La prospection immobilière est en train de vivre deux transformations en même temps.
La première est réglementaire. Depuis le 11 août 2026, le démarchage téléphonique commercial auprès des consommateurs est interdit par principe en France sans consentement préalable, avec certaines exceptions encadrées, notamment dans le cadre d’un contrat en cours.
La seconde est technologique. Les agents IA deviennent capables d’analyser des informations, d’utiliser différents outils, de mettre à jour un CRM, de rechercher du contexte, de qualifier une demande ou encore de déterminer certaines actions à effectuer.
Ces deux transformations posent une question intéressante pour les professionnels de l’immobilier :
un agent IA peut-il réellement prospecter à la place d’un agent immobilier ?
Présentée ainsi, la réponse est probablement non.
Mais ce n’est peut-être pas la bonne question.
Car prospecter ne consiste pas uniquement à décrocher son téléphone ou à rencontrer un propriétaire. Avant, pendant et après chaque interaction commerciale se cache une succession de tâches. Et c’est précisément sur une partie de cette chaîne que les agents IA peuvent commencer à transformer le métier.
Prospecter n’est pas une tâche, c’est un processus
Lorsque l’on parle de prospection, on imagine souvent le moment du contact : l’appel, le message, le rendez-vous ou la rencontre terrain.
Pourtant, le travail commence bien avant.
Il faut comprendre son secteur, identifier les opportunités, choisir lesquelles travailler en priorité, retrouver le contexte d’un contact, préparer son approche, organiser les relances, enregistrer les informations obtenues et déterminer ce qu’il faut faire ensuite.
La prospection ressemble donc davantage à une chaîne :
Observer → identifier → prioriser → préparer → contacter → qualifier → relancer → convertir → suivre
Toutes ces étapes ne nécessitent pas le même niveau d’intervention humaine.
Et c’est là que les agents IA deviennent intéressants.
Un agent IA n’est pas simplement ChatGPT connecté à un CRM
Il faut d’abord clarifier ce que l’on entend par « agent IA ».
Un assistant conversationnel répond principalement à une demande. Une automatisation classique exécute un scénario défini à l’avance : lorsqu’un événement A se produit, une action B est déclenchée.
Un agent IA peut fonctionner différemment.
OpenAI décrit les agents comme des systèmes capables d’accomplir des tâches au nom d’un utilisateur, en utilisant un modèle pour gérer l’exécution du processus et différents outils pour interagir avec leur environnement. Anthropic distingue également les workflows, dans lesquels les chemins sont prédéfinis, des agents, où le modèle peut diriger dynamiquement son processus et son utilisation des outils.
La différence devient importante en immobilier.
On ne demande plus seulement :
« Rédige-moi un email de relance. »
Le système peut recevoir un objectif plus large :
« Analyse mes opportunités et aide-moi à déterminer celles qui nécessitent une action aujourd’hui. »
Il doit alors comprendre le contexte disponible, consulter différentes informations, comparer les situations et proposer — voire exécuter lorsqu’il y est autorisé — certaines étapes.
À quoi cela pourrait-il ressembler dans une agence ?
Prenons une situation très simple.
Il est 8h30. Un négociateur immobilier commence sa journée.
Dans un fonctionnement traditionnel, il ouvre son CRM. Il découvre des rappels, des leads, des estimations passées, des acquéreurs à relancer et plusieurs dizaines de contacts dont certains n’ont pas été travaillés depuis plusieurs semaines.
À lui de décider par où commencer.
Dans un fonctionnement agentique, l’expérience peut devenir différente.
Le système analyse les informations auxquelles il est autorisé à accéder et prépare une synthèse :
12 opportunités méritent votre attention aujourd’hui.
Par exemple :
- une estimation réalisée il y a six mois doit être relancée ;
- un propriétaire ayant manifesté un projet mérite un suivi ;
- trois acquéreurs correspondent à un nouveau bien ;
- deux leads entrants n’ont pas encore été qualifiés ;
- un rendez-vous nécessite une préparation ;
- plusieurs informations importantes manquent dans le CRM.
L’agent immobilier n’a encore contacté personne.
Pourtant, une partie du travail nécessaire à sa prospection a déjà été réalisée.
Le premier bouleversement : passer d’une liste de contacts à une liste d’actions
C’est probablement l’une des évolutions les plus intéressantes.
Un CRM traditionnel organise principalement de l’information : contacts, biens, opportunités, tâches, rendez-vous.
Mais disposer de 2 000 contacts ne signifie pas savoir qui mérite réellement son attention aujourd’hui.
Un agent IA peut potentiellement ajouter une couche supplémentaire : transformer l’information disponible en priorités opérationnelles.
| CRM traditionnel | Système plus agentique |
|---|---|
| Voici vos contacts | Voici les contacts à regarder aujourd’hui |
| Voici vos tâches | Voici les actions qui semblent prioritaires |
| Voici l’historique | Voici les éléments importants de l’historique |
| Voici vos leads | Voici ceux qui nécessitent une action |
| Voici vos données | Voici ce qu’elles peuvent impliquer |
| L’utilisateur cherche | Le système prépare |
La différence paraît subtile.
Elle change pourtant profondément l’expérience du professionnel.
Au lieu de passer une partie de son temps à chercher quoi faire, il peut consacrer davantage de temps à faire ce qui mérite réellement son attention.
Le « next best action » pourrait devenir plus important que la génération de contenu
Depuis l’arrivée de l’IA générative, beaucoup d’outils commerciaux se sont concentrés sur la production de contenu.
Écrire un email.
Créer une annonce.
Préparer un SMS.
Résumer un rendez-vous.
Ces usages sont utiles, mais ils ne répondent qu’à une partie du problème.
La question la plus intéressante n’est pas toujours :
« Que dois-je écrire dans cet email ? »
Elle peut être :
« Est-ce réellement cette personne que je dois contacter maintenant ? »
Puis :
« Quelle est la meilleure action à effectuer ? »
Un email ?
Un appel lorsque le cadre légal le permet ?
Une demande d’information ?
Une préparation d’estimation ?
Une relance plus tard ?
Aucune action pour le moment ?
C’est la logique de next best action : utiliser le contexte disponible pour déterminer quelle prochaine étape semble la plus pertinente.
L’IA ne sert alors plus uniquement à produire.
Elle commence à aider à orchestrer l’activité commerciale.
Mais l’IA ne peut pas prospecter n’importe comment
Cette évolution technologique arrive au moment même où le cadre français de la prospection se durcit.
Depuis le 11 août 2026, l’article L223-1 du Code de la consommation prévoit que la prospection commerciale téléphonique d’un consommateur est interdite lorsqu’il n’a pas donné préalablement son consentement. Ce consentement doit être libre, spécifique, éclairé, univoque et révocable, et le professionnel doit pouvoir en apporter la preuve lorsqu’il s’en prévaut.
Des exceptions existent, notamment lorsqu’une sollicitation intervient dans le cadre de l’exécution d’un contrat en cours et porte sur son objet ou des produits et services connexes ou complémentaires. Mais la règle générale a clairement changé.
Automatiser une pratique interdite ne la rend évidemment pas légale.
Un agent IA ne constitue donc pas une manière de contourner les règles de prospection.
Au contraire, un système correctement conçu devrait être capable d’intégrer davantage de contraintes : origine du contact, consentement lorsqu’il est requis, historique de la relation, canal utilisable et règles applicables avant de proposer ou d’exécuter une action.
La conformité devient elle-même une composante du workflow.
La nouvelle réglementation renforce paradoxalement l’intérêt du ciblage
Lorsque contacter massivement des particuliers devient plus compliqué, la valeur de la prospection ne repose plus simplement sur la quantité.
Le professionnel dispose toujours d’un temps limité.
La question devient donc :
où doit-il concentrer ce temps ?
C’est ici que données immobilières et agents IA peuvent devenir complémentaires.
La donnée peut contribuer à comprendre un secteur et à prioriser certaines opportunités.
L’agent IA peut ensuite aider à transformer ces informations en actions.
Et l’humain intervient là où son expertise possède le plus de valeur.
On obtient une chaîne beaucoup plus intéressante que la simple automatisation d’un appel :
Données → opportunité → contexte → priorité → action autorisée → interaction humaine → résultat
Tout n’a pas le même potentiel d’automatisation
Si l’on découpe réellement le travail de prospection, certaines étapes sont beaucoup plus adaptées à l’IA que d’autres.
| Étape | Potentiel d’automatisation | Pourquoi |
|---|---|---|
| Analyse d’un secteur | Élevé | Traitement de volumes importants de données |
| Priorisation d’opportunités | Élevé | Comparaison de nombreux signaux |
| Recherche de contexte | Élevé | Agrégation d’informations autorisées |
| Préparation d’un rendez-vous | Élevé | Synthèse de l’historique |
| Mise à jour CRM | Élevé | Travail structuré et répétitif |
| Organisation des relances | Élevé | Gestion de règles et d’échéances |
| Qualification simple | Moyen à élevé | Questions et critères structurés |
| Compréhension d’une situation complexe | Moyen | Nécessite contexte et jugement |
| Défense d’une estimation | Faible à moyen | Argumentation et adaptation |
| Négociation | Faible | Relation, jugement, stratégie |
| Création de confiance | Faible | Dimension profondément humaine |
| Signature du mandat | Assistance | Responsabilité et relation humaine |
L’objectif n’est donc pas de rechercher un taux d’automatisation maximal.
Il faut identifier où l’automatisation crée réellement de la valeur.
L’humain reste particulièrement important lorsque la situation devient ambiguë
Imaginons maintenant un rendez-vous vendeur.
Un propriétaire souhaite afficher son appartement à 520 000 €. Les références disponibles conduisent plutôt le professionnel à défendre une valeur autour de 460 000 €.
Une IA peut préparer le rendez-vous.
Elle peut retrouver des comparables, résumer l’historique, analyser la concurrence et préparer certains arguments.
Mais pendant la conversation, le vendeur explique qu’il n’est pas pressé. Puis qu’il envisage de déménager. Puis que ses enfants ne souhaitent pas vendre. Puis qu’un voisin aurait obtenu un prix très supérieur quelques années auparavant.
Le problème n’est soudainement plus uniquement immobilier.
Il devient humain.
Pourquoi cette personne hésite-t-elle réellement ?
Est-ce le prix ?
La peur de vendre ?
Le calendrier ?
Une contrainte familiale ?
Un manque de confiance ?
La machine peut apporter du contexte.
Le professionnel doit comprendre la situation.
L’IA pourrait surtout supprimer le travail autour de la prospection
C’est peut-être là que se trouve le principal gain.
Un agent immobilier ne passe pas uniquement son temps à parler à des clients.
Il cherche une information.
Relit un historique.
Prépare une fiche.
Crée une tâche.
Renseigne le CRM.
Programme une relance.
Résume un rendez-vous.
Retrouve un email.
Compare des biens.
Prépare une estimation.
Chacune de ces opérations peut ne prendre que quelques minutes.
Mais leur accumulation crée ce que l’on pourrait appeler le travail autour du travail.
McKinsey, dans ses analyses sur l’IA agentique appliquée à l’immobilier, distingue notamment les étapes répétables d’un processus des activités nécessitant davantage de jugement. Leur analyse défend une approche où les agents automatisent ou orchestrent certaines étapes tandis que l’humain conserve davantage les décisions nécessitant expertise et discernement.
C’est une distinction particulièrement pertinente pour l’immobilier.
Le professionnel pourrait devenir le superviseur d’une partie de son activité automatisée
Cela conduit à une organisation assez différente de celle d’aujourd’hui.
L’agent immobilier ne disparaît pas.
Mais une partie de son activité peut être préparée en permanence autour de lui.
À terme, il pourrait commencer sa journée non pas avec cinq logiciels à consulter, mais avec une synthèse :
Voici ce qui s’est passé.
Voici ce qui nécessite votre attention.
Voici pourquoi.
Voici les actions préparées.
Le professionnel valide, modifie ou refuse.
Puis il intervient.
Cette logique est beaucoup plus proche de ce que permettent les systèmes agentiques que le simple chatbot installé dans un coin du CRM.
Et après chaque action, le système devrait apprendre du résultat
Il reste cependant une étape essentielle.
Imaginons que l’agent IA recommande 100 actions commerciales sur plusieurs semaines.
Certaines ne produisent rien.
Certaines génèrent une réponse.
D’autres permettent d’identifier un projet.
Quelques-unes conduisent à une estimation.
Et certaines finissent par contribuer à l’obtention d’un mandat.
Si le système ne récupère jamais ces résultats, il continuera simplement à produire des recommandations.
En revanche, si le résultat revient dans la boucle, il devient possible d’évaluer la qualité des décisions proposées.
| Étape | Exemple |
|---|---|
| Identifier | Opportunité détectée |
| Prioriser | Niveau de priorité attribué |
| Préparer | Contexte rassemblé |
| Agir | Action réalisée |
| Observer | Réponse ou absence de réponse |
| Qualifier | Projet confirmé ou non |
| Mesurer | Rendez-vous, estimation, mandat... |
| Apprendre | Ajustement des futures priorités |
L’agent IA devient alors plus intéressant qu’un simple outil d’exécution.
Il participe à une boucle commerciale mesurable.
Alors, peut-il réellement prospecter à la place d’un agent immobilier ?
Pas entièrement.
Et ce n’est probablement pas l’objectif le plus pertinent.
L’agent IA peut analyser davantage d’informations qu’un professionnel ne pourrait raisonnablement consulter chaque matin. Il peut préparer des actions, maintenir un CRM à jour, organiser des relances, synthétiser du contexte et contribuer à déterminer ce qui mérite de l’attention.
Mais lorsqu’un propriétaire hésite, qu’une estimation doit être défendue, qu’une objection inattendue apparaît ou qu’une relation de confiance doit être créée, la valeur du professionnel reste considérable.
La répartition pourrait donc progressivement devenir :
| Agent IA | Agent immobilier |
|---|---|
| Analyse | Compréhension |
| Volume | Relation |
| Recherche | Interprétation |
| Priorisation | Arbitrage |
| Préparation | Conviction |
| Suivi | Conseil |
| Exécution répétitive | Négociation |
Ce n’est pas nécessairement IA contre agent immobilier.
C’est potentiellement agent immobilier + agents IA.
Ce que nous cherchons à construire chez Domaris
C’est précisément la logique que nous voulons appliquer à Domaris.
Radar intervient en amont pour aider à comprendre un secteur et prioriser certaines opportunités.
Les agents IA peuvent ensuite intervenir sur une partie du travail opérationnel : recherche de contexte, qualification, préparation, suivi, mise à jour et prochaines actions.
Le professionnel conserve les moments où son expertise est la plus forte : comprendre une situation, créer une relation, conseiller, défendre une estimation, négocier et obtenir un mandat.
L’objectif n’est donc pas de créer un robot qui prospecte toute la journée à la place de l’agent.
Il est de faire en sorte que, lorsqu’un professionnel consacre une heure à sa prospection, cette heure soit utilisée sur les bonnes opportunités, avec le bon contexte et le moins de travail parasite possible.
C’est une différence importante.
L’agent IA ne remplacera peut-être pas l’agent immobilier dans la prospection.
Mais un agent immobilier équipé d’agents IA pourrait progressivement travailler très différemment d’un agent qui ne l’est pas.
