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

Realtor.com

recherche en langage naturel avec comprehension des images d'annonces

IndustrieImmobilierLevierActivation / conversionFamilleConversationImplémentationHybrideÉtapeconsideration
Pattern prouvé dans 7 industries encore vierge en Banque, assurance & fintech, Média & entertainment, CPG & D2C +5 Voir la carte du pattern
plus de 300
Termes reconnus par la recherche NL
"recognizes over 300 terms and learns from user behavior" S1

Realtor.com a deploye en octobre 2025 une recherche immobiliere en langage naturel qui reconnait plus de 300 termes et analyse les photos d'annonces, puis a lance RealAssist AI construit avec Google Gemini en juin 2026.

Objectif

Laisser l'acheteur formuler sa recherche comme il parle, y compris des criteres complexes, et faire correspondre ses mots aux descriptions et aux photos des annonces pour l'amener plus vite vers un bien et un agent.

Le déploiement

Realtor.com deploie en octobre 2025 une recherche vocale et textuelle en langage naturel qui interprete des requetes complexes, par exemple une maison de plain-pied avec piscine dans une ville donnee et de moins de cinq ans. Elle analyse aussi les photos des annonces pour faire remonter des biens correspondants, reconnait plus de trois cents termes comme des plafonds cathedrale ou une cuisine moderne, et apprend du comportement de l'utilisateur pour personnaliser les resultats. En juin 2026, Realtor.com lance RealAssist AI, une experience de recherche conversationnelle construite avec Google Gemini et Google Cloud, disponible en beta pour un groupe d'utilisateurs connectes sur desktop, application et web mobile. RealAssist accompagne l'acheteur de ses premieres questions de budget jusqu'a la mise en relation avec un agent local, en memorisant les preferences d'une session a l'autre.

Résultats Preuve C

plus de 300
Termes reconnus par la recherche NL
"recognizes over 300 terms and learns from user behavior" S1
analyse les photos d'annonces pour faire remonter des biens
Capacite de correspondance texte et image
"analyze listing photos to surface matching properties" S1

Presse specialisee (HousingWire, Real Estate News) et communique officiel Google Cloud (T2) concordants sur le deploiement, avec des caracteristiques chiffrees de la fonction. Pas de metrique d'engagement isolee et publique, d'ou un niveau C.

Comment ça fonctionne

Approche-type inférée

Le détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.

requete NLbiens correspondants Annonces (texte + photos)et comportementutilisateur Recherche NL + vision,modeles Gemini(RealAssist) Google Gemini / Google Cloud Realtor.com (web etapplication) Acheteur

La stack en détail

  • llm Google Gemini Modeles de la recherche conversationnelle RealAssist AI (comprehension du besoin, memoire des preferences).
  • infra Google Cloud Plateforme cloud sur laquelle RealAssist AI est construit.
  • outil Recherche NL in-house Realtor.com Recherche vocale et textuelle en langage naturel qui reconnait plus de 300 termes et apprend du comportement utilisateur.
  • outil Analyse d'images d'annonces Comprehension des photos d'annonces pour faire remonter des biens correspondants aux criteres exprimes ; le modele de vision exact n'est pas nomme.

Comment ça tourne, concrètement

Pour les équipes ops
CadenceTemps reel a chaque requete ; memorisation des preferences entre sessions pour RealAssist.
Opéré parEquipe produit et IA de Realtor.com, avec Google Cloud comme fournisseur des modeles pour RealAssist.
  1. 1
    Requete parlee ou ecrite client

    L'utilisateur formule sa recherche comme il parle, y compris des criteres complexes.

  2. 2
    Interpretation texte et image IA

    Le systeme reconnait plus de trois cents termes et analyse les photos d'annonces pour trouver les biens correspondants.

  3. 3
    Personnalisation et memoire IA

    Il apprend du comportement et, avec RealAssist, retient les preferences d'une session a l'autre.

  4. 4
    Mise en relation agent humain

    RealAssist accompagne du budget jusqu'a la mise en relation avec un agent local.

Le signal qui pilote

La richesse des annonces en texte et en images, plus le comportement de l'utilisateur. Sans description et photos exploitables, la correspondance sur les termes precis se degrade.

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

  • annonces avec descriptions riches et photos
  • referentiel de termes immobiliers
  • historique de comportement utilisateur

Prérequis orga

  • equipe IA ou partenaire cloud pour les modeles
  • capacite de vision par ordinateur sur les photos
  • boucle de personnalisation

Stack possible

  • LLM de comprehension de requete
  • modele de vision pour l'analyse d'images
  • moteur de recherche et de classement
Équipe pour opérer1 PM + 2-4 ingenieurs search / ML + 1 data engineer pour le pipeline d'annonces + partenaire cloud pour les modeles.

Le plan, étape par étape

  1. Étape 1
    Normaliser les descriptions d'annonces et constituer le referentiel de termes immobiliers du marche vise.Livrable : Vocabulaire structure mappe au parc d'annonces.
  2. Étape 2
    Brancher la comprehension de requete en langage naturel sur le moteur de recherche existant.Livrable : Beta interne de recherche NL sur criteres textuels.
  3. Étape 3
    Indexer les photos d'annonces avec un modele de vision pour couvrir les criteres visuels (piscine, plain-pied, cuisine moderne).Livrable : Index image-criteres branche sur la recherche.
  4. Étape 4
    Ouvrir une beta utilisateurs et ajouter la personnalisation par apprentissage du comportement.Livrable : Beta publique avec mesure d'engagement de recherche.
  5. Étape 5
    Relier la recherche a la mise en relation avec un agent et generaliser.Livrable : Parcours complet requete vers bien vers agent, avec tableau de bord de pertinence.

Première étape : Enrichir et normaliser le vocabulaire des annonces avant de brancher la comprehension d'images.

Sources

  1. S1 2 more portals embrace AI-powered home search tools Secondaire realestatenews.com · 2025-10-14 · consulté le 2026-07-11 archive à générer
  2. S2 Realtor.com launches AI-powered home search tool Secondaire housingwire.com · 2025-10 · consulté le 2026-07-11 archive à générer
  3. S3 Realtor.com Launches RealAssist AI: A Completely Reimagined Way to Find A Home Officiel intéressé googlecloudpresscorner.com · 2026-06-02 · consulté le 2026-07-11 archive à générer