Notre client exploite l'un des plus grands réseaux de fret aérien en Amérique du Nord, desservant des centaines de lignes internationales et intérieures. Son équipe commerciale propose des tarifs spot aux transitaires pour des envois allant de petits colis à des palettes de plusieurs tonnes, sur des routes aux dynamiques de demande, à l'intensité concurrentielle et aux profils de capacité très variés.

La formule de tarification de base était solide. Le problème était que son principal levier dynamique — le facteur d'ajustement des prix qui calibre les tarifs en fonction des conditions de marché — était déterminé en cherchant une valeur dans une grille statique plutôt que calculé à partir de signaux en direct. Cette grille était maintenue manuellement et ne disposait d'aucun mécanisme pour intégrer la rétroaction issue des résultats de tarification réels. Le client avait besoin d'un système capable d'apprendre du marché et de réagir en temps réel, sans sacrifier la transparence et le contrôle sur lesquels son équipe commerciale s'appuyait.

Une tarification uniforme pour tous

Le moteur de tarification s'appuyait sur des tables de correspondance statiques qui renvoyaient un ajustement de prix à partir d'un ensemble limité d'entrées — l'utilisation actuelle de la capacité et le délai avant le départ. Chaque cotation tombant dans la même cellule recevait le même ajustement, sans égard à la part de marché de la ligne, à la dynamique concurrentielle ou à la comparaison entre les réservations de ce vol précis et sa trajectoire historique à ce stade de la fenêtre de réservation.

Une fragilité liée aux personnes clés

La logique derrière les valeurs de la table — pourquoi des cellules précises étaient fixées à des niveaux de rabais particuliers et quand elles devaient être mises à jour — résidait entièrement dans les connaissances institutionnelles de gestionnaires de tarification expérimentés. Il n'existait aucune boucle de rétroaction formelle reliant les résultats de tarification aux valeurs de la table, ni de registre versionné des raisonnements derrière les changements passés, ce qui laissait les tables de plus en plus déconnectées de la réalité du marché au fil du temps.

Des fuites de revenus à grande échelle

Les habitudes de réservation dans le fret aérien sont fortement concentrées en fin de période, une part disproportionnée du volume se réservant à l'approche du départ. Bien que les tables statiques tenaient compte de l'utilisation actuelle de la capacité, elles ne réagissaient qu'au niveau de remplissage absolu — et non au fait que ce niveau soit en avance ou en retard par rapport à la norme historique de la route à ce stade de l'horizon de réservation. Un vol en avance sur les attentes était tarifé de façon identique à un vol en retard, ce qui faisait manquer l'occasion de capter du rendement dans la fenêtre la plus critique.

Compass a bâti un pipeline d'optimisation à trois composantes au sein de Dataiku qui transforme la tarification spot du fret d'une simple recherche statique en un moteur de revenus axé sur les données. Le système préserve la structure de la formule de tarification existante et produit le même format de sortie — assurant zéro perturbation des systèmes en aval — mais tire chaque décision de tarification d'un objectif explicite de maximisation des revenus plutôt que d'une grille fixe.

La première composante est un ajustement de la capacité qui mesure l'écart entre les réservations actuelles d'un vol et sa trajectoire attendue à un moment donné avant le départ. Les courbes de réservation historiques à plusieurs niveaux de granularité fournissent la référence, la courbe la plus propre à la route étant sélectionnée au moment de l'évaluation. Un paramètre de stratégie commerciale module cette référence selon la priorité de chaque route — les segments axés sur le rendement poussent les prix à la hausse de façon plus marquée, tandis que les segments de croissance privilégient le positionnement concurrentiel. Le signal de capacité qui en résulte alimente directement l'optimiseur.

La deuxième composante est un modèle de probabilité de gain qui estime la probabilité qu'un client accepte une cotation à un prix donné. Compass a construit une régression logistique qui prédit la probabilité de gain en fonction de la compétitivité du prix, du délai avant le départ et des caractéristiques de la route. Une correction d'élasticité synthétique affine la sensibilité du modèle sur toute la plage de tarification, en étendant sa fiabilité au-delà de la bande étroite de prix observés historiquement.

La troisième composante est un optimiseur sous contraintes par cotation qui sélectionne le paramètre de tarification maximisant les revenus nets attendus, sous réserve de tarifs planchers, de seuils minimaux de probabilité de gain et de bornes de tarification propres à chaque segment. L'optimiseur s'exécute en temps réel par l'entremise du nœud API de Dataiku. Tous les artéfacts de modèle sont réentraînés au moyen de scénarios Dataiku automatisés, chaque appel est journalisé et la sortie statique héritée est renvoyée aux côtés de chaque résultat aux fins de comparaison directe — permettant une transition contrôlée et fondée sur les données probantes.

Compass a remplacé une grille de tarification rigide, maintenue manuellement, par un moteur d'optimisation auto-perfectionnant qui apprend des résultats du marché, réagit à la dynamique de capacité en temps réel et protège les objectifs commerciaux au moyen de contraintes explicites — tout en préservant une pleine interprétabilité et une intégration sans perturbation avec les systèmes en aval existants.

La probabilité de gain à partir de résultats rares

Les taux de gain sur les marchés spot concurrentiels du fret aérien sont intrinsèquement faibles, ce qui signifie qu'une route donnée accumule très peu de résultats exploitables au fil du temps. Compass a construit une régression logistique qui estime la probabilité de gain en fonction de la compétitivité du prix, du délai avant le départ et des caractéristiques de la route. Une correction d'élasticité synthétique garantit que le modèle réagit de façon significative sur toute la plage de tarification, et la mise en commun au niveau des routes permet au modèle d'apprendre de lignes similaires plutôt que de s'appuyer sur l'historique limité d'une seule route.

Avantage : L'optimiseur obtient un signal fiable de la sensibilité au prix des clients, même sur des routes aux données historiques rares, ce qui permet au système de tarifer de façon concurrentielle à l'échelle du réseau plutôt que de se rabattre sur la table statique conservatrice.

Un ajustement des prix tenant compte de la capacité

Les tables statiques appliquaient le même facteur de tarification à tous les vols présentant la même combinaison d'utilisation de la capacité et de jours avant le départ, sans égard au fait qu'un vol soit en avance ou en retard par rapport à son propre historique. Compass a remplacé cela par une approche fondée sur l'écart à la courbe de réservation, qui mesure la rareté relative de la capacité à plusieurs niveaux de granularité. Un paramètre de stratégie commerciale module la référence selon la priorité de chaque segment, de sorte que deux vols au même niveau de remplissage et au même nombre de jours restants sont tarifés très différemment selon la comparaison de chacun avec sa propre norme historique ajustée.

Avantage : Le transporteur peut désormais capter du rendement supplémentaire sur les vols qui se remplissent plus vite que prévu tout en demeurant concurrentiel sur les vols en retard — une distinction que les tables statiques étaient structurellement incapables de faire.

Une prise de décision autonome dotée de garde-fous intégrés

L'optimiseur fonctionne de manière autonome, mais il est encadré à tous les niveaux. Les tarifs planchers garantissent qu'aucune cotation ne tombe sous le seuil de recouvrement des coûts ou sous un minimum défini par rapport à la cible commerciale de la ligne. Des bornes de tarification propres à chaque segment font respecter la stratégie commerciale. Une contrainte de probabilité de gain minimale empêche de sacrifier tout le volume au profit de la marge. Si le modèle manque de confiance suffisante ou si aucune solution de tarification réalisable n'existe dans les limites des contraintes définies, le système se replie en douceur vers l'approche héritée. Le déploiement par étapes permet à l'équipe commerciale de valider le jugement de l'optimiseur avant de lui accorder la pleine autorité en matière de tarification.

Avantage : L'équipe commerciale conserve un plein contrôle stratégique au moyen de contraintes explicites, tandis que l'optimiseur assure de façon autonome le calcul par cotation à grande échelle. Le repli en douceur et le déploiement par étapes donnent à l'équipe la confiance nécessaire pour se fier au jugement du système avant le déploiement complet — assurant que la transition d'une tarification statique à une tarification dynamique soit à la fois fluide et réversible.