L’intelligence artificielle n’est plus un simple sujet d’expérimentation chez Trainline.
Pour la plateforme de réservation ferroviaire et autocar, elle est devenue un levier destiné à améliorer l’expérience client, optimiser les opérations internes et renforcer sa visibilité dans les nouveaux écosystèmes de recherche conversationnelle.
Lors d’un échange avec la presse, Réda Kechouri, directeur Machine Learning et Intelligence Artificielle de Trainline, a détaillé la manière dont l’entreprise déploie concrètement ces technologies auprès de ses 26 millions d’utilisateurs actifs répartis dans 40 pays.
“We wanted to show very concrete things that help travelers on a daily basis rather than talk about theoretical visions“, explains him.
The AI strategy of Trainline rests on three pillars: user experience, distribution and internal acceleration. The first aims to improve the traveler’s journey, from ticket search to trip tracking.
The second concerns Trainline’s presence in the new conversational environments such as ChatGPT, Gemini or Claude. Finally, the third axis focuses on the productivity gains enabled by generative AI tools and agentic systems.
This approach relies on a substantial volume of data. Trainline reports handling nearly 350 travel searches every second and managing several millions of journeys each month.
Pour la plateforme de réservation ferroviaire et autocar, elle est devenue un levier destiné à améliorer l’expérience client, optimiser les opérations internes et renforcer sa visibilité dans les nouveaux écosystèmes de recherche conversationnelle.
Lors d’un échange avec la presse, Réda Kechouri, directeur Machine Learning et Intelligence Artificielle de Trainline, a détaillé la manière dont l’entreprise déploie concrètement ces technologies auprès de ses 26 millions d’utilisateurs actifs répartis dans 40 pays.
“We wanted to show very concrete things that help travelers on a daily basis rather than talk about theoretical visions“, explains him.
The AI strategy of Trainline rests on three pillars: user experience, distribution and internal acceleration. The first aims to improve the traveler’s journey, from ticket search to trip tracking.
The second concerns Trainline’s presence in the new conversational environments such as ChatGPT, Gemini or Claude. Finally, the third axis focuses on the productivity gains enabled by generative AI tools and agentic systems.
This approach relies on a substantial volume of data. Trainline reports handling nearly 350 travel searches every second and managing several millions of journeys each month.
Anticipating disruptions before they occur
Parmi les applications déjà déployées figure “Travel Forecast”, un système actuellement disponible au Royaume-Uni.
Grâce à des modèles prédictifs, Trainline est capable d’anticiper jusqu’à deux heures à l’avance l’état du réseau ferroviaire britannique et d’identifier les perturbations susceptibles de se propager sur plusieurs lignes.
Les voyageurs reçoivent alors des notifications personnalisées leur permettant d’adapter leur itinéraire avant que les conséquences des incidents ne se fassent pleinement sentir.
Pour concevoir ce service, Trainline combine des modèles de machine learning traditionnels avec des modèles de langage (LLM) chargés de reformuler les informations de manière claire et pertinente pour chaque utilisateur.
Lancé en décembre dernier, le dispositif a déjà permis de notifier près de trois millions de voyageurs.
Autre chantier majeur : l’automatisation des compensations liées aux retards. Au Royaume-Uni, où les opérateurs ferroviaires sont tenus de rembourser les passagers dans certaines situations, Trainline a développé une fonctionnalité baptisée “Delay Repay”.
L’objectif affiché est de rendre les remboursements aussi automatiques que possible. Si certaines contraintes réglementaires et techniques limitent encore cette automatisation complète, Trainline indique poursuivre ses discussions avec les opérateurs ferroviaires afin de fluidifier davantage le processus.
Grâce à des modèles prédictifs, Trainline est capable d’anticiper jusqu’à deux heures à l’avance l’état du réseau ferroviaire britannique et d’identifier les perturbations susceptibles de se propager sur plusieurs lignes.
Les voyageurs reçoivent alors des notifications personnalisées leur permettant d’adapter leur itinéraire avant que les conséquences des incidents ne se fassent pleinement sentir.
Pour concevoir ce service, Trainline combine des modèles de machine learning traditionnels avec des modèles de langage (LLM) chargés de reformuler les informations de manière claire et pertinente pour chaque utilisateur.
Lancé en décembre dernier, le dispositif a déjà permis de notifier près de trois millions de voyageurs.
Autre chantier majeur : l’automatisation des compensations liées aux retards. Au Royaume-Uni, où les opérateurs ferroviaires sont tenus de rembourser les passagers dans certaines situations, Trainline a développé une fonctionnalité baptisée “Delay Repay”.
L’objectif affiché est de rendre les remboursements aussi automatiques que possible. Si certaines contraintes réglementaires et techniques limitent encore cette automatisation complète, Trainline indique poursuivre ses discussions avec les opérateurs ferroviaires afin de fluidifier davantage le processus.
An AI assistant capable of acting
La principale innovation de l’entreprise reste toutefois son assistant conversationnel, déployé depuis plus d’un an au Royaume-Uni. Contrairement aux chatbots traditional, Trainline a développé un système multi-agent capable non seulement de répondre aux questions des voyageurs, mais aussi d’exécuter certaines actions.
L’assistant peut ainsi renseigner les passagers sur les conditions tarifaires, les perturbations en temps réel ou les équipements disponibles dans les gares. Dans certains cas, il peut également traiter automatiquement des demandes de remboursement.
“Nous ne voulions pas créer un chatbot classique. Nous voulions construire un système capable de faire des actions, pas seulement de répondre à des questions“, explique le directeur IA de Trainline.
Depuis son lancement, l’outil a traité plus d’un demi-million de conversations. Selon l’entreprise, 32 % des demandes de remboursement sont désormais gérées automatiquement et seulement 8 % des conversations nécessitent un transfert vers un conseiller humain.
Trainline observe également l’émergence de nouveaux usages. Les voyageurs sollicitent désormais l’assistant pour obtenir des informations pratiques qu’ils n’auraient jamais demandées auparavant, comme la présence de toilettes dans une gare ou leur emplacement.
L’assistant peut ainsi renseigner les passagers sur les conditions tarifaires, les perturbations en temps réel ou les équipements disponibles dans les gares. Dans certains cas, il peut également traiter automatiquement des demandes de remboursement.
“Nous ne voulions pas créer un chatbot classique. Nous voulions construire un système capable de faire des actions, pas seulement de répondre à des questions“, explique le directeur IA de Trainline.
Depuis son lancement, l’outil a traité plus d’un demi-million de conversations. Selon l’entreprise, 32 % des demandes de remboursement sont désormais gérées automatiquement et seulement 8 % des conversations nécessitent un transfert vers un conseiller humain.
Trainline observe également l’émergence de nouveaux usages. Les voyageurs sollicitent désormais l’assistant pour obtenir des informations pratiques qu’ils n’auraient jamais demandées auparavant, comme la présence de toilettes dans une gare ou leur emplacement.
Preparing for the era of conversational search
Au-delà de l’assistance client, Trainline travaille activement à son intégration dans les nouveaux moteurs de recherche alimentés par l’intelligence artificielle. La plateforme dispose déjà d‘une intégration au sein de ChatGPT permettant aux utilisateurs de rechercher des trajets avant d’être redirigés vers Trainline pour finaliser leur réservation.
Pour l’entreprise, l’enjeu est d’apparaître dans les réponses générées par les assistants conversationnels tout comme elle le fait depuis des années dans les moteurs de recherche traditionnels.
Même si les recherches issues de l’IA ne représentent encore qu’entre 1 et 2 % du trafic de Trainline, leur progression est rapide.
L’entreprise indique avoir multiplié par treize en un an les ventes générées via ces nouveaux canaux. Le phénomène est particulièrement marqué chez les voyageurs internationaux, notamment les touristes américains préparant des itinéraires ferroviaires en Europe.
Enfin, l’entreprise mise sur les interfaces vocales pour renforcer l’accessibilité de ses services. En partenariat avec la société britannique ElevenLabs, spécialisée dans les technologies vocales, Trainline prépare le lancement au Royaume-Uni de nouvelles fonctionnalités basées sur la voix destinées au service client. Une première étape avant un déploiement plus large sur l’ensemble de ses marchés européens.
Pour l’entreprise, l’enjeu est d’apparaître dans les réponses générées par les assistants conversationnels tout comme elle le fait depuis des années dans les moteurs de recherche traditionnels.
Même si les recherches issues de l’IA ne représentent encore qu’entre 1 et 2 % du trafic de Trainline, leur progression est rapide.
L’entreprise indique avoir multiplié par treize en un an les ventes générées via ces nouveaux canaux. Le phénomène est particulièrement marqué chez les voyageurs internationaux, notamment les touristes américains préparant des itinéraires ferroviaires en Europe.
Enfin, l’entreprise mise sur les interfaces vocales pour renforcer l’accessibilité de ses services. En partenariat avec la société britannique ElevenLabs, spécialisée dans les technologies vocales, Trainline prépare le lancement au Royaume-Uni de nouvelles fonctionnalités basées sur la voix destinées au service client. Une première étape avant un déploiement plus large sur l’ensemble de ses marchés européens.
A balance between innovation and restraint
Face aux interrogations sur l’empreinte environnementale des modèles d’intelligence artificielle, Trainline assure surveiller de près l’impact carbone de ses usages.
L’entreprise considère toutefois que les bénéfices potentiels de l’IA pour faciliter l’accès au train et encourager le report modal compensent largement les ressources nécessaires à leur fonctionnement.
“Notre mission est de faire en sorte que davantage de personnes prennent le train. Nous pensons que l’intelligence artificielle peut accélérer ce mouvement” conclut Réda Kechouri.
L’entreprise considère toutefois que les bénéfices potentiels de l’IA pour faciliter l’accès au train et encourager le report modal compensent largement les ressources nécessaires à leur fonctionnement.
“Notre mission est de faire en sorte que davantage de personnes prennent le train. Nous pensons que l’intelligence artificielle peut accélérer ce mouvement” conclut Réda Kechouri.
