Aller au contenu
Stratégie & Transformation Digitale

Agents IA dans un SaaS de location courte durée : dix mois après le sprint

Quatre agents IA livrés en douze jours chez SuperHote, éditeur SaaS de location courte durée, sont aujourd'hui vendus dans son produit. Ce qui a tenu, ce qui a été refait, ce qui reste à surveiller.

Tristan Dumas
Tristan Dumas

Consultant senior IA, JUWA

22 novembre 20269 min de lecture
Agents IA dans un SaaS de location courte durée : dix mois après le sprint

Résumer avec

Dans le cas de SuperHote, les quatre agents IA livrés en douze jours ouvrés en janvier 2026 sont devenus cinq assistants vendus dans le produit. Ce qui a tenu : l'orchestrateur, des instructions stockées en base, un chat en overlay. Ce qui a demandé du travail ensuite : la fiabilisation, le coût d'inférence et la formation des équipes de l'éditeur.

Les deux phases sont racontées en détail dans nos cas clients : le copilote livré en décembre 2025 et les quatre agents livrés en janvier 2026. Cet article regarde ce qu'il en reste dix mois plus tard.

Que s'est-il passé chez SuperHote entre décembre 2025 et le sprint de janvier ?

SuperHote, édité par Editions MRA à Bordeaux, est un logiciel de gestion locative courte durée utilisé par plus de 100 000 hôtes et conciergeries, qui y synchronisent leurs annonces, leurs tarifs et leur messagerie voyageurs.

Tout a commencé le 8 décembre 2025. La direction voulait transformer un assistant IA à entrée unique, qui répondait toujours de la même façon sans savoir de quelle réservation on lui parlait, en un copilote capable de lire le contexte et de déclencher des actions dans la plateforme. Recette le 31 décembre, devant 50 utilisateurs réels en environnement pilote. Ce calendrier ne se tient que si les critères de succès sont écrits et signés avant la première ligne de code : ce fut le cas, avec cinq critères chiffrés. C'est le type de cadrage que mène JUWA, cabinet de conseil et de développement en IA pour les éditeurs SaaS, avant tout sprint.

Le 19 janvier 2026, un second sprint a démarré : douze jours ouvrés, trois profils dédiés à plein temps (un architecte cloud, un développeur front senior, un Product Owner IA), pour passer d'un copilote à une équipe de quatre agents spécialisés, démontrables le 31 janvier. Le raisonnement de la direction était commercial plus que technique : un assistant unique, même bon, se raconte mal en rendez-vous. Quatre assistants nommés, chacun avec un rôle lisible, se comprennent en dix secondes.

Quels sont les quatre agents, et que font-ils concrètement ?

Le découpage suit les quatre moments où un gérant d'hébergements perd du temps, pas une typologie théorique.

  • Chris, l'agent exécutif, orchestre les autres : il synthétise l'état de l'activité et envoie l'utilisateur vers le bon spécialiste.
  • Vaness gère la communication voyageurs : messages, réponses aux avis, traduction, avec un ton réglable pour chaque hébergement.
  • Chacha travaille sur la satisfaction : elle repère les voyageurs mécontents avant la note publique et propose des ventes additionnelles selon la saison.
  • Sam est le coach métier, appuyé sur une base de connaissances enrichie en gestion locative courte durée.

Chaque agent a ses propres instructions système et sa propre base documentaire, personnalisables par agent et par utilisateur. C'est ce qui distingue une équipe d'agents d'un chatbot à plusieurs boutons.

Qu'est-ce qui a tenu après le sprint ?

Plusieurs mois après un projet, la question utile n'est pas « est-ce que ça a marché le jour de la démonstration ? » mais « qu'est-ce qui est encore là, et sous quelle forme ? ». Sur ce point, les faits publics sont nets. SuperHote met aujourd'hui en avant cinq assistants IA sur sa page d'accueil, en mode autopilote : Chris, Vaness, Sam, Chacha et Céline. Les quatre premiers sont ceux du sprint. Céline figurait dans la phase 2, volontairement hors périmètre du sprint, et a été déployée depuis. Les agents ne sont donc pas restés au stade de la démonstration commerciale : ils sont devenus une brique du produit vendu.

Trois choix d'architecture expliquent en grande partie cette durée de vie.

Le premier : tout est écrit dans la pile technique que les équipes de l'éditeur maintiennent déjà. L'orchestrateur vit dans le code existant de la plateforme, dans le langage de l'équipe. Aucune brique exotique, donc aucune dépendance au prestataire une fois la livraison faite. SuperHote a récupéré le code source, la documentation d'architecture et deux visioconférences de passation enregistrées : le client est propriétaire de ce qu'il a payé.

Le deuxième : les instructions système sont stockées en base plutôt que figées dans le code. L'éditeur peut les faire évoluer sans mise en production. Sur un produit vendu à des milliers d'hôtes, le ton, les règles et les garde-fous des agents sont appelés à bouger ; un redéploiement à chaque ajustement aurait pesé sur l'équipe produit.

Le troisième : l'interface en overlay. Le chat s'ouvre en panneau au-dessus de l'écran en cours, l'hôte continue de naviguer dans son back-office et ne perd pas le fil de sa conversation. Le module a été porté dans l'application mobile native, iOS et Android.

Qu'est-ce qui a été refait en cours de route ?

Raconter uniquement ce qui a tenu serait malhonnête. Plusieurs pièces ont été reprises, et c'est normal : un copilote livré en trois semaines et demie est un premier jet solide, pas un état final.

Le streaming d'abord. Le critère de recette du pilote portait sur le délai entre le clic et l'affichage du premier caractère : trois secondes en moyenne, avant exécution des actions métier. Avec la bibliothèque standard du fournisseur de modèles, utilisée telle quelle, le premier caractère mettait plus de trente secondes à apparaître. L'équipe l'a abandonnée pour appeler le service directement et consommer le flux elle-même, puis a ajouté un module d'adaptation côté serveur pour diffuser la réponse au fil de l'eau. Ce n'est pas un détail : au-delà de trois secondes, l'utilisateur croit que rien ne se passe.

Le coût d'inférence ensuite. À partir du rapport de cadrage remis en janvier, deux optimisations ont été appliquées. Le filtrage des réponses d'API côté serveur a ramené l'entrée d'environ 30 000 à 1 500 jetons par requête, et une bascule de modèle a complété le dispositif. À volume constant, le coût par échange a nettement baissé. Si vous vous demandez ce que ça change à l'échelle d'un produit, l'article sur le copilote IA intégré à un produit SaaS détaille les quatre décisions qui pèsent sur la facture.

Les correctifs du pilote enfin. Le sprint de janvier a repris les corrections prioritaires identifiées en décembre, notamment les confirmations inutiles dans les réponses automatiques : l'agent réclamait des confirmations dont l'utilisateur n'avait pas besoin. Rien de spectaculaire, mais c'est exactement ce que le pilote est fait pour révéler.

Des évolutions ont suivi en février et en mars. Nous ne les détaillons pas ici : elles relèvent du produit de l'éditeur.

Que montre la mesure, et que ne montre-t-elle pas ?

Le fondateur de SuperHote évoque une productivité multipliée par dix, « voire plus », sur ses opérations internes. Il faut lire ce chiffre pour ce qu'il est : une estimation du dirigeant, qui porte sur l'organisation de ses équipes R&D, support et opérations après la formation, et non une métrique de produit mesurée sur les agents vendus à ses clients. Nous le citons avec cette réserve, comme dans le panorama de sept agents IA déployés dans des PME.

Autre limite à nommer : le seuil de trois secondes s'applique au copilote de l'hôte, en dehors de l'exécution des actions métier. Une demande qui enchaîne plusieurs appels de fonction et des allers-retours entre agents prend nettement plus de temps. C'est le principal risque d'expérience utilisateur en production, documenté comme tel dans le rapport de fin de mission plutôt que passé sous silence.

Quant aux volumes de messages, ils ne servent pas de preuve ici. Les 30 000 logements sous gestion et les deux millions d'interactions IA par mois que le fondateur avait en tête étaient une cible de dimensionnement, pas une situation atteinte au moment du projet. Elles ont servi à choisir l'architecture, pas à décrire l'existant. Quiconque cite ces valeurs comme un résultat se trompe.

Ce que le sprint ne couvrait pas, et pourquoi c'est écrit noir sur blanc

Un point de méthode a compté plus que tous les autres : le périmètre exclu a été rédigé avant le démarrage. Pas de protocole de recette complet, pas de tests de non-régression approfondis, pas d'audit de sécurité de fin de projet, pas d'optimisation de charge pour un déploiement massif, et les agents de la phase 2 repoussés à plus tard. Un sprint de douze jours qui prétend tout couvrir ne livre rien.

Cela ne veut pas dire que ces travaux n'existent pas : ils relevaient d'une phase de stabilisation postérieure, à planifier avec le client. C'est le conseil que nous donnons à tout éditeur qui s'apprête à lancer un sprint de ce type : décider dès le premier jour qui fait la recette, quand, et sur quel volume d'utilisateurs. La traçabilité des actions des agents en fait partie ; le guide sur la journalisation des agents IA décrit ce qu'il faut conserver pour comprendre, après coup, pourquoi un agent a répondu ce qu'il a répondu.

Que demandent les utilisateurs, et que doit prévoir un éditeur ?

Nous n'avons pas de statistiques d'usage à publier sur les assistants de SuperHote : ces données appartiennent à l'éditeur. Ce que nous pouvons dire, c'est ce que ce projet enseigne à tout éditeur SaaS qui met des agents dans son produit.

  1. Les utilisateurs veulent savoir à qui ils parlent. Des assistants nommés avec un rôle clair sont compris tout de suite ; un chat générique, non. Le découpage par moment de la journée d'un gérant a été plus utile que n'importe quelle taxonomie.
  2. Ils veulent garder la main. Un gestionnaire qui suit trente annonces et un autre qui en suit trois cents n'accordent pas la même autonomie à une IA : le niveau de validation humaine se règle par utilisateur, et cette pièce d'architecture a dû être construite, car les briques d'IA du marché ne la gèrent pas nativement.
  3. Ils veulent que l'agent connaisse leur séjour en cours, pas seulement les règles générales. D'où la récupération hybride : recherche vectorielle pour la documentation, requêtes structurées pour les réservations. Sans ce mélange, l'agent répond juste sur le général et se trompe sur le cas précis.
  4. Ils veulent que ça reste rapide. Le premier mot affiché sous trois secondes n'est pas un confort, c'est la condition pour que l'outil soit réutilisé.

Côté éditeur, il y a une cinquième exigence, moins visible : l'isolement. Sur un produit multi-locataire, la base documentaire de chaque agent est vectorisée et rattachée à l'identifiant de l'utilisateur, de sorte qu'un agent répond avec les documents de son hôte et jamais avec ceux d'un autre. Ce n'est pas un détail d'implémentation, c'est une condition d'exploitation.

Cette approche se reproduit-elle sur un autre SaaS B2B ?

Le principe, oui : un orchestrateur qui route vers des agents experts, des instructions en base, une base documentaire vectorisée par utilisateur, une interface qui ne casse pas la navigation. Ce qui ne se copie pas tel quel, ce sont les actions métier, qui dépendent des routes que la plateforme expose déjà. Lire une réservation, vérifier une disponibilité, envoyer un code d'accès : chaque action passe par un point d'entrée authentifié, ce qui évite d'ouvrir la base à un service tiers et conserve la traçabilité dans les journaux de l'éditeur. Un SaaS dont l'API est pauvre devra d'abord l'enrichir.

Pour les premières décisions d'un projet de ce genre, notre guide de l'agent IA en entreprise reste le point d'entrée, et le sujet de l'orchestration entre plusieurs agents est traité dans l'article sur l'IA agentique et l'orchestration.

Et après la livraison : qui fait vivre les agents ?

La mission SuperHote ne s'est pas arrêtée au sprint. Après les évolutions de février et mars, JUWA a formé les équipes internes de l'éditeur, R&D, support et opérations, à travailler avec ces outils au quotidien. C'est ce volet que commente le fondateur. Il illustre une règle simple : un agent mis en production vit mal s'il n'a pas d'équipe qui sache le faire évoluer, lire ses erreurs et corriger ses instructions.

La suite se joue sur deux terrains distincts. Le projet, forfaitaire, livre l'agent, le code et la documentation. La maintenance applicative supervisée est un abonnement à part, qui surveille les erreurs avant que l'utilisateur ne les signale et suit la dérive des réponses quand les modèles changent. Les deux ne se confondent pas, et un éditeur gagne à les chiffrer séparément dès le départ.

Si vous portez un produit SaaS et que vous hésitez entre un copilote unique et une équipe d'agents, d'autres retours de mission sont rassemblés dans nos cas clients.

Pour aller plus loin : Agent IA en entreprise : définition, fonctionnement et exemples

FAQ

Questions fréquentes

L'essentiel de cet article, repris en questions-réponses.

Non. SuperHote met aujourd'hui en avant cinq assistants IA sur sa page d'accueil : les quatre livrés pendant le sprint de janvier 2026 (Chris, Vaness, Chacha et Sam) et Céline, qui relevait de la phase 2 et a été déployée depuis. Les agents sont devenus une brique du produit vendu aux hôtes.

C'est une estimation du fondateur, qui porte sur l'organisation de ses équipes R&D, support et opérations après leur formation à ces outils. Ce n'est pas une métrique de produit mesurée sur les agents que SuperHote vend à ses clients, et il faut la citer avec cette réserve.

Le streaming a été reconstruit sans la bibliothèque standard du fournisseur de modèles, qui retardait le premier caractère de plus de trente secondes. Le coût d'inférence a été réduit en filtrant les réponses d'API, de 30 000 à 1 500 jetons environ par requête, et des confirmations inutiles ont été supprimées.

Le principe se reproduit : un orchestrateur qui route vers des agents experts, des instructions stockées en base, une base documentaire par utilisateur et une interface en overlay. Les actions métier, elles, dépendent des routes que la plateforme expose déjà, et un produit à l'API pauvre doit d'abord l'enrichir.

Non. Le projet est facturé au forfait et livre l'agent, le code source et la documentation, dont le client est propriétaire. La maintenance applicative supervisée est un abonnement distinct, qui surveille les erreurs avant que l'utilisateur ne les signale et suit les effets des changements de modèles.

Partager

Tristan Dumas
Tristan Dumas

Consultant senior IA, JUWA

Tous nos articles sur le thème « Agents IA »

Heineken
BlaBlaCar
DataBird
HelloSafe

Un projet IA en tête ? Parlons-en