Retour aux informations

5 signes avant-coureurs de l'échec de la stratégie IA de votre entreprise avant même le premier signal

Préparation à l'IA dans l'immobilier commercial : cinq signes que votre infrastructure de données risque de compromettre votre stratégie d'IA, et comment les identifier.

Updated: October 21, 20267 min read

5 signes avant-coureurs de l'échec de la stratégie IA de votre entreprise avant même le premier signal

Préparation à l'IA dans l'immobilier commercial : cinq signes que votre infrastructure de données risque de compromettre votre stratégie d'IA, et comment les identifier.

Updated: October 21, 20267 min read
Auteurs
Christina Gratrix's Profile
Christina Gratrix

Directeur principal, Gestion des produits

Steve-Bezner-500x500's Profile
Steve Bezner

EVP Services clients et formation

Demandez à n'importe quel professionnel de l'immobilier commercial si la qualité des données est importante pour l'IA, et vous obtiendrez la même réponse : si les données d'entrée sont mauvaises, les résultats le seront aussi. Personne ne conteste ce point, et la plupart des entreprises vous diront que la qualité de leurs données est une priorité. Mais à quoi ressemble concrètement une entreprise prête pour l'IA ?


L'IA exploite les mêmes données que celles utilisées par vos équipes. « L'IA ne résout pas les problèmes de données, elle les amplifie », explique Steve Bezner, vice-président exécutif du service client et de l'accompagnement chez Groupe Altus. Toute lacune dans l'organisation de ces données se reflétera dans les réponses fournies par l'IA, plus rapidement et avec une plus grande fiabilité qu'un humain.


Les cinq signes suivants constituent un moyen pratique de déterminer si votre infrastructure est prête pour l'IA. Chacun d'eux se manifeste dans le travail déjà effectué par vos équipes et représente un risque accru une fois l'IA intégrée au flux de travail.

1. Chaque question relative au portefeuille nécessite un assemblage manuel

Un gestionnaire de portefeuille qui construit un La stratégie de portefeuille vise à déterminer quels marchés justifient de nouvelles acquisitions et pour quels types de biens. Cela implique de comparer les prévisions de taux d'occupation aux moyennes du marché, d'identifier les secteurs en croissance dans chaque sous-marché, de pondérer les facteurs liés aux actifs (comme l'accessibilité pour les locaux industriels ou la proximité des commerces résidentiels) et de cibler par sous-type, par exemple les commerces de détail à dominante alimentaire.

Dans la plupart des entreprises, répondre à cette question implique d'ouvrir plusieurs systèmes, d'extraire chaque indicateur, d'harmoniser les définitions qui divergent et d'établir manuellement le tableau comparatif. L'analyse elle-même peut prendre un après-midi. Rendre les données exploitables pour l'analyse peut prendre un certain temps.jours.

L'ajout de l'IA à ce processus accélère l'assemblage, mais l'outil continue de fusionner des données qui n'ont jamais été reliées entre elles. Lorsque les définitions divergent, il peut les réconcilier de manière invisible, et la comparaison qu'il fournit en retour est…paraîtra soigné et plausible, même si ce n'est pas le cas.Lorsque ces mêmes indicateurs sont liés à l'actif avec des définitions cohérentes, la question devient une question que l'on peut poser directement, et le temps est consacré à la décision plutôt qu'à la préparation.

Le chèque :Pensez à la dernière question transversale posée par votre comité d'investissement. Combien de systèmes a-t-on dû consulter pour y répondre ?



2. On ne peut pas remonter à une hypothèse d'il y a deux ans.

Deux personnes travaillent sur un modèle d'acquisition. L'une modifie une hypothèse de vacance et renvoie le fichier. Rien n'indique la modification. Six étapes plus tard, quelqu'un demande pourquoi le taux de vacance est de 30 % sur ce sous-marché. Pour trouver la réponse, il faut retracer chaque document, chaque version et chaque transmission afin de déterminer l'origine de ce chiffre.

L'information existe, mais elle est dispersée dans des fichiers disparates, sans trace cohérente des modifications apportées, ni de leur date ou de leur raison, ce qui rend la reconstitution de la chaîne de modifications extrêmement manuelle.

Un outil d'IA travaillant à partir de ces fichiers présente la même lacune. Il peut indiquer un taux d'inoccupation de 30 %, mais il est incapable de préciser qui l'a fixé ni pourquoi, or c'est précisément la question qu'un prêteur ou un auditeur posera. Pour y remédier, il est essentiel d'ancrer les données à l'actif lui-même, afin que chaque hypothèse et chaque version du modèle soient consignées dans un seul et même enregistrement, permettant ainsi à chacun d'en retracer l'historique.

Le chèque : Choisissez un modèle datant d'il y a deux ans et demandez-vous qui a modifié les hypothèses clés et pourquoi. Pouvez-vous répondre sans avoir à retrouver la personne en question ?



3. Vous ne savez pas ce que contiennent vos données tant que l'IA ne les a pas découvertes pour vous.

Même lorsque les fichiers sont faciles à trouver, ils sont généralement conçus pour un usage spécifique. Les tableurs contiennent des formules, des sous-totaux et une mise en forme adaptés à un rapport ou à une question précise. Lorsqu'ils servent de données d'entrée pour une autre analyse, l'IA ne parvient pas à distinguer une donnée réelle d'un résultat de calcul. Le même problème peut se poser avec les états de loyers et les modèles d'évaluation : un loyer total peut être interprété comme le loyer payé par un seul locataire bien au-dessus du prix du marché. Le résultat semble correct, mais l'erreur est dissimulée dans des données d'entrée qui n'ont jamais été conçues pour répondre à la question posée.

Le chèque :Les fichiers que vous prévoyez de soumettre à un outil d'IA seraient-ils compréhensibles pour quelqu'un qui n'a jamais vu le rapport pour lequel ils ont été conçus ?



4. Votre savoir institutionnel disparaît tous les vendredis à 17h00.

Dans la plupart des entreprises, une personne sait où se trouve chaque document : quel fichier est à jour, quelle version des hypothèses privilégier, quelle convention de nommage un ancien collègue utilisait. Le système fonctionne tant que cette personne est disponible.

Christina Gratrix, directrice principale de la gestion des produits chez Groupe Altus, se souvient d'avoir demandé à ses collègues, au début de sa carrière, comment certaines décisions étaient prises et d'avoir reçu pour réponse un simple « on le sait, c'est tout ». Cela fonctionne lorsque le savoir se transmet d'une personne expérimentée à une autre. « Si la logique n'existe que dans la tête de quelqu'un, un agent d'IA ne peut pas l'utiliser de manière fiable », explique-t-elle.

L'immobilier commercial est confronté à un défi particulier : l'absence de standardisation de la terminologie. Un modèle d'évaluation peut être parfaitement clair pour son concepteur, mais totalement incohérent pour tous. De petites incohérences deviennent des obstacles invisibles, comme un local désigné par 300 dans un modèle et 0300 dans un autre, ou encore la façon dont différents analystes qualifient les espaces vacants : « Vacant », « VAC » ou « Spéculatif ». Un outil d'IA peut certes rechercher et extraire rapidement des fichiers, mais sans normes sous-jacentes, il ne fournit que des résultats aberrants.

Le chèque : Si la personne qui sait où tout se trouve prenait deux semaines de congé, votre équipe pourrait-elle encore retrouver la version actuelle d'un modèle ?



5. Vous évaluez les outils d'IA avant même de vous demander d'où viennent les réponses.

Les quatre premiers signes concernent vos données. Le dernier, relatif à l'outil, est le plus facile à négliger car l'évaluation des fournisseurs donne l'impression d'avancer. Les démonstrations sont impressionnantes, mais la plupart des entreprises omettent une question fondamentale : lorsque vous sollicitez cet outil, d'où tire-t-il ses réponses ?

Toutes les plateformes d'IA n'offrent pas la même transparence quant à l'origine des réponses. Certaines affichent leurs sources, tandis que d'autres fournissent une réponse péremptoire sans fournir de traçabilité claire des données sous-jacentes. La réponse peut paraître convaincante, mais si son origine est inconnue, elle ne résistera pas à l'examen d'un conseil d'administration, d'un auditeur ou d'un comité d'investissement.

L'incohérence est l'autre problème. Posez la même question sur le même actif à cinq reprises et vous obtiendrez peut-être cinq réponses différentes, car l'outil n'est pas basé sur vos données. Dans un secteur où une évaluation doit résister à un examen rigoureux, une réponse qui varie selon la formulation de la question constitue un handicap. L'évaluation exige une IA déterministe : basée sur vos données et fournissant systématiquement la même réponse à une même question.

« Si vous ne savez pas où trouver les données pour répondre à la question, vous n'êtes pas prêt à laisser l'IA s'en charger », affirme Gratrix. « Vous devriez utiliser l'IA pour vous aider à identifier les tendances et à analyser les données, afin de prendre des décisions éclairées et efficaces. »Tirez plus rapidement vos propres conclusions.. Pas pour générer l'information elle-même."

Le chèque :Demandez à un vendeur d'où provient une réponse précise, puis reformulez la même question deux fois et comparez.



Qu'ont en commun ces signes ?


Il est courant d'en reconnaître quelques-uns, et cela ne signifie pas que l'IA est à exclure. Cela signifie simplement que l'ordre est important. Chaque élément mentionné ci-dessus repose sur les mêmes fondements : des données liées à l'actif, un historique des modifications et de leurs raisons, des normes réellement appliquées par votre équipe et une explication claire de la source de la réponse.

Prises individuellement, chacune de ces lacunes est gérable. Dès que l'IA est intégrée au processus, elles s'amplifient toutes. Les entreprises qui effectuent d'abord un travail de fond tireront davantage profit de l'IA et pourront se fier à ses conclusions.



AGL - Expertise - Technology

Accélérez vos initiatives technologiques stratégiques

Obtenez le soutien dont vous avez besoin pour innover en permanence, définir votre avantage concurrentiel et faire évoluer votre entreprise vers le succès.

Découvrez notre expertise


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





Clause de non-responsabilité


Cette publication a été préparée à titre indicatif uniquement sur des sujets d'intérêt général et ne constitue en aucun cas un conseil ou une prestation de services professionnels du Groupe Altus, de ses filiales et de ses entités apparentées (collectivement « Groupe Altus»). Vous ne devez pas agir sur la base des informations contenues dans cette publication sans avoir obtenu un avis professionnel spécifique.

Plusieurs facteurs peuvent influencer la performance du marché immobilier commercial, notamment la réglementation et des facteurs économiques tels que les fluctuations des taux d'intérêt, l'inflation, l'évolution du sentiment des investisseurs et l'évolution de la demande des locataires ou des taux d'occupation. Nous vous recommandons vivement de consulter un professionnel qualifié afin d'évaluer l'impact de ces facteurs et d'autres dynamiques de marché sur votre stratégie d'investissement, vos hypothèses de souscription, la valorisation de vos actifs et la performance globale de votre portefeuille.

Aucune déclaration ni garantie (expresse ou implicite) n'est donnée quant à l'exactitude, l'exhaustivité ou la fiabilité des informations contenues dans cette publication, ni quant à leur adéquation à un usage particulier. Dans les limites autorisées par la loi, Groupe Altus décline toute responsabilité et toute obligation de diligence quant aux conséquences de vos actes ou de l'abstention d'agir de votre part ou de toute autre personne sur la base des informations contenues dans cette publication, ou quant à toute décision prise sur la base de celles-ci. La diffusion de cette publication ne crée, ne prolonge ni ne rétablit aucune relation client entre Groupe Altus et vous ou toute autre personne physique ou morale. Cette publication, en tout ou en partie, ne peut être reproduite ou distribuée sous quelque forme ou à quelque fin que ce soit sans l'autorisation écrite expresse d' Groupe Altus.

Auteurs
Christina Gratrix's Profile
Christina Gratrix

Directeur principal, Gestion des produits

Steve-Bezner-500x500's Profile
Steve Bezner

EVP Services clients et formation

Ressources

Dernières informations

Canadian Market Office Update Insight

oct. 21, 2026

Canadian office market update – Q3 2026

En savoir plus
GettyImages

oct. 15, 2026

Ce que les données commerciales immobilières canadiennes connectées rendent possible

En savoir plus

oct. 9, 2026

Dans CRE, la seule réponse de l'IA qui compte est celle que vous pouvez défendre.

En savoir plus

oct. 8, 2026

Confiance, vérifiée : ce que la norme ISO 42001 signifie pour la CRE

En savoir plus
GettyImages x

août 6, 2026

De l'expérimentation à l'impact : l'IA dans l'immobilier commercial

En savoir plus
GettyImages x

juil. 21, 2026

Au cœur du premier Altus Innovation Summit à Paris

En savoir plus