Optimisation du portefeuille d'événements par l'intelligence artificielle : Création d'un modèle de sélection et planification

Les centres de congrès sont des moteurs économiques significatifs pour les villes et régions où ils sont implantés, engendrant des dépenses importantes de la part des visiteurs en nourriture, logement et transport. Historiquement, la génération de ces revenus pour la communauté a été la principale mission des centres de congrès. Cependant, récemment, ces établissements se voient assigner un nouvel objectif, soit l’atteinte de l’équilibre financier. La sélection des événements est cruciale pour mettre en œuvre la stratégie visant à atteindre ces objectifs financiers, car tout part de cette phase initiale. Toutefois, la communauté scientifique n'offre pas encore de modèle pleinement adapté aux spécificités des centres de congrès. Un des principaux défis identifiés réside dans l'absence d'informations complètes sur les besoins des clients au moment de la sélection, rendant difficile la planification détaillée des activités nécessaires pour estimer précisément les dépenses et les revenus générés par les événements. De plus, la littérature se concentre souvent sur un nombre limité de ressources disponibles, alors que nous gérons un pool bien plus large, avec plus d'une centaine de salles disponibles, ce qui complexifie la gestion et la planification des événements bien au-delà des modèles existants. Dans ce contexte, nous proposons un modèle inspiré par la méthode de gestion de portefeuille du PMI, adapté aux contraintes des centres de congrès pour améliorer le processus de sélection et de planification des événements. Notre modèle intègre six activités clés : l'identification des événements, l'évaluation de ces événements, la génération de toutes les combinaisons possibles d'événements, la vérification de la faisabilité des combinaisons, l'évaluation des scénarios réalisables, et enfin, la sélection du scénario optimal. Pour déployer notre modèle chez notre partenaire, nous avons conçu un outil automatisé. Ce système gère l'intégralité du traitement des données, de la préparation des données pour l'utilisation des modèles prédictifs et la prédiction des revenus et des dépenses des événements. Il génère également automatiquement toutes les combinaisons possibles, vérifie la faisabilité de ces combinaisons en tentant d'assigner une salle à chaque événement prospect selon leurs besoins en capacité, et réalise le calcul des statistiques globales ainsi que le classement des scénarios. Pour estimer les revenus et les dépenses des événements, nous avons réalisé une étude afin de déterminer le modèle de prédiction le plus efficace avec nos données. Nous avons utilisé les bases de données de notre partenaire pour entraîner les modèles et les événements de l'année 2023 pour tester leur efficacité. Cette étude a comparé cinq modèles différents, y compris des modèles d'intelligence artificielle qui impliquent une classification suivie de l'identification de lois de probabilité pour les revenus et les dépenses, des régressions polynomiales de degré 1 à 5 avec variations des caractéristiques d'entrée, des arbres de décision, la méthode Random Forest, et enfin des réseaux de neurones MLP avec 1 à 50 couches cachées et de 5 à 80 neurones par couche. Il s'est avéré que la méthode Random Forest était la plus performante avec ces données, en atteignant une erreur moyenne absolue de 29,16% pour les dépenses et de 24,72% pour les revenus. Pour l'activité de vérification de la faisabilité des combinaisons, nous avons développé un algorithme basé sur la rétropropagation pour s'assurer d'explorer toutes les possibilités dans l'assignation des salles avant de conclure qu'une combinaison n'est pas réalisable. Ce modèle a été testé de manière rétrospective, en lançant l'outil une fois pour chaque semaine, sur une période de trois semaines d'événements potentiels reçus chez notre partenaire. Après chaque simulation hebdomadaire, nous avons intégré a posteriori les événements recommandés par l'outil aux événements déjà confirmés, avant de préparer les simulations pour les semaines suivantes. Cette méthode a confirmé la faisabilité du modèle et représente une avancée significative dans la sélection éclairée des événements pour les centres de congrès, fournissant une approche structurée et un outil dédié pour sa mise en application.

Abstract

Convention centers are significant economic engines for the cities and regions in which they are located, generating substantial expenditures by visitors on food, lodging, and transportation. Historically, the generation of these expenditures has been the primary mission of convention centers. However, recently, these establishments have been assigned a new objective: achieving financial balance. The selection of events is crucial to implementing the strategy aimed at achieving these financial goals, as everything stems from this initial phase. However, the scientific community has not yet provided a model adapted to the specificities of convention centers, particularly due to the lack of complete information about client needs at the time of selection, which makes it impossible to carry out the detailed planning of activities necessary to estimate the expenses and revenues generated by the events accurately. In this context, we propose a model inspired by the PMI portfolio management method, adapted to the constraints of convention centers to improve the event selection and planning process. Our model incorporates six key activities: identification of events, evaluation of these events, generation of all possible event combinations, verification of combination feasibility, evaluation of feasible scenarios, and finally, the selection of the optimal scenario. To implement our model with our partner, we developed an automated tool. Some activities, particularly the evaluation of events, required customized solutions. For example, a study was conducted to identify the most effective prediction model for estimating revenues and expenses. We also designed an algorithm to determine the feasibility of a combination by attempting to assign a room to each event in the combination, considering the specific needs of the events and the existing schedule. This model was tested over three weeks of potential events received from our partner, confirming its feasibility. Thus, it represents a significant advancement in the informed selection of events for convention centers, offering a structured approach and a dedicated tool for its implementation.