Matching automatique acheteur↔bien : le « For You » de votre agence
Votre base d’acheteurs a probablement 3 à 5 clients idéaux pour chaque nouveau bien qui entre au portefeuille. Sans IA, personne n’a le temps de croiser.
Toute agence a un CRM plein d’acheteurs enregistrés — des gens venus une fois, qui ont dit ce qu’ils cherchaient, ont reçu deux ou trois suggestions, puis se sont perdus dans le bruit. Quand un bien nouveau entre au portefeuille, personne n’a le temps de balayer la base à la main pour trouver qui pourrait être intéressé.
Un matching automatique fait ce travail chaque matin, avant que le conseiller ne commence sa journée.
Ce que fait le système
entre au portefeuille]) --> B[Le système lit
la fiche complète] B --> C[Balaye la base
d’acheteurs actifs] C --> D[Score de match :
budget, zone,
typologie, timing] D --> E{Top 5
matches} E --> F[Notifie
le conseiller responsable] F --> G[Le conseiller décide
qui contacter] G --> H([Contact
personnalisé])
Le système est précis, pas exhaustif : préfère suggérer 5 très bons matches que d’inonder le conseiller avec 30 possibles. La règle qu’on utilise est conservatrice — score minimum élevé, et jamais plus de 10 matches par bien.
Ce que l’IA ajoute face à un filtre CRM
Un bon CRM filtre déjà par budget et typologie. Ce que l’IA ajoute :
- Interprétation de critères « mous ». Un acheteur qui a enregistré « quelque chose avec du caractère » ou « à personnaliser » ne se filtre pas par case — l’IA lit la fiche et comprend l’intention.
- Signaux d’intention récents. Qui a visité le site les 15 derniers jours, qui a interagi avec des e-mails, qui a demandé une seconde visite sur un autre bien — tout pèse.
- Contexte de vie. Une personne qui avait enregistré son intérêt il y a 8 mois « pour l’année prochaine » est maintenant au bon timing. Le CRM ne sait pas faire ce calcul.
Ce que ça change pour le conseiller
- Contact chaud, pas froid. « J’ai vu que vous cherchiez à Alvalade — celui-ci est arrivé hier, voulez-vous le voir avant qu’il ne sorte sur le portail ? » a un taux de réponse de 40-60 %, contre 5-10 % pour un contact générique.
- Priorité claire. Le conseiller ouvre le CRM le matin et voit qui contacter aujourd’hui — pas besoin de faire le travail de curation.
- Moins de biens perdus. Les biens nouveaux cessent d’« attendre de trouver leur propriétaire » — le propriétaire est trouvé avant que le bien ne devienne public.
Les chiffres qu’on voit généralement
Sur une base active de 2-4 k acheteurs enregistrés :
- Temps moyen jusqu’à la première visite sur un bien nouveau : de 12 jours à 4 jours.
- Biens vendus « off-market » (avant publication publique) : 5 % → 25-35 %.
- Commissions préservées — les ventes off-market ne payent pas le portail et n’affrontent pas la concurrence.
Où l’IA peut échouer (et comment s’en protéger)
- Base pas à jour. Si la moitié des contacts sont de 2019, le matching suggère des gens qui ont déjà acheté ailleurs. Nettoyer la base d’abord est obligatoire.
- Overfitting aux préférences anciennes. Une personne qui disait « uniquement T2 » il y a 3 ans est aujourd’hui mariée avec enfants. Le conseiller a toujours l’option d’élargir le critère manuellement.
- Rejet silencieux d’acheteurs valides. Ne jamais écarter complètement — les « non match » restent dans un second tier, visibles si le conseiller veut.
Le pattern est clair : l’IA prépare, le conseiller décide. Et le CRM cesse d’être un cimetière.