que beaucoup d’établissements n’étaient pas cités en propre. C’est une mesure portant sur un modèle, dans une ville, sur un mois, et elle n’autorise aucun pourcentage mondial. **Pourquoi des sources sérieuses divergent.** Une seconde étude, accessible seulement sur formulaire, rapporte qu’un sixième d’environ 810 000 établissements hôteliers sont visibles pour les outils d’IA, à partir de 2,36 millions de points de données couvrant 2 105 marques. L’échantillon est déclaré, mais le rapport reste derrière le formulaire, sans période indiquée et sans définition de « visible » : nous enregistrons son existence sans reprendre son chiffre. https://www.rankwit.ai/fr/resources/questions/how-many-hotels-are-invisible-in-ai-search ## Indicateurs ### Adoption par les voyageurs Combien de personnes utilisent réellement l’IA pour préparer et réserver, et à quelle vitesse cette part progresse. Aucune série française ne mesure l’adoption avec la régularité des panels américains : les 54 % de Sojern et la progression de 33 % à 56 % relevée par Phocuswright portent sur des voyageurs américains. Pour un opérateur français, la direction est transposable, le niveau ne l’est pas, dans un marché où le voyage domestique pèse lourd. - **Voyageurs américains ayant utilisé l’IA lors d’au moins un voyage: 56%** - Période de référence: Premier semestre 2026 (2026-03) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2026/The-fastest-shift-in-travel-behavior-just-became-the-default - Échantillon: US travellers; The AI Surge: Travel's Fastest Behavioral Shift in a Decade, published March 2026 - Pour comparaison: second semestre 2025 43% - https://www.rankwit.ai/fr/resources/data/us-travellers-ai-any-trip - Méthode: Phocuswright, The AI Surge: Travel’s Fastest Behavioral Shift in a Decade, publié en mars 2026. Voyageurs américains ; vagues 1H25, 2H25 et 1H26. Parmi ceux qui ont utilisé l’IA en général, 94 % l’ont utilisée pour voyager. - La série la plus nette de ce jeu de données : le même instrument, trois vagues consécutives, une seule direction. Phocuswright y voit le changement de comportement le plus rapide du voyage depuis dix ans, et les gains d’une vague à l’autre se vérifient dans toutes les générations. - **Voyageurs américains ayant utilisé l’IA pour préparer un voyage: 54%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults who travelled in the past 12 months - https://www.rankwit.ai/fr/resources/data/ai-trip-planning-us-travellers - Méthode: Enquête en ligne auprès de 1 006 adultes américains ayant voyagé dans les douze mois précédents, menée en avril 2026 et publiée aux côtés d’une enquête parallèle auprès de 103 responsables de DMO. Comportement déclaré : la mesure capte donc tout usage de l’IA à un moment quelconque, non l’usage habituel. - C’est le chiffre à citer quand on demande si la préparation assistée par IA est devenue courante aux États-Unis. Elle l’est. L’enquête appariée publiée le même mois montre que cette fonction n’était proposée que par 22 % des organisations de destination, sur un panel mondial : c’est cela qui rend le chiffre intéressant, pas son ampleur. - **Consommateurs ayant utilisé l’IA dans un contexte de voyage: 67%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - https://www.rankwit.ai/fr/resources/data/ai-used-in-travel-global - Méthode: Enquête en ligne auprès de 37 325 répondants dans 33 marchés, menée en avril-mai 2025 pour le Global AI Sentiment Report. Parmi ceux ayant utilisé l’IA en voyage, 98 % s’en sont servis pour préparer ou réserver et 96 % pendant le voyage. - Le plus grand échantillon publié de ce jeu de données, et la question la plus large. Elle couvre tout usage lié au voyage (avant, pendant ou après), d’où un niveau supérieur aux chiffres spécifiques à la préparation. - **Consommateurs utilisant l’IA pour préparer leurs voyages: 51%** - Période de référence: Janvier–février 2025 (2025-01) - Zone géographique: Monde - Type de preuve: Enquête - Source: Euromonitor International, https://www.euromonitor.com/article/ai-a-turning-point-in-global-travel - Échantillon: Voice of the Consumer: Travel Survey - https://www.rankwit.ai/fr/resources/data/ai-trip-planning-global-consumers - Méthode: Voice of the Consumer: Travel Survey d’Euromonitor, menée de janvier à février 2025 sur son panel multimarché habituel. La question porte sur l’IA au sens large, non spécifiquement sur l’IA générative. - Une mesure de début 2025, et l’une des premières à faire passer la préparation assistée par IA au-dessus de la moitié à l’échelle mondiale. Elle se situe sous les chiffres américains ultérieurs et au-dessus de la mesure plus étroite d’Amadeus sur l’IA générative : exactement là où une moyenne mondiale doit se situer. - **Voyageurs utilisant l’IA générative pour préparer un voyage: 18%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/documents/resources/research-report/travel-trends-2026/amadeus-travel-trends-2026-report.pdf - Échantillon: Amadeus global traveller survey - Pour comparaison: 2024 11% - Évolution annuelle: +64% - https://www.rankwit.ai/fr/resources/data/genai-travel-planning-share-amadeus - Méthode: Enquête Amadeus auprès des voyageurs mondiaux, rapportée dans Travel Trends 2026. Formulation identique entre les vagues 2024 et 2025, ce qui rend l’évolution annuelle plus fiable que chacun des niveaux pris isolément. - Le chiffre de croissance le plus utile du jeu de données, car le même éditeur a posé la même question restreinte deux années de suite. Le niveau est bas comparé aux mesures plus larges précisément parce que la question se limite aux outils génératifs utilisés pour préparer. - **Voyageurs ayant utilisé l’IA pour préparer ou gérer un voyage: ~79%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/en/resources/white-paper/agentic-ai-airlines - Échantillon: Amadeus traveller research, March 2026 - https://www.rankwit.ai/fr/resources/data/ai-trip-planning-amadeus-2026 - Méthode: Étude Amadeus auprès des voyageurs menée en mars 2026, rapportée dans le livre blanc sur l’IA agentique pour les compagnies aériennes. La même étude montre que seuls 6 % environ seraient à l’aise pour confier à l’IA l’essentiel de leur préparation. - La borne haute de la fourchette publiée, et par le même éditeur qui rapportait 18 % pour l’IA générative un an plus tôt. La différence tient à la question, non à la population : ici on compte la préparation et la gestion en voyage, au moins une fois, avec n’importe quel outil d’IA. - **Voyageurs américains ayant l’intention d’utiliser l’IA pour leurs prochains voyages: 75%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/ai-trip-planning-intent-us - Méthode: Même instrument que le chiffre d’adoption : 1 006 adultes américains, avril 2026. L’intention déclarée est un signal plus faible que le comportement rapporté et surestime systématiquement l’action future ; nous la montrons donc à côté du chiffre comportemental et non à sa place. - L’intention devance le comportement de 21 points. Dans une catégorie mature on attendrait l’inverse (l’essai devant l’intention), cet écart suggère donc que la série a encore de la marge. - **Voyageurs américains utilisant l’IA générative pour préparer un voyage: ~25%** - Période de référence: Fin 2025 (2025) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Deloitte, https://www.deloitte.com/us/en/insights/industry/transportation/travel-hospitality-industry-outlook.html - Échantillon: Synthesis of Deloitte's 2025 Summer Travel, Holiday Travel and Corporate Travel surveys, fielded March to October 2025 - Pour comparaison: par rapport à 2022 3x lower - https://www.rankwit.ai/fr/resources/data/genai-trip-planning-deloitte - Méthode: Deloitte 2026 Travel Industry Outlook, synthèse de ses enquêtes 2025 sur les voyages d’été, les voyages de fin d’année et le voyage d’affaires, menées de mars à octobre 2025. « Près d’un quart » est la formulation de Deloitte : nous ne la précisons pas davantage. - Une tendance sur trois ans issue d’un même éditeur, ce qui rend la direction plus fiable que le niveau. Le document primaire est le Travel Industry Outlook de Deloitte ; une version antérieure de cette page attribuait le chiffre à la Summer Travel Survey de Deloitte, qui ne traite en réalité pas de l’IA. - **Millennials utilisant l’IA autant que les réseaux sociaux: 69%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: Millennial subset of 1,006 US adults - Pour comparaison: génération Z 63% - https://www.rankwit.ai/fr/resources/data/millennials-ai-as-often-as-social - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, sous-ensembles générationnels de 1 006 adultes américains. Les tailles de sous-échantillons ne sont pas publiées, les découpages générationnels portent donc plus d’incertitude que le chiffre principal. - La comparaison est l’essentiel. Pendant presque toute la dernière décennie, les plateformes sociales ont été le canal d’inspiration par défaut des jeunes voyageurs. Pour une nette majorité de millennials, l’IA fait désormais jeu égal. - **Génération Z utilisant l’IA autant que les réseaux sociaux: 63%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: Gen Z subset of 1,006 US adults - https://www.rankwit.ai/fr/resources/data/genz-ai-as-often-as-social - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, sous-ensemble génération Z de 1 006 adultes américains. Taille du sous-échantillon non publiée. - Que la génération Z se situe sous les millennials est contre-intuitif et mérite d’être noté. L’explication la plus probable est que sa base d’usage des réseaux sociaux est plus élevée, non que son usage de l’IA soit plus faible. - **Voyageurs fréquents à l’aise avec l’IA pour préparer un voyage: 80%** - Période de référence: 2024 (2024) - Zone géographique: Monde - Type de preuve: Enquête - Source: Travelport, https://www.travelport.com/press-releases/travelport-releases-second-annual-state-of-modern-retailing-report-travels-tipping-point - Échantillon: State of Modern Retailing consumer survey - https://www.rankwit.ai/fr/resources/data/frequent-travellers-comfort-ai-planning - Méthode: Deuxième édition annuelle de l’enquête consommateurs State of Modern Retailing de Travelport, publiée en janvier 2025. Le sous-ensemble des voyageurs fréquents est auto-défini, et la question mesure l’aisance, non l’usage. - Chez les voyageurs à haute fréquence, l’aisance dépasse nettement les mesures de confiance en population générale. Le même rapport place le voyage dans les trois premiers secteurs pour la confiance des consommateurs envers l’IA, une meilleure position de départ que celle que le secteur se reconnaît. - **Voyageurs trouvant utiles les résultats de l’IA générative: 78%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2025/From-hype-to-habit-78-percent-of-travelers-say-GenAI-improves-trip-planning - Échantillon: Phocuswright, Chat, Plan, Book: GenAI Goes Mainstream - https://www.rankwit.ai/fr/resources/data/genai-helpful-planning-phocuswright - Méthode: Phocuswright, Chat, Plan, Book: GenAI Goes Mainstream, 2025. Le chiffre couvre à la fois la préparation et l’usage sur place. - Une mesure de satisfaction, et celle qui explique le mieux pourquoi l’adoption continue de monter. Attention à la formulation exacte : utiles, et non meilleurs que la recherche. Les deux sont souvent confondus dans le débat sectoriel. - **Consommateurs souhaitant utiliser l’IA pour préparer leurs futurs voyages: 89%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - https://www.rankwit.ai/fr/resources/data/ai-future-travel-planning-intent-global - Méthode: Booking.com Global AI Sentiment Report, 37 325 répondants dans 33 marchés, avril-mai 2025. Préférence déclarée, non comportement observé. - La demande est quasi universelle et se situe bien au-dessus de l’usage actuel (67 %) comme de la confiance actuelle (6 %). Les voyageurs veulent la capacité ; ce qu’ils retiennent, c’est l’autorité sur les décisions. - **Indice d’utilisation de Claude, Australie: 6.40×** - Période de référence: Juin 2026 (2026-06) - Zone géographique: Australie - Type de preuve: Télémétrie de plateforme - Source: Anthropic, https://www.anthropic.com/economic-index - Échantillon: Privacy-preserving aggregate usage across 121 countries - Pour comparaison: base attendue 1.00× - https://www.rankwit.ai/fr/resources/data/claude-usage-index-australia - Méthode: Anthropic Economic Index, juin 2026. Statistiques agrégées préservant la confidentialité sur 121 pays ; l’indice correspond à la part d’usage divisée par la part de population en âge de travailler. Il mesure un seul assistant, non l’ensemble de l’usage de l’IA. - De la télémétrie de première main plutôt qu’une enquête, et un correctif utile : l’intensité d’usage de l’IA ne suit pas la taille du marché. Pour les marques du voyage, les marchés à indice élevé sont ceux où la découverte médiée par l’IA est déjà significative. ### Découverte et visibilité L’IA comme canal de découverte : qui est recommandé, qui est cité et qui disparaît. Pour la France, l’enjeu de visibilité n’est pas de faire connaître le pays : c’est de savoir quelle région une réponse d’IA nomme. Entre Paris, la Côte d’Azur, les Alpes, les châteaux et les vignobles, un modèle qui cite trois options tranche un arbitrage que personne ne lui a confié. Les 50 % de clic restant sont américains, mais ils indiquent qu’une citation rapporte encore du trafic. - **La recherche généraliste comme ressource la plus utilisée pour préparer un voyage: 36%** - Période de référence: Fin 2025 (2025) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2026/Report-Preview-Phocuswrights-Travel-Innovation-and-Technology-Trends-2026 - Échantillon: Phocuswright consumer research, stated in the preview of Travel Innovation and Technology Trends 2026 - Pour comparaison: mid-2024 51% - https://www.rankwit.ai/fr/resources/data/general-search-primary-travel-resource - Méthode: Phocuswright, Travel Innovation and Technology Trends 2026, aperçu du rapport. Le chiffre ne figure que dans l’aperçu ; le rapport complet est réservé aux abonnés Open Access, et ni la taille de l’échantillon ni les dates de terrain ne sont communiquées. L’aperçu mentionne une seule fois sa base de consommateurs américains, pour le chiffre d’adoption du même paragraphe, et ne la répète pas ici. C’est le seul document Phocuswright qui chiffre le recul : The AI Surge, de la même maison, en donne le sens mais pas le nombre. - La mesure la plus nette, sur ce site, de la recherche perdant son rôle de porte d’entrée du voyage. Attention à ce qui est compté : la part de ceux qui citent la recherche généraliste comme ressource la plus utilisée, et non le trafic de recherche. La recherche n’a pas reculé de quinze points : elle a cessé d’être la première étape pour quinze points de voyageurs. Une étude ultérieure et mieux documentée de la même maison, The AI Surge (mars 2026), décrit le même mouvement sans le chiffrer : les plateformes d’IA approchent la parité avec la recherche généraliste pour la recherche de produits de voyage. - **Voyageurs qui cliquent malgré tout après une réponse d’IA: ~50%** - Période de référence: Premier semestre 2026 (2026-03) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2026/The-fastest-shift-in-travel-behavior-just-became-the-default - Échantillon: US travellers who encounter AI answers in search engines - https://www.rankwit.ai/fr/resources/data/ai-answer-click-through - Méthode: Phocuswright, The AI Surge, mars 2026. Porte sur les voyageurs rencontrant des réponses d’IA au sein des moteurs de recherche, non sur les assistants autonomes, où le comportement de clic diffère. - Le chiffre le plus utile ici pour qui doit arbitrer combien investir pour être cité. Dans le voyage, les réponses d’IA ne sont pas purement zero-click : être nommé dans la réponse continue d’apporter du trafic, car environ la moitié de l’audience va vérifier. - **Voyageurs américains ayant utilisé l’IA lors d’au moins un voyage: 56%** - Période de référence: Premier semestre 2026 (2026-03) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2026/The-fastest-shift-in-travel-behavior-just-became-the-default - Échantillon: US travellers; The AI Surge: Travel's Fastest Behavioral Shift in a Decade, published March 2026 - Pour comparaison: second semestre 2025 43% - https://www.rankwit.ai/fr/resources/data/us-travellers-ai-any-trip - Méthode: Phocuswright, The AI Surge: Travel’s Fastest Behavioral Shift in a Decade, publié en mars 2026. Voyageurs américains ; vagues 1H25, 2H25 et 1H26. Parmi ceux qui ont utilisé l’IA en général, 94 % l’ont utilisée pour voyager. - La série la plus nette de ce jeu de données : le même instrument, trois vagues consécutives, une seule direction. Phocuswright y voit le changement de comportement le plus rapide du voyage depuis dix ans, et les gains d’une vague à l’autre se vérifient dans toutes les générations. - **Assistants IA comme source de confiance pour préparer un voyage: 24%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - Pour comparaison: influenceurs 14% - https://www.rankwit.ai/fr/resources/data/ai-assistants-more-trusted-than-influencers - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, 37 325 répondants dans 33 marchés. Les répondants choisissaient les sources fiables dans une liste fermée. Une réserve sur les intitulés : le résumé du communiqué appelle « blogueurs de voyage » le point de comparaison à 19 %, tandis que le corps du texte appelle ce même chiffre « collègues ». Nous suivons le résumé, parce que l’édition canadienne du même communiqué publie blogueurs de voyage et collègues comme deux options distinctes aux valeurs différentes (15 % et 13 %), ce qui fait de la formulation du corps la moins précise des deux. - Un canal qui n’existait pas pour préparer un voyage il y a cinq ans dépasse aujourd’hui les deux canaux de créateurs bâtis précisément pour cela. Ce qui recule ici, ce n’est pas la recherche, ce sont les personnes qui ont fait métier de recommander des lieux. Pour les destinations et les hôtels, l’implication budgétaire est directe. - **Voyageurs ayant découvert une destination via l’IA: 40%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/discovered-destination-via-ai - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, 1 006 adultes américains. Attribution déclarative, qui tend à sous-estimer une influence que les voyageurs n’ont pas consciemment enregistrée. - Découverte et changement de projet sont les deux mesures qui convertissent la visibilité IA en demande. Si un modèle ne nomme pas votre destination, quatre voyageurs sur dix ne la rencontrent jamais au moment de l’inspiration. - **Voyageurs ayant modifié leurs projets suite à une recommandation IA: 29%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/changed-plans-due-to-ai - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, 1 006 adultes américains. Changement de comportement déclaré. - Près de trois sur dix rapportent qu’une réponse d’IA a modifié une décision déjà prise. C’est un résultat comportemental, pas une attitude, et la preuve la plus solide que la visibilité IA a des conséquences commerciales. - **Grands groupes du voyage mentionnant l’IA dans leurs rapports annuels: 35%** - Période de référence: Rapports annuels 2024 (2024) - Zone géographique: Monde - Type de preuve: Analyse - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: Skift Travel 200, the largest publicly traded travel companies - Pour comparaison: rapports annuels 2022 4% - https://www.rankwit.ai/fr/resources/data/skift200-ai-mentions - Méthode: Analyse du Skift Travel 200, les plus grandes entreprises touristiques cotées, dans Remapping travel with agentic AI (McKinsey avec Skift, septembre 2025). Toute mention de l’IA est comptée : la mesure porte donc sur la saillance, non sur le déploiement. - Une multiplication par huit en deux ans, mesurée dans les documents sur lesquels les entreprises sont juridiquement prudentes, et non dans des supports marketing. C’est la preuve la plus nette que l’IA est passée de l’expérimentation à la stratégie déclarée. - **DMO produisant des contenus formatés pour l’IA: 64%** - Période de référence: 2026 (2026) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/reports/state-of-destination-marketing-2026 - Échantillon: 359 destination marketers worldwide, fielded with Dynata. Quoted from the publisher's summary; the full report is behind a download form - https://www.rankwit.ai/fr/resources/data/dmos-creating-ai-formatted-content - Méthode: Sojern State of Destination Marketing 2026, 359 professionnels du marketing de destination dans le monde, enquête menée avec Dynata. - La preuve la plus nette que la generative engine optimization est passée de la théorie à la ligne budgétaire. Deux tiers des responsables marketing de destination ont changé leur façon d’écrire, pas seulement l’endroit où ils publient. - **Voyageurs prêts à utiliser un planificateur IA sur un site de destination: 63%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/would-use-ai-planner-on-destination-site - Méthode: Enquêtes appariées de Sojern, avril 2026 : 1 006 voyageurs américains et 103 responsables de DMO, interrogés simultanément. - Un écart de 41 points entre demande déclarée et offre disponible, mesuré le même mois par un même éditeur. Peu de décisions produit en marketing touristique disposent d’une base de preuves aussi nette, même si la moitié demande est mesurée aux États-Unis et la moitié offre non. - **Voyageurs moins enclins à visiter un site de destination sans fonctions d’IA: 25%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/less-likely-to-visit-site-without-ai - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, 1 006 adultes américains. Préférence déclarée. - C’est le revers des 63 % de demande déclarée. Un quart du public traite l’absence d’outils d’IA comme une raison d’aller ailleurs. - **Usage de l’IA avant le voyage pour se renseigner sur la destination: 38%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Pre-trip use among AI users, 33 markets - https://www.rankwit.ai/fr/resources/data/ai-task-destination-research - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025. Les parts portent sur ceux qui utilisent l’IA en voyage, non sur l’ensemble des consommateurs. - Se renseigner sur la destination est le premier usage avant le départ, ce qui place l’IA en haut du tunnel, là où le choix de la destination et de l’établissement reste ouvert. C’est l’étape où être nommé compte le plus. - **Voyageurs ayant reçu de l’IA des informations périmées ou erronées: 25%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/documents/resources/research-report/travel-trends-2026/amadeus-travel-trends-2026-report.pdf - Échantillon: Amadeus traveller data, 2025 - https://www.rankwit.ai/fr/resources/data/received-outdated-ai-travel-info - Méthode: Données Amadeus sur les voyageurs pour 2025, rapportées dans Travel Trends 2026. Déclaratif : la mesure capte les erreurs repérées par les voyageurs, le taux réel est sans doute plus élevé. - C’est le plus souvent un problème de contenu, pas de modèle. Lorsque les données actuelles d’un établissement ne sont pas accessibles sous forme structurée, le modèle répond avec ce qu’il a vu en dernier, et une assurance périmée sonne comme de l’autorité. - **Millennials utilisant l’IA autant que les réseaux sociaux: 69%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: Millennial subset of 1,006 US adults - Pour comparaison: génération Z 63% - https://www.rankwit.ai/fr/resources/data/millennials-ai-as-often-as-social - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, sous-ensembles générationnels de 1 006 adultes américains. Les tailles de sous-échantillons ne sont pas publiées, les découpages générationnels portent donc plus d’incertitude que le chiffre principal. - La comparaison est l’essentiel. Pendant presque toute la dernière décennie, les plateformes sociales ont été le canal d’inspiration par défaut des jeunes voyageurs. Pour une nette majorité de millennials, l’IA fait désormais jeu égal. - **Génération Z utilisant l’IA autant que les réseaux sociaux: 63%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: Gen Z subset of 1,006 US adults - https://www.rankwit.ai/fr/resources/data/genz-ai-as-often-as-social - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, sous-ensemble génération Z de 1 006 adultes américains. Taille du sous-échantillon non publiée. - Que la génération Z se situe sous les millennials est contre-intuitif et mérite d’être noté. L’explication la plus probable est que sa base d’usage des réseaux sociaux est plus élevée, non que son usage de l’IA soit plus faible. - **DMO proposant une planification IA sur leur site: 22%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 103 DMO leaders - https://www.rankwit.ai/fr/resources/data/dmo-ai-trip-planning-on-site - Méthode: Enquête Sojern auprès de 103 responsables de DMO, avril 2026, menée en parallèle de l’enquête voyageurs. Échantillon réduit : à lire comme une indication de direction, non comme une mesure précise. - Rapporté aux 54 % de voyageurs américains qui préparent déjà avec l’IA et aux 63 % qui utiliseraient un planificateur sur un site de destination, c’est l’écart offre-demande le plus marqué de l’observatoire. - **Exigences techniques supplémentaires pour apparaître dans les AI Overviews de Google: None** - Période de référence: Décembre 2025 (2025-12) - Zone géographique: Monde - Type de preuve: Analyse - Source: Google, https://developers.google.com/search/docs/appearance/ai-features - Échantillon: Google Search Central documentation on AI features. States no additional technical requirements beyond ordinary Search eligibility, and no new machine-readable file or schema - https://www.rankwit.ai/fr/resources/data/google-no-extra-requirements-ai-overviews - Méthode: Google Search Central, documentation sur les fonctionnalités d’IA, dernière mise à jour le 10 décembre 2025. Texte original : « You don’t need to create new machine readable files, AI text files, or markup to appear in these features. » (vous n’avez pas besoin de créer de nouveaux fichiers lisibles par machine, de fichiers texte pour l’IA ou de balisage pour apparaître dans ces fonctionnalités). Le document couvre les AI Overviews et l’AI Mode de Google Search, et ne dit rien des autres assistants, qui publient leurs propres règles. - La phrase la plus utile du domaine, parce qu’elle contredit presque tout ce qui se vend autour d’elle. La documentation de Google demande qu’une page soit indexée et éligible à l’affichage d’un extrait, rien de plus, et elle va plus loin : il n’est pas nécessaire de créer des fichiers lisibles par machine, des fichiers texte destinés à l’IA ni un balisage schema.org particulier. Une bonne part des conseils en GEO vend exactement ces trois choses. - **Part des bots d’IA dans les requêtes HTML: 4.2%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Télémétrie de plateforme - Source: Cloudflare, https://blog.cloudflare.com/radar-2025-year-in-review/ - Échantillon: HTML content requests across Cloudflare's customer base, 1 January to 2 December 2025. Ranged from 2.4% to 6.4% through the year - Pour comparaison: Googlebot seul 4.5% - https://www.rankwit.ai/fr/resources/data/ai-bots-share-of-html-requests - Méthode: Cloudflare Radar 2025 Year in Review, publié le 15 décembre 2025, couvrant du 1er janvier au 2 décembre 2025. La population est la base clients de Cloudflare, et seules les requêtes de contenu HTML sont comptées, ce que Cloudflare précise explicitement parce que les parts diffèrent de ses chiffres tous contenus confondus. Cloudflare vend du blocage de bots : la saillance de cette mesure lui profite. - Utile pour l’échelle, et utile contre la panique. Pris ensemble, les crawlers d’IA ont pesé l’an dernier un peu moins dans les requêtes HTML que le seul crawler de recherche de Google. La direction d’une année sur l’autre compte davantage que le niveau, et le niveau n’est pas encore celui que suggère la couverture la plus bruyante. - **Part des OTA dans les citations hôtelières de Gemini: 55.3%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: 1,357 grounding citations across 156 paired hotel queries in Tokyo, Gemini 2.5 Flash with Google Search grounding, English and Japanese. Preprint, not peer-reviewed - https://www.rankwit.ai/fr/resources/data/ota-share-of-gemini-hotel-citations - Méthode: Preprint, non relu par les pairs. Gemini 2.5 Flash avec grounding Google Search, mars 2026, 156 requêtes appariées réparties sur quatre catégories, deux intentions, neuf arrondissements de Tokyo et deux langues. Une ville, un modèle, un mois : à lire comme une mesure de ce cadre précis, non des assistants en général. - La mesure la plus directe publiée à ce jour sur les contenus qu’un assistant va chercher quand on lui parle d’hôtels, et elle dit que les intermédiaires détiennent toujours la majorité. Pour un établissement, la lecture pratique est que sa présence dans une réponse passe le plus souvent par une fiche qu’il ne maîtrise pas, et non par son propre site. - **Part des citations hors OTA : requêtes expérientielles contre requêtes transactionnelles: 55.9%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: Non-OTA share of citations on experiential queries (419 of 750) against transactional queries (187 of 607). Same Tokyo Gemini audit. Preprint, not peer-reviewed - Pour comparaison: requêtes transactionnelles 30.8% - https://www.rankwit.ai/fr/resources/data/non-ota-citations-by-query-intent - Méthode: Même audit Gemini à Tokyo, mars 2026. 419 des 750 citations expérientielles étaient hors OTA, contre 187 sur 607 transactionnelles. L’écart est rapporté comme statistiquement significatif. Preprint, non relu par les pairs, et la classification des OTA repose sur une liste de domaines constituée à la main. - C’est le résultat dont la conséquence opérationnelle est la plus claire de tout le jeu de données. Sur les questions qui portent sur ce que vaut un lieu, les sources indépendantes et de première main sont citées plus d’une fois sur deux ; sur les questions de réservation, les intermédiaires reprennent la main. Un hôtel ou une destination a beaucoup plus de place à prendre sur le premier type de question que sur le second. ### Confiance et autonomie L’enthousiasme est quasi universel ; la délégation ne l’est pas. L’écart entre les deux est la vraie information. L’Europe est la deuxième région la plus sceptique du jeu de données : 29 % s’y fient rarement ou jamais aux informations générées par IA, contre 15 % en Amérique latine. Un argumentaire français qui met l’IA en avant s’adresse donc à un public qui vérifie. Afficher ses sources coûte moins cher que de convaincre, et c’est la seule chose qui déplace ce chiffre. - **Consommateurs faisant pleinement confiance à l’IA: 6%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - https://www.rankwit.ai/fr/resources/data/full-trust-in-ai-global - Méthode: Booking.com Global AI Sentiment Report, 37 325 répondants dans 33 marchés, avril-mai 2025. La même enquête enregistre 91 % exprimant au moins une inquiétude sur les implications de l’IA. Les deux chiffres de 91 % sont deux résultats distincts issus de deux questions distinctes, et non une erreur de transcription : le rapport indique qu’une proportion égale des 91 % qui se disent enthousiastes exprime aussi au moins une inquiétude. - Le chiffre le plus important de ce jeu de données. Enthousiasme et confiance ne sont pas la même variable et n’en sont même pas proches. Toute stratégie bâtie sur les 91 % plutôt que sur les 6 % se trompera sur l’autorité que les voyageurs sont prêts à céder. - **Consommateurs à l’aise avec des décisions autonomes de l’IA: 12%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - https://www.rankwit.ai/fr/resources/data/comfort-ai-independent-decisions - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, 37 325 répondants dans 33 marchés. - C’est aujourd’hui le plafond des agents de voyage pleinement autonomes. Non un plafond technique, mais un plafond de consentement. La fonction peut être livrée bien avant que l’autorisation n’arrive. - **Voyageurs prêts à confier à l’IA l’essentiel de la préparation: ~6%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/en/resources/white-paper/agentic-ai-airlines - Échantillon: Amadeus traveller research, March 2026 - https://www.rankwit.ai/fr/resources/data/comfort-ai-handles-most-planning - Méthode: Étude Amadeus auprès des voyageurs menée en mars 2026, rapportée dans le livre blanc sur l’IA agentique pour les compagnies aériennes. Les deux chiffres proviennent du même instrument. - Issus de la même étude, les deux chiffres sont donc directement comparables : usage quasi universel, délégation quasi nulle. L’écart entre 79 % et 6 % est le chemin qu’il reste au voyage agentique à parcourir. - **Voyageurs prêts à confier une réservation à l’IA: 25–33%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2025/From-hype-to-habit-78-percent-of-travelers-say-GenAI-improves-trip-planning - Échantillon: Phocuswright, Chat, Plan, Book: GenAI Goes Mainstream; range across surveyed markets - https://www.rankwit.ai/fr/resources/data/would-let-ai-complete-booking - Méthode: Phocuswright, Chat, Plan, Book: GenAI Goes Mainstream, 2025. Fourchette relevée sur les pays enquêtés. La même étude constate que seul un tiers environ fait pleinement confiance aux réponses de l’IA générative. - Publié sous forme de fourchette entre marchés plutôt que comme un chiffre unique, et nous le conservons ainsi. Cela se situe bien au-dessus des 6 % qui céderaient toute la préparation : les voyageurs approuvent une transaction qu’ils ont spécifiée, pas la spécification elle-même. - **Consommateurs qui vérifient toujours ce que dit l’IA: 42%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - Pour comparaison: vérifient parfois 29% - https://www.rankwit.ai/fr/resources/data/always-fact-check-ai - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, 37 325 répondants dans 33 marchés. - Sept sur dix vérifient au moins parfois : la réponse de l’IA est donc le début d’un parcours de recherche, non sa fin. Cela signifie aussi qu’une réponse fausse ou périmée sur votre établissement sera probablement découverte, et vous sera attribuée. - **Consommateurs confiants dans un usage responsable de l’IA par les marques du voyage: 42%** - Période de référence: 2024 (2024) - Zone géographique: Monde - Type de preuve: Enquête - Source: Travelport, https://www.travelport.com/press-releases/travelport-releases-second-annual-state-of-modern-retailing-report-travels-tipping-point - Échantillon: State of Modern Retailing consumer survey - https://www.rankwit.ai/fr/resources/data/trust-travel-brands-ai-responsible - Méthode: Travelport State of Modern Retailing, publié en janvier 2025. Comparaison intersectorielle au sein du même instrument. - Un atout relatif que le secteur revendique rarement. Le voyage part devant la plupart des secteurs sur la confiance envers l’IA, ce qui fait de la transparence une position défendable plutôt qu’un coût. - **Part des consommateurs classés enthousiastes de l’IA: 36%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - Pour comparaison: détracteurs 25% - https://www.rankwit.ai/fr/resources/data/ai-enthusiast-cohort-share - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025. Répartition complète : enthousiastes 36 %, défenseurs 13 %, prudents 13 %, sceptiques 9 %, détracteurs 25 %. Les cinq parts publiées totalisent 96 % ; le rapport ne dit pas ce que sont les 4 % restants, les cohortes ne forment donc pas une partition complète de l’échantillon. - La répartition en cinq groupes est plus utile que n’importe quelle moyenne. Un quart du marché est activement négatif envers l’IA : des fonctionnalités d’IA trop visibles peuvent donc coûter de la conversion sur certains publics tout en en gagnant sur d’autres. - **Nord-Américains se fiant rarement ou jamais aux informations générées par IA: 32%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Amérique du Nord - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Regional breakdown of 37,325 respondents - Pour comparaison: Amérique latine 15% - https://www.rankwit.ai/fr/resources/data/ai-distrust-north-america - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, ventilation régionale de 37 325 répondants dans 33 marchés. Les régions sont celles du rapport : le chiffre de comparaison de 29 % est publié pour l’Europe et le Moyen-Orient réunis, et non pour la seule Europe. - Un écart de deux à un entre la région la plus sceptique et la moins sceptique. Les marchés ne sont pas interchangeables : le même positionnement centré sur l’IA qui fonctionne à São Paulo peut décevoir à Chicago. - **Répondants latino-américains enthousiastes à l’égard de l’IA: 98%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Amérique latine - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Regional breakdown of 37,325 respondents - Pour comparaison: Asie-Pacifique 95% - https://www.rankwit.ai/fr/resources/data/latam-ai-enthusiasm - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, ventilation régionale. L’enthousiasme est une mesure plus souple que la confiance, et les deux divergent fortement selon les régions. - L’Amérique latine est en tête sur l’enthousiasme et la familiarité, l’Asie-Pacifique suit avec 95 % d’enthousiastes. L’ordre des régions compte lorsqu’il s’agit de choisir où lancer un produit touristique centré sur l’IA. - **Voyageurs fréquents à l’aise avec l’IA pour préparer un voyage: 80%** - Période de référence: 2024 (2024) - Zone géographique: Monde - Type de preuve: Enquête - Source: Travelport, https://www.travelport.com/press-releases/travelport-releases-second-annual-state-of-modern-retailing-report-travels-tipping-point - Échantillon: State of Modern Retailing consumer survey - https://www.rankwit.ai/fr/resources/data/frequent-travellers-comfort-ai-planning - Méthode: Deuxième édition annuelle de l’enquête consommateurs State of Modern Retailing de Travelport, publiée en janvier 2025. Le sous-ensemble des voyageurs fréquents est auto-défini, et la question mesure l’aisance, non l’usage. - Chez les voyageurs à haute fréquence, l’aisance dépasse nettement les mesures de confiance en population générale. Le même rapport place le voyage dans les trois premiers secteurs pour la confiance des consommateurs envers l’IA, une meilleure position de départ que celle que le secteur se reconnaît. - **Voyageurs ayant reçu de l’IA des informations périmées ou erronées: 25%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/documents/resources/research-report/travel-trends-2026/amadeus-travel-trends-2026-report.pdf - Échantillon: Amadeus traveller data, 2025 - https://www.rankwit.ai/fr/resources/data/received-outdated-ai-travel-info - Méthode: Données Amadeus sur les voyageurs pour 2025, rapportées dans Travel Trends 2026. Déclaratif : la mesure capte les erreurs repérées par les voyageurs, le taux réel est sans doute plus élevé. - C’est le plus souvent un problème de contenu, pas de modèle. Lorsque les données actuelles d’un établissement ne sont pas accessibles sous forme structurée, le modèle répond avec ce qu’il a vu en dernier, et une assurance périmée sonne comme de l’autorité. ### À quoi sert l’IA Les tâches concrètes que les voyageurs confient à un assistant, avant, pendant et après le voyage. Les parts par tâche de Sojern, 60 % pour les sites et restaurants et 56 % pour les prix, sont mesurées aux États-Unis ; les chiffres mondiaux de Booking.com servent mieux ici. La traduction domine les usages sur place avec 45 %, ce qui concerne un pays dont la clientèle internationale n’est majoritairement pas francophone : l’IA sert d’interface là où l’accueil ne suit pas. - **Usage de l’IA pour rechercher sites à visiter, restaurants et transports: 60%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: AI users among 1,006 US adults. The source's scope is attractions, restaurants and transportation - https://www.rankwit.ai/fr/resources/data/ai-task-attractions-and-restaurants - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, parmi les utilisateurs d’IA de l’échantillon de 1 006 adultes américains. La formulation publiée est « soixante pour cent l’utilisent pour rechercher sites à visiter, restaurants et transports », le chiffre couvre donc les trois et ne doit pas être cité comme un chiffre sites et restaurants. - Le chiffre le plus élevé au niveau d’une tâche dans ce jeu de données, et aussi la tâche la plus large : la question réunit trois choses que les voyageurs cherchaient séparément. La découverte de sites, de restaurants et de transports est le domaine où l’IA a le plus largement remplacé la navigation, et où une fiche absente ou erronée coûte le plus cher. - **Usage de l’IA pour comparer les prix: 56%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: AI users among 1,006 US adults - https://www.rankwit.ai/fr/resources/data/ai-task-price-comparison - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, parmi les utilisateurs d’IA de l’échantillon de 1 006 adultes américains. - Les 24 points d’écart entre comparaison générale des prix et comparaison des vols et hôtels marquent la frontière actuelle de la confiance. Les voyageurs se servent de l’IA pour comprendre les niveaux de prix, puis passent à une surface de réservation pour conclure. - **Usage de l’IA pendant le voyage pour traduire: 45%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: In-trip use among AI users, 33 markets - Pour comparaison: orientation 40% - https://www.rankwit.ai/fr/resources/data/ai-task-in-trip-translation - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, parmi ceux qui utilisent l’IA en voyage. 96 % d’entre eux déclarent l’utiliser pendant le voyage. - L’usage pendant le voyage est supérieur à l’usage préparatoire pour la plupart des tâches, et il passe facilement inaperçu. Le voyageur qui a préparé sans IA s’en servira quand même sur place. - **Usage de l’IA pour construire et organiser des itinéraires: 43%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: AI users among 1,006 US adults - https://www.rankwit.ai/fr/resources/data/ai-task-itinerary-building - Méthode: Enquêtes appariées de Sojern, avril 2026. Les chiffres voyageurs et DMO ont été relevés simultanément et publiés ensemble, mais il s’agit de deux questionnaires : 1 006 adultes américains d’un côté, 103 responsables de destination dans le monde de l’autre. - La construction d’itinéraires est la tâche que les organisations de destination sous-estiment le plus : seuls 20 % des responsables de DMO la jugent à forte valeur, alors que quatre voyageurs sur dix la font déjà avec l’IA. - **Usage de l’IA avant le voyage pour se renseigner sur la destination: 38%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Pre-trip use among AI users, 33 markets - https://www.rankwit.ai/fr/resources/data/ai-task-destination-research - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025. Les parts portent sur ceux qui utilisent l’IA en voyage, non sur l’ensemble des consommateurs. - Se renseigner sur la destination est le premier usage avant le départ, ce qui place l’IA en haut du tunnel, là où le choix de la destination et de l’établissement reste ouvert. C’est l’étape où être nommé compte le plus. - **Usage de l’IA avant le voyage pour les expériences locales: 37%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Pre-trip use among AI users, 33 markets - https://www.rankwit.ai/fr/resources/data/ai-task-local-experiences - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, parmi ceux qui utilisent l’IA en voyage. - Les expériences forment une catégorie fragmentée et de longue traîne, où les modèles ont un avantage réel sur les annuaires, et où les petits prestataires ont le plus à gagner à être décrits avec précision. - **Usage de l’IA avant le voyage pour les recommandations de restaurants: 36%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: Pre-trip use among AI users, 33 markets - https://www.rankwit.ai/fr/resources/data/ai-task-restaurant-recommendations - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, parmi ceux qui utilisent l’IA en voyage. - La restauration illustre le problème d’obsolescence sous sa forme la plus aiguë : horaires, fermetures et changements de carte évoluent plus vite que les données d’entraînement de n’importe quel modèle. C’est l’un des cas les plus nets en faveur de données structurées, à jour et lisibles par machine. ### Destinations et DMO Organismes nationaux de tourisme et marketing de destination, mesurés face aux voyageurs qu’ils servent. La France fonctionne à deux étages : Atout France au niveau national, et en dessous un réseau d’offices de tourisme très fragmenté, de la métropole à la communauté de communes. Les 40 % d’organismes nationaux européens ayant intégré l’IA, relevés par l’ETC, ne disent rien de cet étage local, où la contrainte est le nombre d’organisations et non la conviction. - **DMO proposant une planification IA sur leur site: 22%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 103 DMO leaders - https://www.rankwit.ai/fr/resources/data/dmo-ai-trip-planning-on-site - Méthode: Enquête Sojern auprès de 103 responsables de DMO, avril 2026, menée en parallèle de l’enquête voyageurs. Échantillon réduit : à lire comme une indication de direction, non comme une mesure précise. - Rapporté aux 54 % de voyageurs américains qui préparent déjà avec l’IA et aux 63 % qui utiliseraient un planificateur sur un site de destination, c’est l’écart offre-demande le plus marqué de l’observatoire. - **DMO disposant d’une stratégie IA formalisée: 26%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 103 DMO leaders - https://www.rankwit.ai/fr/resources/data/dmo-documented-ai-strategy - Méthode: Enquête Sojern auprès de 103 responsables de DMO, avril 2026. « Formalisée » est une auto-évaluation. Le chiffre de 64 % sur les contenus vient du State of Destination Marketing 2026 de Sojern et de son panel de 359 responsables marketing, raison pour laquelle les deux ne sont pas exprimés en parts l’un de l’autre. - Trois quarts fonctionnent sans. Une enquête Sojern distincte et plus large (359 responsables marketing de destination, et non ces 103 dirigeants) établit que 64 % produisent déjà des contenus formatés pour l’IA. Ce sont deux échantillons et non un seul : il ne s’agit donc pas de "64 % d’entre elles". La direction tient malgré tout : l’activité devance la stratégie, et c’est généralement ainsi qu’un budget se dépense deux fois. - **Responsables de DMO voyant un risque de perte de pertinence sous deux ans: 72%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 103 DMO leaders - https://www.rankwit.ai/fr/resources/data/dmo-irrelevance-risk-two-years - Méthode: Enquête Sojern auprès de 103 responsables de DMO, avril 2026. Mesure d’attitude. - La prise de conscience n’est pas la contrainte. Près des trois quarts nomment le risque, un quart a formalisé une stratégie, un cinquième a livré quelque chose. L’écart se situe dans la capacité d’exécution. - **NTO européens dotés d’équipes IA ou d’une veille IA: ~40%** - Période de référence: March–April 2025 (2025-03) - Zone géographique: Europe - Type de preuve: Enquête - Source: European Travel Commission, https://etc-corporate.org/uploads/2025/09/2025_AI-in-tourism_Supporting-NTO-Operations.pdf - Échantillon: 29 of 36 ETC member national tourism organisations; the report's wording is "around 40%" - https://www.rankwit.ai/fr/resources/data/nto-ai-adoption-europe - Méthode: European Travel Commission, Artificial Intelligence in Tourism: Assessing and Supporting NTOs' Research & Marketing Operations, Bruxelles, juillet 2025. La formulation du rapport est « environ 40 % » et nous ne la précisons pas davantage. Son graphique des stades d’adoption repose sur une échelle distincte en sept points. - Attention à l’affirmation exacte : avoir une équipe ou surveiller le domaine n’équivaut pas à utiliser l’IA en production, et une version antérieure de cette page confondait les deux. Même dans la lecture la plus large, trois organismes nationaux sur cinq n’ont ni l’un ni l’autre, face à des voyageurs qui préparent déjà majoritairement avec l’IA. - **DMO produisant des contenus formatés pour l’IA: 64%** - Période de référence: 2026 (2026) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/reports/state-of-destination-marketing-2026 - Échantillon: 359 destination marketers worldwide, fielded with Dynata. Quoted from the publisher's summary; the full report is behind a download form - https://www.rankwit.ai/fr/resources/data/dmos-creating-ai-formatted-content - Méthode: Sojern State of Destination Marketing 2026, 359 professionnels du marketing de destination dans le monde, enquête menée avec Dynata. - La preuve la plus nette que la generative engine optimization est passée de la théorie à la ligne budgétaire. Deux tiers des responsables marketing de destination ont changé leur façon d’écrire, pas seulement l’endroit où ils publient. - **Voyageurs prêts à utiliser un planificateur IA sur un site de destination: 63%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/would-use-ai-planner-on-destination-site - Méthode: Enquêtes appariées de Sojern, avril 2026 : 1 006 voyageurs américains et 103 responsables de DMO, interrogés simultanément. - Un écart de 41 points entre demande déclarée et offre disponible, mesuré le même mois par un même éditeur. Peu de décisions produit en marketing touristique disposent d’une base de preuves aussi nette, même si la moitié demande est mesurée aux États-Unis et la moitié offre non. - **Voyageurs moins enclins à visiter un site de destination sans fonctions d’IA: 25%** - Période de référence: Avril 2026 (2026-04) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/press-release/new-research-reveals-travellers-are-two-years-ahead-of-the-travel-industry-on-ai - Échantillon: 1,006 US adults - https://www.rankwit.ai/fr/resources/data/less-likely-to-visit-site-without-ai - Méthode: Enquête Sojern auprès des voyageurs, avril 2026, 1 006 adultes américains. Préférence déclarée. - C’est le revers des 63 % de demande déclarée. Un quart du public traite l’absence d’outils d’IA comme une raison d’aller ailleurs. - **DMO ayant augmenté leurs dépenses de marketing digital: 41%** - Période de référence: 2026 (2026) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/reports/state-of-destination-marketing-2026 - Échantillon: 359 destination marketers worldwide - Pour comparaison: ont réduit 13% - https://www.rankwit.ai/fr/resources/data/dmo-digital-spend-increase - Méthode: Sojern State of Destination Marketing 2026, 359 professionnels du marketing de destination dans le monde, enquête menée avec Dynata. La part restante n’a pas répondu. - Un agrégat stable qui masque une réallocation. Avec 64 % produisant des contenus formatés pour l’IA sur des budgets globalement inchangés, l’argent se déplace à l’intérieur de la même ligne au lieu de s’y ajouter. - **Domaines prioritaires de l’OCDE pour une adoption responsable de l’IA dans le tourisme: 6** - Période de référence: Septembre 2026 (2026-09) - Zone géographique: Économies de l’APEC - Type de preuve: Analyse - Source: OECD, https://www.oecd.org/en/publications/artificial-intelligence-and-tourism-in-apec-economies_4549486a-en.html - Échantillon: OECD policy paper on AI and tourism in APEC economies - https://www.rankwit.ai/fr/resources/data/oecd-apec-priority-areas - Méthode: Document de politique de l’OCDE « Artificial Intelligence and tourism in APEC economies », publié le 9 septembre 2026. Analyse qualitative de politique publique, non une enquête. - Le travail réglementaire est passé de la description de l’IA à la définition des conditions de son adoption. L’approche de l’OCDE est centrée sur l’accès des PME, parce que le tourisme est dominé par les PME et que les bénéfices se concentreraient sinon chez les opérateurs disposant de capital à investir. - **Part des citations hors OTA : requêtes expérientielles contre requêtes transactionnelles: 55.9%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: Non-OTA share of citations on experiential queries (419 of 750) against transactional queries (187 of 607). Same Tokyo Gemini audit. Preprint, not peer-reviewed - Pour comparaison: requêtes transactionnelles 30.8% - https://www.rankwit.ai/fr/resources/data/non-ota-citations-by-query-intent - Méthode: Même audit Gemini à Tokyo, mars 2026. 419 des 750 citations expérientielles étaient hors OTA, contre 187 sur 607 transactionnelles. L’écart est rapporté comme statistiquement significatif. Preprint, non relu par les pairs, et la classification des OTA repose sur une liste de domaines constituée à la main. - C’est le résultat dont la conséquence opérationnelle est la plus claire de tout le jeu de données. Sur les questions qui portent sur ce que vaut un lieu, les sources indépendantes et de première main sont citées plus d’une fois sur deux ; sur les questions de réservation, les intermédiaires reprennent la main. Un hôtel ou une destination a beaucoup plus de place à prendre sur le premier type de question que sur le second. - **Taux de conversion du trafic venu des assistants sur un portail de destination: 8.26%** - Période de référence: D’avril 2022 à janvier 2026 (2026-01) - Zone géographique: Méditerranée (une destination) - Type de preuve: Télémétrie de plateforme - Source: MDPI, https://doi.org/10.3390/tourhosp7040107 - Échantillon: 1.6 million sessions on one Mediterranean destination portal. The portal is not named, and the measure is a booking-intent click rather than a confirmed booking - Pour comparaison: recherche organique 3.88% - https://www.rankwit.ai/fr/resources/data/ai-referral-conversion-destination-portal - Méthode: Relu par les pairs, revue Tourism and Hospitality, publié le 9 avril 2026. Un portail de destination méditerranéen, d’avril 2022 à janvier 2026. Le portail n’est pas nommé, la conversion est mesurée par un clic marquant une intention de réservation et non par une réservation confirmée, et la part des sessions totales venues des assistants ne figure pas dans le résumé que nous avons pu consulter. - Faible en volume, différent par nature. Les sessions sont plus courtes et le taux de conversion plus que doublé, ce qui est exactement ce qu’on attend si l’assistant a déjà fait le travail de comparaison avant la visite. Un portail ne fait pas un secteur, mais il s’agit d’une mesure longitudinale et non d’un instantané. - **Recommandations de villes situées hors du Top 100 Euromonitor: 50.0%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: Monde - Type de preuve: Analyse - Source: MDPI, https://doi.org/10.3390/ai6090236 - Échantillon: 1,020 valid ChatGPT-4o city recommendations from 6,480 generated across 216 traveller personas, scored against Euromonitor's Top 100 City Destinations 2024 - Pour comparaison: DeepSeek-V3 57.9% - https://www.rankwit.ai/fr/resources/data/llm-city-recommendations-off-index - Méthode: Relu par les pairs, revue AI (MDPI), publié le 19 septembre 2025. 6 480 recommandations générées à partir de 216 personas de voyageurs sur ChatGPT-4o et DeepSeek-V3, avec une session neuve par persona et par prompt, sans outil de recherche. Les réponses sont confrontées au Top 100 City Destinations 2024 d’Euromonitor. Privé d’outil de recherche, un modèle répond depuis ses données d’entraînement : la mesure porte donc sur le modèle, non sur un produit de recherche par IA. - Voilà qui va contre l’affirmation habituelle. Le récit de la concentration est largement répandu et cette mesure n’en soutient pas la version forte : environ la moitié des villes recommandées ne figuraient pas sur la liste, et la corrélation entre la fréquence de recommandation d’une destination et son score de compétitivité n’était statistiquement significative pour aucun des deux modèles. ### Hôtels et hébergement Adoption, perspectives et écart de capacités entre chaînes et indépendants. La France abrite les deux extrémités de cet écart : un groupe hôtelier mondial né ici, et une hôtellerie indépendante nombreuse hors des grandes villes. Les 72 % de confiance des chaînes contre 55 % pour les indépendants, et les 94 % de préparation en cybersécurité contre 60 % sous dix salariés, décrivent deux marchés français distincts, pas une moyenne nationale. - **Entreprises touristiques utilisant déjà l’IA: 70%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: UN Tourism, https://doi.org/10.18111/9789284426065 - Échantillon: UN Tourism survey with Saxion University of Applied Sciences - https://www.rankwit.ai/fr/resources/data/tourism-businesses-using-ai - Méthode: Rapport UN Tourism réalisé avec la Saxion University of Applied Sciences, 2025. Enquête mondiale auprès d’entreprises touristiques ; le rapport ne publie pas la taille de l’échantillon, d’où un niveau traité comme indicatif. L’éditeur place le document derrière un contrôle d’accès : nous avons vérifié le DOI et le rapport, pas le chiffre qu’il contient. - Le chiffre d’adoption faisant le plus autorité, publié par UN Tourism. Attention à ce qu’il compte : l’IA opérationnelle dans l’entreprise, non la visibilité dans les moteurs où les voyageurs la cherchent. Un hôtel peut faire partie de ces 70 % et rester invisible. - **Croissance prévue de l’adoption de l’IA dans le tourisme sur cinq ans: +25%** - Période de référence: 2025–2030 (2025) - Zone géographique: Monde - Type de preuve: Prévision - Source: UN Tourism, https://doi.org/10.18111/9789284426065 - Échantillon: Five-year projection in the UN Tourism report - https://www.rankwit.ai/fr/resources/data/tourism-ai-adoption-growth-5y - Méthode: UN Tourism, 2025. Projection à cinq ans ; le modèle sous-jacent et ses hypothèses ne sont pas publiés dans le résumé, d’où une fiabilité moyenne. - Une projection, non une mesure, et présentée comme telle. À partir d’une base de 70 %, une croissance de 25 % implique une adoption proche de la saturation : à ce stade, le facteur distinctif cesse d’être si vous utilisez l’IA et devient si l’IA vous utilise. - **Hébergements européens anticipant une évolution positive: 66%** - Période de référence: Février–mars 2026 (2026-02) - Zone géographique: Europe - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/2026-european-accommodation-barometer-challenges-concerns-and-diverging-outlooks/ - Échantillon: European accommodation providers. The 72%/55% split answers a separate question from the 66% outlook - Pour comparaison: chains vs independents, current economic situation 72% / 55% - https://www.rankwit.ai/fr/resources/data/eu-accommodation-positive-outlook - Méthode: Booking.com European Accommodation Barometer, enquête menée de février à mars 2026 auprès d’hébergements européens. Les 66 % mesurent les attentes pour la saison à venir ; les 72 % et les 55 % mesurent la façon dont chaînes et indépendants jugent leur situation actuelle. Une version antérieure de cette page les présentait comme une seule comparaison. - Deux questions, pas une comparaison : les 66 % portent sur la saison à venir et valent pour tout l’échantillon, tandis que l’écart entre 72 % et 55 % porte sur l’activité du moment. Ce que cet écart établit, c’est une différence de dix-sept points selon la structure de propriété, et le même schéma de propriété réapparaît sur la maturité technologique et la préparation cyber : c’est le mécanisme, pas une coïncidence. - **Écart de préparation en cybersécurité selon la taille de l’établissement: 94%** - Période de référence: Février–mars 2026 (2026-02) - Zone géographique: Europe - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/2026-european-accommodation-barometer-challenges-concerns-and-diverging-outlooks/ - Échantillon: European accommodation providers by size band - Pour comparaison: établissements de moins de 10 salariés 60% - https://www.rankwit.ai/fr/resources/data/accommodation-cyber-readiness-gap - Méthode: Booking.com European Accommodation Barometer, février-mars 2026. Préparation auto-évaluée, qui surestime généralement la maturité aux deux extrémités. - Trente-quatre points d’écart de capacité sur une dimension que les systèmes agentiques rendent plus critique : un agent qui transige a besoin d’une surface exposée et authentifiée sur laquelle le faire. - **Part des OTA dans les citations hôtelières de Gemini: 55.3%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: 1,357 grounding citations across 156 paired hotel queries in Tokyo, Gemini 2.5 Flash with Google Search grounding, English and Japanese. Preprint, not peer-reviewed - https://www.rankwit.ai/fr/resources/data/ota-share-of-gemini-hotel-citations - Méthode: Preprint, non relu par les pairs. Gemini 2.5 Flash avec grounding Google Search, mars 2026, 156 requêtes appariées réparties sur quatre catégories, deux intentions, neuf arrondissements de Tokyo et deux langues. Une ville, un modèle, un mois : à lire comme une mesure de ce cadre précis, non des assistants en général. - La mesure la plus directe publiée à ce jour sur les contenus qu’un assistant va chercher quand on lui parle d’hôtels, et elle dit que les intermédiaires détiennent toujours la majorité. Pour un établissement, la lecture pratique est que sa présence dans une réponse passe le plus souvent par une fiche qu’il ne maîtrise pas, et non par son propre site. ### Compagnies aériennes, agences et distribution Là où l’IA agentique est déjà en production, et la fragmentation des données qui la freine. Les chiffres de dirigeants de cette section viennent d’échantillons surtout américains : les 86 cadres interrogés par McKinsey, les panels Skift. Ce qui se transpose est structurel, et seulement cela : 91 % des agences travaillent sur quatre systèmes de réservation ou plus, relevé dans 14 pays. La fragmentation ne dépend pas du marché ; l’intention des directions, si. - **Agences de voyages adoptant l’IA: 80%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (14 pays) - Type de preuve: Enquête - Source: Sabre, https://www.sabre.com/resources/research/content-fragmentation-what-i-see-vs-what-i-take/ - Échantillon: Travel agencies across 14 countries - https://www.rankwit.ai/fr/resources/data/travel-agencies-adopting-ai - Méthode: Étude Content Fragmentation de Sabre, agences de voyages de 14 pays, avril-mai 2025. La formulation du rapport est « près de 80 % des agences mettent déjà en œuvre des solutions d’IA, et les 20 % restants exposent des projets pour le faire », les 80 % relèvent donc de l’adoption et non de l’adoption-ou-intention, et c’est aussi le dénominateur dont est tiré le chiffre de productivité. - Mise en place plus intention couvre tout l’échantillon : c’est pourquoi cela se lit comme pratiquement universel. Les agences sont plus avancées que les organisations de destination, surtout parce que leur cas d’usage est la productivité interne et non la visibilité publique. - **Agences ayant adopté l’IA et constatant des gains de productivité mesurables: 40%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (14 pays) - Type de preuve: Enquête - Source: Sabre, https://www.sabre.com/resources/research/content-fragmentation-what-i-see-vs-what-i-take/ - Échantillon: AI-adopting agencies across 14 countries - https://www.rankwit.ai/fr/resources/data/agency-ai-productivity-gain - Méthode: Étude Content Fragmentation de Sabre, 14 pays, avril-mai 2025, parmi les 80 % d’agences ayant adopté l’IA. - Le chiffre le plus honnête de la recherche des fournisseurs. L’adoption est quasi universelle ; le retour mesurable est un résultat minoritaire. L’étude impute l’écart surtout à la fragmentation des données, non aux modèles. - **Agences travaillant sur quatre systèmes de réservation ou plus: 91%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (14 pays) - Type de preuve: Enquête - Source: Sabre, https://www.sabre.com/resources/research/content-fragmentation-what-i-see-vs-what-i-take/ - Échantillon: Travel agencies across 14 countries - Pour comparaison: sept systèmes ou plus 50% - https://www.rankwit.ai/fr/resources/data/agencies-four-plus-booking-systems - Méthode: Étude Content Fragmentation de Sabre, 14 pays, avril-mai 2025. Près de 90 % gèrent également quatre intégrations d’API ou plus. - C’est la raison structurelle pour laquelle le voyage agentique est plus difficile qu’il n’y paraît. Un agent qui raisonne sur la disponibilité et le prix à travers dix systèmes déconnectés se trompera assez souvent pour perdre la confiance, et la confiance est la ressource rare. - **Dirigeants déclarant des agents d’IA en production: 52%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: Monde (24 pays) - Type de preuve: Enquête - Source: Google, https://services.google.com/fh/files/misc/google_cloud_roi_of_ai_2025.pdf - Échantillon: 3,466 senior leaders across 24 countries at enterprises above USD 10m revenue that already deploy generative AI, fielded April–June 2025. The figure is a share of gen-AI-adopting enterprises, not of all enterprises - https://www.rankwit.ai/fr/resources/data/executives-ai-agents-in-production - Méthode: Étude Google Cloud auprès de dirigeants, septembre 2025, trouvée dans l’Agentic Blueprint de Sabre. Échantillon intersectoriel. Instrument primaire non consulté directement, d’où une fiabilité moyenne. - Un chiffre intersectoriel, non spécifique au tourisme, d’où un niveau supérieur aux mesures du secteur. Il fixe l’étalon auquel les fournisseurs eux-mêmes mesurent la filière. - **Dirigeants du voyage américains constatant une meilleure personnalisation grâce à l’IA: 33%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: 86 mostly US-based travel executives, surveyed for Remapping travel with agentic AI (McKinsey with Skift) - Pour comparaison: résultats de meilleure qualité 36% - https://www.rankwit.ai/fr/resources/data/exec-ai-improves-personalisation - Méthode: Étude Skift Research et McKinsey auprès de dirigeants du voyage américains, 2025, trouvée dans « Chat as the New Influencer » de Sabre. Instrument primaire non consulté directement, d’où une fiabilité moyenne. - Le bénéfice déclaré par les dirigeants est très inférieur à l’adoption déclarée, le même schéma que montrent les données des agences. Environ un tiers des déploiements produit un effet que l’entreprise sait nommer. - **Voyageurs ayant utilisé l’IA pour préparer ou gérer un voyage: ~79%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/en/resources/white-paper/agentic-ai-airlines - Échantillon: Amadeus traveller research, March 2026 - https://www.rankwit.ai/fr/resources/data/ai-trip-planning-amadeus-2026 - Méthode: Étude Amadeus auprès des voyageurs menée en mars 2026, rapportée dans le livre blanc sur l’IA agentique pour les compagnies aériennes. La même étude montre que seuls 6 % environ seraient à l’aise pour confier à l’IA l’essentiel de leur préparation. - La borne haute de la fourchette publiée, et par le même éditeur qui rapportait 18 % pour l’IA générative un an plus tôt. La différence tient à la question, non à la population : ici on compte la préparation et la gestion en voyage, au moins une fois, avec n’importe quel outil d’IA. - **Grands groupes du voyage mentionnant l’IA dans leurs rapports annuels: 35%** - Période de référence: Rapports annuels 2024 (2024) - Zone géographique: Monde - Type de preuve: Analyse - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: Skift Travel 200, the largest publicly traded travel companies - Pour comparaison: rapports annuels 2022 4% - https://www.rankwit.ai/fr/resources/data/skift200-ai-mentions - Méthode: Analyse du Skift Travel 200, les plus grandes entreprises touristiques cotées, dans Remapping travel with agentic AI (McKinsey avec Skift, septembre 2025). Toute mention de l’IA est comptée : la mesure porte donc sur la saillance, non sur le déploiement. - Une multiplication par huit en deux ans, mesurée dans les documents sur lesquels les entreprises sont juridiquement prudentes, et non dans des supports marketing. C’est la preuve la plus nette que l’IA est passée de l’expérimentation à la stratégie déclarée. - **Part du capital-risque touristique allant aux startups d’IA: 45%** - Période de référence: Premier semestre 2025 (2025) - Zone géographique: Monde - Type de preuve: Analyse - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: Skift venture capital tracking of travel-industry funding - Pour comparaison: 2023 10% - https://www.rankwit.ai/fr/resources/data/ai-travel-vc-funding-share - Méthode: Suivi du capital-risque par Skift, rapporté dans Remapping travel with agentic AI (McKinsey avec Skift, septembre 2025). Part des financements en capital-risque déclarés dans le secteur du voyage. - L’allocation du capital anticipe ce à quoi ressemblera la couche de distribution dans trois ans. Près de la moitié des nouveaux financements en technologie du voyage va aujourd’hui à des entreprises dont la prémisse est l’IA. ### Économie Ce que vaut le changement, où va l’argent et quelles affirmations sont des prévisions plutôt que des mesures. Les 45 % du capital-risque touristique allant à des startups fondées sur l’IA sont un flux très majoritairement américain : le marché français sera client de cette couche de distribution plus qu’il ne la construira. La grandeur mesurable qui le concerne est ailleurs, dans les 951,6 millions de nuitées européennes réservées via trois plateformes en 2025. - **Croissance des dépenses touristiques attribuée au potentiel libéré par l’IA: USD 1.4tn** - Période de référence: Cinq ans à partir de 2025 (2025) - Zone géographique: Monde - Type de preuve: Prévision - Source: Euromonitor International, https://www.euromonitor.com/article/ai-a-turning-point-in-global-travel - Échantillon: Euromonitor five-year travel spending forecast - https://www.rankwit.ai/fr/resources/data/ai-unlocked-travel-spend-growth - Méthode: Prévision Euromonitor à cinq ans sur les dépenses touristiques, décembre 2025. L’attribution de la croissance à l’IA relève du jugement de l’analyste ; la décomposition n’est pas publiée. - Une prévision, et le chiffre le plus cité du domaine. À lire comme une affirmation de direction sur l’origine de la croissance attendue par un cabinet d’études, non comme une mesure de valeur créée. - **Part du capital-risque touristique allant aux startups d’IA: 45%** - Période de référence: Premier semestre 2025 (2025) - Zone géographique: Monde - Type de preuve: Analyse - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: Skift venture capital tracking of travel-industry funding - Pour comparaison: 2023 10% - https://www.rankwit.ai/fr/resources/data/ai-travel-vc-funding-share - Méthode: Suivi du capital-risque par Skift, rapporté dans Remapping travel with agentic AI (McKinsey avec Skift, septembre 2025). Part des financements en capital-risque déclarés dans le secteur du voyage. - L’allocation du capital anticipe ce à quoi ressemblera la couche de distribution dans trois ans. Près de la moitié des nouveaux financements en technologie du voyage va aujourd’hui à des entreprises dont la prémisse est l’IA. - **Nuitées dans l’UE réservées via Airbnb, Booking et Expedia: 951.6m** - Période de référence: 2025 (2025) - Zone géographique: Union européenne - Type de preuve: Statistique officielle - Source: Eurostat, https://ec.europa.eu/eurostat/databrowser/view/tour_ce_omr/default/table - Échantillon: Dataset tour_ce_omr: experimental statistics on nights booked via Airbnb, Booking and Expedia - https://www.rankwit.ai/fr/resources/data/eu-platform-guest-nights - Méthode: Jeu de données Eurostat tour_ce_omr, collecté au titre du règlement sur le partage de données des locations de courte durée. Classé expérimental par Eurostat : la méthodologie est encore en consolidation et les chiffres peuvent être révisés. Sur le dénominateur : il s’agit d’un chiffre en année pleine 2025, et le total annuel comparable de l’UE approche les 3 milliards de nuitées, d’où la part d’un tiers. Le chiffre de 1,80 milliard qui figure ailleurs dans ce jeu de données ne couvre que janvier à juillet 2026 et n’en est pas le dénominateur. - Environ un tiers du total de l’hébergement dans l’UE passe par trois plateformes (951,6 millions de nuitées pour un total annuel de l’UE d’environ 3 milliards), grâce à un règlement de partage de données qui le rend comptabilisable pour la première fois. Cela établit à quel point la couche de distribution était déjà concentrée avant l’arrivée de l’IA. - **Agences ayant adopté l’IA et constatant des gains de productivité mesurables: 40%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (14 pays) - Type de preuve: Enquête - Source: Sabre, https://www.sabre.com/resources/research/content-fragmentation-what-i-see-vs-what-i-take/ - Échantillon: AI-adopting agencies across 14 countries - https://www.rankwit.ai/fr/resources/data/agency-ai-productivity-gain - Méthode: Étude Content Fragmentation de Sabre, 14 pays, avril-mai 2025, parmi les 80 % d’agences ayant adopté l’IA. - Le chiffre le plus honnête de la recherche des fournisseurs. L’adoption est quasi universelle ; le retour mesurable est un résultat minoritaire. L’étude impute l’écart surtout à la fragmentation des données, non aux modèles. - **DMO ayant augmenté leurs dépenses de marketing digital: 41%** - Période de référence: 2026 (2026) - Zone géographique: Monde - Type de preuve: Enquête - Source: Sojern, https://www.sojern.com/reports/state-of-destination-marketing-2026 - Échantillon: 359 destination marketers worldwide - Pour comparaison: ont réduit 13% - https://www.rankwit.ai/fr/resources/data/dmo-digital-spend-increase - Méthode: Sojern State of Destination Marketing 2026, 359 professionnels du marketing de destination dans le monde, enquête menée avec Dynata. La part restante n’a pas répondu. - Un agrégat stable qui masque une réallocation. Avec 64 % produisant des contenus formatés pour l’IA sur des budgets globalement inchangés, l’argent se déplace à l’intérieur de la même ligne au lieu de s’y ajouter. - **Croissance prévue de l’adoption de l’IA dans le tourisme sur cinq ans: +25%** - Période de référence: 2025–2030 (2025) - Zone géographique: Monde - Type de preuve: Prévision - Source: UN Tourism, https://doi.org/10.18111/9789284426065 - Échantillon: Five-year projection in the UN Tourism report - https://www.rankwit.ai/fr/resources/data/tourism-ai-adoption-growth-5y - Méthode: UN Tourism, 2025. Projection à cinq ans ; le modèle sous-jacent et ses hypothèses ne sont pas publiés dans le résumé, d’où une fiabilité moyenne. - Une projection, non une mesure, et présentée comme telle. À partir d’une base de 70 %, une croissance de 25 % implique une adoption proche de la saturation : à ce stade, le facteur distinctif cesse d’être si vous utilisez l’IA et devient si l’IA vous utilise. - **Dirigeants du voyage américains constatant une meilleure personnalisation grâce à l’IA: 33%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: McKinsey & Company, https://www.mckinsey.com/industries/travel/our-insights/remapping-travel-with-agentic-ai - Échantillon: 86 mostly US-based travel executives, surveyed for Remapping travel with agentic AI (McKinsey with Skift) - Pour comparaison: résultats de meilleure qualité 36% - https://www.rankwit.ai/fr/resources/data/exec-ai-improves-personalisation - Méthode: Étude Skift Research et McKinsey auprès de dirigeants du voyage américains, 2025, trouvée dans « Chat as the New Influencer » de Sabre. Instrument primaire non consulté directement, d’où une fiabilité moyenne. - Le bénéfice déclaré par les dirigeants est très inférieur à l’adoption déclarée, le même schéma que montrent les données des agences. Environ un tiers des déploiements produit un effet que l’entreprise sait nommer. ### Gouvernance, exactitude et risque Ce qui dérape : réponses obsolètes, affirmations non vérifiées et réponse réglementaire en cours de formation. Contrairement aux États-Unis, la France opère sous un cadre européen qui s’applique sans qu’un opérateur ait à le choisir : le risque y est juridique avant d’être commercial. Les six domaines prioritaires identifiés par l’OCDE portent largement sur l’accès des PME, ce qui vise directement un tissu touristique français dominé par les très petites structures. - **Voyageurs ayant reçu de l’IA des informations périmées ou erronées: 25%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: Amadeus, https://amadeus.com/documents/resources/research-report/travel-trends-2026/amadeus-travel-trends-2026-report.pdf - Échantillon: Amadeus traveller data, 2025 - https://www.rankwit.ai/fr/resources/data/received-outdated-ai-travel-info - Méthode: Données Amadeus sur les voyageurs pour 2025, rapportées dans Travel Trends 2026. Déclaratif : la mesure capte les erreurs repérées par les voyageurs, le taux réel est sans doute plus élevé. - C’est le plus souvent un problème de contenu, pas de modèle. Lorsque les données actuelles d’un établissement ne sont pas accessibles sous forme structurée, le modèle répond avec ce qu’il a vu en dernier, et une assurance périmée sonne comme de l’autorité. - **Consommateurs qui vérifient toujours ce que dit l’IA: 42%** - Période de référence: Avril–mai 2025 (2025-04) - Zone géographique: Monde (33 marchés) - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/bookingcom-releases-the-global-ai-sentiment-report - Échantillon: 37,325 respondents across 33 markets - Pour comparaison: vérifient parfois 29% - https://www.rankwit.ai/fr/resources/data/always-fact-check-ai - Méthode: Booking.com Global AI Sentiment Report, avril-mai 2025, 37 325 répondants dans 33 marchés. - Sept sur dix vérifient au moins parfois : la réponse de l’IA est donc le début d’un parcours de recherche, non sa fin. Cela signifie aussi qu’une réponse fausse ou périmée sur votre établissement sera probablement découverte, et vous sera attribuée. - **Domaines prioritaires de l’OCDE pour une adoption responsable de l’IA dans le tourisme: 6** - Période de référence: Septembre 2026 (2026-09) - Zone géographique: Économies de l’APEC - Type de preuve: Analyse - Source: OECD, https://www.oecd.org/en/publications/artificial-intelligence-and-tourism-in-apec-economies_4549486a-en.html - Échantillon: OECD policy paper on AI and tourism in APEC economies - https://www.rankwit.ai/fr/resources/data/oecd-apec-priority-areas - Méthode: Document de politique de l’OCDE « Artificial Intelligence and tourism in APEC economies », publié le 9 septembre 2026. Analyse qualitative de politique publique, non une enquête. - Le travail réglementaire est passé de la description de l’IA à la définition des conditions de son adoption. L’approche de l’OCDE est centrée sur l’accès des PME, parce que le tourisme est dominé par les PME et que les bénéfices se concentreraient sinon chez les opérateurs disposant de capital à investir. - **Entreprises touristiques utilisant déjà l’IA: 70%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Enquête - Source: UN Tourism, https://doi.org/10.18111/9789284426065 - Échantillon: UN Tourism survey with Saxion University of Applied Sciences - https://www.rankwit.ai/fr/resources/data/tourism-businesses-using-ai - Méthode: Rapport UN Tourism réalisé avec la Saxion University of Applied Sciences, 2025. Enquête mondiale auprès d’entreprises touristiques ; le rapport ne publie pas la taille de l’échantillon, d’où un niveau traité comme indicatif. L’éditeur place le document derrière un contrôle d’accès : nous avons vérifié le DOI et le rapport, pas le chiffre qu’il contient. - Le chiffre d’adoption faisant le plus autorité, publié par UN Tourism. Attention à ce qu’il compte : l’IA opérationnelle dans l’entreprise, non la visibilité dans les moteurs où les voyageurs la cherchent. Un hôtel peut faire partie de ces 70 % et rester invisible. - **Écart de préparation en cybersécurité selon la taille de l’établissement: 94%** - Période de référence: Février–mars 2026 (2026-02) - Zone géographique: Europe - Type de preuve: Enquête - Source: Booking.com, https://news.booking.com/2026-european-accommodation-barometer-challenges-concerns-and-diverging-outlooks/ - Échantillon: European accommodation providers by size band - Pour comparaison: établissements de moins de 10 salariés 60% - https://www.rankwit.ai/fr/resources/data/accommodation-cyber-readiness-gap - Méthode: Booking.com European Accommodation Barometer, février-mars 2026. Préparation auto-évaluée, qui surestime généralement la maturité aux deux extrémités. - Trente-quatre points d’écart de capacité sur une dimension que les systèmes agentiques rendent plus critique : un agent qui transige a besoin d’une surface exposée et authentifiée sur laquelle le faire. - **Dirigeants déclarant des agents d’IA en production: 52%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: Monde (24 pays) - Type de preuve: Enquête - Source: Google, https://services.google.com/fh/files/misc/google_cloud_roi_of_ai_2025.pdf - Échantillon: 3,466 senior leaders across 24 countries at enterprises above USD 10m revenue that already deploy generative AI, fielded April–June 2025. The figure is a share of gen-AI-adopting enterprises, not of all enterprises - https://www.rankwit.ai/fr/resources/data/executives-ai-agents-in-production - Méthode: Étude Google Cloud auprès de dirigeants, septembre 2025, trouvée dans l’Agentic Blueprint de Sabre. Échantillon intersectoriel. Instrument primaire non consulté directement, d’où une fiabilité moyenne. - Un chiffre intersectoriel, non spécifique au tourisme, d’où un niveau supérieur aux mesures du secteur. Il fixe l’étalon auquel les fournisseurs eux-mêmes mesurent la filière. - **Éditeurs d’assistants dont la documentation écarte robots.txt pour les requêtes déclenchées par l’utilisateur: 3 of 4** - Période de référence: Octobre 2026 (2026-10) - Zone géographique: Monde - Type de preuve: Analyse - Source: OpenAI, https://developers.openai.com/api/docs/bots - Échantillon: OpenAI, Google and Perplexity each publish that user-initiated fetches may ignore robots.txt; Anthropic's documentation states no equivalent exception - Pour comparaison: ne déclarent aucune exception 1 of 4 - https://www.rankwit.ai/fr/resources/data/robots-txt-user-triggered-disagreement - Méthode: Relevé en octobre 2026 dans la documentation crawler de chaque éditeur. OpenAI : « Because these actions are initiated by a user, robots.txt rules may not apply. » Google : « these fetchers generally ignore robots.txt rules. » Perplexity : « Since a user requested the fetch, this fetcher generally ignores robots.txt rules. » Anthropic déclare que ses bots respectent robots.txt et ne nomme aucune exception. Le silence n’est pas un engagement : lisez le quatrième cas comme non documenté, non comme une garantie. - C’est l’angle mort de la plupart des conseils sur robots.txt. Bloquer un crawler d’entraînement est bien documenté et fonctionne. Mais quand une personne interroge un assistant sur votre hôtel et que celui-ci va voir, OpenAI, Google et Perplexity écrivent tous les trois que la règle peut être ignorée, au motif que la requête a été demandée par un humain et non programmée par une machine. La documentation d’Anthropic, elle, ne prévoit aucune exception de ce genre. - **Domaines dotés de directives robots.txt propres à l’IA: ~14%** - Période de référence: Juin 2025 (2025-06) - Zone géographique: Monde - Type de preuve: Analyse - Source: Cloudflare, https://blog.cloudflare.com/from-googlebot-to-gptbot-whos-crawling-your-site-in-2025/ - Échantillon: 546 of 3,816 domains that had a findable robots.txt, drawn from Cloudflare Radar's top 10,000. Counts allow as well as disallow directives - Pour comparaison: domaines bloquant GPTBot 312 - https://www.rankwit.ai/fr/resources/data/domains-with-ai-robots-directives - Méthode: Cloudflare Radar, relevé ponctuel du 6 juin 2025, sur les 10 000 premiers domaines de Radar. 312 domaines interdisaient GPTBot, 250 totalement et 62 partiellement ; 61 l’autorisaient explicitement. Cloudflare note que certains jetons de robots.txt, dont Google-Extended, ne sont pas des sous-chaînes de user-agent et ne correspondent donc à rien dans les journaux de requêtes. - Ici, tout le travail est fait par le dénominateur. Il s’agit de 14 % des domaines disposant d’un robots.txt repérable, et non de 14 % des dix mille premiers, et le décompte inclut les directives d’autorisation autant que celles d’interdiction. À lire comme « la plupart des sites n’ont aucune règle sur l’IA », ce qui est le constat, et non comme « 14 % bloquent l’IA », ce qui n’a pas été mesuré. - **Part des tokens d’entraînement de haute valeur fermés aux crawlers d’OpenAI: 25.9%** - Période de référence: Avril 2024 (2024-04) - Zone géographique: Monde - Type de preuve: Analyse - Source: Data Provenance Initiative, https://arxiv.org/abs/2407.14933 - Échantillon: Tokens in Head C4, the 3,950 highest-token domains of the C4 corpus. Audit of 14,000 web domains with longitudinal robots.txt collection - Pour comparaison: Anthropic et Common Crawl 13.3% - https://www.rankwit.ai/fr/resources/data/openai-crawler-restriction-head-c4 - Méthode: Data Provenance Initiative, « Consent in Crisis », audit de 14 000 domaines web sous-jacents à C4, RefinedWeb et Dolma, avec collecte longitudinale des robots.txt depuis des captures archivées et annotation humaine. La tête de C4 désigne les 3 950 domaines les plus riches en tokens. Les données s’arrêtent en avril 2024 : à traiter comme le point d’inflexion historique, non comme l’état actuel. Les projections de l’article sont des prévisions et ne sont pas reprises ici. - La seule mesure non commerciale sur le sujet, et la preuve la plus nette que les jetons d’opt-out ont changé les comportements : les restrictions se sont redistribuées brutalement juste après l’introduction de GPTBot et de Google-Extended. C’est aussi le chiffre le plus ancien de ce groupe, et la tendance s’est presque certainement poursuivie depuis. ### Moteurs génératifs Comment ChatGPT, Gemini, Claude et Perplexity explorent, citent et renvoient du trafic : mesuré, et non affirmé. - **La recherche généraliste comme ressource la plus utilisée pour préparer un voyage: 36%** - Période de référence: Fin 2025 (2025) - Zone géographique: États-Unis - Type de preuve: Enquête - Source: Phocuswright, https://www.phocuswright.com/Travel-Research/Research-Updates/2026/Report-Preview-Phocuswrights-Travel-Innovation-and-Technology-Trends-2026 - Échantillon: Phocuswright consumer research, stated in the preview of Travel Innovation and Technology Trends 2026 - Pour comparaison: mid-2024 51% - https://www.rankwit.ai/fr/resources/data/general-search-primary-travel-resource - Méthode: Phocuswright, Travel Innovation and Technology Trends 2026, aperçu du rapport. Le chiffre ne figure que dans l’aperçu ; le rapport complet est réservé aux abonnés Open Access, et ni la taille de l’échantillon ni les dates de terrain ne sont communiquées. L’aperçu mentionne une seule fois sa base de consommateurs américains, pour le chiffre d’adoption du même paragraphe, et ne la répète pas ici. C’est le seul document Phocuswright qui chiffre le recul : The AI Surge, de la même maison, en donne le sens mais pas le nombre. - La mesure la plus nette, sur ce site, de la recherche perdant son rôle de porte d’entrée du voyage. Attention à ce qui est compté : la part de ceux qui citent la recherche généraliste comme ressource la plus utilisée, et non le trafic de recherche. La recherche n’a pas reculé de quinze points : elle a cessé d’être la première étape pour quinze points de voyageurs. Une étude ultérieure et mieux documentée de la même maison, The AI Surge (mars 2026), décrit le même mouvement sans le chiffrer : les plateformes d’IA approchent la parité avec la recherche généraliste pour la recherche de produits de voyage. - **Exigences techniques supplémentaires pour apparaître dans les AI Overviews de Google: None** - Période de référence: Décembre 2025 (2025-12) - Zone géographique: Monde - Type de preuve: Analyse - Source: Google, https://developers.google.com/search/docs/appearance/ai-features - Échantillon: Google Search Central documentation on AI features. States no additional technical requirements beyond ordinary Search eligibility, and no new machine-readable file or schema - https://www.rankwit.ai/fr/resources/data/google-no-extra-requirements-ai-overviews - Méthode: Google Search Central, documentation sur les fonctionnalités d’IA, dernière mise à jour le 10 décembre 2025. Texte original : « You don’t need to create new machine readable files, AI text files, or markup to appear in these features. » (vous n’avez pas besoin de créer de nouveaux fichiers lisibles par machine, de fichiers texte pour l’IA ou de balisage pour apparaître dans ces fonctionnalités). Le document couvre les AI Overviews et l’AI Mode de Google Search, et ne dit rien des autres assistants, qui publient leurs propres règles. - La phrase la plus utile du domaine, parce qu’elle contredit presque tout ce qui se vend autour d’elle. La documentation de Google demande qu’une page soit indexée et éligible à l’affichage d’un extrait, rien de plus, et elle va plus loin : il n’est pas nécessaire de créer des fichiers lisibles par machine, des fichiers texte destinés à l’IA ni un balisage schema.org particulier. Une bonne part des conseils en GEO vend exactement ces trois choses. - **Éditeurs d’assistants dont la documentation écarte robots.txt pour les requêtes déclenchées par l’utilisateur: 3 of 4** - Période de référence: Octobre 2026 (2026-10) - Zone géographique: Monde - Type de preuve: Analyse - Source: OpenAI, https://developers.openai.com/api/docs/bots - Échantillon: OpenAI, Google and Perplexity each publish that user-initiated fetches may ignore robots.txt; Anthropic's documentation states no equivalent exception - Pour comparaison: ne déclarent aucune exception 1 of 4 - https://www.rankwit.ai/fr/resources/data/robots-txt-user-triggered-disagreement - Méthode: Relevé en octobre 2026 dans la documentation crawler de chaque éditeur. OpenAI : « Because these actions are initiated by a user, robots.txt rules may not apply. » Google : « these fetchers generally ignore robots.txt rules. » Perplexity : « Since a user requested the fetch, this fetcher generally ignores robots.txt rules. » Anthropic déclare que ses bots respectent robots.txt et ne nomme aucune exception. Le silence n’est pas un engagement : lisez le quatrième cas comme non documenté, non comme une garantie. - C’est l’angle mort de la plupart des conseils sur robots.txt. Bloquer un crawler d’entraînement est bien documenté et fonctionne. Mais quand une personne interroge un assistant sur votre hôtel et que celui-ci va voir, OpenAI, Google et Perplexity écrivent tous les trois que la règle peut être ignorée, au motif que la requête a été demandée par un humain et non programmée par une machine. La documentation d’Anthropic, elle, ne prévoit aucune exception de ce genre. - **Part des bots d’IA dans les requêtes HTML: 4.2%** - Période de référence: 2025 (2025) - Zone géographique: Monde - Type de preuve: Télémétrie de plateforme - Source: Cloudflare, https://blog.cloudflare.com/radar-2025-year-in-review/ - Échantillon: HTML content requests across Cloudflare's customer base, 1 January to 2 December 2025. Ranged from 2.4% to 6.4% through the year - Pour comparaison: Googlebot seul 4.5% - https://www.rankwit.ai/fr/resources/data/ai-bots-share-of-html-requests - Méthode: Cloudflare Radar 2025 Year in Review, publié le 15 décembre 2025, couvrant du 1er janvier au 2 décembre 2025. La population est la base clients de Cloudflare, et seules les requêtes de contenu HTML sont comptées, ce que Cloudflare précise explicitement parce que les parts diffèrent de ses chiffres tous contenus confondus. Cloudflare vend du blocage de bots : la saillance de cette mesure lui profite. - Utile pour l’échelle, et utile contre la panique. Pris ensemble, les crawlers d’IA ont pesé l’an dernier un peu moins dans les requêtes HTML que le seul crawler de recherche de Google. La direction d’une année sur l’autre compte davantage que le niveau, et le niveau n’est pas encore celui que suggère la couverture la plus bruyante. - **Domaines dotés de directives robots.txt propres à l’IA: ~14%** - Période de référence: Juin 2025 (2025-06) - Zone géographique: Monde - Type de preuve: Analyse - Source: Cloudflare, https://blog.cloudflare.com/from-googlebot-to-gptbot-whos-crawling-your-site-in-2025/ - Échantillon: 546 of 3,816 domains that had a findable robots.txt, drawn from Cloudflare Radar's top 10,000. Counts allow as well as disallow directives - Pour comparaison: domaines bloquant GPTBot 312 - https://www.rankwit.ai/fr/resources/data/domains-with-ai-robots-directives - Méthode: Cloudflare Radar, relevé ponctuel du 6 juin 2025, sur les 10 000 premiers domaines de Radar. 312 domaines interdisaient GPTBot, 250 totalement et 62 partiellement ; 61 l’autorisaient explicitement. Cloudflare note que certains jetons de robots.txt, dont Google-Extended, ne sont pas des sous-chaînes de user-agent et ne correspondent donc à rien dans les journaux de requêtes. - Ici, tout le travail est fait par le dénominateur. Il s’agit de 14 % des domaines disposant d’un robots.txt repérable, et non de 14 % des dix mille premiers, et le décompte inclut les directives d’autorisation autant que celles d’interdiction. À lire comme « la plupart des sites n’ont aucune règle sur l’IA », ce qui est le constat, et non comme « 14 % bloquent l’IA », ce qui n’a pas été mesuré. - **Part des tokens d’entraînement de haute valeur fermés aux crawlers d’OpenAI: 25.9%** - Période de référence: Avril 2024 (2024-04) - Zone géographique: Monde - Type de preuve: Analyse - Source: Data Provenance Initiative, https://arxiv.org/abs/2407.14933 - Échantillon: Tokens in Head C4, the 3,950 highest-token domains of the C4 corpus. Audit of 14,000 web domains with longitudinal robots.txt collection - Pour comparaison: Anthropic et Common Crawl 13.3% - https://www.rankwit.ai/fr/resources/data/openai-crawler-restriction-head-c4 - Méthode: Data Provenance Initiative, « Consent in Crisis », audit de 14 000 domaines web sous-jacents à C4, RefinedWeb et Dolma, avec collecte longitudinale des robots.txt depuis des captures archivées et annotation humaine. La tête de C4 désigne les 3 950 domaines les plus riches en tokens. Les données s’arrêtent en avril 2024 : à traiter comme le point d’inflexion historique, non comme l’état actuel. Les projections de l’article sont des prévisions et ne sont pas reprises ici. - La seule mesure non commerciale sur le sujet, et la preuve la plus nette que les jetons d’opt-out ont changé les comportements : les restrictions se sont redistribuées brutalement juste après l’introduction de GPTBot et de Google-Extended. C’est aussi le chiffre le plus ancien de ce groupe, et la tendance s’est presque certainement poursuivie depuis. - **Part de l’exploration par IA destinée à l’entraînement plutôt qu’à la récupération: ~80%** - Période de référence: Juillet 2025 (2025-07) - Zone géographique: Monde - Type de preuve: Télémétrie de plateforme - Source: Cloudflare, https://blog.cloudflare.com/crawlers-click-ai-bots-training/ - Échantillon: Share of AI bot activity Cloudflare classifies as training rather than search or user action. Dominated by one bot, OpenAI's GPTBot - Pour comparaison: un an plus tôt 72% - https://www.rankwit.ai/fr/resources/data/ai-crawling-for-training-share - Méthode: Cloudflare, jusqu’à juillet 2025 environ. La répartition repose sur la classification par Cloudflare de la finalité déclarée de chaque user-agent, la taxonomie comporte une catégorie non déclarée, et l’agrégat est dominé par un seul bot, le GPTBot d’OpenAI. L’énoncé porte donc davantage sur OpenAI que sur l’exploration par IA en général. - À tenir soigneusement à l’écart de la question de la visibilité, car les deux tirent en sens inverse. Un site qui bloque les crawlers d’entraînement ne devient pas pour autant plus visible dans les réponses, et un site qui veut apparaître dans les réponses n’est pas tenu de livrer des données d’entraînement. Chez tous les grands éditeurs, les deux réglages sont distincts. - **Part des OTA dans les citations hôtelières de Gemini: 55.3%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: 1,357 grounding citations across 156 paired hotel queries in Tokyo, Gemini 2.5 Flash with Google Search grounding, English and Japanese. Preprint, not peer-reviewed - https://www.rankwit.ai/fr/resources/data/ota-share-of-gemini-hotel-citations - Méthode: Preprint, non relu par les pairs. Gemini 2.5 Flash avec grounding Google Search, mars 2026, 156 requêtes appariées réparties sur quatre catégories, deux intentions, neuf arrondissements de Tokyo et deux langues. Une ville, un modèle, un mois : à lire comme une mesure de ce cadre précis, non des assistants en général. - La mesure la plus directe publiée à ce jour sur les contenus qu’un assistant va chercher quand on lui parle d’hôtels, et elle dit que les intermédiaires détiennent toujours la majorité. Pour un établissement, la lecture pratique est que sa présence dans une réponse passe le plus souvent par une fiche qu’il ne maîtrise pas, et non par son propre site. - **Part des citations hors OTA : requêtes expérientielles contre requêtes transactionnelles: 55.9%** - Période de référence: Mars 2026 (2026-03) - Zone géographique: Japon (Tokyo) - Type de preuve: Analyse - Source: arXiv, https://arxiv.org/abs/2603.20062 - Échantillon: Non-OTA share of citations on experiential queries (419 of 750) against transactional queries (187 of 607). Same Tokyo Gemini audit. Preprint, not peer-reviewed - Pour comparaison: requêtes transactionnelles 30.8% - https://www.rankwit.ai/fr/resources/data/non-ota-citations-by-query-intent - Méthode: Même audit Gemini à Tokyo, mars 2026. 419 des 750 citations expérientielles étaient hors OTA, contre 187 sur 607 transactionnelles. L’écart est rapporté comme statistiquement significatif. Preprint, non relu par les pairs, et la classification des OTA repose sur une liste de domaines constituée à la main. - C’est le résultat dont la conséquence opérationnelle est la plus claire de tout le jeu de données. Sur les questions qui portent sur ce que vaut un lieu, les sources indépendantes et de première main sont citées plus d’une fois sur deux ; sur les questions de réservation, les intermédiaires reprennent la main. Un hôtel ou une destination a beaucoup plus de place à prendre sur le premier type de question que sur le second. - **Taux de conversion du trafic venu des assistants sur un portail de destination: 8.26%** - Période de référence: D’avril 2022 à janvier 2026 (2026-01) - Zone géographique: Méditerranée (une destination) - Type de preuve: Télémétrie de plateforme - Source: MDPI, https://doi.org/10.3390/tourhosp7040107 - Échantillon: 1.6 million sessions on one Mediterranean destination portal. The portal is not named, and the measure is a booking-intent click rather than a confirmed booking - Pour comparaison: recherche organique 3.88% - https://www.rankwit.ai/fr/resources/data/ai-referral-conversion-destination-portal - Méthode: Relu par les pairs, revue Tourism and Hospitality, publié le 9 avril 2026. Un portail de destination méditerranéen, d’avril 2022 à janvier 2026. Le portail n’est pas nommé, la conversion est mesurée par un clic marquant une intention de réservation et non par une réservation confirmée, et la part des sessions totales venues des assistants ne figure pas dans le résumé que nous avons pu consulter. - Faible en volume, différent par nature. Les sessions sont plus courtes et le taux de conversion plus que doublé, ce qui est exactement ce qu’on attend si l’assistant a déjà fait le travail de comparaison avant la visite. Un portail ne fait pas un secteur, mais il s’agit d’une mesure longitudinale et non d’un instantané. - **Recommandations de villes situées hors du Top 100 Euromonitor: 50.0%** - Période de référence: Septembre 2025 (2025-09) - Zone géographique: Monde - Type de preuve: Analyse - Source: MDPI, https://doi.org/10.3390/ai6090236 - Échantillon: 1,020 valid ChatGPT-4o city recommendations from 6,480 generated across 216 traveller personas, scored against Euromonitor's Top 100 City Destinations 2024 - Pour comparaison: DeepSeek-V3 57.9% - https://www.rankwit.ai/fr/resources/data/llm-city-recommendations-off-index - Méthode: Relu par les pairs, revue AI (MDPI), publié le 19 septembre 2025. 6 480 recommandations générées à partir de 216 personas de voyageurs sur ChatGPT-4o et DeepSeek-V3, avec une session neuve par persona et par prompt, sans outil de recherche. Les réponses sont confrontées au Top 100 City Destinations 2024 d’Euromonitor. Privé d’outil de recherche, un modèle répond depuis ses données d’entraînement : la mesure porte donc sur le modèle, non sur un produit de recherche par IA. - Voilà qui va contre l’affirmation habituelle. Le récit de la concentration est largement répandu et cette mesure n’en soutient pas la version forte : environ la moitié des villes recommandées ne figuraient pas sur la liste, et la corrélation entre la fréquence de recommandation d’une destination et son score de compétitivité n’était statistiquement significative pour aucun des deux modèles. ### Contexte de marché Les volumes de base dont les pourcentages de l’ère de l’IA sont les pourcentages. C’est ici que l’édition française a son cas d’école. La France est le pays le plus visité au monde, avec environ 102 millions d’arrivées en 2024 selon UN Tourism, et elle est pourtant absente de l’extraction 2024 de la série utilisée ici, où l’Espagne apparaît donc en tête avec 93,8 millions. Un dénominateur se lit avant d’être cité. - **Nuitées dans les hébergements touristiques de l’UE, cumul annuel: 1.80bn** - Période de référence: 2026 cumulé, jusqu’à juillet (2026-07) - Zone géographique: Union européenne - Type de preuve: Statistique officielle - Source: Eurostat, https://ec.europa.eu/eurostat/databrowser/view/tour_occ_nim/default/table - Échantillon: Dataset tour_occ_nim: nights spent at tourist accommodation, monthly - Évolution annuelle: +1.93% - https://www.rankwit.ai/fr/resources/data/eu-nights-tourist-accommodation - Méthode: Jeu de données Eurostat tour_occ_nim, nuitées dans les hébergements touristiques, fréquence mensuelle, jusqu’à juillet 2026. Statistique officielle soumise à la politique de révision d’Eurostat. - C’est le dénominateur. Chaque pourcentage de cet observatoire est une part d’un marché opérant à cette échelle, et ce marché continue de croître modérément. - **Nuitées dans l’UE réservées via Airbnb, Booking et Expedia: 951.6m** - Période de référence: 2025 (2025) - Zone géographique: Union européenne - Type de preuve: Statistique officielle - Source: Eurostat, https://ec.europa.eu/eurostat/databrowser/view/tour_ce_omr/default/table - Échantillon: Dataset tour_ce_omr: experimental statistics on nights booked via Airbnb, Booking and Expedia - https://www.rankwit.ai/fr/resources/data/eu-platform-guest-nights - Méthode: Jeu de données Eurostat tour_ce_omr, collecté au titre du règlement sur le partage de données des locations de courte durée. Classé expérimental par Eurostat : la méthodologie est encore en consolidation et les chiffres peuvent être révisés. Sur le dénominateur : il s’agit d’un chiffre en année pleine 2025, et le total annuel comparable de l’UE approche les 3 milliards de nuitées, d’où la part d’un tiers. Le chiffre de 1,80 milliard qui figure ailleurs dans ce jeu de données ne couvre que janvier à juillet 2026 et n’en est pas le dénominateur. - Environ un tiers du total de l’hébergement dans l’UE passe par trois plateformes (951,6 millions de nuitées pour un total annuel de l’UE d’environ 3 milliards), grâce à un règlement de partage de données qui le rend comptabilisable pour la première fois. Cela établit à quel point la couche de distribution était déjà concentrée avant l’arrivée de l’IA. - **Espagne, arrivées de touristes internationaux: 93.8m** - Période de référence: 2024 (2024) - Zone géographique: Espagne - Type de preuve: Statistique officielle - Source: UN Tourism, https://ourworldindata.org/grapher/international-tourist-trips - Échantillon: UN Tourism international tourist arrivals, via Our World in Data. France has no 2024 entry in this series - Évolution annuelle: +10.09% - https://www.rankwit.ai/fr/resources/data/spain-international-arrivals - Méthode: Arrivées de touristes internationaux de UN Tourism, consultées via Our World in Data, 2024. Les arrivées comptent des voyages, non des personnes : un voyageur effectuant trois voyages compte trois fois. La France est absente de l’extraction 2024 de ce jeu de données ; tout classement des « pays les plus visités » qui en découlerait seul est donc incomplet. - Un cas d’école qui montre pourquoi il faut lire un dénominateur avant de le citer. Sur la seule compilation d’Our World in Data, l’Espagne domine 2024, uniquement parce que la valeur française de 2024 y manque, la dernière entrée française datant de 2021. Le classement publié par UN Tourism place la France première et l’Espagne deuxième. Nous montrons le chiffre espagnol parce qu’il est traçable ; nous montrons la réserve parce que le citer sans elle serait faux. - **Arrivées de touristes internationaux en Italie: 74.0m** - Période de référence: 2024 (2024) - Zone géographique: Italie - Type de preuve: Statistique officielle - Source: OECD, https://data-explorer.oecd.org/vis?df[ds]=dsDisseminateFinalDMZ&df[id]=DSD_TOURISM_INTER@DF_INBOUND&df[ag]=OECD.CFE.TOU&df[vs]=1.1 - Échantillon: OECD inbound tourism, international arrivals - Évolution annuelle: +8.9% - https://www.rankwit.ai/fr/resources/data/italy-international-arrivals - Méthode: Statistiques de l’OCDE sur le tourisme récepteur, jeu de données DSD_TOURISM_INTER@DF_INBOUND, 2024. Harmonisées à la définition OCDE des arrivées internationales, qui peut différer des séries nationales. - L’Italie est le marché de référence de l’édition italienne de cet observatoire et le marché d’origine de son éditeur. Italia.it, le portail touristique national, est par ailleurs le modèle de citation que suit ce projet. - **Indice d’utilisation de Claude, Australie: 6.40×** - Période de référence: Juin 2026 (2026-06) - Zone géographique: Australie - Type de preuve: Télémétrie de plateforme - Source: Anthropic, https://www.anthropic.com/economic-index - Échantillon: Privacy-preserving aggregate usage across 121 countries - Pour comparaison: base attendue 1.00× - https://www.rankwit.ai/fr/resources/data/claude-usage-index-australia - Méthode: Anthropic Economic Index, juin 2026. Statistiques agrégées préservant la confidentialité sur 121 pays ; l’indice correspond à la part d’usage divisée par la part de population en âge de travailler. Il mesure un seul assistant, non l’ensemble de l’usage de l’IA. - De la télémétrie de première main plutôt qu’une enquête, et un correctif utile : l’intensité d’usage de l’IA ne suit pas la taille du marché. Pour les marques du voyage, les marchés à indice élevé sont ceux où la découverte médiée par l’IA est déjà significative. ## Glossaire ### Generative Engine Optimization (GEO) La pratique consistant à rendre l’information d’une marque récupérable, exacte et citable au sein des réponses générées par IA. La GEO vise la réponse, non la liste de résultats. Là où le SEO se bat pour une place sur une page de dix liens, la GEO se bat pour être l’une des trois ou quatre entités qu’un assistant nomme. Les leviers diffèrent aussi : données structurées et à jour, description cohérente sur les sources auxquelles un modèle fait déjà confiance, contenus conçus comme des réponses et non comme des pages. Dans le tourisme, cela compte parce que 40 % des voyageurs déclarent avoir découvert une destination via l’IA. https://www.rankwit.ai/fr/resources/glossary/geo ### Answer Engine Optimization (AEO) Structurer les contenus pour qu’ils puissent être extraits directement comme réponse à une question précise. L’AEO est la moitié la plus étroite et la plus mécanique de la GEO. Elle couvre les titres en forme de question, les réponses courtes et directes placées avant le développement, le balisage FAQ et QAPage, et l’attribution sans ambiguïté de chaque chiffre. Le test est simple : une machine pourrait-elle extraire de cette page une réponse correcte et autonome sans lire le reste ? https://www.rankwit.ai/fr/resources/glossary/aeo ### Large Language Model Optimization (LLMO) Terme générique pour influencer la façon dont les modèles de langage représentent une marque ; employé comme synonyme de GEO. LLMO se rencontre davantage dans le marketing des fournisseurs que dans la pratique, et désigne généralement la même chose que GEO. Quand une distinction est faite, LLMO renvoie plutôt à la représentation d’une entité dans les paramètres et l’index de récupération d’un modèle, tandis que GEO regarde la réponse produite. Le travail opérationnel se recoupe presque entièrement. https://www.rankwit.ai/fr/resources/glossary/llmo ### Search Engine Optimization (SEO) Rendre des pages trouvables et compétitives dans une liste ordonnée de résultats. Le SEO n’a pas été remplacé, et traiter la GEO comme son successeur est une erreur. Les modèles ancrent toujours leurs réponses dans des contenus explorés et indexés : santé technique, explorabilité et autorité restent des intrants. Ce qui a changé, c’est la surface : une page de résultats affiche dix options, une réponse d’IA en nomme trois. Les positions onze à cent ne valaient déjà pas grand-chose, mais elles existaient. https://www.rankwit.ai/fr/resources/glossary/seo ### AI Share of Voice La proportion de réponses d’IA, sur un ensemble défini de prompts, dans lesquelles une marque est nommée. La mesure consiste à exécuter un ensemble fixe de prompts sur les différents moteurs à intervalles réguliers et à relever quelles marques apparaissent. C’est l’équivalent le plus proche d’un classement en recherche générative, à deux différences près : c’est probabiliste plutôt que positionnel, et cela varie selon le moteur et la semaine. Un simple sondage ponctuel n’apprend presque rien ; une série suivie indique si l’on gagne ou perd du terrain. https://www.rankwit.ai/fr/resources/glossary/ai-share-of-voice ### Citation Une source qu’une réponse d’IA crédite ou lie explicitement comme fondement d’une affirmation. Les citations sont la partie visible du grounding et, dans le tourisme, elles ont des conséquences commerciales : être la source citée pour « meilleurs hôtels boutique à Florence » place une marque dans la décision plutôt qu’à côté. Les sources citées varient selon les moteurs, et il s’agit souvent de tiers (annuaires, avis, sites de destination) plutôt que des sources de la marque elle-même. https://www.rankwit.ai/fr/resources/glossary/citation ### Grounding Ancrer la réponse d’un modèle dans des documents récupérés plutôt que dans ses seuls paramètres. Une réponse ancrée est produite avec des documents sources dans le contexte. C’est pourquoi rendre les faits actuels accessibles compte plus que n’importe quelle astuce de formulation : un modèle qui ne peut pas récupérer vos informations d’aujourd’hui répondra avec ce qu’il a absorbé à l’entraînement, souvent vieux d’un an ou plus dans le tourisme. https://www.rankwit.ai/fr/resources/glossary/grounding ### Retrieval-Augmented Generation (RAG) Récupérer des documents pertinents au moment de la requête et produire la réponse à partir d’eux. Le RAG est l’architecture derrière la plupart des réponses d’IA ancrées, y compris la recherche assistée par IA. Conséquence pratique pour les éditeurs : la récupérabilité est un prérequis à la citation. Un contenu non indexé, non analysable ou non à jour n’entre pas dans la fenêtre de contexte, et ce qui n’entre jamais dans le contexte n’est jamais cité. https://www.rankwit.ai/fr/resources/glossary/rag ### Hallucination Une affirmation d’IA assurée et fluide qu’aucune source n’étaye. Dans le tourisme, la plupart de ce qui ressemble à une hallucination relève en réalité de l’obsolescence : horaires modifiés, établissement rénové, ligne supprimée. Le modèle n’invente pas : il rapporte la dernière chose qu’il a vue, sur le même ton assuré qu’un fait actuel. 25 % des voyageurs déclarent avoir reçu de l’IA des informations de voyage périmées ou erronées. https://www.rankwit.ai/fr/resources/glossary/hallucination ### IA agentique Des systèmes d’IA qui planifient et exécutent des tâches en plusieurs étapes sur des systèmes réels, au lieu de seulement produire du texte. La différence avec un chatbot est l’action. Un système agentique recherche la disponibilité, compare des options, bloque de l’inventaire et peut finaliser une réservation. Le tourisme est une application évidente et difficile : 91 % des agences travaillent sur quatre systèmes de réservation ou plus, exactement la fragmentation dans laquelle un agent ne peut pas raisonner de façon fiable. https://www.rankwit.ai/fr/resources/glossary/agentic-ai ### Agent d’IA Un composant logiciel qui poursuit un objectif en appelant des outils et des API pour le compte d’un utilisateur. Les agents se jugent au nombre de tâches qu’ils mènent à bien, non à la qualité de leur prose. Pour les prestataires touristiques, cela signifie que les interfaces lisibles par machine deviennent un canal de distribution : un agent ne peut réserver que ce qu’il peut atteindre, analyser et à quoi il peut se fier. 52 % des dirigeants déclarent des agents en production en septembre 2025. https://www.rankwit.ai/fr/resources/glossary/ai-agent ### Utilisation d’outils Un modèle appelle une fonction ou une API externe pour obtenir des données ou effectuer une action. L’utilisation d’outils sépare un modèle qui décrit un hôtel d’un modèle qui vérifie s’il reste une chambre ce soir. Elle change aussi la définition d’un bon contenu : au-delà des pages pour les humains, les prestataires ont de plus en plus besoin d’endpoints pour les machines, avec des formes prévisibles et des états d’erreur honnêtes. https://www.rankwit.ai/fr/resources/glossary/tool-use ### Model Context Protocol (MCP) Un protocole ouvert pour connecter des assistants d’IA à des sources de données et des outils externes. Le MCP standardise la façon dont un assistant découvre et appelle une capacité, transformant « s’intégrer à chaque assistant » en « exposer un serveur ». L’adoption dans le tourisme est précoce mais réelle : TourismIntel exploite un serveur MCP public d’intelligence sectorielle, et Sabre en a construit un pour la distribution. https://www.rankwit.ai/fr/resources/glossary/mcp ### Commerce conversationnel Découverte, comparaison et achat réalisés au sein d’une conversation plutôt que sur un site. Le tourisme convient en théorie et peu en pratique jusqu’ici : les voyages sont complexes, impliquent plusieurs personnes et engagent des montants élevés. C’est précisément là que la conversation l’emporte sur la navigation, mais c’est aussi là que les exigences de confiance sont les plus fortes. Les chiffres de délégation marquent la limite : environ 79 % des voyageurs ont utilisé l’IA pour voyager et près de 6 % sont à l’aise à l’idée de lui confier l’essentiel de leur préparation. L’IA agentique est la deuxième tentative de la même idée avec de meilleurs outils. https://www.rankwit.ai/fr/resources/glossary/conversational-commerce ### AI Overviews La réponse générée par Google affichée au-dessus des résultats classiques d’une page de recherche. Les AI Overviews placent une réponse synthétisée, avec une poignée de liens, entre la requête et la liste de résultats. Pour les requêtes touristiques informationnelles (quoi voir, quand partir, combien de temps rester), l’overview peut répondre entièrement à la question : c’est le mécanisme du comportement zero-click. https://www.rankwit.ai/fr/resources/glossary/ai-overviews ### Recherche zero-click Une recherche résolue sans que l’utilisateur visite le moindre résultat. Le zero-click n’est pas nouveau, mais les réponses générées l’étendent des faits simples à la synthèse multi-sources dont dépend la recherche de voyage. La réponse stratégique est d’être dans la réponse plutôt que de se battre pour le clic : être nommé et décrit avec exactitude dans la synthèse vaut plus qu’un lien que personne ne suit. https://www.rankwit.ai/fr/resources/glossary/zero-click ### Page de résultats de recherche (SERP) La page qu’un moteur de recherche renvoie pour une requête. La SERP n’est plus une simple liste ordonnée. Réponses générées, panneaux et modules occupent désormais les positions qui apportaient du trafic organique : c’est pourquoi la mesure du share of voice a en partie remplacé le suivi de positions pour les marques du voyage. https://www.rankwit.ai/fr/resources/glossary/serp ### Robot d’IA Un robot qui récupère des contenus web pour l’entraînement ou pour ancrer des réponses d’IA en direct. Distinguer la finalité des robots est désormais une décision opérationnelle. GPTBot, ClaudeBot, PerplexityBot, Google-Extended et d’autres ont des rôles différents, et les bloquer a des conséquences différentes : bloquer un robot d’entraînement affecte les modèles futurs, bloquer un robot de récupération peut vous retirer des réponses d’aujourd’hui. Beaucoup de sites touristiques bloquent les deux par accident, via un robots.txt copié. https://www.rankwit.ai/fr/resources/glossary/ai-crawler ### robots.txt Le fichier qui indique aux robots quelles parties d’un site ils peuvent récupérer. Le robots.txt régit désormais la visibilité IA en plus de l’indexation dans la recherche, et ces deux décisions doivent être prises séparément. Une erreur fréquente et coûteuse dans le tourisme est un disallow global hérité d’un modèle, qui retire silencieusement un établissement de la couche de récupération sur laquelle se construisent les réponses d’IA. Les analyseurs stricts terminent un groupe de règles à la première ligne vide : une erreur de mise en forme peut donc désactiver des règles sans avertissement. https://www.rankwit.ai/fr/resources/glossary/robots-txt ### llms.txt Un fichier texte proposé à la racine d’un site qui oriente les agents d’IA vers ses contenus les plus utiles. llms.txt est une convention, non un standard : une carte en Markdown des points d’entrée canoniques et lisibles par machine d’un site. Le publier coûte peu et devient courant chez les éditeurs touristiques orientés données. Cet observatoire en publie un, accompagné d’une variante en texte intégral. https://www.rankwit.ai/fr/resources/glossary/llms-txt ### Budget d’exploration Le volume de récupérations qu’un robot consacrera à un site sur une période donnée. Le budget se dépense avant de se gagner. Réponses lentes, chaînes de redirections, pages quasi dupliquées et prolifération de paramètres consomment des récupérations qui auraient pu bénéficier aux pages qui comptent. Pour les grands sites touristiques à inventaire à facettes, c’est souvent la différence entre être à jour dans la couche de récupération et avoir un an de retard. https://www.rankwit.ai/fr/resources/glossary/crawl-budget ### Données structurées Un balisage lisible par machine qui déclare explicitement ce que signifie le contenu d’une page. Les données structurées convertissent la prose en affirmations qu’une machine peut utiliser sans inférer : ceci est un hôtel, voici son adresse, voici le prix, voici la date à laquelle le chiffre se rapporte. Pour les réponses d’IA, elles réduisent le risque qu’un modèle devine mal, et constituent l’intervention technique au meilleur rapport effort/résultat pour la plupart des sites touristiques. https://www.rankwit.ai/fr/resources/glossary/structured-data ### Schema.org Le vocabulaire partagé servant à décrire entités et relations dans les données structurées. Schema.org fournit les types dont la plupart des sites touristiques ont besoin : Hotel, Restaurant, TouristAttraction, TouristDestination, Offer, Review, FAQPage, Dataset. Utiliser le type spécifique plutôt qu’un type générique donne davantage de matière à un modèle, et employer les types Dataset et Claim pour les statistiques rend un chiffre citable avec sa provenance intacte. https://www.rankwit.ai/fr/resources/glossary/schema-org ### JSON-LD La syntaxe fondée sur JSON pour intégrer des données structurées dans une page. Le JSON-LD réside dans une balise script, séparée du balisage visible, ce qui le rend plus facile à maintenir que les alternatives en ligne et en fait le format préféré des systèmes de recherche et d’IA. Chaque page de cet observatoire porte un JSON-LD décrivant ce qu’elle est, quand elle a été mise à jour et d’où viennent ses chiffres. https://www.rankwit.ai/fr/resources/glossary/json-ld ### Entité Une chose distincte du monde réel sur laquelle un modèle peut raisonner : un établissement, une ville, une personne, une organisation. Les modèles répondent sur des entités, pas sur des mots-clés. Un établissement décrit de façon cohérente sur son propre site, dans les annuaires, sur les plateformes d’avis et sur les sites de destination se résout en une entité unique et sûre. Un établissement décrit de façon incohérente se résout en plusieurs entités incertaines, et l’incertitude est la raison la plus fréquente pour laquelle un modèle évite de nommer une entreprise. https://www.rankwit.ai/fr/resources/glossary/entity ### Graphe de connaissances Un réseau structuré d’entités et des relations qui les unissent. Les graphes de connaissances permettent de répondre à des questions que personne n’a jamais rédigées : quels hôtels sont accessibles à pied depuis la gare, quels restaurants près d’un musée ouvrent le lundi. Le tourisme a une forme particulièrement adaptée au graphe : les lieux contiennent des lieux, et presque toute requête utile est relationnelle. https://www.rankwit.ai/fr/resources/glossary/knowledge-graph ### Nom, adresse, téléphone (NAP) Les données d’identité de base d’un établissement physique, et le test minimal de cohérence. La cohérence NAP est antérieure à l’IA et compte davantage aujourd’hui. Des noms, adresses ou numéros divergents d’une plateforme à l’autre fragmentent une entité, et une entité fragmentée est une entité qu’un modèle nommera moins volontiers. C’est la correction la moins coûteuse qui soit et elle reste l’un des défauts les plus répandus dans l’hôtellerie indépendante. https://www.rankwit.ai/fr/resources/glossary/nap ### Contenu obsolète Une information qui était exacte au moment de sa publication et ne l’est plus. Le contenu obsolète est plus dangereux que le contenu absent, car un modèle l’énoncera avec une pleine assurance. Jours de fermeture, état des travaux, lignes, prix et politiques en sont les coupables habituels dans le tourisme. Dater explicitement ses faits et les mettre à jour selon un rythme défini est la seule défense fiable. https://www.rankwit.ai/fr/resources/glossary/stale-content ### Fraîcheur L’ancienneté de la publication ou de la vérification d’une information, et la visibilité avec laquelle elle est indiquée. Les signaux de fraîcheur aident à la fois le classement et le grounding, et dans le tourisme ils départagent souvent deux sources par ailleurs équivalentes. Dates de revue explicites, horodatages de mise à jour visibles et valeurs dateModified structurées y contribuent. Cet observatoire indique quand chaque chiffre a été vérifié pour la dernière fois précisément pour cette raison. https://www.rankwit.ai/fr/resources/glossary/freshness ### Ensemble de prompts Une liste fixe et représentative de questions servant à mesurer la visibilité IA dans la durée. L’ensemble de prompts est l’instrument de mesure. Il doit couvrir les intentions qui génèrent réellement des réservations (catégorie, destination, gamme de prix, saison, public) et rester stable pour que les résultats soient comparables d’une semaine à l’autre. Changer les prompts et la période en même temps rend la série dépourvue de sens. https://www.rankwit.ai/fr/resources/glossary/prompt-set ### Grappe d’intention Un groupe de prompts exprimant le même besoin du voyageur avec des mots différents. Regrouper par intention plutôt que par formulation est ce qui rend la visibilité IA mesurable, puisque les modèles répondent au sens et non à la chaîne exacte. « Où dormir à Florence avec des enfants » et « hôtels familiaux à Florence » appartiennent à une même grappe et doivent être évalués ensemble. https://www.rankwit.ai/fr/resources/glossary/intent-cluster ### Destination Management Organisation (DMO) L’organisme qui pilote et coordonne une ville, une région ou un pays comme destination touristique. DMO signifie officiellement destination management organisation, selon la définition de UN Tourism, où le rôle consiste à piloter et coordonner une destination, non simplement à en faire la publicité. Le terme est souvent rendu par « organisation de marketing de destination », et plusieurs des enquêtes citées ici emploient cette formulation pour leurs répondants. Les DMO se situent au point le plus exposé de la transition vers l’IA : 22 % proposent une planification IA sur leur site alors que 54 % des voyageurs américains préparent déjà avec l’IA, et 72 % de leurs responsables estiment que deux années d’inaction supplémentaires menacent leur pertinence. https://www.rankwit.ai/fr/resources/glossary/dmo ### National Tourism Organisation (NTO) L’organisme national chargé de promouvoir un pays comme destination. Les NTO sont la version à l’échelle d’un pays du même problème. Environ 40 % des NTO européens disposent d’une équipe IA dédiée ou d’une veille sur l’usage de l’IA, selon la European Travel Commission, ce qui est plus faible qu’utiliser l’IA en production. Italia.it, géré par ENIT, est l’exemple que cet observatoire suit en matière de discipline de citation. https://www.rankwit.ai/fr/resources/glossary/nto ### Online Travel Agency (OTA) Une plateforme qui agrège et vend l’inventaire touristique de nombreux prestataires. Les OTA sont à la fois la couche de distribution installée et un acteur actif de la transition vers l’IA. En 2025, 951,6 millions de nuitées dans l’UE sont passées par Airbnb, Booking et Expedia, soit environ un tiers du total. Savoir si les assistants contourneront cette concentration ou la renforceront est la grande question commerciale de la décennie. https://www.rankwit.ai/fr/resources/glossary/ota ### Réservation directe Une réservation effectuée auprès du prestataire plutôt que via un intermédiaire. Les réservations directes évitent la commission et conservent la relation client, d’où l’intérêt des prestataires pour la découverte médiée par l’IA : un voyageur arrivé par une recommandation d’IA a une intention forte et n’est pas passé par une OTA. Cela ne fonctionne toutefois que si le modèle connaît l’établissement assez bien pour le nommer. https://www.rankwit.ai/fr/resources/glossary/direct-booking ### Global Distribution System (GDS) Le réseau de gros reliant les prestataires touristiques aux agences et revendeurs. Amadeus, Sabre et Travelport sont les GDS installés, et tous trois construisent des interfaces prêtes pour les agents. La question stratégique est de savoir si les agents traiteront un GDS comme leur couche d’inventaire ou le contourneront : c’est pourquoi leur production de recherche est si centrée sur les API granulaires et la gouvernance. https://www.rankwit.ai/fr/resources/glossary/gds ### Revenu par chambre disponible (RevPAR) Revenu des chambres divisé par le nombre de chambres disponibles : l’indicateur hôtelier de référence. Le RevPAR combine taux d’occupation et tarif en un seul chiffre, d’où son statut d’indicateur suivi par les hôteliers. Il figure ici parce que le travail sur la visibilité IA se juge en dernier ressort à cette aune : une part de citations qui ne fait pas bouger le RevPAR est un indicateur de vanité. https://www.rankwit.ai/fr/resources/glossary/revpar ### Tarif journalier moyen (ADR) Revenu moyen par chambre occupée. L’ADR isole le prix du taux d’occupation. 40 % des hébergements européens ont déclaré des hausses d’ADR en 2026, contre 43 % l’année précédente : un rappel utile que la croissance des tarifs se normalise même si la demande tient. https://www.rankwit.ai/fr/resources/glossary/adr ### Taux d’occupation La part des chambres disponibles effectivement vendues. Le taux d’occupation est la moitié volume du RevPAR. 50 % des établissements européens ont déclaré une hausse d’occupation en 2026, dix points de mieux que l’année précédente : c’est le contexte dans lequel lire les affirmations sur la demande générée par l’IA. https://www.rankwit.ai/fr/resources/glossary/occupancy ### Réponse mise en avant Une réponse courte extraite et affichée au-dessus ou à la place des résultats. Les réponses mises en avant ont été la première forme largement visible de comportement d’answer engine et ont enseigné la discipline que l’AEO formalise aujourd’hui : commencer par la réponse directe, la garder autonome et rendre l’attribution sans ambiguïté. Les réponses générées étendent la même logique à la synthèse sur de nombreuses sources. https://www.rankwit.ai/fr/resources/glossary/featured-answer ## Sources ### OECD (Organisation for Economic Co-operation and Development) - Type: Organisation intergouvernementale - Couverture: 38 member countries and partner economies - https://www.oecd.org/en/topics/tourism.html - Méthodologie publiée: https://www.oecd.org/en/data/dashboards/oecd-tourism-trends.html - Intergovernmental body publishing the Tourism Trends and Policies series, harmonised inbound and domestic tourism statistics, and policy papers on AI adoption in tourism. ### Eurostat (Statistical Office of the European Union) - Type: Statistique officielle - Couverture: EU-27, EFTA and candidate countries - https://ec.europa.eu/eurostat/web/tourism - Méthodologie publiée: https://ec.europa.eu/eurostat/cache/metadata/en/tour_occ_esms.htm - The EU statistical authority. Source of the monthly accommodation series (tour_occ_nim) and of the experimental platform-economy statistics covering Airbnb, Booking, Expedia and TripAdvisor (tour_ce_omr). ### UN Tourism (World Tourism Organization (UNWTO)) - Type: Organisation intergouvernementale - Couverture: Global, 160 member states - https://www.untourism.int/ - Méthodologie publiée: https://www.untourism.int/tourism-statistics/un-standards-for-measuring-tourism - The United Nations agency for tourism. Custodian of the International Recommendations for Tourism Statistics and publisher of guidance on responsible AI adoption across the sector. ### European Travel Commission - Type: Association professionnelle - Couverture: Europe, 36 national tourism organisations - https://etc-corporate.org/ - The association of European national tourism organisations. Runs the recurring survey of NTO digital and AI maturity and the quarterly European Tourism Trends & Prospects. ### Phocuswright - Type: Recherche sectorielle - Couverture: Global travel distribution and technology - https://www.phocuswright.com/ - The reference research house for travel distribution. Consumer travel trackers and the Travel Forward and State of Distribution series. ### McKinsey & Company - Type: Cabinet de conseil - Couverture: Global - https://www.mckinsey.com/industries/travel/how-we-help-clients - Management consultancy publishing travel practice research on generative and agentic AI, often with Skift Research. ### Deloitte - Type: Cabinet de conseil - Couverture: United States - https://www.deloitte.com/us/en/insights/industry/transportation/2026-summer-travel-trends-survey.html - Runs the annual US Summer Travel Survey, one of the few repeated instruments that measures AI-assisted trip planning year over year on a consistent question wording. ### Euromonitor International - Type: Recherche sectorielle - Couverture: Global, 40+ markets - https://www.euromonitor.com/store/explore-reports/travel - Market research firm. The Voice of the Consumer: Travel Survey is fielded annually across tens of thousands of respondents. ### Amadeus - Type: Recherche de fournisseur - Couverture: Global travel technology - https://amadeus.com/en/blog - Global distribution system and travel technology provider. Annual Travel Trends report and traveller surveys, plus white papers on agentic AI for airlines. ### Sabre - Type: Recherche de fournisseur - Couverture: Global travel technology - https://www.sabre.com/resources/research/ - Travel technology provider. Research on conversational commerce, content fragmentation across agencies, and practical agentic AI deployment. ### Booking.com - Type: Données de plateforme - Couverture: Global, 33 markets - https://news.booking.com/ - Online travel agency. Publishes the Global AI Sentiment Report and the European Accommodation Barometer, both with disclosed sample sizes and field periods. ### Sojern - Type: Recherche de fournisseur - Couverture: Global, with US traveller panels - https://www.sojern.com/reports/ - Travel marketing platform. Runs paired surveys of travellers and destination marketing organisations, which makes the adoption gap between the two directly measurable. ### Travelport - Type: Recherche de fournisseur - Couverture: Global - https://www.travelport.com/reports - Travel retailing platform. The annual State of Modern Retailing report covers consumer trust in AI and in travel pricing. ### Anthropic - Type: Données de plateforme - Couverture: 121 countries - https://www.anthropic.com/economic-index - Méthodologie publiée: https://www.anthropic.com/research/economic-index-june-2026-report - AI developer. The Economic Index publishes privacy-preserving aggregate statistics on how Claude is actually used, by task and by geography, rare first-party telemetry on AI usage. ### Google - Type: Données de plateforme - Couverture: Global - https://blog.google/ - Operator of Search, AI Overviews and Gemini. Publishes the ATLAS study on AI tool usage and periodic travel-search research. ### OpenAI - Type: Données de plateforme - Couverture: ChatGPT crawlers and retrieval - https://openai.com/ - Méthodologie publiée: https://developers.openai.com/api/docs/bots - Publishes its crawler documentation directly: four declared bots with separate robots.txt controls, full user-agent strings and per-bot IP ranges. On its own crawling behaviour it is the primary source. ### Cloudflare - Type: Données de plateforme - Couverture: Global web traffic seen by Cloudflare - https://radar.cloudflare.com/ - Server-side measurement of crawler traffic across its customer base, published through Radar. The only party with this visibility, and it sells bot blocking, so figures are read with that interest in view. ### Data Provenance Initiative - Type: Recherche académique - Couverture: Training corpora and web data consent - https://www.dataprovenance.org/ - Méthodologie publiée: https://arxiv.org/abs/2407.14933 - Multi-institution audit of the domains behind C4, RefinedWeb and Dolma, with longitudinal robots.txt and terms-of-service collection. The one non-commercial measurement of AI crawler restriction. ### MDPI - Type: Recherche académique - Couverture: Open-access journals, here Tourism and Hospitality and AI - https://www.mdpi.com/ - Open-access publisher. Peer-reviewed, which separates it from vendor research, though review standards vary by journal and each paper is judged on its own disclosed method. ### arXiv - Type: Recherche académique - Couverture: Preprints, chiefly computer science - https://arxiv.org/ - Preprint server. Papers here have not been peer-reviewed, so a figure from arXiv carries its method and nothing else; the observatory labels them as preprints wherever they appear.