Les systèmes de recommandation ont pour rôle d'aider les utilisateurs submergés par la quantité d'information à faire de bons choix à partir de vastes catalogues de produits. Le déploiement de ces systèmes dans l'industrie hôtelière est confronté à des contraintes spécifiques, limitant la performance des approches traditionnelles. Les systèmes de recommandation d'hôtels souffrent en particulier d'un problème de démarrage à froid continu à cause de la volatilité des préférences des voyageurs et du changement de comportements en fonction du contexte. Dans cet article, nous présentons le problème de recommandation d'hôtels ainsi que ses caractéristiques distinctives. Nous proposons de nouvelles méthodes contextuelles qui prennent en compte les dimensions géographique et temporelle ainsi que la raison du voyage, afin de générer les listes de recommandation. Nos expérimentations sur des jeux de données réels soulignent la contribution des données contextuelles à l'amélioration de la qualité de recommandation.