AI Showreel l'analyse niveau grand cabinet, pour tout le monde
← La base
Preuve C Vivant confirmé

JLL

assistant genAI metier construit sur un LLM vertical proprietaire

IndustrieImmobilierLevierAcquisitionFamilleConversationImplémentationIA customÉtapeconsideration
Pattern prouvé dans 5 industries encore vierge en Banque, assurance & fintech, Luxe & beauté, Média & entertainment +7 Voir la carte du pattern
11 000+ employes
Adoption en 48h, sur un effectif d'environ 103 000
"more than 11,000 employees used the large language model" S2

JLL GPT, lance en aout 2023, est un LLM vertical pour l'immobilier commercial entraine sur les donnees de transactions internes de JLL ; plus de 11 000 employes l'ont utilise en 48 heures et plus de 47 000 professionnels en 2024.

Objectif

Donner aux equipes de courtage commercial un assistant genAI conforme aux exigences de securite et de confidentialite de JLL, pour rechercher des deals, modeliser et produire des livrables client plus vite sur des donnees proprietaires.

Le déploiement

JLL GPT est lance le 1er aout 2023 par la division JLL Technologies, presente comme le premier grand modele de langage construit specifiquement pour l'immobilier commercial. Il est entraine sur des decennies de donnees de transactions internes JLL completees par des sources externes, et deploye dans un environnement de calcul securise. Dans les 48 heures suivant l'ouverture, plus de 11 000 employes sur un effectif d'environ 103 000 s'en servent. En octobre 2024, au lancement de la plateforme JLL Falcon, plus de 47 000 professionnels l'ont deja utilise. JLL GPT a alors gagne la comprehension d'images et vingt-cinq fois plus de memoire de travail que sa version initiale. Falcon ajoute l'acces a plusieurs LLM, des modeles multimodaux et plus de soixante fonctions IA selon la ligne de metier. Les brokers s'en servent pour rechercher des deals, modeliser des flux de tresorerie et preparer des livrables client.

Résultats Preuve C

11 000+ employes
Adoption en 48h, sur un effectif d'environ 103 000
"more than 11,000 employees used the large language model" S2
47 000+
Professionnels ayant utilise l'outil (octobre 2024)
"More than 47,000 JLL professionals have already used the tool" S3

Communiques officiels JLL (T1) et presse etablie (CIO Dive) concordants, avec des chiffres d'adoption a l'echelle mondiale. Pas d'impact financier isole publie, d'ou un niveau C et non A.

Comment ça fonctionne

Architecture documentée
question NLRAGreponse / livrable Donnees de transactionsCRE JLL + sourcesexternes JLL GPT (LLM verticalcustom) JLL GPT sur Microsoft Azure Interface JLL GPT /plateforme Falcon Broker / consultant CRE

La stack en détail

  • llm JLL GPT LLM vertical proprietaire entraine sur des decennies de donnees de transactions CRE internes, enrichi de comprehension d'images en 2024
  • infra Microsoft Azure environnement de calcul securise dans lequel le modele est deploye
  • outil Couche RAG sur donnees CRE gouvernees recuperation dans les donnees internes JLL avant generation, cle de l'avantage metier vs LLM public
  • plateforme JLL Falcon plateforme lancee fin 2024 : acces a plusieurs LLM, modeles multimodaux et plus de soixante fonctions IA par ligne de metier

Comment ça tourne, concrètement

Pour les équipes ops
CadenceA la demande, en temps reel, sur requete d'un employe pendant son travail sur un deal.
Opéré parJLL Technologies tient le modele et la gouvernance des donnees ; les equipes de courtage l'utilisent au quotidien.
  1. 1
    Question en langage naturel humain

    Le broker pose une question sur un marche, un actif ou une modelisation.

  2. 2
    Recuperation sur donnees gouvernees IA

    Le systeme va chercher l'information dans les donnees CRE internes de JLL avant de repondre.

  3. 3
    Generation du livrable IA

    JLL GPT produit une reponse, une synthese ou une ebauche de document, avec comprehension d'images depuis 2024.

  4. 4
    Validation humaine humain

    Le broker verifie et utilise la sortie dans son travail client ; l'IA ne se substitue pas a l'expertise.

Le signal qui pilote

Le corpus de donnees CRE proprietaires, nettoye et gouverne. Sans lui, le modele repond de facon generique et perd son avantage metier face a un LLM public.

Comment vos clients perçoivent ce type d'usage

Études sourcées

Les consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.

64%
Consommateurs qui prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (2024)
53%
Consommateurs qui envisageraient de passer a un concurrent s'ils apprenaient que l'entreprise prevoit d'utiliser l'IA pour le service client (2024)
pres de 75%
Consommateurs qui veulent savoir s'ils communiquent avec un agent IA (2024)

Conditions d'acceptation

  • Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
  • Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
  • Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)

Lignes rouges

  • Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
  • Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)

Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025

Voir l'acceptation complète : par pays, par usage, par génération

Comment répliquer

Inférence - non sourcé

Prérequis data

  • corpus metier proprietaire volumineux et structure
  • gouvernance et qualite des donnees
  • droits d'usage clairs sur les donnees client

Prérequis orga

  • equipe ML et securite dediee
  • environnement de calcul conforme
  • conduite du changement aupres des metiers

Stack possible

  • LLM sur cloud securise
  • couche RAG sur base documentaire interne
  • controles de conformite et de confidentialite
Équipe pour opérer2-3 ingenieurs ML/data + 1 responsable securite/conformite + 1 PM + relais dans les metiers

Le plan, étape par étape

  1. Étape 1
    Constituer et gouverner le corpus metier proprietaire (nettoyage, droits d'usage, qualite)Livrable : Corpus documente avec droits valides et proprietaires identifies
  2. Étape 2
    Monter l'environnement de calcul securise (acces, logs, confidentialite) avec l'equipe securiteLivrable : Infra cloud conforme validee par la securite
  3. Étape 3
    Brancher le LLM et la couche RAG sur le corpus, sur un metier piloteLivrable : Assistant en alpha avec jeu de questions metier de reference
  4. Étape 4
    Pilote avec un groupe d'utilisateurs metier, mesurer qualite des reponses et adoptionLivrable : Retours qualite + taux d'usage du groupe pilote
  5. Étape 5
    Deployer largement avec conduite du changement et suivi d'usageLivrable : Assistant ouvert a l'effectif, adoption suivie en continu

Première étape : Constituer et gouverner un corpus metier propre avant de brancher un LLM dessus.

Sources

  1. S1 JLL unveils first GPT model for commercial real estate Primaire prnewswire.com · 2023-08-01 · consulté le 2026-07-11 archive à générer
  2. S2 JLL rolls out proprietary generative AI model to internal employees Presse établie ciodive.com · 2023-08-08 · consulté le 2026-07-11 archive à générer
  3. S3 JLL Falcon kicks off new era of AI-powered CRE innovation Primaire ir.jll.com · 2024-10-29 · consulté le 2026-07-11 archive à générer
  4. S4 How JLL built an AI platform to help employees and clients close the deal Secondaire runtime.news · 2026-03 · consulté le 2026-07-11 archive à générer