Restauration gastronomique : conciergerie pré-arrivée IA, +24% panier moyen

Cas client livré au début de l'automne 2025 pour un restaurant gastronomique étoilé Michelin implanté dans le sud-est de la France. 42 couverts par service, ticket moyen 165€, 2 services par jour 6 jours/7. L'enjeu : transformer chaque réservation en expérience millimétrée avant même l'arrivée du client.

Quel était le défi initial du restaurant ?

4 frictions opérationnelles affaiblissaient l'expérience client haut de gamme.

Friction 1 — Anticipation client limitée

Sur 42 couverts, seuls 3-5 par service avaient leurs spécificités notées avant arrivée (allergies, occasion, contraintes). Le reste : le client expliquait à table, créant un décalage avec le service "discret et anticipateur" promis par l'étoile.

Friction 2 — No-show coûteux

Taux de no-show observé : 14%. Sur 42 couverts à 165€ TM, ça représentait environ 970€ de manque à gagner par service en moyenne, soit 23-29K€/an. Aucune relance automatisée la veille.

Friction 3 — Demandes spéciales mal coordonnées

Quand un client appelait pour signaler une intolérance ou une occasion, l'info était notée par la responsable salle mais pas systématiquement transmise au chef. 3 incidents en 2024 : plat servi malgré une intolérance signalée.

Friction 4 — Pas d'upsell pré-arrivée

Aucune mécanique pour proposer en amont les accords mets-vins, le menu signature, l'option avec champagne au cocktail. Les clients commandaient à table sans avoir réfléchi.

Le restaurant voulait une expérience pré-arrivée à la hauteur de l'étoile, sans alourdir le travail de la responsable salle (qui passe déjà ses journées sur les réservations + briefings).

Pour le contexte global d'agent IA en environnement service client, voir notre guide automatiser SAV WhatsApp PME ecommerce.

Comment fonctionne l'agent IA conciergerie pré-arrivée ?

5 briques modulaires, chacune améliorable indépendamment.

Brique 1 — Déclencheur J-3 sur la base de réservations

Connexion à TheFork / La Fourchette pour récupérer les réservations confirmées. Agent N8N déclenché 72h avant chaque réservation. Crée un contact GoHighLevel avec les métadonnées (date, heure, nombre de couverts, source réservation).

Brique 2 — Agent conversationnel WhatsApp/SMS (architecture 3 agents Claude)

L'agent envoie un message personnalisé dans la voix de la maison :

"Bonjour [prénom], j'aurai le plaisir de vous accueillir mercredi à 20h pour 4 personnes. Pour préparer au mieux votre soirée, puis-je vous poser 3 questions ?"

Architecture interne :

• Orchestrateur (Claude Haiku 4.5) : décide à chaque tour si on continue, on récolte plus d'info, ou on clôt
• Rédacteur (Claude Sonnet 4.6) : produit la réponse dans le ton précis de la maison (raffiné, chaleureux, jamais familier)
• Fact-checker (Claude Haiku 4.5) : vérifie qu'aucune info contradictoire n'est donnée (ex : confirmation parking si non disponible ce soir-là)

Pattern transférable depuis notre setter IA B2B en 3 agents.

Brique 3 — Capture des informations clés

L'agent qualifie progressivement sur 5 dimensions, en 4-6 échanges naturels :

1. Occasion : anniversaire, business, romantique, sans occasion particulière
2. Allergies et contraintes : gluten, lactose, fruits de mer, végétarien, etc.
3. Préférences vin : amateur de Bourgogne / Bordeaux / Champagne / pas de vin
4. Contraintes pratiques : accès parking, accessibilité, accompagnement enfants
5. Suggestion menu : signature 6 services / dégustation 9 services / à la carte

Brique 4 — Génération brief chef et maître d'hôtel (J-1)

24h avant le service, agent qui synthétise les conversations en une note brief envoyée à 4 destinataires : chef, second, maître d'hôtel, sommelier.

Format brief structuré : nom, table, occasion, allergies (en gras rouge), préférences vin, menu pressenti, demandes spéciales. Le maître d'hôtel revoit en 5 minutes au lieu de 30.

Brique 5 — Rappel J-1 et confirmation

Message court de confirmation envoyé à J-1 matin. Permet aussi de capter les annulations tardives à temps pour proposer la table à une liste d'attente.

Quelle méthode pour capturer la voix de la maison ?

4 semaines de calibration. Le ton est non-négociable sur un étoilé.

Semaine 1 — Audit conversationnel

Lecture des 220 conversations historiques (mails, SMS) entre la responsable salle et les clients sur les 6 derniers mois. Extraction des tournures, des formules de politesse, des respects propres à la maison. Construction d'un référentiel de voix.

Semaine 2 — Prompts agent et calibration ton

Rédaction des prompts agent dans la voix exacte du restaurant. Définition explicite : pas de tutoiement, pas d'emojis (à l'exception 🍷 et 🎉 selon contexte), pas de familiarités, formules de politesse spécifiques.

Semaine 3 — Mode shadow et test sur 40 conversations

Agent activé en parallèle de la responsable salle, sans répondre, juste pour observer ce qu'il aurait proposé. Comparaison côte à côte. 4 itérations de prompts pour ajuster.

Semaine 4 — Déploiement progressif

Jours 1-3 : agent traite 30% des réservations, validation responsable salle avant envoi. Jours 4-7 : 100% en autonomie, validation a posteriori sur les conversations "atypiques". Session 1h avec la responsable salle pour appropriation du dashboard.

Quels résultats à 5 mois ?

Mesurés à 5 mois après mise en production (mars 2026) :

Métrique	Avant	Après	Variation
Panier moyen / couvert	165€	205€	+24%
Taux de no-show	14%	4,5%	-68%
CSAT post-service (TripAdvisor + Google)	4,5/5	4,9/5	+0,4 point
Demandes spéciales correctement anticipées / service	3-5	18	x4
Incidents allergies / 12 mois	3	0	-100%
Temps responsable salle sur briefings	1h30/jour	25 min	-72%
Taux de prise de rendez-vous follow-up (futurs anniversaires)	8%	31%	+288%

Investissement total : 9 800€ HT setup + 320€/mois (maintenance + APIs Claude + Twilio WhatsApp).

Payback : 2,1 mois. Calcul : +40€ panier × 42 couverts × 2 services × 26 jours = 87 360€ de CA mensuel additionnel (marge nette ~22% en gastronomique = ~19 200€/mois). Plus la récupération des no-shows : ~970€ × 0,68 × 52 services = ~34 280€/an.

Bénéfices indirects observés :

• Les clients perçoivent le restaurant comme "ils m'ont reconnu, ils ont anticipé" — facteur fidélisation majeur
• Le chef peut adapter son mise en place selon les commandes anticipées (moins de gaspillage)
• La responsable salle a récupéré ~5h/jour pour le service en salle, où elle apporte vraiment de la valeur

Pour les KPIs critiques en agent IA en production, voir notre guide KPIs automatisation à tracker vraiment.

Quels apprentissages spécifiques au gastronomique étoilé ?

3 enseignements forts.

Apprentissage 1 — Le ton est l'actif #1

Sur un étoilé, le ton mal calibré peut couler tout le projet. 4 itérations de prompts ont été nécessaires en semaine 2 avant d'atteindre le naturel attendu. La phrase test : "ce message pourrait-il être envoyé tel quel par le maître d'hôtel ?". Si non, on itère.

Apprentissage 2 — Le canal compte autant que le message

WhatsApp a été préféré au SMS pour la qualité visuelle (mise en forme, médias). 92% des clients ont accepté WhatsApp comme canal pré-arrivée. Pour les 8% restants (clients âgés majoritairement), fallback SMS automatique sans dégrader l'expérience.

Apprentissage 3 — Ne jamais sur-solliciter

Le restaurant a tenu à un protocole strict : maximum 2 messages pré-arrivée (J-3 conciergerie + J-1 confirmation). Plus serait perçu comme intrusif. Cette discipline est ce qui distingue le projet d'un "marketing automation" mal pensé.

Pour le pattern complet d'adoption sans froisser, voir notre guide quand les équipes refusent les outils IA.