Les sociétés immobilières d’entreprise adoptent avec enthousiasme l’intelligence artificielle, mais rares sont celles qui atteignent les objectifs qu’elles attendaient de cette technologie, selon les résultats d’une enquête menée auprès de plus de 1 000 dirigeants de l’immobilier sur 16 marchés mondiaux.
Le nombre d’entreprises exécutant des projets pilotes d’IA dans le domaine de l’immobilier d’entreprise (CRE) a explosé, passant de 5 % à 92 % en seulement trois ans, a noté Jones Lang LaSalle (JLL) dans son enquête mondiale sur les technologies immobilières de 2025.
« Maintenant, l’IA, autrefois un sous-ensemble des technologies explorées par seulement une poignée d’équipes CRE, domine presque toutes les discussions sur l’innovation technologique immobilière. La vitesse de ce pivot a été sans précédent », a déclaré le rapport du directeur mondial de la recherche de JLL pour les technologies immobilières, Yuehan Wang.
Cependant, ajoute-t-il, le secteur en est encore à ses débuts en phase d’expérimentation, la plupart des organisations apprenant ce qui fonctionne avant de passer à une mise en œuvre complète.
Alors que certaines entreprises adoptent la technologie de manière proactive, sur la base d’une véritable conviction, poursuit le rapport, une partie considérable des équipes CRE mettent en œuvre l’IA non pas par choix, mais par mandat de la suite C, considérant l’adoption de l’IA comme une nécessité concurrentielle.
« Cette lacune stratégique se traduit directement par des défis d’exécution », a écrit Wang. « Alors que 92 % testent l’IA, seuls 5 % déclarent avoir atteint la plupart des objectifs du programme. Bien que la mise en œuvre soit généralisée, la plupart des initiatives restent expérimentales avec une mise à l’échelle limitée. «
« Il ne s’agit pas seulement d’une histoire de maturité technologique », a-t-il ajouté. « Il s’agit de choix stratégiques, de capacités organisationnelles et d’approches systématiques qui séparent les 5 % qui obtiennent de vrais résultats des 95 % qui sont encore à la recherche de leur percée. »
Mieux qu’une solution à 5 %
Donatas Karciauskas, PDG d’Exergio, une société de gestion de l’énergie dont le siège est à Vilnius, en Lituanie, est d’accord avec JLL sur le fait que de nombreuses entreprises ne voient pas de résultats. « Cependant, ce n’est pas un échec de l’IA, mais plutôt un signe que la plupart des organisations ne l’ont toujours pas intégrée dans leurs systèmes énergétiques ou ne l’utilisent pas à un niveau superficiel », a-t-il déclaré dans un communiqué.
« Lorsque les algorithmes fonctionnent avec des données en direct au lieu de rapports statiques, ils commencent à améliorer le bâtiment d’heure en heure », a-t-il poursuivi. « Cela conduit toujours à moins de déchets et à des conditions plus stables pour les personnes à l’intérieur. »
« Chaque site que nous gérons génère chaque jour des dizaines de milliers de points de données – température, débit, pression, CO2 et occupation – donnant aux algorithmes le contexte nécessaire pour ajuster les systèmes en continu », a expliqué Karciauskas. « Et notre taux de réussite est nettement supérieur aux 5 % mentionnés dans le rapport. Le secret est simple : il suffit d’utiliser l’IA de manière réfléchie. »
Il a ajouté que l’approche basée sur les données réduit régulièrement le gaspillage d’énergie CVC de 20 à 30 % et permet d’économiser plus d’un million d’euros par an dans les grands sites commerciaux, le tout réalisé uniquement grâce à des logiciels.
« La plupart des sociétés de gestion immobilière ne disposent pas de l’infrastructure technique ou de l’expertise nécessaire pour mettre en œuvre efficacement l’IA », a affirmé Minna Song, co-fondatrice et PDG d’EliseAI, un développeur de plateformes d’IA conversationnelle pour les opérations de logement et de soins de santé à New York.
« Ces entreprises ne sont pas des startups technologiques », a-t-elle déclaré à TechNewsWorld. « Ce sont des entreprises opérationnelles qui ont besoin de solutions clés en main, mais nous en avons vu trop nombreuses essayer de déployer des outils d’IA à usage général qui n’ont pas été conçus pour les flux de travail spécifiques et les exigences de conformité de l’immobilier. Ces solutions horizontales peuvent bien gérer une tâche, mais ne s’intègrent pas dans l’ensemble de la chaîne de travail. »
« Les entreprises recherchent les meilleurs cas d’utilisation pour GenAI, et de nombreuses expérimentations sont en cours en ce moment », a déclaré Kristen Hanich, directrice de recherche chez Parks Associates, une société d’études de marché et de conseil spécialisée dans les produits technologiques grand public, à Dallas, à TechNewsWorld.
Elle a souligné que l’un des principaux défis auxquels les entreprises sont confrontées est lié à la structure et à la propreté des données, qui sont extrêmement importantes pour la fiabilité et la validité de l’IA générale. Un autre défi majeur est que certains cas d’utilisation que les gens pourraient considérer comme des fruits à portée de main pour GenAI, comme l’abstraction des baux, peuvent ne pas être mis en pratique, et que les hallucinations peuvent causer des problèmes opérationnels et juridiques, a-t-elle ajouté.
« L’intégration de GenAI à des flux de travail spécifiques présente un grand potentiel pour les bons cas d’utilisation, mais cela nécessite une approche spécifique de la conception de systèmes – des flux de travail virtualisés bien cartographiés et bien compris, des modèles soigneusement formés, etc. – pour créer la fiabilité et la cohérence dont les entreprises ont besoin », a déclaré Hanich.
« Pour ceux qui utilisent des modèles publics d’IA, il existe également un risque de fuite de données », a-t-elle ajouté. « Nous avons vu des entreprises contourner ce problème en s’appuyant sur des modèles privés. »
Pourquoi les raccourcis IA ne fonctionnent pas
« L’explosion des projets pilotes d’IA n’est pas qu’un battage médiatique : elle est motivée par la promesse d’une intégration plus rapide des données et d’une prise de décision en temps réel », a déclaré Ahmed Harhara, ingénieur et fondateur de HoustonHomeTools, une plateforme de données qui aide les résidents à comprendre les risques environnementaux et immobiliers au niveau du quartier, à Houston.
« Le défi est que de nombreuses entreprises se lancent dans l’IA sans pipelines de données structurés ni méthodes de validation claires », a-t-il déclaré à TechNewsWorld. « Ils s’attendent à ce que l’IA comble les lacunes existantes, mais la qualité des modèles dépend de la lignée des données qui les sous-tend. Sans contrôle systématique de la qualité des données, les résultats de l’IA deviennent peu fiables, en particulier dans des domaines à enjeux élevés comme l’immobilier ou les infrastructures. »
Le rapport JLL souligne que la promesse d’un saut technologique – où les organisations sautent des étapes intermédiaires pour adopter des solutions de pointe – captive depuis longtemps les chefs d’entreprise confrontés à des lacunes technologiques. En théorie, l’IA offre l’opportunité ultime de saut en avant, a-t-il soutenu, permettant aux entreprises dotées de systèmes obsolètes de contourner les mises à niveau incrémentielles et de passer directement aux solutions basées sur l’IA.
« Cependant », prévient-il, « nos recherches révèlent une réalité qui donne à réfléchir. Plutôt que d’uniformiser les règles du jeu, l’adoption de l’IA élargit l’écart entre les leaders technologiques et les retardataires, les entreprises qui mènent déjà des programmes technologiques réussis allant plus loin dans les résultats de l’IA. »
Les organisations ne peuvent pas ignorer les nécessités d’une mise en œuvre réussie de l’IA. « Ce qu’il faut vraiment, c’est un changement de mentalité, car cela commence à changer votre modèle commercial, votre façon de commercialiser, de vendre, de négocier des contrats, de trouver des locataires », a déclaré Daniel Burrus de Burrus Research, un fournisseur de services de conseil stratégique, à Milwaukee.
« L’IA nécessite une façon vraiment différente de voir votre organisation et une nouvelle façon de penser », a-t-il déclaré à TechNewsWorld. « Il n’y a pas que deux personnes dans l’organisation qui doivent penser différemment. Si vous voulez faire quelque chose de grand et dans l’ensemble de votre entreprise, vous devez faire changer l’état d’esprit de tout le monde, et cela ne se fait pas d’un seul coup. »
L’IA ne peut pas réparer les mauvaises données
L’IA n’améliore pas les fondations numériques fragiles ; cela les amplifie, a ajouté Jason Chen, fondateur et directeur technique de JarnisTech, un fabricant de circuits imprimés, dans la ville de Shenzhen, en Chine. « Une entreprise disposant de données médiocres et coincée dans une technologie désuète peut s’attendre à des résultats plus rapides et médiocres avec les modèles d’IA », a-t-il déclaré à TechNewsWorld.
« La vérité est que les entreprises qui s’attendent à ce que l’IA comble les vides technologiques de la dernière décennie se trompent », a-t-il déclaré. « Au lieu de cela, l’IA fonctionne mieux avec des données propres, connectées et à jour. En d’autres termes, il n’y a rien de tel que de dépasser la maturité numérique. Vous devez la construire. »
« L’IA n’est pas un outil universel », a ajouté Pasquale Zingarella, PDG d’Invest Clearly, une plateforme d’investissement immobilier en ligne basée à Dover, Del. « C’est une ressource en évolution rapide qui doit être surveillée. »
« Vous ne pouvez pas déverser des ressources exponentielles comme l’IA sur des systèmes, des données et des processus existants et vous attendre à ce que des lingots d’or tombent du ciel », a-t-il déclaré à TechNewsWorld. « Si elle n’est pas mise en œuvre efficacement, elle peut donner lieu à des résultats inexacts et peu fiables, ce qui pourrait exposer les organisations à des risques. »
