Lors du récent Altus Innovation Summit qui s’est tenu à Paris, plus de la moitié du programme s’est attachée à répondre à une question : que peut réellement apporter l’intelligence artificielle à l’immobilier commercial une fois que l’attrait de la nouveauté s’est dissipé ? Le discours d’ouverture, la table ronde et la démonstration de produits en direct ont chacun adopté un angle différent, proposant des recommandations fondées sur l’expérience et des enseignements tirés de ce qui fonctionne déjà, ainsi que de ce qui ne fonctionne pas, au sein deséquipes spécialisées dans l’immobilier commercial.

Le discours d’ouverture : un point de départ délibérément à contre-courant

Le discours d’ouverture : un point de départ délibérément à contre-courant

Vincent Pavanello, cofondateur de Mister AI, une société française spécialisée dans le conseil et la formation en IA générative, a commencé par un exemple mémorable : la vitesse à laquelle l’adoption de l’IA a évolué. Il a appris à sa grand-mère de 95 ans à utiliser ChatGPT en trois minutes chrono. Il a rappelé à l’assemblée que ChatGPT avait atteint environ 1,3 milliard d’utilisateurs en trois ans, sans les dépenses marketing importantes habituelles derrière, tandis qu’Anthropic, selon lui, a dépassé un milliard de dollars de chiffre d’affaires mensuel rien qu’en décembre 2025, avec un taux annualisé de douze milliards. Selon lui, aucune société de logiciels ne s’était développée à ce rythme auparavant.

Mais à mesure que les LLM à usage général deviennent plus populaires et plus performants, gérant davantage les tâches quotidiennes tout au long de la chaîne de valeur de l’immobilier d’entreprise, quel rôle reste-t-il pour les outils spécialisés ? « Le véritable défi est de comprendre ce que, dans les outils que vous utilisez, un modèle généraliste ne peut tout simplement pas reproduire », a-t-il déclaré. Il pense que les modèles à usage général et les logiciels spécialisés ne sont pas concurrents, mais qu’ils sont complémentaires. Ce qu’un outil comme celui d’Altus offre, et qu’aucun modèle généraliste ne peut proposer, ce sont des données et des calculs propriétaires conçus spécifiquement pour le secteur de l’immobilier commercial.

Il a donné des conseils pratiques aux entreprises : choisir un plateforme généraliste puissante et sécurisée, accompagner les équipes dans sa prise en main et construire de manière réfléchie les outils spécialisés qui s’articuleront autour d’elle.. Il n’a pas non plus éludé la question de la confidentialité. L’utilisation de l’IA fantôme (ou shadow AI, c'est-à-dire l’utilisation non autorisée, par les employés, d’outils d’IA non approuvés), a-t-il indiqué, dépasse déjà de loin la politique officielle, citant une banque où les employés utilisaient gratuitement ChatGPT environ cent fois plus que l’outil obligatoire de l’entreprise. « Il se passe beaucoup de choses dans l’IA, peut-être que ce que je dis sera bientôt obsolète », a-t-il admis. « Tout le monde se demande à quoi ressemblera sa pile logicielle demain. »

La table ronde : jusqu’où peut-on réellement faire confiance à l’IA ?

La table ronde, animée par Daniela Dragoi, directrice - Conseil en évaluation d’Altus, a réuni Vincent Pavanello, Nicolas Le Goff, qui dirige l’activité de conseil en évaluation d’Altus pour la région EMEA, et Jean-Philippe Carmarans, président EMEA Valuation & Advisory et directeur de l’évaluation en France chez Cushman & Wakefield.

Daniela Dragoi a commencé par observer que l’immobilier commercial a déjà largement dépassé le débat sur l’adoption de l’IA : celle-ci est déjà intégrée dans les processus de travail. La question est maintenant de savoir comment l’utiliser correctement, et en particulier comment justifier ses résultats devant un client ou un comité d’investissement.

Nicolas Le Goff s’est penché sur cette question. Il ne suffit pas qu’un outil d’IA ait raison, a-t-il soutenu, il doit avoir raison deux fois de la même manière. Posez à un LLM la même question aujourd’hui et demain, et il n’y a aucune garantie qu’il vous donne la même réponse, ce qui est un vrai problème pour l’immobilier commercial. Ce manque de reproductibilité n’existe pas avec ARGUS Assist, qui n’exécute pas les calculs via son propre LLM. Au lieu de cela, il s’appuie sur le moteur de calcul ARGUS pour générer des résultats cohérents et défendables à chaque fois.

Jean-Philippe Carmarans a souligné que l’immobilier est inondé d’informations issues de sources secondaires, comme les articles de presse relatant des transactions et des prix, mais que leur exactitude est « très, très relative ». Au lieu de cela, son entreprise forme ses modèles sur des données d’évaluation propriétaires, où chaque actif est analysé avec précision selon sa superficie, sa qualité et sa typologie. , Un niveau de détail et de fiabilité que les données accessibles au public ne peuvent égaler.Le résultat est tangible : les agents IA qui vérifient les rapports finalisés font désormais en deux secondes ce qui prenait auparavant deux heures. Les experts en évaluation peuvent ainsi consacrer davantage de temps à leur analyse et leur jugement professionnel, plutôt qu’à la simple relecture et vérification des documents.

C’est une conviction qu’Altus partage : dans l’immobilier, le problème ne vient pas d’un manque de données, mais du fait qu’il est difficile de distinguer les informations réellement pertinentes du bruit ambiant. La solution ne consiste donc pas à disposer de davantage de données, mais à disposer des bonnes données.ARGUS Intelligence s’appuie sur des années de valorisations DCF de qualité institutionnelle, chacune modélisée au niveau des actifs avec le même moteur de calcul sur lequel les prêteurs, les auditeurs et les contreparties s’appuient depuis plus de trente ans. Cette approche diffère des données agrégées à partir de listes extraites d’Internet ou d’informations issues de sources secondairessur les transactions immobilières. Lorsque l’IA est basée sur des données de qualité, les gains d’efficacité sont indiscutables.

Nicolas Le Goff a ajouté un autre point : les gains de productivité deviennent indéniables lorsque « le coût marginal des données supplémentaires devient ridiculement bas ». Un analyste à qui l’on demande d’extraire deux fois plus de points de données met environ deux fois plus de temps ; un outil d’IA coûte peut-être dix secondes supplémentaires. Avec un coût marginal proche de zéro, a-t-il soutenu, des catégories entières d’analyse valent la peine d’être tentées, ce qui n’était pas le cas auparavant.

ARGUS Assist : la démonstration

Matt LaHood a clôturé la session par une démonstration en direct d’ARGUS Assist, la nouvelle couche d’IA agentique d’Altus sur sa plateforme d’évaluation. Plutôt que d’ouvrir un modèle et de saisir à nouveau des données à la main, il a saisi une adresse et laissé le système récupérer l’évaluation précédente de l’actif et la reporter sur le trimestre en cours, en reprenant automatiquement chaque hypothèse.

A partir de là là, la démonstration s’est tournée vers un scénario de location : un bien industriel vacant avec un bail spéculatif qui ne devrait pas être signé avant le mois de janvier suivant. En travaillant entièrement à partir d’instructions, Matt LaHood a augmenté l’enveloppe destinée aux aménagements du locataire et a ajouté un mois de loyer gratuit afin d’évaluer si des conditions plus attractives pourraient avancer la date de signature. Le modèle a recalculé instantanément, montrant une hausse de valeur d’environ 1,8 million de dollars et une augmentation proportionnelle du flux de trésorerie. Une fois que les conditions semblaient réalisables, une seule instruction a transformé le scénario en une mise à jour permanente, accompagnée d’un résumé détaillant précisément l’ensemble des modifications apportées..

La démonstration a montré de la rapidité sans sacrifier la rigueur. Chaque modification a été traitée par le moteur de calcul ARGUS, avec un résumé détaillant avec précision les changements effectués. La mise à jour d’un échéancier locatif, qui demandait auparavant à un analyste une journée complète pour la réaliser, la vérifier et la renvoyer à un client, s’effectue désormais en vingt à trente secondes. En résumé, voilà la réponse à la question sur laquelle l’Altus Innovation Summit a été organisé : l’IA ne doit pas remplacer totalement le jugement professionnel, mais être un instrument de précision, plus puissant lorsque ses limites sont comprises, que ses données sont fiables et que les personnes qui le pilotent savent faire la différence.

Foire aux questions

Quelle est la différence entre l’IA à usage général et les outils d’IA spécialisés dans l’immobilier commercial ?

Les LLM à usage général gèrent un large éventail de tâches, mais n’ont pas accès aux données propriétaires et aux calculs propres au secteur. Des outils spécialisés pour l’immobilier commercial comme ARGUS Assist combinent l’IA avec des données fiables au niveau des actifs et des moteurs de calcul cohérents, rendant leurs résultats défendables devant les clients et les comités d’investissement.

Pourquoi la reproductibilité est-elle importante pour l’IA dans l’évaluation de l’immobilier commercial ?

Un modèle LLM auquel on pose la même question à différents moments peut donner des réponses différentes. Pour les professionnels de l’immobilier commercial, dont les résultats doivent être cohérents et vérifiables, la reproductibilité est une exigence fondamentale, et non un simple avantage.

Comment l’IA modifie-t-elle la productivité des évaluateurs et des analystes de l’immobilier commercial ?

Les tâches qui prenaient auparavant des heures ou des jours, notamment la vérification des rapports et les mises à jour de l’échéancier locatif, s’effectuent désormais en quelques secondes. L’IA réduit également le coût marginal de l’analyse de données supplémentaires à près de zéro et transforme une analyse jusque-là jugée trop coûteuse, en analyse de routine.

Quel rôle la qualité des données joue-t-elle dans l’évaluation immobilière basée sur l’IA ?

La précision des résultats de l’IA dépend de la qualité des données de départ. Les entreprises qui s’appuient sur des informations accessibles au public ou de sources secondaires sont confrontées à des limitations importantes, tandis que celles qui entraînent des modèles sur des données d’évaluation propriétaires et structurées obtiennent des résultats sensiblement plus précis et plus fiables.

Vous souhaitez être informé de nos nouveaux contenus, articles et événements CRE pertinents ?